问题1

AI 的行驶轨迹符合我的预期。因为我用了5 次标准、规范、沿道路中央虚线的示范数据,AI 学习到了清晰、稳定、正确的行驶路线,所以它能平稳沿着路中间走,不会跑偏、不会撞墙,和我示范的路线基本一致。

问题2

用杂乱无章、像醉驾一样的数据训练后,AI 行驶路线歪歪扭扭、左右乱晃、容易偏离道路甚至失败。

和标准示范对比,用混乱数据训练 AI变得更难,甚至训练不成功。

这个实验告诉我们:给 AI 的示范数据必须正确、规范、稳定,AI 才能学好；数据越乱,AI 学得越差。

问题3

完成场景 2 通关后,我对 “Garbage in, garbage out(垃圾进,垃圾出)” 体会很深:

给 AI正确、整齐、规范的数据,它就能学会正确的驾驶；

给 AI混乱、错误、随意的数据,它就只能学到错误的行为,根本无法完成任务。这说明:人工智能的好坏,完全取决于训练数据的质量。数据优质,AI 才优秀；数据糟糕,AI 也一定糟糕。