ChatGPT爆火之后，AI大模型成為眾多科技公司追逐的熱點(diǎn)。從聊天對話，到圖像生成，再到桌面辦公，仿佛AI在一夜之間具備了顛覆一切的神力。
熱潮蔓延至汽車行業(yè)，從業(yè)者開始思考：讓GPT造車，是否可行？
有車企宣布將應(yīng)用大模型技術(shù)，也有車企稱要接入第三方大模型，還有車企搶著發(fā)布了帶有GPT字眼的自動駕駛系統(tǒng)。
有從業(yè)者對深途說，智能座艙和自動駕駛，或?qū)⑹谴竽Ｐ妥钕葢?yīng)用的場景。這其中，尤以自動駕駛最讓人期待。
自動駕駛是一個難度極高的賽道。除了谷歌、百度等科技巨頭，一大批天才創(chuàng)業(yè)者投身其中，燒掉數(shù)十億美金，至今也沒達(dá)到讓人滿意的效果。
AI大模型殺入自動駕駛，這次會不一樣嗎？
01.GPT跟汽車，有幾毛錢關(guān)系？
GPT跟汽車，表面看無直接關(guān)聯(lián)，實(shí)則淵源很深。故事得從六年前說起。
2017年6月，特斯拉的老板馬斯克，從OpenAI挖走了一個斯洛伐克籍的研究員。這個人叫Andrej Karpathy，他后來成為特斯拉的AI總監(jiān)。
當(dāng)時馬斯克對人工智能表現(xiàn)出極大興趣，他也是OpenAI的捐資創(chuàng)辦人之一。把Andrej Karpathy招致麾下不久，馬斯克離開OpenAI董事會，他認(rèn)為特斯拉和OpenAI都在研究AI，未來可能發(fā)生利益沖突。
后來，Andrej Karpathy在特斯拉重寫了自動駕駛算法，開發(fā)出BEV純視覺感知技術(shù)，讓特斯拉自動駕駛進(jìn)入新階段。而他的前東家OpenAI，則將全部籌碼押注在通用人工智能，最終研發(fā)出GPT。
從產(chǎn)品角度看，OpenAI的GPT和特斯拉的BEV，是完全不同的物種。但從技術(shù)底層來看，它們都依托人工智能技術(shù)，尤其是對谷歌Transformer模型進(jìn)行了應(yīng)用。
Transformer是一種深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)架構(gòu)，由谷歌的8位AI科學(xué)家在2017年提出。這是人工智能行業(yè)極其重要的一項發(fā)明，今天大火的ChatGPT中的“T”，就是指Transformer大模型。
與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)RNN和CNN不同，Transformer通過自我注意力機(jī)制，去挖掘序列中不同元素的聯(lián)系及相關(guān)性，具有很好的時序數(shù)據(jù)處理能力。這讓它在機(jī)器翻譯、文本摘要、問答系統(tǒng)等任務(wù)上，展現(xiàn)出突出的性能。
因此Transformer一開始被人們用在NLP（高級自然語言處理）領(lǐng)域，用于理解人類的文本和語言。
在Transformer模型上進(jìn)行預(yù)訓(xùn)練，經(jīng)過不斷的微調(diào)、迭代，OpenAI相繼推出了GPT-1、GPT-2、GPT-3、GPT-4等語言訓(xùn)練大模型。ChatGPT是OpenAI對GPT-3模型微調(diào)后開發(fā)出來的對話機(jī)器人。由于它能以對話的方式進(jìn)行交互，普通人很好上手，且比過去的聊天機(jī)器人顯得更“聰明”，因此大放異彩。
從根本上，ChatGPT的GPT模型、谷歌的LaMDA大模型，以及百度的文心大模型，同宗同源。
來源：pexels
將Transformer模型用于自然語言，誕生了ChatGPT這樣的聊天應(yīng)用；將它用在計算機(jī)視覺，同樣取得了驚人的效果，這方面的先行者是特斯拉。
Andrej Karpathy在擔(dān)任特斯拉AI總監(jiān)期間，負(fù)責(zé)領(lǐng)導(dǎo)自動駕駛的計算機(jī)視覺團(tuán)隊，通過結(jié)合Transformer模型，特斯拉成功開發(fā)出BEV技術(shù)。
BEV全稱是Bird's Eye View，即鳥瞰圖。它可以將攝像頭拍攝的2D圖像拼接轉(zhuǎn)化為3D圖像，統(tǒng)一轉(zhuǎn)換到俯視角度下進(jìn)行處理，形成“上帝視角”。這么做的原因是：開車是在三維空間中進(jìn)行的，人看到的是立體的世界，而不是2D的圖像。
這項全新的感知方案，在2021年8月的特斯拉AI DAY上由Andrej Karpathy對外展示。為此特斯拉不惜重寫了自動駕駛算法，對訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)設(shè)施進(jìn)行了重構(gòu)。
這是大模型技術(shù)首次被應(yīng)用到自動駕駛行業(yè)。
今天回過頭來看，雖然GPT目前主要應(yīng)用在自然語言處理領(lǐng)域，我們并不能讓GPT去駕駛一輛汽車，但它背后的AI大模型技術(shù)，尤其是Transformer架構(gòu)，實(shí)際上早就已經(jīng)在自動駕駛領(lǐng)域應(yīng)用了。
從自然語言處理到計算機(jī)視覺，兩個領(lǐng)域基于Transformer架構(gòu)在建模結(jié)構(gòu)上實(shí)現(xiàn)了統(tǒng)一，使聯(lián)合建模更加容易。
而隨著對AI的理解加深，汽車公司越來越像人工智能公司。除了特斯拉，理想汽車在今年初公布公司愿景，聲稱要在2030年成為一家人工智能企業(yè)。它將在今年推出的城市NOA導(dǎo)航輔助駕駛系統(tǒng)，技術(shù)支撐就是BEV感知和Transformer模型。
讓AI跟人對話，與讓AI駕駛一輛汽車，似乎本質(zhì)上并無區(qū)別，只是二者落地場景不同。在將底層技術(shù)應(yīng)用到具體產(chǎn)品這件事上，人類永遠(yuǎn)充滿想象力。
02.GPT教會自動駕駛的那些事
今年以來，GPT展現(xiàn)出來的強(qiáng)大能力，讓外界大受震撼。通用人工智能不再是空中樓閣。自動駕駛行業(yè)的人開始思考，或許生成式AI在語言模型上的應(yīng)用思路，可以遷移到自動駕駛上。
本質(zhì)上，語言模型是對人類的語言建立的數(shù)學(xué)模型。計算機(jī)還是不懂自然語言，但它通過數(shù)學(xué)建模，把語言問題變成了數(shù)學(xué)問題。通過給定的文本的歷史，預(yù)測下一個詞出現(xiàn)的概率，間接地理解了自然語言。
換到駕駛場景，如果給定當(dāng)前的交通環(huán)境，給定一個導(dǎo)航地圖，以及一個駕駛員駕駛行為的歷史，那么，大模型是不是可以預(yù)測下一個駕駛動作？
地平線創(chuàng)始人余凱在今年4月舉辦的電動汽車百人會論壇上說，ChatGPT給他很大啟發(fā)，“我們要繼續(xù)用大數(shù)據(jù)、更大的數(shù)據(jù)、更大的模型，并且無監(jiān)督地去學(xué)習(xí)人類駕駛的嘗試，就像你從大量的、無監(jiān)督的、沒有標(biāo)注的自然文本里去學(xué)習(xí)一樣”。他認(rèn)為，每個駕駛員駕駛控制的序列，就像我們的自然語言文本一樣。下一步，他想構(gòu)建一個回歸自動駕駛的大語言模型。
理論上，這個思路是可行的。人工智能已經(jīng)具備學(xué)習(xí)能力。根據(jù)自適應(yīng)的語言模型，機(jī)器會根據(jù)用戶的反饋不斷迭代優(yōu)化，學(xué)習(xí)用戶的習(xí)慣，然后改進(jìn)模型。現(xiàn)在的ChatGPT就運(yùn)用了這項技術(shù)。那么，讓機(jī)器學(xué)習(xí)司機(jī)的駕駛習(xí)慣，就不是一件很難的事情。
來源：pexels
特斯拉的影子模式，就是把真人司機(jī)的駕駛數(shù)據(jù)，投喂給機(jī)器學(xué)習(xí)。通過比對人類駕駛員行為，來達(dá)到訓(xùn)練算法的目的。
GPT掀起新一輪AI熱潮后，對行業(yè)造成的一個認(rèn)知沖擊是，通過把模型的參數(shù)規(guī)模不斷變大，數(shù)據(jù)量指數(shù)型增加，也就是所謂的大模型，在達(dá)到某個臨界點(diǎn)后，模型會突然變得很聰明。
過去，模型在訓(xùn)練階段需要的數(shù)據(jù)，是經(jīng)過人工標(biāo)注的。以自動駕駛為例，數(shù)據(jù)標(biāo)注員通過大量的圖片標(biāo)注，告訴機(jī)器什么是貓，什么是狗，貓和狗各有多少種類。標(biāo)注員就像是機(jī)器的老師，一遍一遍教會它認(rèn)識這個世界。
問題是，老師沒教過的東西，機(jī)器還是不會。典型的是特斯拉曾多次發(fā)生自動駕駛事故，車輛撞上側(cè)翻的大卡車，因為機(jī)器識別不了。
和高資本創(chuàng)始合伙人何宇華對深途舉過這樣一個例子：廣州的夏季雨天頻繁，在一些燈光比較昏暗的場景下，空中會有大量的飛蟲。當(dāng)汽車駛過時，燈光打過去，可能會有數(shù)以千計的飛蟲撞向車頭。在這種情況下，汽車的自動駕駛感知系統(tǒng)，可能會誤認(rèn)為是一堵墻。
自動駕駛系統(tǒng)不能窮盡所有的corner case（極端場景），是其發(fā)展路上的一大難關(guān)。
ChatGPT抓取的是全網(wǎng)未標(biāo)記的數(shù)據(jù)。在自監(jiān)督學(xué)習(xí)中，數(shù)據(jù)本身被用作監(jiān)督信號，而不是依賴于人工標(biāo)記的標(biāo)簽。有一天人們發(fā)現(xiàn)，大模型在消化這些數(shù)據(jù)的過程中，突然具備了舉一反三的能力。
那么，如果自動駕駛大模型也能無監(jiān)督地學(xué)習(xí)人類駕駛行為，不需要“老師”手把手地教，是不是意味著，系統(tǒng)搖身一變，成了“老司機(jī)”？
03.GPT“開車”，還不靠譜
夢想很美好，實(shí)現(xiàn)夢想的路總是很骨感。
類似ChatGPT的AI大模型要在自動駕駛領(lǐng)域發(fā)揮威力，目前來看至少有如下幾個問題需要解決。
首先是數(shù)據(jù)來源。
ChatGPT的數(shù)據(jù)來源非常豐富，包括維基百科、書籍、新聞文章、科學(xué)期刊等等，相當(dāng)于全網(wǎng)公開數(shù)據(jù)都是它的養(yǎng)料。
自動駕駛不同。駕駛員的駕駛數(shù)據(jù)、車輛行駛數(shù)據(jù)不公開，很多還涉及隱私。汽車廠商、自動駕駛公司各自為政，數(shù)據(jù)封閉不流通，這讓獲取數(shù)據(jù)變得困難。沒有數(shù)據(jù)，自動駕駛就是無源之水。
聯(lián)想創(chuàng)投總裁賀志強(qiáng)對深途說，自動駕駛的核心是要有數(shù)據(jù)，數(shù)據(jù)對訓(xùn)練模型非常重要。比亞迪這樣的主機(jī)廠有數(shù)據(jù)，但算法還需要打磨，“蔚小理”等造車新勢力擅長算法，但車的銷量還不夠。既有數(shù)據(jù)也有算法的公司，才能充分用好大模型。
其次是系統(tǒng)的計算部署方式有限制。
余凱認(rèn)為，OpenAI、ChatGPT是在云端的計算，在云端有充分的能量供給、電源供給，同時有非常好的系統(tǒng)，可是如果在車上依賴的是電池，依賴的是車端的散熱，那么這個挑戰(zhàn)是很大的，意味著自動駕駛不能用那么大的模型、那么大的計算。
大模型對算力的消耗，導(dǎo)致云計算廠商成為這波AI熱潮中第一批吃到紅利的玩家。大廠開卷云計算，也是為大模型開路。但是在車端，這會是一個矛盾。
更大的問題是，大模型的可靠性尚未驗證。
使用過ChatGPT的人知道，ChatGPT有時候會胡說八道，時對時錯。這在業(yè)內(nèi)被稱為幻覺（hallucination）傾向，即產(chǎn)生完全沒有出處的非真實(shí)內(nèi)容。大模型會編造內(nèi)容，而不在意內(nèi)容的真實(shí)性和準(zhǔn)確性。
來源：pexels
聊天可以胡說八道，自動駕駛不可以。任何一次錯誤的輸出，導(dǎo)致的結(jié)果都可能是致命的。
“ChatGPT取得巨大進(jìn)展，但自動駕駛遲遲沒有到來，因為自動駕駛特別是無人駕駛，可能容錯率就是零，那是人命關(guān)天的事情?！庇鄤P說。
曾在硅谷某AI創(chuàng)業(yè)公司擔(dān)任COO的龍志勇認(rèn)為，不可控、不可預(yù)測和不可靠，是大模型商業(yè)化最大的威脅。典型表現(xiàn)是大模型有幻覺傾向。
現(xiàn)在，要讓自動駕駛系統(tǒng)學(xué)會選擇和辨別，并穩(wěn)定地輸出最優(yōu)解，還不太現(xiàn)實(shí)。
一家人工智能公司的內(nèi)部人士對深途說：“視覺感知在算法層面的確有不少突破。但車這種場景，要求太高了，我個人不覺得短期能有大的突破?？梢躁P(guān)注一下特斯拉的動向?！?/span>
然而最近科技圈有一股風(fēng)氣，大大小小的公司，都要蹭一把GPT的熱點(diǎn)。有一些汽車廠商，宣布即將應(yīng)用類似GPT的技術(shù)，一堆炫酷的概念讓人傻傻分不清楚。
比如某傳統(tǒng)車企旗下的自動駕駛公司，就發(fā)布了一個自動駕駛生成式大模型，要用這個模型來訓(xùn)練自動駕駛，號稱“行業(yè)首例”。
一位長期關(guān)注智能汽車賽道的投資人，詢問一位行業(yè)大佬怎么看該模型，對方就回了四個字：“TM扯淡?！?/p>
“完全就是一個PR行為。”這位投資人對深途評價。
04.自動駕駛，會被推倒重來嗎？
在特斯拉的帶動下，再疊加今年興起的AI浪潮，自動駕駛行業(yè)逐漸向大模型、大算力、大數(shù)據(jù)方向不斷靠近。
大模型對自動駕駛的影響，目前還不夠劇烈，但嗅覺敏銳的人已經(jīng)呈現(xiàn)出一種矛盾心態(tài)。
就像當(dāng)年特斯拉利用Transformer將多攝像機(jī)數(shù)據(jù)從圖像空間轉(zhuǎn)化為BEV空間，為此不惜將原有架構(gòu)推翻，重寫算法?，F(xiàn)在大模型的應(yīng)用，也可能意味著原有自動駕駛算法，會被推倒重來。
賀志強(qiáng)認(rèn)為，大模型會對自動駕駛有巨大影響。以前自動駕駛用到很多小模型，現(xiàn)在變成大模型，可能需要重新來一遍。自動駕駛行業(yè)會重新洗牌。
一家AI芯片公司的自動駕駛總監(jiān)趙東翔對深途說，整體端到端更改，等于重新做。
洗牌對新入局者是機(jī)會，對領(lǐng)先者是威脅。彎道超車的故事，往往發(fā)生在技術(shù)急速變革時期。在技術(shù)一日千里的時代，在舊路線投入越多，沉沒成本可能越大，轉(zhuǎn)身越困難。對于整車廠或自動駕駛公司而言，要擁抱一項新技術(shù)，不僅要考慮效果，還要考慮成本。
來源：視覺中國
趙東翔表示，就當(dāng)前階段而言，自動駕駛變換技術(shù)路線沒意義，“現(xiàn)在行業(yè)技術(shù)能力也不差，大家花那么多錢做了那么久，沒有大幅度提高的話沒有換的動力?！?/p>
在去年底的AI DAY上，特斯拉將BEV升級到占用網(wǎng)絡(luò)（occupancy network），泛化能力得到進(jìn)一步提升。通過占用網(wǎng)絡(luò)，特斯拉的自動駕駛感知系統(tǒng)可以不需要知道看到的物體是什么，就可以判斷是否需要躲避，由此解決了更多長尾問題。
不論何種技術(shù)路線，現(xiàn)在都處于快速變化迭代中。過去的小模型可能會被大模型替代，今天的大模型也可能在未來被某種新物種替代。
但不管怎樣，蹭熱點(diǎn)、制造噱頭的做法，是無益于技術(shù)進(jìn)步的?！安錈岫仁锹?xí)，踏踏實(shí)實(shí)做產(chǎn)品才有用?！壁w東翔說。
自動駕駛真正的“王炸”，還遠(yuǎn)沒有到來。我們需要做的，是對每一輪技術(shù)變革保持敬畏之心。被神話的GPT，造不出你的夢中神車，但至少，變化已經(jīng)發(fā)生了。