| 发布于: | 雪球 | 回复：51 | 喜欢：18 |
因为无法提取可复用的决策信息。驾驶绝不是能预测就行了，是要求当下的最优解。路上有一个纸箱，有的司机停了，有的司机绕过去，有的碾过去。实际上有的司机绕过去是因为对面车道是空的，有的貌似绕过去其实是他要掉头不是要躲纸箱。有的碾过去是他后面有集卡，不想冒急刹被追尾的风险，有的是他压根没注意到。请问你学了100亿英里的视频后，怎么预测地上的箱子可不可撞呢？
罗列这些cheap words很容易露馅，因为搞这行的一看就知道你不懂。模拟也好合成也好，只能补短板，不可能提高天花板。刷SOTA发顶会到商业落地回款还有十万八千里的距离。多说无益，你就看到年底FSD能产生多少收入吧。
我想说的是：在座的各位都是垃圾，不论有监督，无监督，堆规则代码，端到端，都搞不定能创造商业价值水准的规划与决策。外行人看一个里程曲线就被唬到了，内行人知道过去70年人类没有在自主规划解决复杂问题上有任何能落地的进展。
2年前，你同样可以说过去70年里，人类在AGI上没有任何发展，直到去年的GPT-4。gpt-4之后，现在又有了claude 3 opus，sora，FSD v12。你所谓的“内行人”，是跟上这波浪潮的内行？还是被这波浪潮抛弃的内行？你不会是搞NLP的吧？还是搞控制工程的？[狗头]
说真的，质疑一个真正颠覆传统汽车行业的人物马斯克选择的路线，我觉得是欠妥的。对于一项颠覆性技术而言，未来会突破或者新发展的东西都是未知的，可能几个月后所看到的东西和你现在看到的完全不同。正如Gpt出来之前，有几个人预判到了？所以，对于真正行业颠覆者选择的方向，大多数人的质疑都是刻舟求木，这点是可以肯定的。
如果双向两车道，对面很短距离已经有来车，后面有集卡，绕过就是最差解，碾过才是最优解。如果后面的大车驾驶行为非常激进鲁莽，老司机在刚超过它之后，会选择尽量不要在他前面急刹，宁可碾过纸箱。如果对面的车还离得很远，他在看到你探头准备借道绕行时在闪大灯，说明他已经注意到你，距离也足够长，你的最优解就是加速变到对面车道绕过去再快速变回来。然而如果是下雨天，你又不能变回来太快，否则路面湿滑可能失控，你就要在和对面车道来车相撞风险和打滑失控风险中取一个最小值。为什么提端到端，就是因为这些情形组合和最优策略是无法事先穷尽的，所以堆规则这条路是死的。端到端的预设就是如果我看了足够多的示例，算法能自己学出这些策略。然而如我前面所说，你永远不能通过司机的实际行为去反推他脑子里当时的决策逻辑。
你说的都回到以前的自动驾驶数据标注了，特斯拉以前有过这种方案，垒代码，后面放弃了做的端到端？？而且人工智能对待这个本来就是大力出奇迹，场景复现的多了，就可以拟合，行驶里程指数增长，迭代非常块，这是非常可怕的成长性！！我感觉你质疑的是道路上不该发生的事情有可能在道路上的发生，这就比较考验模型对真实世界的理解！
可以拭目以待，看最后那种路线取胜，但我相信特斯拉的团队，是确定路线的时候，一定考虑了你说的选项并且排除了，对于带领电车走到现在的领军龙头，我选择相信他们。