底層原理是不會變的。逐一回答你的論點

來源: QuantFields 於 2024-10-11 10:25:08 [] [博客] [舊帖] [給我悄悄話] 閱讀數 : (3365 bytes)
本文內容已被 [ QuantFields ] 在 2024-10-11 10:28:13 編輯過。如有問題，請報告版主或論壇管理刪除.

在進入具體問題前，首先明確：技術可靠性，商業可行性，法律監管是三個不同的問題。

1.  AI 的發展，最近一年的AI發展使得Tesla的底層程序完全變了，從條件設定的編程轉換成人工智能的端到端。從幾十幾百萬條代碼變成3萬條代碼，這個變化是翻天覆地的，之後的進步是像AlphaGo從打敗李世石，到打敗柯潔，到完全沒有人類對手那麽快

回答：無論是現在的生產式AI，還是過去的卷積神經網絡，都是神經網絡黑箱，都有長尾問題。一遇到非常罕見的場景就是會有出錯的可能，這就是在技術上全無人駕駛一直跨不過去的技術門檻。
另外，端到端也不是新東西，早在18年Uber就有過端到端無人駕駛演示的demo。端到端，好處是可以通過數據優化整個係統，壞處是反而讓神經網絡的黑箱問題變得更嚴重。所以，要不要端到端，隻是技術選擇問題，無法解決真正的技術門檻。

2. 純視覺方案被證實成功，以前業界很懷疑純視覺方案的可靠性，事實證明成功了，那麽這個方案上低成本效應是巨大的。每一輛車便宜$5-6萬美金的成本，在這個市占率統治一切的市場是什麽意義？（我估計Waymo的車每一輛都是10萬以上的）

回答：不知道你說的純視覺方案“成功”的標準是什麽。到底怎麽就“事實證明成功了”。激光雷達在原理上就是比純視覺方案可靠性更高：激光物理測距就是比用算法從照相機上用算法算距離更準，這是無論如何都無法改變的基本物理原理，純視覺方案無論如何都隻能無限逼近激光雷達的表現。如果靠激光雷達都搞不定全無人駕駛，純視覺方案就更搞不定。 Waymo激光雷達方案還不能做到真正的全無人，主要還是技術問題。成本問題也有，但是另一個問題。

3. 高精地圖的模式無法展開，無法解決道路情況的變化和全球各地的測繪需求，成本即使是穀歌的財力也無法承受。這是為什麽Waymo至今隻能在幾個城市試運行，特斯拉自動駕駛可以在全球鋪開。

回答：高精地圖上直接標準好車道線，就是比實施通過視覺檢測用算法計算車道線更準，這也是無法改變的基本原理。現在根本還談不上全球運營，連在幾個城市裏反複測試打磨，都還做不到真正的全無人。

4. Tesla的安全性,看一下這張圖，還不是2024年的數字，不要忘了AI的進步速度。

回答：都在進步。不管如何進步，Waymo方案始終就是Tesla方案的技術天花板，這是由底層技術原理決定的。

5. 數據積累，因為Tesla的數量遠大於Waymo, 所以在人工智能時代，數據就是一切，差距會越來越大。沒有找到很好的對比，不過差距是可以想象的

回答：數據不是一切，真正有訓練價值的長尾數據才是一切。Tesla到底能從海量數據裏挖掘出多少真正有訓練價值的數據才是關鍵。

請您先登陸，再發跟帖！