etreeasky 的讨论

你这个说法不正好说明了人类视觉的缺陷，需要用其他技术共同弥补？

他们活在井底，没有网络，看不到tesl在美帝大雾，大雨，黑夜等极端天气下的实况自动驾驶视频

电脑会出现死机，手机也会出现死机。电子产品突然出现死机什么解决？？？

人生的本质，是不完美的人在不完美的世间求生存。
AI的基础，贝业斯链式法则也不是求取绝对准确值，而是迭代缩小误差值。
毕竟事无绝对，相对更优就行。只要深度学习卷积网络比人类驾驶更安全，就是进步。2015年image net 已经证明机器视觉的误差值，比人类更低。

机器视觉比人类视觉误差小，这个大家应该都认可。但是在视觉神经网络中加入雷达等参数，效果会不会更优呢？答案是不一定。因为深度学习系统隐层参数集有限，如果需要处理的特征元过多，则可能发生过载现象无法求解。同样的，人类驾驶员路过车流很快、拥挤变道、喇叭此起彼伏的路段时，也很难保持平常心冷静处理，失误率会大增。

n阶张量就是n个特征元连乘。比如3个态乘积，即3个态复合的量子计算机是 2*2*2=8个态空间（而普通计算机是2+2+2= 6个状态空间）。
当阶数n很大时，计算量区别非常明显。比如n取10时，10个2相乘=2*2*2*2*2*2*2*2*2*2=1024个复合态（而如果10个2相加只有20个状态）。

一般人下意识认为，视觉和雷达的混合体的总参数=视觉参数+雷达参数
实际上是，视觉和雷达的混合体的总参数=视觉参数*雷达参数
因为贝叶斯概率运算是乘法，不是加法

讨论已被 红日紫月 删除

哦，参数集过多？多的过chatgpt吗？万亿参数。你要说算力实时跟不上还可能，所以智驾要求算力硬件很强，这方面才可能是目前的难点，因为算力不足会减少参数，导致场景分析不完整

深度学习的运算单元是张量，不是向量。
如果不知道张量是什么，建议搜索爱因斯坦场方程。