尽管人工智能（AI）的奇迹正在塑造自动化的未来，但培育这种智能的过程却是一个令人惊讶地传统的事务。在被誉为东京先锋的日本IT公司Brainsen，像Keisuke Doi这样的员工正在展示在为AI提供高质量数据背后的细致和相当“模拟”的方法。
在风起云涌的三月东京的一天，在Doi先生掩饰性的愉快的气氛下，春季风暴的现实为一次深入的演示做好了准备。经验丰富的数据收集专家Keisuke Doi尽管天气恶劣，但却带着乐观的微笑，表明在艰难的情况下收集罕见数据的绝佳机会。
这一次活动旨在捕捉用于自动驾驶和高级驾驶辅助系统（ADAS）的视觉数据，包括道路标志、交通信号、车辆、道路标线和行人的图像。在出发之前，Doi将一个小型摄像头仔细安装在车辆的挡风玻璃上，并详细记录其高度和位置 – 这是确保数据准确性的关键步骤。
在AI开发中，上下文至关重要。一个交通标志在不同的条件下可能会有不同的外观，如天气、时间和车辆的移动。对于像ADAS这样关键的安全AI系统来说，跨越各种情景的数据对于增强物体检测和识别至关重要。Doi解释说，虽然晴天可以使交通信号灯在天空下异常鲜明，但雨天可能会遮挡其能见度，因此他们热衷于捕捉这些特殊条件。
尽管天气在复杂化这些数据收集任务中发挥着重要作用，但它说明了为将AI准备应用于现实世界所需的奉献精神。这种“模拟”努力为创造预计将革新众多行业生产力的“数字”智能铺平了道路。
The source of the article is from the blog guambia.com.uy