[[313367]]

特斯拉的工程師們正致力于開(kāi)發(fā)一種發(fā)展自動(dòng)駕駛技術(shù)的方法，這種方法能夠真正適應(yīng)數(shù)據(jù)的擴(kuò)展，而不用因?yàn)閿?shù)據(jù)規(guī)模擴(kuò)展而增加工程師的人力，這意味著要將數(shù)十億英里駕駛過(guò)程中出現(xiàn)的計(jì)算機(jī)視覺(jué)錯(cuò)誤樣本都積累起來(lái)。人類(lèi)輸入是一種信號(hào)源，人類(lèi)行為能夠告訴機(jī)器哪些地方做錯(cuò)了，在一些場(chǎng)景下還能夠告訴機(jī)器怎樣做是對(duì)的。不管特斯拉是否會(huì)在全自動(dòng)駕駛技術(shù)領(lǐng)域取得成功，但有一點(diǎn)是肯定的，特斯拉會(huì)在城市環(huán)境中部署半自動(dòng)駕駛汽車(chē)。

Andrej Karpathy 是特斯拉的 AI 高級(jí)總監(jiān)，他最近發(fā)表了一次演講。在演講中，他半開(kāi)玩笑地揭開(kāi)了“運(yùn)營(yíng)假期”的神秘面紗。這里面的想法是將特斯拉的機(jī)器學(xué)習(xí)流水線自動(dòng)化，這樣所有的工程師就可以度假去啦，而特斯拉的半自動(dòng)駕駛功能將會(huì)自動(dòng)地繼續(xù)完善。特斯拉汽車(chē)將繼續(xù)自動(dòng)上傳數(shù)據(jù)，手動(dòng)標(biāo)注數(shù)據(jù)的工人將繼續(xù)在必要的地方對(duì)數(shù)據(jù)打標(biāo)，神經(jīng)網(wǎng)絡(luò)將自動(dòng)地在新數(shù)據(jù)上進(jìn)行訓(xùn)練，然后，改進(jìn)的網(wǎng)絡(luò)就會(huì)被部署到汽車(chē)上了。這個(gè)過(guò)程一直往復(fù)循環(huán)。

讓工程師們?nèi)ザ燃僦皇情_(kāi)玩笑的說(shuō)法啦，因?yàn)榭倳?huì)有事情要做的，創(chuàng)新的腳步絕不會(huì)停止。而且，即使整個(gè)過(guò)程可以完全自動(dòng)化，明智的做法也是讓人們監(jiān)視這套機(jī)制，看看是否如預(yù)期那樣運(yùn)轉(zhuǎn)。但是，重點(diǎn)在于自動(dòng)駕駛（Autopilot）、召喚（Summon）以及其他概念功能的改進(jìn)都是以自動(dòng)化方式為主。軟件開(kāi)發(fā)傳統(tǒng)上是工程師的工作。“運(yùn)營(yíng)假期”的目標(biāo)是讓特斯拉的工程師更像是工廠里的工程師。工廠投入運(yùn)行之前，這些工程師用很長(zhǎng)的時(shí)間來(lái)做大量準(zhǔn)備工作。一旦工廠運(yùn)轉(zhuǎn)起來(lái)，就需要大量的非工程師人員來(lái)保持其運(yùn)行。目前仍然需要工程師們來(lái)檢查機(jī)器，并在出現(xiàn)問(wèn)題時(shí)修復(fù)系統(tǒng)或者做出改進(jìn)。但總的來(lái)說(shuō)，工廠的運(yùn)轉(zhuǎn)是獨(dú)立于工程師的工作的。相比之下，傳統(tǒng)的軟件開(kāi)發(fā)流程更像是工程師們親自來(lái)打造產(chǎn)品。

來(lái)自 Andrej Karpathy 的演講 ppt，展示了特斯拉的機(jī)器學(xué)習(xí)流程

特斯拉是想打造一種實(shí)現(xiàn)自動(dòng)化目標(biāo)的方法，這種方法能夠適應(yīng)不斷擴(kuò)增的數(shù)據(jù)規(guī)模，因?yàn)樘厮估瓝碛腥蜃畲笠?guī)模的車(chē)輛網(wǎng)絡(luò)來(lái)收集數(shù)據(jù)，這些車(chē)輛上配置了傳感器和計(jì)算機(jī)，并且都連入了互聯(lián)網(wǎng)。這種方法最大的瓶頸就在于支付給標(biāo)注工人的薪水。在計(jì)算機(jī)視覺(jué)任務(wù)中，特斯拉需要不斷地把新產(chǎn)生的、手動(dòng)打標(biāo)過(guò)的照相機(jī)數(shù)據(jù)添加到訓(xùn)練集里，這樣才能不斷增加算法能力，但這種方式難以適應(yīng)不斷擴(kuò)增的可收集數(shù)據(jù)規(guī)模，而只能應(yīng)付這些數(shù)據(jù)的一個(gè)子集，這個(gè)子集規(guī)模對(duì)應(yīng)于特斯拉能夠承受的打標(biāo)成本。特斯拉也許可以收集 1 萬(wàn)億張交通燈照片，但是卻支付不起同樣規(guī)模的打標(biāo)（指將照片中的交通燈標(biāo)注為紅、綠或黃三種顏色）費(fèi)用。

對(duì)于需要手動(dòng)打標(biāo)的任務(wù)，特斯拉采用的方法不允許純粹地增加標(biāo)注數(shù)據(jù)的數(shù)量，而是通過(guò)獲取更高質(zhì)量的數(shù)據(jù)來(lái)加速機(jī)器學(xué)習(xí)過(guò)程。最有價(jià)值的訓(xùn)練數(shù)據(jù)樣本是現(xiàn)有的神經(jīng)網(wǎng)絡(luò)模型不能正確預(yù)測(cè)的樣本。也許，這個(gè)模型錯(cuò)誤預(yù)測(cè)了物體的類(lèi)別、誤報(bào)了一個(gè)并不存在的物體，或者漏檢了照片上拍到的物體。通過(guò)“運(yùn)營(yíng)假期”所代表的自動(dòng)化過(guò)程，特斯拉比起其競(jìng)爭(zhēng)對(duì)手來(lái)說(shuō)，能夠更多地捕捉到這類(lèi)有價(jià)值的數(shù)據(jù)樣本。

想象一輛特斯拉汽車(chē)在自動(dòng)駕駛導(dǎo)航（屬于其自動(dòng)駕駛技術(shù)的一個(gè)版本，能夠讓特斯拉汽車(chē)自動(dòng)切換車(chē)道）模式下沿著高速公路行駛。這輛特斯拉自動(dòng)發(fā)起了車(chē)道切換程序，但沒(méi)有注意到相鄰車(chē)道上來(lái)了一輛皮卡。特斯拉汽車(chē)?yán)锏乃緳C(jī)趕緊打了方向盤(pán)，退出了自動(dòng)駕駛模式，取消了車(chē)道切換過(guò)程。這次人工干預(yù)會(huì)觸發(fā)一次快照，快照可能包含一段短視頻剪輯，這段視頻剪輯將由特斯拉汽車(chē)的 8 個(gè)照相機(jī)、雷達(dá)數(shù)據(jù)、GPS 數(shù)據(jù)等組合得到。特斯拉的手動(dòng)標(biāo)注人員會(huì)審查這段視頻剪輯，他們會(huì)看到特斯拉的神經(jīng)網(wǎng)絡(luò)沒(méi)有檢測(cè)到這兩皮卡，標(biāo)注人員就會(huì)在這兩卡車(chē)周?chē)?huà)一個(gè) 3D 方框，標(biāo)上“輕型卡車(chē)”，然后把標(biāo)注好的視頻剪輯發(fā)送到特斯拉總部，包含在訓(xùn)練數(shù)據(jù)集里。

現(xiàn)在想象一輛特斯拉在完全由人類(lèi)司機(jī)控制的情況下沿著高速公路行駛。突然，特斯拉前面的一輛小型貨車(chē)司機(jī)猛踩了剎車(chē)，相應(yīng)地，特斯拉司機(jī)也猛踩了剎車(chē)。特斯拉汽車(chē)上的計(jì)算機(jī)自動(dòng)駕駛軟件其實(shí)是在默默運(yùn)行著的，它安靜地“觀察”著人類(lèi)司機(jī)的行車(chē)軌跡，每時(shí)每刻都會(huì)估算自動(dòng)駕駛模型會(huì)采用同樣行車(chē)軌跡的可能性。在這種情況下，自動(dòng)駕駛軟件沒(méi)能夠檢測(cè)到這輛小型貨車(chē)。在這個(gè)自動(dòng)駕駛軟件看來(lái)，這位人類(lèi)司機(jī)在空曠的高速公路上猛踩剎車(chē)只是很隨機(jī)的一種行為。于是，它會(huì)給這位司機(jī)的行車(chē)軌跡賦予一個(gè)較低的概率；也就是說(shuō)，自動(dòng)駕駛軟件對(duì)這位司機(jī)的行為感到“驚訝”。人類(lèi)司機(jī)行車(chē)軌跡和機(jī)器生成的行車(chē)軌跡之間的這種“驚訝”或者說(shuō)“分歧”，會(huì)觸發(fā)一次快照，然后會(huì)上傳到特斯拉的數(shù)據(jù)標(biāo)注人員那里。（我理解這就是特斯拉“影子模式”的工作方式。）

關(guān)于自動(dòng)駕駛的一件可怕的事情是，當(dāng)模型錯(cuò)誤率變得更低時(shí)，你需要更多的錯(cuò)誤數(shù)據(jù)樣本加入訓(xùn)練才能讓錯(cuò)誤率繼續(xù)減半。隨著你的系統(tǒng)產(chǎn)生的錯(cuò)誤越來(lái)越少，維持系統(tǒng)改良速率所需的錯(cuò)誤樣本卻是越來(lái)越多。你需要的錯(cuò)誤樣本越多，它們就越難收集全。假設(shè) Waymo 已經(jīng)將嚴(yán)重的計(jì)算機(jī)視覺(jué)錯(cuò)誤（例如：導(dǎo)致汽車(chē)異常行為的錯(cuò)誤，這類(lèi)異常行為是能被安全駕駛員確認(rèn)的）降低到了每 1 萬(wàn)英里 1 個(gè)錯(cuò)誤。（這不是一個(gè)真實(shí)的數(shù)據(jù)，只是為了說(shuō)明問(wèn)題而虛構(gòu)的例子。）由于 Waymo 每月大約行駛 100 萬(wàn)英里，所以每月只會(huì)產(chǎn)生 100 個(gè)嚴(yán)重的計(jì)算機(jī)視覺(jué)錯(cuò)誤樣本。給這些錯(cuò)誤樣本打標(biāo)現(xiàn)在是沒(méi)問(wèn)題的，但是要找到它們卻是很費(fèi)勁的。作為對(duì)比，我們看下，如果 Waymo 每月行駛 10 億英里，那每月就會(huì)產(chǎn)生 10 萬(wàn)個(gè)錯(cuò)誤樣本。通過(guò)這個(gè)方式，搜集起來(lái)的錯(cuò)誤樣本數(shù)量是隨行駛的里程數(shù)增加而增加的。

自從 2018 年 11 月發(fā)布自動(dòng)駕駛導(dǎo)航以來(lái)的 12 個(gè)月內(nèi)，自動(dòng)駕駛導(dǎo)航模式下的特斯拉汽車(chē)已經(jīng)行駛了 10 億英里。平均下來(lái)每月行駛 8300 萬(wàn)英里。以后，這個(gè)月度數(shù)據(jù)還會(huì)繼續(xù)增長(zhǎng)，因?yàn)檫^(guò)去 12 個(gè)月里，具有自動(dòng)駕駛導(dǎo)航功能的特斯拉汽車(chē)幾乎增長(zhǎng)了一倍，所以在接下來(lái)的 12 個(gè)月里，這個(gè)月度數(shù)據(jù)很可能會(huì)增加 50%（假設(shè)特斯拉目前的生產(chǎn)速度至少不會(huì)下降）。帶有自動(dòng)駕駛 2.0 及以上版本硬件的特斯拉車(chē)輛目前總共有大約 65 萬(wàn)輛。假設(shè)平均行駛里程數(shù)和美國(guó)人的均值保持一致，總共的行駛里程數(shù)（包括完全由人類(lèi)司機(jī)駕駛以及自動(dòng)駕駛的里程數(shù)）大約是每月 7.25 億英里。兩種行駛模式都給“運(yùn)營(yíng)假期”提供了數(shù)據(jù)，就像以上解釋的那樣。自動(dòng)駕駛模式下，人類(lèi)干預(yù)標(biāo)志著機(jī)器產(chǎn)生了錯(cuò)誤或者人類(lèi)司機(jī)認(rèn)為這種情況對(duì)自動(dòng)駕駛來(lái)說(shuō)太難了。在手動(dòng)駕駛模式下，人類(lèi)和自動(dòng)駕駛的“分歧”也標(biāo)志著機(jī)器錯(cuò)誤。

到目前為止，我只討論了人類(lèi)打標(biāo)人員在“運(yùn)營(yíng)假期”循環(huán)流程里的情況。如果我們從流程里不僅移除了工程師，還移除了打標(biāo)人員會(huì)怎樣呢？把這整個(gè)處理流程都交給機(jī)器會(huì)怎樣呢？

機(jī)器學(xué)習(xí)里令人驚訝的一個(gè)發(fā)現(xiàn)是，如果你使用了標(biāo)注質(zhì)量很差的數(shù)據(jù)訓(xùn)練時(shí)，有時(shí)候你可以獲得和標(biāo)注質(zhì)量很好的數(shù)據(jù)訓(xùn)練同樣的結(jié)果，只要你使用的質(zhì)量較差的數(shù)據(jù)量是標(biāo)注質(zhì)量較好數(shù)據(jù)的 1000 倍。Facebook 發(fā)現(xiàn) Instagram 的標(biāo)簽（通常與其對(duì)應(yīng)圖片的實(shí)際內(nèi)容僅有微弱的聯(lián)系）可以用來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這樣訓(xùn)練出來(lái)的模型能夠精確地給物體分類(lèi)。這里的訣竅是，F(xiàn)acebook 使用了 10 億張 Instagram 帶有標(biāo)簽的圖片，幾乎實(shí)現(xiàn)了和 100 萬(wàn)手動(dòng)標(biāo)注的圖片同樣的精確度。Facebook 還發(fā)現(xiàn)，如果結(jié)合兩種圖片，相比于單獨(dú)訓(xùn)練其中任意一種，都能實(shí)現(xiàn)更高的精確度。

特斯拉有著 65 萬(wàn)人類(lèi)司機(jī)，這是大量低質(zhì)量標(biāo)注數(shù)據(jù)的來(lái)源。在所謂的弱監(jiān)督方式中（和完全監(jiān)督方式相對(duì)，后者意味著標(biāo)注人員會(huì)以手動(dòng)的方式精心標(biāo)注圖片），我上面描述的標(biāo)記數(shù)據(jù)的操作（用于后續(xù)做手動(dòng)打標(biāo)），可以被看做是低質(zhì)量的打標(biāo)。如果自動(dòng)駕駛軟件本來(lái)檢測(cè)到某處有障礙物，可是人類(lèi)司機(jī)卻行駛到了那里，那么這個(gè)地方就會(huì)被自動(dòng)標(biāo)記為無(wú)障礙物。相反，如果自動(dòng)駕駛軟件檢測(cè)到某處十分空曠，可是人類(lèi)司機(jī)卻在開(kāi)到它旁邊時(shí)停了下來(lái)，那這個(gè)地方就會(huì)被自動(dòng)標(biāo)記為有障礙物。這是一種混亂的方式，但這個(gè)方式可以用豐富的免費(fèi)的標(biāo)簽來(lái)補(bǔ)充稀缺的、昂貴的標(biāo)簽。

（想了解關(guān)于這個(gè)方式的更多內(nèi)容，可以閱讀這里的研究論文，https://arxiv.org/pdf/1610.01238.pdf）

特斯拉的自動(dòng)駕駛崗位長(zhǎng)期以來(lái)一直要求候選人“能夠設(shè)計(jì)出一些方法，這些方法除了能夠使用豐富多樣的標(biāo)注數(shù)據(jù)外，還能使用大量輕標(biāo)注的數(shù)據(jù)。"在特斯拉的 Autonomy Day 發(fā)布會(huì)上，Karpathy 描述了一種和我之前描述的類(lèi)似的方法。通過(guò)人類(lèi)駕駛標(biāo)記的視頻剪輯，特斯拉訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)，用來(lái)感知和推斷前方道路的曲線和坡度。

（視頻可點(diǎn)擊：https://youtu.be/v5l-jPsAK7k）

弱監(jiān)督學(xué)習(xí)方法是真正適應(yīng)數(shù)據(jù)擴(kuò)增需求的方法，限制不再是人力成本（包括工程師人力成本和標(biāo)注人員人力成本），而是道路里程數(shù)，通過(guò)互聯(lián)網(wǎng)傳輸?shù)臄?shù)據(jù)包以及特斯拉總部大量的 GPU。機(jī)器學(xué)習(xí)過(guò)程就真的只是一臺(tái)復(fù)雜的機(jī)器了，它自行運(yùn)轉(zhuǎn)，這臺(tái)機(jī)器的零部件能夠運(yùn)轉(zhuǎn)多快，機(jī)器學(xué)習(xí)就能運(yùn)行多快。而較緩慢的部分則是開(kāi)發(fā)這個(gè)流程，和采取辦法讓它正常運(yùn)轉(zhuǎn)起來(lái)的這段時(shí)間。

相比于計(jì)算機(jī)視覺(jué)，“運(yùn)營(yíng)假期”能夠更加容易地做出預(yù)測(cè)。當(dāng)需要預(yù)測(cè)車(chē)輛和行人軌跡時(shí)，這里有豐富的免費(fèi)的高質(zhì)量標(biāo)簽：即未來(lái)。自動(dòng)駕駛軟件會(huì)觀察一輛車(chē)目前的軌跡，在 5 秒之后，這輛車(chē)會(huì)用這 5 秒內(nèi)實(shí)際走過(guò)的軌跡對(duì)這段觀察進(jìn)行打標(biāo)。如果你預(yù)測(cè)了一位行人要走到哪里去，這位行人馬上就會(huì)向你展示你的預(yù)測(cè)精確度如何。于是，系統(tǒng)能夠自動(dòng)發(fā)現(xiàn)錯(cuò)誤，錯(cuò)誤樣本也能通過(guò)正確的未來(lái)軌跡被自動(dòng)標(biāo)注。這是絕妙的理想場(chǎng)景。人力不再是束縛，資金不再是束縛；只有車(chē)輛和計(jì)算機(jī)才可能成為束縛。

路徑規(guī)劃也是一個(gè)理想的場(chǎng)景?？梢赃\(yùn)用同樣的原理，但是側(cè)重點(diǎn)不一樣。規(guī)劃器試圖決定汽車(chē)應(yīng)當(dāng)采取什么行為。汽車(chē)觀察到的是完整的駕駛場(chǎng)景，由 8 個(gè)環(huán)繞的照相機(jī)和前置雷達(dá)捕捉信息。在手動(dòng)模式下，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)特斯拉的人類(lèi)司機(jī)會(huì)做什么，如果它預(yù)測(cè)錯(cuò)了，就會(huì)自動(dòng)標(biāo)記這個(gè)錯(cuò)誤（同樣的，這是我所理解的“影子模式”）。司機(jī)通過(guò)他們的行為給觀察到的駕駛場(chǎng)景進(jìn)行了標(biāo)注。除了是在人類(lèi)司機(jī)干預(yù)的情況下標(biāo)記錯(cuò)誤樣本，自動(dòng)駕駛模式和手動(dòng)模式的原理是相同的。這個(gè)方式即所謂的模仿學(xué)習(xí)，最近被 DeepMind 團(tuán)隊(duì)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)可以玩《星際爭(zhēng)霸》，而且比 70% 以上的人類(lèi)玩家都玩得更好。Waymo 也在挖掘模仿學(xué)習(xí)的潛力，自動(dòng)駕駛汽車(chē)初創(chuàng)公司 Aurora 也很喜歡這類(lèi)方法。（但是，Waymo 和 Aurora 不像特斯拉這樣有著 65 萬(wàn)規(guī)模的人類(lèi)司機(jī)，這些司機(jī)能夠提供大量的訓(xùn)練數(shù)據(jù)）

所以總結(jié)起來(lái)，我認(rèn)為“運(yùn)營(yíng)假期”有四大支撐優(yōu)勢(shì)：

• 自動(dòng)標(biāo)記計(jì)算機(jī)視覺(jué)錯(cuò)誤，它們稍后會(huì)被上傳并且被手動(dòng)標(biāo)注（完全監(jiān)督學(xué)習(xí)）。當(dāng)人類(lèi)司機(jī)退出自動(dòng)駕駛模式，或者在手動(dòng)模式下，自動(dòng)駕駛規(guī)劃器與人類(lèi)駕駛的行車(chē)軌跡出現(xiàn)“分歧”（或者令人“驚訝”的情況）時(shí)，都會(huì)將其標(biāo)注為錯(cuò)誤。
• 使用從人類(lèi)司機(jī)行為中獲取的低質(zhì)量標(biāo)簽，實(shí)現(xiàn)照相機(jī)數(shù)據(jù)的自動(dòng)標(biāo)注（計(jì)算機(jī)視覺(jué)的弱監(jiān)督學(xué)習(xí)）。當(dāng)計(jì)算機(jī)視覺(jué)神經(jīng)網(wǎng)絡(luò)和人類(lèi)司機(jī)產(chǎn)生“分歧”時(shí)（這個(gè)分歧也導(dǎo)致了自動(dòng)駕駛生成了不同于人類(lèi)司機(jī)使用的行車(chē)軌跡），訓(xùn)練樣本會(huì)被上傳。
• 針對(duì)預(yù)測(cè)的自動(dòng)標(biāo)注。未來(lái)事件能夠標(biāo)注過(guò)去的事件，并能顯示預(yù)測(cè)的錯(cuò)誤。
• 針對(duì)規(guī)劃的自動(dòng)標(biāo)注。人類(lèi)駕駛行為提供了標(biāo)簽。當(dāng)自動(dòng)駕駛還在激活狀態(tài)時(shí)，如果人類(lèi)干預(yù)了，或者在人類(lèi)和自動(dòng)駕駛規(guī)劃者之間產(chǎn)生了“分歧”，就會(huì)認(rèn)為出現(xiàn)了錯(cuò)誤。

預(yù)測(cè)和規(guī)劃是通過(guò)計(jì)算機(jī)視覺(jué)方法來(lái)追蹤物體軌跡并觀察行駛場(chǎng)景的。計(jì)算機(jī)視覺(jué)錯(cuò)誤可能會(huì)引起預(yù)測(cè)和規(guī)劃失效。所以，為了使其他部分實(shí)現(xiàn)最優(yōu)運(yùn)轉(zhuǎn)，必須修復(fù)計(jì)算機(jī)視覺(jué)錯(cuò)誤。

反過(guò)來(lái)說(shuō)，預(yù)測(cè)或規(guī)劃錯(cuò)誤可能會(huì)觸發(fā)視頻剪輯的上傳，即便沒(méi)有產(chǎn)生任何計(jì)算機(jī)視覺(jué)錯(cuò)誤。這類(lèi)沒(méi)有正確標(biāo)記的視頻剪輯會(huì)增加人類(lèi)手動(dòng)審查的工作量。因此，減少預(yù)測(cè)或規(guī)劃方面的錯(cuò)誤能夠節(jié)省標(biāo)注人員的時(shí)間，好讓他們聚焦在計(jì)算機(jī)視覺(jué)方法產(chǎn)生的錯(cuò)誤上。通過(guò)改進(jìn)視頻自動(dòng)標(biāo)記的精確度，可以幫助加快計(jì)算機(jī)視覺(jué)功能的進(jìn)展速度。

特斯拉開(kāi)發(fā)的方法正在盡可能地實(shí)現(xiàn)在數(shù)據(jù)規(guī)模擴(kuò)增時(shí)，對(duì)人力擴(kuò)增的需求減到最少，他們的工程師也因此站在了大規(guī)模自動(dòng)駕駛機(jī)器學(xué)習(xí)的最前沿。自動(dòng)的錯(cuò)誤標(biāo)記可以提升標(biāo)注人員的標(biāo)注效率。模仿學(xué)習(xí)的使用減少了工程師投入到路徑規(guī)劃算法上的工作量；與其費(fèi)力地手動(dòng)編碼每一種駕駛行為，還不如讓算法從數(shù)據(jù)中自動(dòng)學(xué)習(xí)這些行為?？紤]到特斯拉汽車(chē)每月 7.25 億英里的駕駛里程，自動(dòng)駕駛領(lǐng)域里還沒(méi)有先例能用來(lái)判斷特斯拉的方式會(huì)有怎樣的效率。

一些懷疑論者認(rèn)為完全解決計(jì)算機(jī)視覺(jué)問(wèn)題是不可能的。也許是這樣吧。但除非它真的發(fā)生了，否則我們無(wú)法確定。

開(kāi)發(fā)一個(gè)每 100 英里就失效一次然后需要人類(lèi)干預(yù)的 2 級(jí)自動(dòng)駕駛系統(tǒng)， 要遠(yuǎn)比開(kāi)發(fā)一個(gè)每 100 萬(wàn)英里才失效一次的 4 級(jí)或 5 級(jí)自動(dòng)駕駛系統(tǒng)容易得多。即使特斯拉離全自動(dòng)駕駛的目標(biāo)還很遠(yuǎn)，但幾乎可以肯定的是，特斯拉將會(huì)開(kāi)發(fā)出能夠在城市街道上行駛的 2 級(jí)自動(dòng)駕駛系統(tǒng)。在對(duì)未來(lái)的展望中，揮之不去的主要問(wèn)題是，隨著機(jī)器錯(cuò)誤發(fā)生得越來(lái)越少，司機(jī)是會(huì)仍然保持警惕并在必要時(shí)干預(yù)自動(dòng)駕駛機(jī)器呢，還是會(huì)被引入一種錯(cuò)誤的安全感呢。特斯拉可能需要實(shí)施司機(jī)監(jiān)控系統(tǒng)，確保司機(jī)隨時(shí)集中注意力。朝向司機(jī)安放的照相機(jī)和已有的方向盤(pán)扭矩傳感器，這兩者的組合可能會(huì)比單獨(dú)使用扭矩傳感器更加有效。

對(duì)特斯拉來(lái)說(shuō)，超級(jí)樂(lè)觀的前景是它最終開(kāi)發(fā)出來(lái)了全自動(dòng)駕駛系統(tǒng)，部署了機(jī)器人出租車(chē)。在這樣的局面下，特斯拉的市場(chǎng)份額即使不能十倍地增加，也可以大致增加兩倍或者三倍。稍溫和的樂(lè)觀局面會(huì)是特斯拉為城市駕駛發(fā)布了 2 級(jí)系統(tǒng)，特斯拉也非常棒地賣(mài)出了更多汽車(chē)和更多的“全自動(dòng)駕駛”附加組件單元。銷(xiāo)售增長(zhǎng)和汽車(chē)毛利率是投資者密切觀察的兩項(xiàng)關(guān)鍵指標(biāo)；特斯拉的城市 2 級(jí)系統(tǒng)能夠給這兩項(xiàng)指標(biāo)都帶來(lái)超預(yù)期的貢獻(xiàn)。

（Andrej Karpathy 的演講視頻請(qǐng)點(diǎn)擊：https://youtu.be/oBklltKXtDE，視頻中他描述了“運(yùn)營(yíng)假期”）

利益相關(guān)：我 / 我們是 TSLA 長(zhǎng)期合作伙伴。我自己創(chuàng)作了這篇文章，本文表達(dá)了我的個(gè)人觀點(diǎn)。我們沒(méi)有因此接受任何經(jīng)濟(jì)酬勞（除了來(lái)自 Seeking Alpha 的稿費(fèi)）。我與文中提及了股票的所有這些公司都沒(méi)有業(yè)務(wù)關(guān)系。