编译 | 言征
出品 | 技术栈（微信号：blog51cto）
ChatGPT在互联网上惹起惊动后不久，2022年12月，特斯拉的帕洛阿尔托总部也在启动相似的开发。该公司智能驾驶系统的工程师达瓦尔·施罗夫向首席口头官埃隆·马斯克提出了一个概念。施罗夫提出了一个专为汽车量身定制的相似于ChatGPT的系统。
他们的指标不是依托预约义的规定来确定汽车的最佳门路，而是经常使用从少量训练数据中学习的神经网络。领有十年阅历的特斯拉团队阅历丰盛的成员Shroff解释说，这些数据包含数百万团体类驾驶行为的例子。
八个月后，马斯克体验到全智能驾驶（FSD）汽车的性能与他之前驾驶的数百辆相比有所提高。流利性和牢靠性归功于引入新概念的新版本FSD12。
马斯克以为，这项翻新不只要或许变革智能驾驶汽车，而且代表着向能够无理想环球场景中运转的通用人工智能的飞跃。Shroff提出的新系统不是传统上依赖数十万行代码，而是经过处置数十亿个形容人类驾驶行为的视频帧来学习驾驶。这种方法反映了新的LLM聊天机器人所驳回的自我训练方法，该方法经过处置人类文本中的数十亿个单词来发生照应。
1.端到端的智能驾驶
特斯拉并不是惟逐一家驳回端到端技术的公司，还有Comma.ai和OpenPilot，班加罗尔男孩曼卡兰·辛格用它经过一部旧的安卓手机为他的Alto供电。他在印度启动FSD之旅的信息惹起了人们的关注，由于汽车制作商经常通知咱们船上有多少计算才干才干成功这一点。
Wayve.ai甚至选择用伦敦最困难的街道来测试其智能驾驶技艺。该团队取得了一些令人印象深入的成绩。八个月前，他们颁布了一个经常使用视频、文本和举措输入来训练系统在路上传为的90亿参数环球模型。
2022年5月，Wayve与微软协作，应用科技巨头的基于云的超级计算机Azure来训练其神经网络。
马斯克指出了端到端方法的一个关键方面：车辆不再接纳明白的指令，如“在红灯处停车”或“在变道前验证”。雷同，它经过“模拟”在训练环节中经常使用的1000万个视频中观察到的行为来自主判别这些举措。
这象征着他们不时在经常使用数百万个视频的数据集，并对每个视频中的驾驶员启动了评价。机器学习模型曾经过训练，可以模拟被以为“驾驶技术好”的驾驶员的行为。
从通常上讲，这具备渺小的后劲，由于当面对不相熟的场景时，模型可以更有效地启动概括。从实质上讲，该模型可以依据其训练来确定最失当的行为，而不是堕入预约义的指令中。
2.投入巨资登月方案的三分之一智能驾驶照旧开展缓慢
但是，还有一个疑问有待处置。即使是技术最娴熟的驾驶员，也经常违犯交通规定。例如，超越95%的人偏差于缓慢经过停车标志，而不是齐全停上去。
由于新的FSD系统是无心设计来模拟人类行为的，因此美国国度公路安保委员会担任人目前正在考查这种行为能否可被视为智能驾驶汽车可接受的行为。
此外，虽然过去十五年来不计老本地挥霍和无休止的路线测试，但无人驾驶技术依然停滞在试点阶段。“咱们看到投入了少量的资金，但获取的成绩却十分有限，”Wayve的开创人兼首席口头官亚历克斯·肯德尔指出。
这促使了总部位于英国的Wayve公司以及Waabi和Ghost等初创公司鼎力关注神经网络。他们将其称为AV2.0，并失望地以为，更胜任且老本效益更高的技术将使他们逾越的市场指导者。
多年来，智能驾驶汽车因各种高调失误而备受关注，这些失误很难被漠视。投资者在开发智能驾驶汽车方面投入了超越1000亿美元，占NASA将人类送上月球所破费的三分之一。总之目前看，人类的一大步比能智能驾驶的汽车要廉价。