特斯拉自动驾驶在训练的时候是进行人工标注的,所谓的annotation。
举个例子,路口有stop sign的时候,人工标注告诉机器这是一个stop sign,需要停车。机器只需要进行图像学习,知道stop sign都长什么样子。之后遇到stop sign就可以学会停车了。这是特斯拉的模式。
但还有一种端到端的机器学习(end to end),你并不标注告诉机器什么是stop sign。机器通过无数人类驾驶数据,发现其**通的一点是,都会在一个红色的标志前停车,逐渐学会那个红色标志就是stop sign。而不是通过人工标注而告知。
前者特斯拉模式,能够比较快地缩短机器学习的时间,且不需要太大量的数据学习。
后者所需要的人工较少,但需要大量的数据才可以。且后者能够让机器学习得更适应遇到的所有情形,因为,举例,美国的stop sign和中国的就不一样。
所以特斯拉的方式会导致一定程度的local maximum。意思就是局部成功,而不是全局的成功。
猜测马斯克是为了更早推出自动驾驶,而做了一定程度的妥协,没有采取end to end的模式。
这也就是为何自动驾驶现在只在美国推出FSD Beta的原因,中国可能还需要等一段时间,毕竟没有人标注或者说针对美国的人工标注更着急、推进更快速。
从这点来看,适合中国的自动驾驶还是有一定机会留给蔚来、理想和小鹏的。
精彩评论