Is Musk's vision too grand? Experts say Tesla's "Robotaxi dream" requires breakthroughs in AI

馬斯克押注機器人汽車將推動特斯拉進入盈利新紀元，但有媒體分析，他的做法可能是錯誤的。

11 月 4 日週一，《華爾街日報》報道，馬斯克實現自動駕駛的計劃圍繞他稱為 “端到端的人工智能（end-to-end artificial intelligence）” 展開。馬斯克計劃將大量現有的特斯拉汽車的錄像傳輸給特斯拉的人工智能系統，從而使算法學會安全駕駛。

馬斯克的這一方法與其他研發自動駕駛公司採取的方法形成了鮮明對比——自動駕駛行業領導者、谷歌子公司 Waymo 雖然也使用大量人工智能，但方法是將自動駕駛問題分解為更明確的任務，通過使用激光、雷達等多個傳感器的數據，使汽車獲得更豐富的環境視野。

簡而言之，馬斯克希望發明一個通過觀察人類駕駛來學習的人工智能系統，需要模仿學習（imitation learning）技術；而 Waymo 等公司則是在人工智能駕駛的過程中，通過糾正錯誤來幫助自動駕駛系統進步，需要強化學習（reinforcement learning）技術。

人工智能專家表示，特斯拉基於模仿學習構建完全自動駕駛系統的方法需要人工智能突破，而這些突破可能還需要一段時間。

馬斯克方法的缺陷

馬斯克認為，特斯拉的優勢在於，其所有車輛的內置攝像頭可以捕捉到大量真實世界駕駛的鏡頭，因此，Robotaxi 能夠獲得大量真實駕駛的錄像數據，包括現有特斯拉完全自動駕駛系統（FSD）上的所有數據。

使用這種被動記錄的數據來訓練特斯拉的人工智能需要一種稱為模仿學習的技術。計算機科學家 Timothy B. Lee 表示，為了從這些數據中獲益，特斯拉的人工智能必須觀看數百萬小時的人類駕駛視頻，並試圖模仿人類的動作。

專家指出，馬斯克的方法存在缺陷。

首先，主要通過模仿學習進行訓練的系統在面對超出訓練數據範圍的行為時可能會失敗。

其次，特斯拉過於專注 “端到端的人工智能 “系統，導致其系統內部形成了複雜的黑箱，很難理解為何系統會做出某些行為，也很難找出糾正這些行為的辦法。

例如，特斯拉目前的完全自動駕駛系統可以在大多數城市道路和高速公路上行駛，但需要駕駛員的高度監控，因為系統可能會做出突然且潛在致命的決策——試圖直接轉向其他車輛的行駛路徑、闖紅燈、在霧霾天氣中未停車讓火車通過……

聯邦汽車安全監管機構最近宣佈，正在調查特斯拉完全自動駕駛系統在致命事故中所扮演的角色。

Waymo 的聯合創始人 Anthony Levandowski 表示，馬斯克一年內推出完全自動駕駛系統的目標是不合理的。創建馬斯克所希望的那種自動駕駛系統，可能需要人工智能技術的進一步突破，而何時才能實現這些突破尚不清楚。