按：Uber的工程博客(engineering blog)刚刚发布了一篇文章，内容是基于Web工具，探索将自驾车研究的数据可视化。

　　这个很酷的技术背后，是已经囤积了超过一百万英里的测试数据。数据驱动学习，一旦你有这么多的数据，就可以把它们混合放在虚拟环境中，让AI来导航。计算机并不知道虚拟数据和真实数据的差别，同时，还可以调整数据，观察异常事件或来进行多个模型的比较。

　　这篇博文只关注这些数据的可视化，并详细介绍了其工具。这些工具都是基于网络的，可以使新功能轻松协作和快速周转。这些Web应用程序可以访问GPU，实时交流等等。

　　这篇文章并没有真正涉及到，如何通过把整个环境从整个背景中剥离出来，进一步增加数据的价值。由于所展示出来的工具的复杂性，一篇文章似乎也说不清楚。

　　例如，处理一个像游行或抗议这样的背景，你会让自动驾驶汽车像马拉松比赛上的跑步者一样自由跑吗?很显然不可能。

　　你能做的就是打开地图，关闭了几个主要街道，然后设置你的AI驱动汽车走动。当AI系统崩溃时，你会看到它对现实生活中从未见过的情况的反应。这就像一个思考实验，可以产生有效的数据并改善人工智能。