خودت بران!
آیا سرانجام خودروهای خودران از راه خواهند رسید؟ (بخش دوم)
در دهه 1980 یک مهندس آلمانی با نام ارنست دیکمانس در دانشگاه باندس‌ور در مونیخ یک ون مرسدس را به دوربین‌های ویدیویی و تعدادی پردازنده مجهز کرد تا بتواند به‌طور خودکار آن را در مسیر جاده نگه دارد.

1606683296_1_0.gif

این مطلب یکی از مقالات پرونده ویژه «خودروهای خودران» است. برای دریافت کل پرونده ویژه اینجا کلیک کنید. 

آن‌ها یک مسابقه راه انداختند
نخستین مسابقه Grand Challenge در صحرای موهاوی در سیزدهم مارس 2004 برگزار شد. جایزه یک میلیون دلاری برای کاری تعیین شده‌ بود که ساده به‌نظر می‌رسید: خودرویی بسازید که بتواند 228 کیلومتر بدون دخالت انسان رانده شود. خودروی ارنست دیکمانس فواصل مشابهی را در Autobahn طی کرده بود، اما همیشه همراه با یک راننده که در موقعیت‌های خطرناک احتمالی فرمان را در دست بگیرد. خودروها درGrand Challenge باید خالی می‌بودند و جاده هم جاده سختی بود: از بارستو در کالیفرنیا تا پریم در نوادا. این جاده به جای پیچ‌های نرم و راه‌های مستقیم طولانی پر از دست‌انداز و پیچ‌های تند بود و به‌جای علامت‌های جاده و خطوط جداکننده مسیرها باید از نقاط راهی جی‌پی‌اس استفاده می‌شد. تران می‌گوید: «امروز می‌توانیم آن کار را در چند ساعت انجام دهیم. اما آن زمان مثل این به نظر می‌رسید که بخواهی با کتانی به ماه بروی.»
لواندوفسکی برای نخستین‌بار از مادرش درباره مسابقه شنید. او اعلامیه مسابقه را وقتی که به‌صورت آنلاین در سال 2002 اعلام شد، مشاهده کرد و به یاد پسرش افتاد که وقتی پسربچه‌ای بود عادت داشت با ماشین‌های کنترلی بازی کند و آن‌ها را به چیزهای مختلف در اتاق‌خوابش بکوبد. آیا این خیلی متفاوت بود؟ لواندوفسکی اکنون دانشجوی برکلی در مهندسی صنعتی بود. وقتی او مشغول درس خواندن یا پارو زدن در قایق یا بردن رقابت‌های لِگو نبود؛ به دنبال ساختن چیزهای جدید جالب و اگر هم شد کسب سود از آن‌ها بود. دوست او رندی میلر می‌گوید: «اگر از کاری که می‌کند پول در آورد، این مهر تأیید او است بر این‌که ارزش خلق می‌کند. یادم می‌آید وقتی در کالج بودیم یک روز در خانه او بودیم و او گفت که می‌خواهد اتاق‌خواب خود را اجاره دهد. او دیواری در اتاق نشیمنش درست می‌کرد و روی مبل راحتی کنار سروری که ساخته بود، می‌خوابید. گفتم: “آنتونی چه غلطی می‌کنی؟ تو پول زیادی داری. چرا خانهبرای خودت خانه‌ای نمی‌خری؟” و او گفت: “نه. تا وقتی که به اتاق ویژه‌ای در یک 747 نروم، می‌خواهم همین طوری زندگی کنم.”»

سباستین تران: «تا قبل از سال 2000 اصلاً نمی‌شد چیز جالبی ساخت. حسگرها به اینجا نرسیده بودند، کامپیوترها به اینجا نرسیده بودند، نقشه‌نگاری به اینجا نرسیده بود. رادار دستگاهی بود دور از دسترس که دویست میلیون دلار هزینه‌اش بود. چیزی نبود که بتوانید در فروشگاه Radio Shack بخرید.»​

قوانین مسابقه درباره موضوع وسیله نقلیه مبهم بود: هر چیزی که بتواند خود را براند به حساب می‌آمد. بنابراین، لواندوفسکی یک تصمیم جسورانه گرفت. او می‌خواست نخستین موتورسیکلت خودران دنیا را بسازد (میلر به یاد می‌آورد که این ایده در یک جکوزی در تاهو به ذهن آن‌ها رسید و خیلی هم درست به نظرشان آمد). لواندوفسکی عقیده دارد که مهندسی خوب فقط بازی با سیستم است؛ دور زدن موانع به جای پریدن از روی آن‌ها است. نمونه مورد علاقه او یک مسابقه روباتیک در MIT در 1991 است. دانشجوها با مأموریت ساخت ماشینی که بتواند بیشترین توپ‌های پینگ‌پونگ را درون یک لوله بیاندازد، اختراع‌های نوآورانه مختلفی انجام دادند. کار برنده اما به‌طرز عصبانی‌کننده‌ای ساده بود: یک بازوی مکانیکی که بالای لوله می‌رفت توپی را درون آن می‌انداخت و آن را می‌بست تا هیچ‌کس دیگری نتواند درون آن چیزی بیاندازد. این ماشین با یک حرکت مسابقه را برد. لواندوفسکی فکر می‌کرد که ایده موتورسیکلت هم می‌تواند مانند نمونه مذکور باشد: سریع‌تر از یک خودرو با قدرت مانور بیش‌تر. این وسیله نقلیه می‌توانست با سرعت از میان موانع عبور کند و همچنین می‌توانست وسیله خوبی برای تلافی کار مادرش باشد که هیچ‌وقت اجازه نمی‌داد در دوران نوجوانی سوار موتور شود. او با خود فکر کرد: «خب. پس یکی می‌سازم که خودش خود را براند.» ضعف این ایده مشخص بود: یک موتورسیکلت نمی‌توانست خودبه‌خود صاف بایستد و برای حفظ تعادل به یک راننده نیاز دارد. یا یک سیستم کامپیوتری پیچیده از محورها و موتورها که موقعیت وسیله را در هر صدم ثانیه تنظیم کند. لواندوفسکی می‌گوید: «قبل از آن‌که بتوانید سه متر آن را برانید به یک سال مهندسی نیاز دارید.» شرکت‌کنندگان دیگر چنین مشکلی نداشتند. آن‌ها همچنین پشتوانه محکم دانشگاهی و شرکتی داشتند: گروه کارنگی ملون با جنرال موتورز کار می‌کرد، کل‌تک با نورتروپ گرامن و اوهایو استیت هم با اوش‌کاش. وقتی او با این ایده به دانشگاه برکلی رفت، عکس‌العمل دانشگاهیان در بهترین حالت یک ناباوری سردرگم بود. مشاور او، کن گلدبرگ صادقانه به او گفت شانسی برای برنده شدن ندارد. او می‌گوید: «آنتونی خلاق‌ترین دانشجویی است که طی بیست سال گذشته با او برخورد داشته‌ام. اما این واقعاً حرکت بزرگی بود.»

رقابت‌های Grand Challenge یکی از فاجعه‌بارترین اتفاق‌های تاریخ خودروها بود. تسلای شرکت‌کنندگان در به اشتراک گذاشتن بدبختی‌هایشان بود. هیچ کدام از پانزده فینالیست از پانزده کیلومتر اول گذر نکردند.

لواندوفسکی نگران چیزی نبود. در طول دو سال بعدی، او بیش از دویست تماس با حامیان مالی احتمالی داشت و جواب منفی شنید. او سرانجام از Raytheon ،AMD و دیگران سی هزار دلار جور کرد (هیچ شرکت تولیدکننده موتورسیکلتی تمایل به گذاشتن نام خود روی پروژه نداشت). سپس او صد هزار دلار نیز خودش روی سرمایه جمع‌شده گذاشت.پس از آن، سراغ فارغ‌التحصیلان دانشگاه رفت. چارلز اسمارت که حالا استاد ریاضیات در MIT است، می‌گوید: «او به‌جای دستمزد به ما بوریتو [نوعی غذای مکزیکی] می‌داد. همیشه هم یک جور بوریتو. اما یادم می‌آید که فکر می‌کردم، امیدوارم از من خوشش بیاید و اجازه دهد روی این پروژه کار کنم.» لواندوفسکی چنین تأثیری روی افراد داشت. اشتیاق دیوانه‌وار او برای پروژه فقط با داشته‌های فنی او در مقابل چالش‌ها برابری می‌کرد و البته تمایل او برای پیمودن هر مسیری برای روبه‌رویی با این چالش‌ها. در یک نقطه او به نامزد و همسر آینده اسمارت پیشنهاد داد که در مقابل دریافت پنج هزار دلار تا پایان پروژه از اسمارت جدا شود. اسمارت می‌گوید: «او به‌وضوح جدی بود. نامزدم هم از پروژه موتورسیکلت متنفر بود.»
روزی رسید که گلدبرگ دریافت نیمی از دانشجوهای دکترایش برای لواندوفسکی کار می‌کنند. آن‌ها با یک موتور صحرایی یاماها که برای نوجوانان ساخته شده است شروع کردند و آن را از هم باز کردند. آن‌ها دوربین، ژیروسکوپ، ماجول‌های جی‌پی‌اس، کامپیوتر، میله‌های محکم‌کننده و یک موتور الکتریکی برای چرخاندن فرمان به موتور اضافه کردند. آن‌ها ده‌ها هزار خط کد نوشتند. ویدیوهای آزمایش‌های اولیه آن‌ها مانند قسمتی از برنامه بنی هیل به نظر می‌رسد: موتورها به هوا پرتاب می‌شوند، مهندسان بالا و پایین می‌پرند، موتورها به زمین می‌افتند؛ آن هم بیش از ششصد بار متوالی. اسمارت می‌گوید: «ما موتور را ساختیم و دوباره ساختیم، به‌نوعی مثل راه رفتن در تاریکی. این همان چیزی است که یکی از همکارانم یک بار گفت: “تو نمی‌فهمی چارلی، بحث روباتیک است. هیچ چیز کار نمی‌کند.“»
سرانجام پس از صرف یک سال روی پروژه، یک مهندس روس با نام الکس کرازنوف کد را شکست. آن‌ها فکر می‌کردند تعادل یک مشکل پیچده و غیرخطی است، اما مشخص شد که کاملاً ساده است. وقتی که موتور به یک سمت کشیده می‌شد کرازنوف فرمان را کمی به همان جهت راهنمایی می‌کرد. این کار شتاب گریز از مرکز ایجاد و موتور را دوباره متعادل می‌کرد. با انجام دوباره و دوباره این کار و ردگیری منحنی‌های S شکل موتورسیکلت توانست یک خط صاف را پیش بگیرد. در کلیپ ویدویی آن روز موتورسیکلت در ابتدا کمی تلو می‌خورد، مانند بچه‌زرافه‌ای که تازه گام بر‌‌می‌دارد، اما سپس ناگهان با ثبات در محیط دور می‌زند؛ انگار که با یک دست نامرئی راهبری می‌شود. آن‌ها آن را گوست رایدر خواندند (شکل6).

       شکل 6: گوست رایدر؛ موتور سیکلتی که گویی با یک دست نامرئی راهبری می‌شد. این دستگاه نخستین وسیله نقلیه خودران دو چرخ بود که در رقابت‌های Grand Challenge 2004 شرکت کرد.

یک شروع تلخ، یک پیروزی بزرگ
نخستین دوره رقابت‌های Grand Challenge یکی از فاجعه‌بارترین اتفاق‌های تاریخ خودروها بود. تسلای شرکت‌کنندگان در به اشتراک گذاشتن بدبختی‌هایشان بود. هیچ کدام از پانزده فینالیست از پانزده کیلومتر اول گذر نکردند؛ هفت شرکت‌کننده در یک کیلومتر اول در هم شکستند. خودروی شش‌چرخ سیزده هزار کیلویی TerraMax از اوهایو همان ابتدا در بوته‌ها فرو رفت و Chevy Tahoe از کل‌تک با حفاظ تصادف کرد. حتی برنده، کارنگی ملون، در بهترین حالت یک برد زیان‌بار داشت. خودروی روباتیک Humvee آن‌ها، Sandstorm، پیش از انحراف از مسیر مسابقه فقط دوازده کیلومتر طی کرد. بعدتر یک هلی‌کوپتر آن را در فضای خاکی دور از جاده یافت که در دود دست و پا می‌زند؛ چرخ‌های عقب آن چنان سریع چرخیده بودند که به آتش کشیده شده بودند.
اما درباره گوست رایدر؛ این موتورسیکلت موفق شد که در مرحله تعیین صلاحیت بیش از نوزده خودرو را کنار بزند. مرحله تعیین صلاحیت یک مسیر با مانع 2.5 کیلومتری درCalifornia Speedway در فونتانا بود. اما این بالاترین رکورد آن شد. در روز مسابقه لواندوفسکی که پشت خط آغاز ایستاده بود نیمه‌هوشیار از آدرنالین و خستگی، فراموش کرد که برنامه تعادل را فعال کند. وقتی تفنگ آغاز به صدا در آمد، موتور به جلو جهید، یک متر پیش رفت و به زمین افتاد.
لواندوفسکی می‌گوید: «یک روز سیاه بود.» مدتی طول کشید تا بتواند با آن کنار بیاید؛ حداقل با معیارهای بیش‌فعال او. او ادامه می‌دهد: «به گمانم چهار روز کار نکردم. و بعد هم گفتم، هی من هنوز کارم تمام نشده! باید این را درستش کنم!» سه ماه بعد یک مسابقه دوم Grand Challenge برای اکتبر پیش رو اعلام شد که جایزه آن به دو میلیون دلار افزایش یافته بود. گروه‌ها برای برنده شدن باید به فهرست ترسناکی از خطاها و کاستی‌ها می‌پرداختند. از رانندگی‌های بی‌انعطاف تا تجهیزات معیوب ماهواره‌ای. اما مشکل اساسی همیشه همان بود: چنان‌که جاشوآ دیویس بعدها در وایرد نوشت، روبات‌ها هنوز به اندازه کافی هوشمند نبودند. آن‌ها در نور ناکافی نمی‌توانستند فرق یک بوته را از تخته‌سنگ یا یک سایه را از جسم سخت تشخیص دهند. آن‌ها دنیا را به یک ماز عظیم تقلیل دادند و سپس در میان بوته‌های بین حفره‌ها گرفتار شدند. آن‌ها باید ضریب هوشی خود را افزایش می‌دادند.
در اوایل دهه 1990، یک متخصص روباتیک با نام دین پامرلو (شکل7) در کارنگی ملون به یک راه فوق‌العاده کارآمد برای انجام این کار رسید: او اجازه داد خودرویش خود را آموزش دهد. پامرلو کامپیوتر را در ون خود به شبکه‌های عصبی مصنوعی مجهز کرد که بر مبنای نمونه مشابه خود در مغز طراحی شده بودند. همزمان با رانندگی او در اطراف پیتسبورگ، سیستم رد تصمیم‌های رانندگی او را می‌گرفت و به گردآوری آمار و فرمول‌بندی قوانین رانندگی مخصوص به خود می‌پرداخت. 
پامرلو می‌گوید: «وقتی شروع کردیم، خودرو با سرعت سه تا شش کیلومتر در ساعت در مسیر داخل پارک حرکت می‌کرد؛ یک سه‌چرخه هم از آن سریع‌تر حرکت می‌کرد. در پایان خودرو با سرعت نود کیلومتر در ساعت در بزرگراه حرکت می‌کرد.» در سال 1996 خودرو با کمترین دخالت خود را از واشنگتن به سن‌دیه‌گو راند یعنی چهار برابر خودورهای ارنست دیکمان در یک سال قبل. پامرلو آن را «از میان امریکا، بدون دخالت دست» نامید.

شکل 7: دین پامرلو، یکی از نخستین متخصصان روباتیک که در اوایل دهه 1990 برای آموزش خودروهای خودران از شبکه‌های عصبی مصنوعی بهره گرفت.

یادگیری ماشین ایده‌ای است به قدمت علوم کامپیوتر؛ آلن تورینگ، یکی از پدران این حوزه از آن به‌عنوان جوهره هوش مصنوعی یاد می‌کند. در زمینه یادگیری یک رفتار پیچیده این سریع‌ترین راه برای کامپیوتر است، اما اشکال‌های خود را دارد. یک خودروی خودآموز می‌تواند به نتایج عجیبی برسد؛ ممکن است سایه یک درخت را با کناره جاده یا چراغ جلوی ماشین را با خطوط جداکننده مسیر‌ها اشتباه بگیرد. ممکن است یک کیسه پلاستیکی معلق در هوا را شیئ سخت در نظر بگیرد و سعی کند به آن نخورد. این خودرو مانند خردسالی است در یک کالسکه که بر‌اساس صورت‌ها و ویترین‌هایی که جلوی چشمان او حرکت می‌کنند از دنیا استنباط می‌کند. سخت است که بفهمیم چه می‌داند. پامرلو می‌گوید: «شبکه‌های عصبی مانند جعبه سیاه می‌مانند. این مردم را عصبی می‌کند، به‌خصوص وقتی که یک خودروی دو تُنی را کنترل می‌کنند.»
کامپیوترها نیز مانند کودکان اغلب با تکرار یاد می‌گیرند. آن‌ها هزاران قانون دارند و بیت‌هایی از داده برای به خاطر سپردن آن‌ها – اگر X اتفاق افتاد، Y را انجام بده؛ از سنگ‌های بزرگ دوری کن – و سپس امتحان آن‌ها با آزمون و خطا. این روندی کند و رنج‌آور است، اما پیش‌بینی و پالایش آسان‌تر از یادگیری ماشین است. همانند هر سیستم آموزشی دیگری، ترفند اصلی، ترکیب دو مورد به اندازه مناسب است. یادگیری طوطی‌وار بیش از حد، می‌تواند یک ماشین کند را در پی داشته باشد. یادگیری تجربی بیش از حد نیز می‌تواند موجب نقطه‌های کور شود. ناهموارترین جاده‌ها در Grand Challenge اغلب آسان‌ترین‌ها برای راهبری بودند، زیرا مسیری خالی و فواصلی مناسب داشتند. در مسیرهای باز و شنی بود که خودروها دیوانه می‌شدند. سباستین تران می‌گوید: «اگر هوشمندی زیادی در یک خودرو کار بگذاری خلاق می‌شود!»
مسابقه دوم Grand Challenge این دو رویکرد را به آزمایش گذاشت. نزدیک به دویست گروه برای رقابت ثبت‌نام کردند، اما برندگان احتمالی از ابتدا مشخص بودند: کارنگی ملون و استنفورد. گروه کارنگی ملون توسط متخصص روباتیک افسانه‌ای ویلیام (رد) ویتاکر راهبری می‌شد (پامرلو دانشگاه را ترک کرده بود تا شرکت خود را تأسیس کند). ویتاکر کهنه‌کار (شکل8) در زمینه دستگاه‌هایی برای مکان‌های دورافتاده و خطرناک تخصص دارد. روبات‌های او در قطب شمال و آتشفشان‌های فعال دست و پا زده‌اند و به راکتورهای اتمی تخریب‌شده در Three Mile Island و چرنوبیل سرکشی کرده‌اند. ویتاکر به مسابقه به‌عنوان یک عملیات نظامی نگاه می‌کرد. گروه او 28 روز را صرف اسکن لیزری صحرای موهاوی [مکان برگزاری مسابقه] کردند تا یک مدل کامپیوتری ز توپوگرافی آن داشته باشند، سپس آن اسکن‌ها را با داده‌های ماهواره‌ای ترکیب کردند تا به شناسایی موانع کمک کنند.

شکل 8: ویلیام ویتاکر متخصص نامدار رباتیک

گروه استفورد توسط تران راهبری شد. او در مسابقه اول شرکت نکرد، زیرا آن زمان یک استاد کارنگی ملون بود. اما تابستان بعدی استادی در پالو آلتو را پذیرفت. وقتی مسابقه دوم اعلام شد، او از دانشجوی دکترای خود، مایک مانته‌مرلو درباره آن شنید. تران می‌گوید: «تشخیص او درباره این‌که این کار را انجام دهیم منفی بود، اما بدنش، چشمانش و همه چیز او می‌گفت بله. بنابراین او من را قاطی ماجرا کرد.» رقابت میان دو جهت متضاد بود: تران مبادی آداب؛ ویتاکر خشن با خوی نظامی. کارنگلی ملون با دو خودروی نظامی سنداستورم و های‌لندر؛ استنفورد با با خودروی فولکس واگن کوچک Touareg با نام استنلی (شکل9)

       شکل 9: استنلی، خودروی خودران دانشگاه کارنگی ملون که در نخستین دوره  رقابت‌های Grand Challenge  در سال 2004 میلادی رتبه اول را کسب کرد.

یک رقابت برابر بود. هر دو گروه از حسگرها و نرم‌افزار مشابه استفاده کردند، اما تران و مانته‌مرلو بیش‌تر روی یادگیری ماشین تمرکز کردند. تران می‌گوید: «این، اسلحه سری ما بود.» تران و مانته‌مرلو به‌جای تنظیم برنامه خودرو با مدل‌های سنگ‌ها و بوته‌هایی که باید از آن‌ها دوری کند، آن را به میانه جاده صحرایی بردند. لیزرهای روی سقف خودرو محدوده اطراف خودرو را اسکن کردند، در حالی‌که دوربین فواصل دورتر را بررسی می‌کرد. کامپیوتر با تجزیه و تحلیل این داده‌ها یاد گرفت که سطوح صاف را به‌عنوان جاده و قسمت‌های ناهموار را به‌عنوان دست‌انداز در نظر بگیرد. همچنین تصاویر دوربین را با اسکن‌های لیزری مقایسه کرد تا دریابد محدوده صاف از فاصله دور چگونه به‌نظر می‌رسد و در نتیجه سریع‌تر براند. تران می‌گوید: «هر روز مثل هم بود. ما بیرون می‌رفتیم، بیست دقیقه رانندگی می‌کردیم، یک باگ نرم‌افزار پیدا می‌کردیم، سپس چهار ساعت می‌نشستیم و برنامه‌نویسی می‌کردیم و دوباره سعی می‌کردیم. این کار را برای چهار ماه انجام می‌دادیم.» وقتی شروع کردند، یک پیکسل از هر هشت پیکسلی که کامپیوتر به‌عنوان مانع می‌شناخت مانع نبود. زمانی که کارشان تمام شد نرخ خطا به یکی در پنج هزار کاهش پیدا کرده بود.
در روز مسابقه، دو ساعت قبل از آغاز برگزارکننده موقعیت جی‌پی‌اس را ارسال کرد. مسیر جدید از بار قبل هم سخت‌تر بود: پیچ‌های بیش‌تر، مسیر‌های تنگ‌تر، سه تونل و یک گردنه. کارنگی ملون با دو خودرو در مقابل یک خودروی استنفورد ترجیح داد که محافظه‌کارانه‌تر عمل کند. آن‌ها تصمیم گرفتند های‌لندر را با سرعت بیشتری برانند – به‌طور متوسط بیش از سی کیلومتر در ساعت – در حالی‌که سنداستورم سرعت کمتری دارد. تفاوت آن‌قدر بود که باعث باختن مسابقه شود. وقتی های‌لندر به دلیل کمبود سوخت شروع به کاهش سرعت کرد استنلی جلو افتاد. وقتی استنلی شش ساعت و پنجاه و سه دقیقه پس از آغاز مسابقه از خط پایان گذر کرد، بیش از ده دقیقه از سنداستورم و بیش از بیست دقیقه از های‌لندر جلو افتاده بود.
این اتفاق در واقع پیروزی ظفرمند عقل به زور بازو بود. اما بیش از آن‌که این پیروزی از آن استنفورد باشد، از آن این حوزه به‌طور کلی بود. پنج خودرو مسیر 212 کیلومتری را تمام کردند و بیست خودرو فراتر از برنده 2004 پیش رفتند. در حقیقت آن‌ها طی یک سال بیش از بیست سال فعالیت پیمانکاران آژانس نظامی ایالات متحده پیشرفت داشتند. تران می‌گوید: «این افراد مجنون را داشتیم که نمی‌دانستند این کارچقدر سخت است. آن‌ها گفتند: "خب، یک خودرو دارم و یک کامپیوتر و یک میلیون دلار جایزه را هم لازم دارم." بنابراین، شروع به انجام کارها در کارگاه‌های خانگی خود کردند، چیزی سر هم کردند که تا قبل از آن هرگز در حوزه روباتیک انجام نشده بود و بعضی از آن‌ها هم به‌شکل جنون‌آمیزی تحسین‌برانگیز بودند.» گروهی از دانش‌آموزان دبیرستان پالوس وردس در کالیفرنیا تحت راهبری کریس سید هفده ساله، خودروی خودران «دوم باگی» را ساختند که آن‌طور که تران به یاد می‌آورد می‌توانست مسیر عوض کند و مقابل علامت ایست، بایستد. یک فورد SUV که توسط کارمندان یک شرکت بیمه در لوییزیانا برنامه‌نویسی شده بود فقط 37 دقیقه بعد از استنلی مسیر را تمام کرد. برنامه‌نویس ارشد آن‌ها الگوریتم‌های اولیه خود را از یک جزوه طراحی بازی‌های ویدیویی بیرون کشیده بود.
لواندوفسکی می‌گوید: «وقتی به گرند چلنج اول نگاه می‌کنید، در‌می‌یابید که ما در آن زمان در مقایسه با حال در عصر حجر بوده‌ایم.» موتورسیکلت او تجسم همین تکامل است. اگرچه گوست رایدر هیچ وقت از مرحله نیمه‌نهایی مسابقه دوم بیرون نیامد – روی تخته‌های چوبی زمین خورد – این پدیده مهندسی در نوع خود تمام 78 رقیب چهارچرخ خود را کنار زده است. دو سال بعد Smithsonian این موتور را در مجموعه خود قرار داد؛ یک سال پس از آن، استنلی نیز در این مجموعه جای گرفت. تا آن زمان تران و لواندوفسکی هر دو به گوگل پیوسته بودند.

ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     
ثبت اشتراک نسخه آنلاین

 

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا  کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.

ایسوس

نظر شما چیست؟