马斯克的饼画太大了？

本文来自： 华尔街见闻 ，作者：蒋紫涵，原文标题：《马斯克的饼画太大了？专家称特斯拉的“Robotaxi梦想”必须要AI突破》，题图来自：AI生成

马斯克押注机器人汽车将推动特斯拉进入盈利新纪元，但有媒体分析，他的做法可能是错误的。

11月4日周一，《华尔街日报》报道，马斯克实现自动驾驶的计划围绕他称为“端到端的人工智能 （end-to-end artificial intelligence） ”展开。 马斯克计划将大量现有的特斯拉汽车的录像传输给特斯拉的人工智能系统，从而使算法学会安全驾驶。

马斯克的这一方法与其他研发自动驾驶公司采取的方法形成了鲜明对比——自动驾驶行业领导者、谷歌子公司Waymo虽然也使用大量人工智能，但方法是将自动驾驶问题分解为更明确的任务，通过使用激光、雷达等多个传感器的数据，使汽车获得更丰富的环境视野。

简而言之，马斯克希望发明一个通过观察人类驾驶来学习的人工智能系统，需要 模仿学习 （imitation learning） 技术；而Waymo等公司则是在人工智能驾驶的过程中，通过纠正错误来帮助自动驾驶系统进步，需要 强化学习 （reinforcement learning） 技术。

人工智能专家表示，特斯拉基于模仿学习构建完全自动驾驶系统的方法需要人工智能突破，而这些突破可能还需要一段时间。

马斯克方法的缺陷

马斯克认为，特斯拉的优势在于，其所有车辆的内置摄像头可以捕捉到大量真实世界驾驶的镜头，因此，Robotaxi能够获得大量真实驾驶的录像数据，包括现有特斯拉完全自动驾驶系统 （FSD） 上的所有数据。

使用这种被动记录的数据来训练特斯拉的人工智能需要一种称为模仿学习的技术。计算机科学家Timothy B. Lee表示，为了从这些数据中获益，特斯拉的人工智能必须观看数百万小时的人类驾驶视频，并试图模仿人类的动作。

专家指出， 马斯克的方法存在缺陷 。

首先，主要通过模仿学习进行训练的系统在面对超出训练数据范围的行为时可能会失败。

其次，特斯拉过于专注“端到端的人工智能“系统，导致其系统内部形成了复杂的黑箱，很难理解为何系统会做出某些行为，也很难找出纠正这些行为的办法。

例如，特斯拉目前的完全自动驾驶系统可以在大多数城市道路和高速公路上行驶，但需要驾驶员的高度监控，因为系统可能会做出突然且潜在致命的决策——试图直接转向其他车辆的行驶路径、闯红灯、在雾霾天气中未停车让火车通过……

联邦汽车安全监管机构最近宣布，正在调查特斯拉完全自动驾驶系统在致命事故中所扮演的角色。

Waymo的联合创始人Anthony Levandowski表示，马斯克一年内推出完全自动驾驶系统的目标是不合理的。创建马斯克所希望的那种自动驾驶系统，可能需要人工智能技术的进一步突破，而何时才能实现这些突破尚不清楚。

本文来自： 华尔街见闻 ，作者：蒋紫涵