欧美日各国都正在研发汽车自动驾驶科技，其中道路行车影像的辨识技术是个重要关键
。
为了开发道路行车影像辨识技术，需要开车上街，拍摄数以万计道路场景画面为基础，
来研发影像辨识的人工智能。开车上路拍摄要花好几千个小时，
之后还要再另外花费好几千个小时的人力时间，来辨识标记与分类拍摄到的道路场景画面
(image classification)，前后过程需耗费昂贵的金钱成本。
(图) AI人工智能眼中的道路行车画面
http://i.imgur.com/pZuDFDG.jpg (source: MIT Technology Review)
根据美国MIT Technology Review的报导，加拿大卑诗省大学UBC研究人员的最新研究，
他们发现新型游戏的画面越来越逼真。为了节省成本，他们使用6万张游戏的道路街景
电脑合成画面(应该是GTA 5)，来训练AI人工智能的深层类神经网络和画面景深估测算法
(deep neural networks, depth estimation)，实验成果斐然。
另外，MIT报导中还提到一项由德国Darmstadt大学和Intel实验室合作的道路影像辨识
研究，研究人员发现GTA 5游戏中的场面画质相当逼真，于是他们利用GTA 5的电脑合成
画面来训练人工智能软件算法，用来辅助训练AI的道路影像辨识标记(semantic labels)
，实验成果也很不错。
AI人工智能经过2.5万张GTA 5道路影像画面的训练之后，只要再搭配原本的真实道路
影像其中1/3的资料量(CamVid training set)，新版AI的影像辨识性能会比原先
只靠完整真实道路影像庞大资料量训练的旧AI还要强。
用GTA 5来训练AI人工智能，省时省钱又更强。
(图) GTA 5道路行车的原始画面
http://i.imgur.com/TKN58tr.jpg
(图) 经过AI人工智能辨识处理之后的GTA 5行车画面
http://i.imgur.com/FghUQIN.jpg
(图表) 行车道路影像画面中,不同类型物体会用不同的颜色区分,也有不同的像素资料量
http://i.imgur.com/ucByICh.jpg
(图表) 五种AI人工智能训练法的成绩表
GTA 5搭配真实影像的训练法有最佳表现(real+synth)。
http://i.imgur.com/jJ1TdOS.jpg
(source: tu-darmstadt.de https://is.gd/ZN8NrH )
[影片] 用人力手动的方式来帮GTA行车画面标记分类的过程实录，影片有缩时加快10倍
可看出过程很麻烦，费时费力。
https://vid.me/1PBy
====
自动驾驶技术还有很大的进步空间，GTA 5寓教于乐，贡献良多。
出处
[MIT] Self-Driving Cars Can Learn a Lot by Playing Grand Theft Auto
Hyper-realistic computer games may offer an efficient
https://is.gd/RFZfBx
Playing for Data: Ground Truth from Computer Games
https://is.gd/ZN8NrH