不要再说小盟玩游戏是“玩物丧志”啦！现在游戏还能用来开发自动驾驶呢。不管是赛车还是模拟人生，里面的游戏场景都能用来帮助训练和提升视觉系统。这可比我们上街去拍街景收集数据有效率地多哦。
侠盗飞车是一款动作冒险类游戏，游戏里的一大特色就是可以让玩家驾驶各种车辆四处狂飙和碾压。花上千个小时玩侠盗猎车手只能被别人称为沉迷游戏少年，但你不知道吧，侠盗飞车却可能让电脑变得更智能化！
有好几个研究小组现在正在努力研（chén）究（mí），比如像赛车之类的各种广受欢迎的电脑游戏。研究小组发现，这些游戏能够训练算法，也许能让自驾车实现自动导航。
让电脑通过玩暴力动作电脑游戏学习不良行为，成为不良少年，哦不，不良电脑的机会比头发丝儿还小。但是研究小组发现在侠盗猎车手和其他的虚拟世界中，可能存在有助于电脑或者机器感知真实世界的元素，比如说那些极其逼真的风景和障碍物。
机器学习是一项能让电脑去做加深印象的新东西从而提升信息储备的技术，比如人脸识别和语音识别，当然也可以像我们一样识别速度。但是这种技术需要大量的数据，不但收集数据很有挑战性，还相当地费时间。在很多游戏中的风景是非常逼真的，可以被用来生成数据来达到和在现实世界开车一样的效果。
有些科研者已经利用建立游戏引擎来生成自己的算法，还构造了训练数据的3-D模拟。然而，具有逼真影像的现成的电脑游戏就在手边，可以轻而易举地提供一个更简单的方法来收集大量的训练数据做测试。
英特尔实验室和位于德国达姆施塔特大学的研究小组共同开发了一个巧妙的方法来提取侠盗猎车手游戏中有效的训练数据。
研究小组在游戏和电脑硬件中间创建了软件层，能够自动分类游戏中道路场景上的不同的物体。这为机器学习提供了有效的训练参照物，通过识别游戏里的车，行人，和其他障碍物，那无论是在游戏还是在真实的街道上，都能自动区分和收集目标。根据这个研究小组最近发表的一篇论文所示，这么庞大的数据操作，人类是不可能手动标记所有场景的。研究人员还表示，真正的训练图像可以通过添加一些合成影像加以改进，让它更逼真。
现在人工智能面临的最大的挑战是——如何填满由强大的机器学习对数据需求的饥渴。这对像自动驾驶这样用于现实生活中的技术来说最为困难。因为也许要花费数以万计小时来收集真实接到的影响，还要去标记、归类成千上万的图像。还有那些在现实生活中可能遇到的“不切实际”的情况更难在现实生活中找到，就像一辆车在高速上撞到了一堵墙。
“全是真实世界的数据是一项相当耗费资源的操作，现在最好不要轻易着手去做，”AlizeraShafaei是一位在加拿大英属哥伦比亚大学的在读博士，最近要发表一篇关于如何用电脑游戏来训练计算机视觉系统达到与实际数据一样水准的论文。他的导师，MarkSchmidt教授认为，视频游戏提供了一种简单的方法来区分训练数据中的环境元素。
“我们可以毫不费力地在一个设置好照明、气候等条件下的环境中，收集大量的数据，而且我们发现，这种合成的数据甚至比真实数据的训练效果更好！”Shafaei称道。
人工智能的研究小组们已经把简单的游戏当成检验算法的学习能力标准之一。而现在有更多的研究者表示他们对用游戏风景来提升视觉训练越来越感兴趣。在巴尔的JohnsHopkinsUniversity的一个研究小组正在开发一项可以将机器学习算法与任意热门游戏虚拟引擎的工具。
SVACE正在招募科技调查撰稿人，专门为读者发掘有趣的科技生鲜信息
有意向者请发email至general
svace.org来联系我们Albee赞赏
