編譯 | 言征 

出品 | 51CTO技術棧（微信號：blog51cto）

ChatGPT在互聯網上引起轟動后不久，2022年12月，特斯拉的帕洛阿爾托總部也在進行類似的開發。該公司自動駕駛系統的工程師達瓦爾·施羅夫向首席執行官埃隆·馬斯克提出了一個概念。施羅夫提出了一個專為汽車量身定制的類似于ChatGPT的系統。

他們的目標不是依靠預定義的規則來確定汽車的最佳路徑，而是使用從大量訓練數據中學習的神經網絡。擁有十年經驗的特斯拉團隊經驗豐富的成員Shroff解釋說，這些數據包括數百萬個人類駕駛行為的例子。

八個月后，馬斯克體驗到全自動駕駛（FSD）汽車的性能與他之前駕駛的數百輛相比有所提高。流暢性和可靠性歸功于引入新概念的新版本FSD12。

圖源：Elon Musk FSD 12 Livestream

馬斯克認為，這項創新不僅有可能改造自動駕駛汽車，而且代表著向能夠在現實世界場景中運行的通用人工智能的飛躍。Shroff提出的新系統不是傳統上依賴數十萬行代碼，而是通過處理數十億個描述人類駕駛行為的視頻幀來學習駕駛。這種方法反映了新的LLM聊天機器人所采用的自我訓練方法，該方法通過處理人類文本中的數十億個單詞來產生響應。

1.端到端的自動駕駛

特斯拉并不是唯一一家采用端到端技術的公司，還有Comma.ai和OpenPilot，班加羅爾男孩曼卡蘭·辛格用它通過一部舊的安卓手機為他的Alto供電。他在印度進行FSD之旅的消息引起了人們的關注，因為汽車制造商經常告訴我們船上有多少計算能力才能實現這一點。

Wayve.ai甚至決定用倫敦最艱難的街道來測試其自動駕駛技能。該團隊取得了一些令人印象深刻的成果。八個月前，他們發布了一個使用視頻、文本和動作輸入來訓練系統在路上行為的90億參數世界模型。

圖片

2022年5月，Wayve與微軟合作，利用科技巨頭的基于云的超級計算機Azure來訓練其神經網絡。

馬斯克指出了端到端方法的一個重要方面：車輛不再接收明確的指令，如“在紅燈處停車”或“在變道前驗證”。相反，它通過“模仿”在訓練過程中使用的1000萬個視頻中觀察到的行為來自主判斷這些動作。

這意味著他們一直在使用數百萬個視頻的數據集，并對每個視頻中的駕駛員進行了評估。機器學習模型已經過訓練，可以模仿被認為“駕駛技術好”的駕駛員的行為。

從理論上講，這具有巨大的潛力，因為當面對不熟悉的場景時，模型可以更有效地進行概括。從本質上講，該模型可以根據其訓練來確定最恰當的行為，而不是陷入預定義的指令中。

2.投入巨資登月計劃的三分之一自動駕駛依舊發展緩慢

然而，還有一個問題有待解決。即使是技術最嫻熟的駕駛員，也經常違反交通規則。例如，超過95%的人傾向于緩慢通過停車標志，而不是完全停下來。

由于新的FSD系統是有意設計來模仿人類行為的，因此美國國家公路安全委員會負責人目前正在調查這種行為是否可被視為自動駕駛汽車可接受的行為。

此外，盡管過去十五年來不計成本地揮霍和無休止的道路測試，但無人駕駛技術仍然停滯在試點階段。“我們看到投入了大量的資金，但得到的成果卻非常有限，”Wayve的創始人兼首席執行官亞歷克斯·肯德爾指出。

這促使了總部位于英國的Wayve公司以及Waabi和Ghost等初創公司大力關注神經網絡。他們將其稱為AV2.0，并樂觀地認為，更勝任且成本效益更高的技術將使他們超越當前的市場領導者。

多年來，自動駕駛汽車因各種高調錯誤而備受關注，這些錯誤很難被忽視。投資者在開發自動駕駛汽車方面投入了超過1000億美元，占NASA將人類送上月球所花費的三分之一。總之目前看，人類的一大步比能自動駕駛的汽車要便宜。