編譯／葉亭均

自駕車看起來有如魔術，概念是汽車能在不需要方向盤或油門的情況下自動駕駛，然而正如許多幻想故事有巫師躲在幕後主導一切，要打造一台能完全自動駕駛的汽車，需要靠大量密集的勞力推動。

《金融時報》報導，許多發展自駕車的公司聘用數百、甚至數千名人力，通常是在印度或中國等海外的委外中心工作，他們的任務是教會車輛辨別行人、騎士與其他障礙物，做法則是把原型車在矽谷、匹茲堡與鳳凰城等地路試行駛時所拍下的數萬小時影音片段，一幕幕以「手動」方式「貼標籤註記」。

舊金山利姆諾實驗室投資者康萊德說：「機器自我學習是個迷思」，對每家自駕車公司而言，這種貼標籤註記團隊極為重要，因為真實路況有太多變化。

儘管大幅進步的人工智慧（AI）、感測器品質與電腦運算為無人駕駛革命奠定技術基礎，但未來數年仍要靠人類標示樹木等路障與路標，好讓這些自駕系統更新。

Mighty AI公司執行長班克說：「依我來看，AI從業人員都有個自大的盲點，就是以為電腦將解決一切。」該公司雇用大量兼職人員過濾並標示訓練資料。

所有AI系統都存在相同的問題，即電腦靠著灌注大量經過人工標註的資訊，並利用模型來辨識再次見到的物體與型態。

訓練自駕車辨識障礙物的挑戰會比其他AI應用任務更為艱鉅，因為路上景色與路況多變，更別提辨識每日不同時刻的光線與天候條件變化，而且城市環境也可能因連夜施工、特殊事件或意外而改變。

自駕技術新創公司Drive.ai執行長譚頓表示：「這個標註的過程是人們鮮少提及的隱藏成本，是非常痛苦且繁瑣的過程。」

自駕車所要求的精確程度也遠高於其他AI系統。車輛能夠自駕，靠的是把透過相機與感測器所擷取到的環境，與精細的3D街道地圖做比較。安全是最重要的，如果Google Photos的臉部辨識系統無法辨識照片中的人，只是會造成不便，但若是一輛自駕車無法辨識行人，將有致命之虞。

在打造自駕車的競賽中，衡量各家技術進展的標準之一就是比較各公司無人駕駛車隊的行駛里程數。Google母公司字母旗下的Waymo在5月表示，他們的自駕車隊已行駛300萬哩公共道路，特斯拉（Tesla）去年則表示已從現有售出的電動車蒐集到超過1億哩的道路資料，將有助開發自駕系統。

不過就算累積再多的道路資料，也代表這些公司的後端資料處理團隊要處理更多的人工作業。寥寥數哩的道路資料就會創造數十Gb的資料，資料量很快就會膨脹到無法從車輛無線上傳的地步。因此，它必須存在硬碟中並轉移至委外服務中心。對於自駕車這個劃時代產業來說，這種類比訊號式的後勤作業簡直就是古代做法。

另一家矽谷自駕系統新創公司Plus.ai執行長劉大衛（David Liu）表示，自駕車每駕駛一小時，後勤團隊就得花數百個小時將擷取到的資料轉化為有用的資料。

這類勞力密集過程成本並不便宜。自駕產業估計一年投入數十億以上的成本在各大城市創造並維持這類地圖。

這也讓一些新創公司窺見商機。Plus.ai、Deepmap與Drive.ai等公司都宣稱他們能利用「深度學習」技術，即更先進、尋求模擬人腦分析運作的機器學習技術來減少人工輸入程序，據稱較容易達成超過90%或95%的精確度。

本版與經濟日報〈酷科技〉周刊同步刊登