歐美日各國都正在研發汽車自動駕駛科技，其中道路行車影像的辨識技術是個重要關鍵
。
為了開發道路行車影像辨識技術，需要開車上街，拍攝數以萬計道路場景畫面為基礎，
來研發影像辨識的人工智慧。開車上路拍攝要花好幾千個小時，
之後還要再另外花費好幾千個小時的人力時間，來辨識標記與分類拍攝到的道路場景畫面
(image classification)，前後過程需耗費昂貴的金錢成本。
(圖) AI人工智慧眼中的道路行車畫面
http://i.imgur.com/pZuDFDG.jpg (source: MIT Technology Review)
根據美國MIT Technology Review的報導，加拿大卑詩省大學UBC研究人員的最新研究，
他們發現新型遊戲的畫面越來越逼真。為了節省成本，他們使用6萬張遊戲的道路街景
電腦合成畫面(應該是GTA 5)，來訓練AI人工智慧的深層類神經網路和畫面景深估測演算法
(deep neural networks, depth estimation)，實驗成果斐然。
另外，MIT報導中還提到一項由德國Darmstadt大學和Intel實驗室合作的道路影像辨識
研究，研究人員發現GTA 5遊戲中的場面畫質相當逼真，於是他們利用GTA 5的電腦合成
畫面來訓練人工智慧軟體演算法，用來輔助訓練AI的道路影像辨識標記(semantic labels)
，實驗成果也很不錯。
AI人工智慧經過2.5萬張GTA 5道路影像畫面的訓練之後，只要再搭配原本的真實道路
影像其中1/3的資料量(CamVid training set)，新版AI的影像辨識性能會比原先
只靠完整真實道路影像龐大資料量訓練的舊AI還要強。
用GTA 5來訓練AI人工智慧，省時省錢又更強。
(圖) GTA 5道路行車的原始畫面
http://i.imgur.com/TKN58tr.jpg
(圖) 經過AI人工智慧辨識處理之後的GTA 5行車畫面
http://i.imgur.com/FghUQIN.jpg
(圖表) 行車道路影像畫面中,不同類型物體會用不同的顏色區分,也有不同的像素資料量
http://i.imgur.com/ucByICh.jpg
(圖表) 五種AI人工智慧訓練法的成績表
GTA 5搭配真實影像的訓練法有最佳表現(real+synth)。
http://i.imgur.com/jJ1TdOS.jpg
(source: tu-darmstadt.de https://is.gd/ZN8NrH )
[影片] 用人力手動的方式來幫GTA行車畫面標記分類的過程實錄，影片有縮時加快10倍
可看出過程很麻煩，費時費力。
https://vid.me/1PBy
====
自動駕駛技術還有很大的進步空間，GTA 5寓教於樂，貢獻良多。
出處
[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