8月26日,马斯克直播了他使用还没发布的特斯拉FSD V12版本自动驾驶回家的视频,大部分人可能都没看懂里面的规律。
这里做一下科普:
首先,V12版本马斯克称之为“端到端”(end to end),即出发地到目的地,直接交付FSD自动驾驶即可,这个特别有划时代意义。
V12以前的版本都不能完整实现端到端,也就是说,是伪自动驾驶,准L4级别的。V12以后,是准确的端到端,达到或超越L4级别。
其次,这个版本的FSD运作原理已经彻底大改。
标志数据:V12的运行功耗只有100多瓦。
这相当于什么概念,我家美的电冰箱的功率是530瓦/天,即V12行驶20多分钟,相当于一个电冰箱近5小时的用电量——这是非常省的。
相比V12之前的版本,还有其他品牌的自动驾驶,都是“三高”:对硬件要求高,对算力要求高,功耗也高。
这些都是由于自动驾驶的内在机理,逻辑框架型运算,导致的。具体来说,就是预先设置某个条件,触发某个算法规则,落地实施某项功能。
例如,我车正常行驶,边上有辆车从侧方加速超车,然后变道开到我车正前方,突然减速,“别”我车,我车紧急刹车,减速后停下。
上述场景中,有车侧方加速超车,形成条件,触发“他车超车”规则,启动了激光雷达侦测彼此距离,启动碰撞响应。
变道开到我车正前方,启动了“正常响应”规则(前车正常时速)和“异常响应”规则(前车减速)机制(我们姑且设置两条路径),结果前车别我车,即启动第二项规则,我车紧急刹车停下。
一个很正常的事件场景,人脑处理起来很简单。但在机器环境下,需要细化条件,预设阈值,然后触发对应的算法。
按照这种条件反射式的机器学习(Machine Learning),需要预置非常多的条件,每个条件对应一个规则,来告诉电动车该怎么做。
自然,这个程序代码量是非常巨大的,几十万行都是少的。
为了适应更复杂的情况,让自动驾驶更完善,业界此前的做法是预设更多的条件,编写更多的规则代码,造成代码量大爆炸。
所以,FSD不断进化,变得非常吃硬件,对芯片和算力的要求也越来越高。
从2020年开始,特斯拉Autopilot的决策计算从传统的程序逻辑全面转向神经网络,程序代码大大减少,开发过程更多变成了一个机器学习的过程。
采用这样的方案之后,即使发现系统在某方面存在缺陷,也无需进行代码修改,只需要投喂更多的针对性视频加强训练就可以了。
最新版V12在研发底层逻辑上可谓是天翻地覆的改变——它放弃了以往“逻辑条件+规则算法”的思路,转向了神经网络。
V12的FSD内核就一个AI程序,其工作原理很简单:
把车辆当前摄像头拍下来的画面,跟特斯拉积累的近万亿公里级别的历史行程数据进行比对,筛选出一些与当前的情况很接近的场景。
当时特斯拉车主怎么操作的,FSD就怎么操作。
我们把这种方式姑且称为“抄袭人类司机小作业”,原理简单,但开发逻辑高于底层的条件反射式的设计,AI处理起来更像人类遇到问题时的情形,是不是?
跳脱了原来的思路,现在FSD没有任何预设条件,也没有对应规矩了,人类遇到这个事情怎么开,FSD就怎么开。
这个AI程序的工作就变得非常简单,对硬件、算法的要求直接就降下来了,功耗也低了,但开车的效果却是很好的——它跟优秀的人类司机没什么差别。
神经网络就是这个好处,从历史行驶数据端,到当前驾驶路况端,距离最近。
特斯拉早就留了一手。
这家公司依靠实际卖出的车辆采集数据,不但获取车辆销售利润,还能依靠“免费劳动力”——特斯拉车主——来采集数据。
自动驾驶初创公司Comma.ai曾评价过,如果你想往你的自动驾驶网络中增加一辆新车,成本是多少?对于Waymo,成本是400美金;对于Comma.ai,成本是-1美金;而对于特斯拉,成本是-10美金。
特斯拉在海外运营车险业务多年,引入了驾驶员自动打分系统,车越稳的司机打分就越高,保费就越低;开车鲁莽的司机则反之。
用于FSD训练的数据都是高分司机的,低分司机的数据早就被自动过滤了,系统是越学越聪明,反应越来越像人类。
特斯拉FSD领先其他诸多自动驾驶技术,包含三个方面的优势:
1、 特斯拉创立以来,拥有海量的实际出行数据。
根据MIT教授Lex Fridman的估计,特斯拉应该已经收集了超过30亿英里的数据。作为比较,谷歌Waymo收集的驾驶里程是2亿英里。
直观来看,特斯拉积累的数据量已经是同业的100倍,覆盖的地域面很广,包含各种复杂程度,使得自动驾驶更加成熟。
2、 拥有把这些海量行程数据喂养AI训练的超算平台。
特斯拉早先从英伟达手上购买了上百万颗最先进的GPU芯片,组成了全球排名前五的超算中心。目前英伟达最新的A100已经奇货可居,买都买不到。
3、 有足够的预算。特斯拉超算中心一年运营和维护费用就超过20亿美元,一般二线的科技公司都承受不起。
佩服马斯克,真是个鬼才,居然把神经网络这样用,这需要深厚的行业认知和交叉学科能力。
从乔布斯到马斯卡,到山姆·阿尔特曼(OpenAI创始人),美国不断涌现世界级的科技人才,不得不佩服这个国家的研究内涵,总能走在行业的最前沿。
图片来自网络,侵删。
|