前沿 | AI不用地图和GPS也能认路：DeepMind再放大招

是的，谷歌DeepMind又在搞事情。

这次，是用深度强化学习和神经网络来建立导航系统。无需标注好的地图指引，AI仅仅依靠街景照片的图像识别就能到达目的地。类似于AlphaGo Zero的没有棋谱，也能学会下棋。

注意，这无关乎驾驶，仅仅关乎导航——穿越真实城市，到达指定的经纬度坐标。整个过程不涉及交通数据（周围有没有车和人），也没有对车辆控制建模。

但这已经足够复杂了。在曼哈顿的5个区域、伦敦和巴黎市中心，AI能成功穿过复杂的交叉路口、人行道、隧道和各种拓扑结构。

3月31号，DeepMind在ArXiv上发布了相关论文：Learning to Navigate in Cities Without a Map。大数据文摘公众号后台回复“导航”即可下载这篇论文。

DeepMind随后发表的一篇博客文章称，AI做的这件事类似于一个小孩如何记住周边的环境。小孩并不需要看一张地图，只需记住街道的视觉外观并沿途转向，就能前往朋友家、学校或杂货店。而且会越走越熟练。如果迷路了，他可以通过关键地标甚至太阳的朝向来认路。

这是人类的导航系统。

导航是一项重要的认知任务，有导航系统的人类和动物可以在复杂的世界中远距离穿行，而无需地图。同时，可以自我定位（“我在这里”）和表述目标（“我要去那里”）。

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

那么，AI如何学习在没有地图的城市中进行导航？

一个利器是谷歌街景视图（Google Street View）。这些图像数据是现成的。这样，AI不用真的到某个城市里穿行，只要在街景里游荡就可以了。利用街景视图建模的优势在于，这些照片以人眼视角拍摄，也就是说，如果一个人站在相同的地理位置，他看到的图像就和模型看到的一样。

依靠街景图像而不是地图

研究人员建立了一个基于神经网络的人工智能体，学习使用视觉信息（来自街景图像的像素）在多个城市中导航。当AI到达目标目的地（例如，指定的经纬度坐标）时，该AI就会得到奖励。

好比一个7x24小时无限循环工作的快递员，要不断地到达指定地点，但是又没有地图可以看。

随着时间的推移，AI学习以这种方式跨越整个城市。经过在多个城市的训练和学习，在适应新的城市时AI的表现非常好。

原文链接