เริ่มถนนเงียบ แล้วลองเมืองที่วุ่นวายStart quiet. Build a busy city.
เลือกถนน เพิ่มรถ แล้วแตะรถหนึ่งคัน ดูว่ากล้องจำลองเห็นอะไรและทำไมรถจึงชะลอ เริ่มจากสองช่องทาง แล้วลองแยกที่วุ่นวายแบบกรุงเทพฯ
Choose a road, add traffic, then tap a car. Watch what its simulated camera sees and why it slows down. Start with two lanes; work up to a crowded, Bangkok-inspired junction.
คุณเคยฝึกเครื่องให้เรามากกว่าที่คิดYou have been training a machine for years
คุณทำสิ่งนี้มาทั้งชีวิตโดยไม่รู้ตัว ลองก่อน แล้วค่อยเข้าห้องขับรถYou have been doing this your whole life without knowing. Try, then drive.
สนามทดสอบThe test track
เปลี่ยนถนนหรือจำนวนรถจะเริ่มรอบใหม่ สองและสี่ช่องทางมีรถสวนกันและไม่มีทางข้ามคนเดิน เมืองมีเส้นทางตัดกัน รถ 24 คัน คนและสุนัขมาก ลองเพิ่มฝนหรือกลางคืน รถใช้กฎที่เขียนไว้ ไม่ใช่รถจริงหรือ AI ที่ฝึกขับ: ยังไม่มีการเปลี่ยนเลน รถยนต์ไม่ขับ และไม่มีแผนที่กรุงเทพฯ จริง รอบรถนี้มีถนน ไม้เท้า เสาไฟ ทางเท้า อาคารติดถนน รถจักรยานยนต์และจักรยานจอดข้างทาง หัวดับเพลิง ม้านั่ง และต้นไม้ในกระถาง ทุกชิ้นวางที่ตำแหน่งจริงบนถนนไทย: รถเก๋ง 4.4×1.8 ม. กระบะ 5.3 ม. รถบรรทุก 9.6 ม. สูง 3.2 ม. รถโดยสาร 12 ม. บนเลนกว้าง 3.2 ม.Changing road or traffic starts a new run. Two- and four-lane roads have opposing traffic, without pedestrian crossings. City adds crossing routes, 24 cars and more people and dogs. Try rain or night too. Cars follow written rules: this is a teaching simulation, with fixed lanes, no motorbikes driving and no real Bangkok map. The road now has kerbs, footways, buildings behind them, street lamps, utility poles, parked bicycles and motorbikes, fire hydrants, benches and planters — every one placed at its real size on a Thai road: 4.4 × 1.8 m sedans, 5.3 m pickups, 9.6 m lorries 3.2 m tall, 12 m buses, on lanes 3.2 m wide.
แตะรถบนแผนที่ หรือเลือกปุ่มรถ เพื่อเปิดจอคนขับที่เคลื่อนไหว กรอบสีส้มชี้สิ่งที่ทำให้รถชะลอ ลองวงเวียนเพื่อดูคนข้ามถนนTap a car on the map or choose its numbered button to open its moving windshield view. The orange box marks what affects its speed. Try the roundabout for people crossing.
เห็นSees
เรียกไม่ถูกCannot name
ตัดสินใจDecides
สีขาว = ระวัง · สีเทา = ปกติ · สีเหลือง = ใจร้อน · กรอบและพัดสีส้ม = สิ่งที่กล้องของรถเห็น · จุดขาว = คน · ตัวเหลืองเล็ก = สุนัข · แถบเทาคือทางเท้า แถบเขียวคืออาคาร · เสาไฟและเสาไฟฟ้าไม่มีกรอบ เพราะ COCO ไม่มีชื่อสิ่งเหล่านั้นWhite = careful · grey = normal · yellow = hasty · orange boxes and fan = what a car’s camera sees · white dots = people · small yellow shapes = dogs · grey strip = footway · olive blocks = buildings · lamp posts and utility poles have no box, because COCO has no name for them
สิ่งที่เพิ่งเกิดขึ้นWhat just happened
เมื่อปี 2007 หลุยส์ ฟอน อาน์ (Luis von Ahn) ที่มหาวิทยาลัยคาร์เนกีเมลลอนทำ reCAPTCHA เขาคิดว่า ๆ ถ้าคนต้องพิสูจน์ว่าตัวเองเป็นมนุษย์อยู่แล้ว ก็ให้เขาช่วยอ่านหนังสือที่คอมพิวเตอร์อ่านไม่ออกไปด้วย ต่อมาในปี 2012 เขาสลับมาใช้ภาพถนนจาก Street View แทน คนที่กด “ฉันไม่ใช่โรงหุ่นยนต์” จึงได้กลายเป็นผู้ติดป้ายภาพถนนให้กูเกิลโดยไม่รู้ตัว Google เขียนไว้เองว่าทุกครั้งที่แก้ CAPTCHAs “ช่วยทำดิจิทัลไซซ์ตัวอักษร ทำภาพและสร้างชุดข้อมูลสำหรับการเรียนรู้ของเครื่อง”In 2007, Luis von Ahn at Carnegie Mellon had an idea for reCAPTCHA: if you are going to make someone prove they are human, make them read a word the computer cannot, while they are at it. By 2012 it had switched to Street View photographs, so that clicking “I'm not a robot” also produced human-labelled images of streets. Google puts it plainly: every solved CAPTCHA “helps digitize text, annotate images, and build machine learning datasets”.
สองข้อที่เราไม่อยากพูดเกินจริง: ป้ายที่ได้จากการท้าทายเหล่านั้นฝึกโมเดลของกูเกิล ไม่ใช่ของเว็บนี้ แต่ตอนนี้เรื่องนั้นจบครบในหน้านี้แล้ว ในขนาดของของเล่น: เมื่อคุณผ่าน ปุ่ม “สอนเครื่อง” จะเอาฉลากเก้าช่องที่คุณเพิ่งทำ ไปฝึกตัวเรียนรู้เล็ก ๆ ในแท็บนี้ — ตารางความสว่าง 8×8 กับตัวกรองสีสามสีที่คนเลือกให้มัน — แล้วให้มันทำแบบทดสอบชุดใหม่ที่ไม่เคยเห็นทันที คะแนนที่ได้คือขนาดจริงของฉลากเก้าช่อง ส่วนตัวเลขของ reCAPTCHA มาจากคนแก้วันละหลายล้านครั้ง ส่วนตัวที่รันในเบราว์เซอร์ของคุณคือ SSDLite บน MobileNetV2 ที่ฝึกด้วย COCO และ ImageNet ซึ่งก็มาจากคนเช่นกัน แต่คนที่ทำงานนั้นได้ค่าจ้างและใช้เวลาเป็นปี ๆ และวันที่เครื่องผ่านการท้าทายนั้นได้จริงก็มีบันทึกไว้: Goodfellow และคณะ (2014) อ่าน CAPTCHAs แบบบิดเบือนที่ยากที่สุดได้ 99.8% ขณะที่คนทำได้ 33%Two limits we will not paper over. First: those challenge labels trained Google's models, not this site's — until this page learned to finish that story at toy scale. When you pass, the “Teach the machine” button hands your nine labels to a tiny learner inside this tab — an 8×8 grid of brightness plus three colour filters a human chose for it — and it immediately takes a grid it has never seen. Its score is the honest size of nine labels; reCAPTCHA's numbers came from millions of people solving one every day. The detector running in your browser is SSDLite on MobileNetV2, trained on COCO and ImageNet — also human-labelled, but by people who were paid, over years. And the moment the machine passed the test is on the record: Goodfellow and colleagues (2014) read the hardest distorted-text CAPTCHAs at 99.8%, while people managed 33%. That is why the challenges had to change shape each time.
แหล่งอ้างอิง: Google reCAPTCHA — คำอธิบายของกูเกิลเอง · von Ahn และคณะ (2008) reCAPTCHA: Human-assisted OCR · Goodfellow และคณะ (2014) Multi-digit Number Recognition from Street View Imagery · Lin และคณะ (2014) Microsoft COCOSources: Google's own description of reCAPTCHA · von Ahn et al. (2008), reCAPTCHA: Human-assisted character recognition · Goodfellow et al. (2014), Multi-digit Number Recognition from Street View Imagery · Lin et al. (2014), Microsoft COCO.
ข้อสำคัญด้านการเข้าถึง: ปุ่ม “ข้าม” ใช้ได้เสมอ ไม่มีตัวจับเวลา และทุกช่องเลือกได้ด้วยแป้นพิมพ์ ถ้าคุณใช้โปรแกรมอ่านหน้าจอหรือไม่สะดวกกับภาพ ให้ข้ามไปได้เลย — ห้องข้างบนไม่ได้มีกุญแจที่คุณต้องผ่านOn access: the Skip button is always there, there is no timer, and every square is reachable by keyboard. If you use a screen reader, or pictures are not how you take this in, skip it — the room above does not come with a key.
รถตัดสินใจอย่างไรHow a car decides
ทุกสิ่งที่รถเชื่อว่ามีอยู่ — รถคันหน้า ไฟแดง คนบนทางม้าลาย สุนัขที่กำลังวิ่ง — ถูกถามคำถามเดียวกัน: “ถ้าบนถนนมีแค่สิ่งนี้ ฉันควรเร่งหรือเบรกแค่ไหน” รถเชื่อคำตอบที่ระวังที่สุด และสิ่งนั้นคือเหตุผลที่มันบอกคุณEverything the car believes is there — the car ahead, a red light, a person on the zebra, a running dog — is asked the same question: “if you were the only thing on the road, how hard should I speed up or brake?” The car obeys the most careful answer, and that thing is the reason it gives you.
สังเกตว่าบางครั้งสุนัขไกล ๆ ถูกเรียกว่า “แมว?” แต่รถก็ยังเบรก สำหรับการขับรถ สิ่งสำคัญคือ “มีอะไรอยู่ตรงนั้น” ไม่ใช่ “มันชื่ออะไร”Notice that a far-away dog is sometimes called “cat?” — and the car brakes anyway. For driving, what matters is “something is there”, not “what is it called”.
นิสัยสามแบบThree habits
| ระวังCareful | ปกติNormal | ใจร้อนHasty | |
|---|---|---|---|
| มองเห็นไกล (กลางวัน)Sees as far as (daylight) | 50 m | 40 m | 28 m |
| ความเร็วสูงสุดTop speed | 45 km/h | 50 km/h | 60 km/h |
| เว้นระยะจากคันหน้าGap to the car ahead | 1.8 s | 1.2 s | 0.6 s |
| หยุดให้คนที่รอข้ามStops for people waiting to cross | ใช่Yes | ใช่Yes | ไม่No |
| ชะลอเมื่อเห็นสุนัขข้างทางSlows for a dog by the road | ใช่Yes | ไม่No | ไม่No |
| ไม่ขับเร็วเกินระยะที่มองเห็นNever faster than it can see | ใช่Yes | ใช่Yes | ไม่No |
ลองดูTry this
ทุกข้อใช้สนาม “วงเวียนและแยก” ปุ่มจะตั้งสนาม ฟ้า และรถให้ แล้วพาคุณกลับขึ้นไปดูEach one uses the Roundabout & junction track. The button sets the track, sky and car for you, then takes you back up to watch.
- เปลี่ยนเป็น “กลางคืน” แล้วดูรถคันที่ 3 และ 6 มันมองเห็นแค่ 17 เมตร แต่ยังขับ 60 กม./ชม. — ต้องใช้ราว 14 เมตรแค่เพื่อเบรกSwitch to Night and watch cars 3 and 6. They can see only 17 m but still drive at 60 km/h — braking alone takes about 14 m.
- ปิดกล้องของรถคันที่ 1 มันจะฝ่าไฟแดงเพราะมองไม่เห็นไฟ แล้วดูว่าใครต้องหลบให้มัน — ความปลอดภัยบนถนนไม่ได้มาจากรถคันเดียวCover car 1’s camera. It runs the red light because it cannot see it — watch who has to dodge it. Safety on a road never comes from one car alone.
- ตั้งสุนัขเป็น “เยอะ” รถคันไหนชะลอก่อนที่สุนัขจะวิ่งSet dogs to Many. Which cars slow down before the dog runs?
- ใครได้รอบมากที่สุด และคุ้มกับการชนไหม คนที่รอข้ามถนนคิดอย่างไรWho gets the most laps — and is it worth the crashes? What would the person waiting at the zebra say?
ตรงไหนจริง ตรงไหนจำลองWhat is real, what is pretend
กล้องในห้องนี้เป็นการจำลอง ไม่ใช่โครงข่ายประสาทเทียม: สิ่งที่อยู่ในพัดสีส้มถูก “เห็น” ด้วยโอกาสที่ลดลงตามระยะ ขนาด และแสง — รูปแบบเดียวกับที่ตัวตรวจจับจริงพลาด ถ้าอยากเห็นตัวตรวจจับจริงทำงาน ไปที่ ห้องเกมThe camera in this room is simulated, not a neural network: whatever is inside the orange fan is “seen” with a chance that falls with distance, size and light — the same shape of mistake a real detector makes. To watch the real detector at work, go to the games room.
การเลือกความเร็วใช้แบบจำลองผู้ขับขี่อัจฉริยะ (Intelligent Driver Model; Treiber, Hennecke & Helbing, 2000) ส่วนการคาดว่าใครจะเข้ามาในเลน ยืมแนวคิดจากตัววางแผนแบบสุ่มตัวอย่างเส้นทาง เช่น Frenetix ของทีม TUM-AVS มหาวิทยาลัยเทคนิคมิวนิก (Trauth et al., 2024) แต่ย่อลงเหลือไม่กี่สิบบรรทัดChoosing a speed uses the Intelligent Driver Model (Treiber, Hennecke & Helbing, 2000). Predicting who will enter the lane borrows the idea behind sampling planners such as Frenetix from TUM’s autonomous-vehicle group (Trauth et al., 2024) — shrunk to a few dozen lines.
รถจริงใช้ทั้งกล้อง เรดาร์ ไลดาร์ และแผนที่ละเอียด ถูกทดสอบเป็นล้านกิโลเมตร และยังพลาดได้ ห้องนี้ไม่ได้เรียนรู้อะไรเอง กติกาทุกข้อเขียนด้วยมือ — เพื่อให้คุณอ่านเหตุผลของมันได้ทุกครั้งReal cars combine cameras, radar, lidar and detailed maps, are tested over millions of kilometres, and still make mistakes. Nothing in this room learns by itself; every rule is written by hand — so that you can always read its reason.