(資料圖)

FSD V12 實現 End - to - End AI （ 端到端） 自動駕駛。什么是“端到端”？“端到端”是深度學習中的概念，英文為“End-to-End（E2E）”，指的是一個AI模型，只要輸入原始數據就可以輸出最終結果。比如最近很火的ChatGPT，它就是一個典型的端到端模型，輸入文字語句，直接就能得到回答。那對于智能駕駛來說，指的是什么？踩油門還是踩剎車？方向盤向左打還是向右打？這就是智能駕駛AI模型應該輸出的“最終結果”。馬斯克在描述FSD Beta v12 時，就提到了它可以實現輸入圖像，輸出轉向、剎車、加速等車輛控制信號的能力，因此說它是“端到端”的。還有一種說法，叫做“感知決策一體化”，也就是將“感知”和“決策”融合到一個模型中，這種描述則相對更為準確一些。「端到端」的優勢目前已量產的智能駕駛，絕大多數采用的是模塊化架構。所謂“模塊化”其實很好理解，就是把智能駕駛拆分成一個個典型任務，然后將這些任務交由專門的AI模型或模塊來處理，比如說感知、預測、規劃等等。實際應用中，感知模型的任務就是輸入攝像頭等傳感器信息，然后在里面找到車輛周圍的障礙物、車輛、車道線、紅綠燈等一切與駕駛相關的元素，然后把感知信息匯總給規劃模型，規劃模型就會根據得到的信息規劃出車輛的最佳行駛路線，再交給控制模塊（控制模塊一般并非AI模型），實現車輛最終的控制。在這種架構中，每個大的模塊下，又可能是以多種模型組合而來的，例如感知，其中可能包含了分類、追蹤、定位等AI模型，各司其職。也就是說，一個智能駕駛系統里，可能包含了很多很多個模型，每個模型都要專門進行訓練、優化、迭代，隨著模型的不斷進化，參數量提高，所需的研發人員也水漲船高，研發投入極高。而端到端架構，則是通過一個模型實現了以上多種模型的功能，研發人員只需要針對這一個模型進行整體訓練、調整優化，即可實現性能上的提升，因此可以更好地集中資源，實現功能聚焦。另一方面，傳統的模塊化架構可以看做是一種流水線，很多模型的輸入參數，其實是前級模型的輸出結果。如果前級模型輸出的結果有誤差，就會影響下一級模型的輸出，導致級聯誤差的出現，最終影響整套系統的性能。這很好理解，在這種架構下，不同模塊間就相當于不同的人，負責決策的人是不能直接看到環境的，需要“觀察員”轉告，因此將不可避免地產生誤差。而端到端架構，輸入傳感器信號后可以直接輸出車控信號，大大降低了級聯誤差的概率，也因此大大提升了系統性能的上限，整體潛力極大。「端到端」的難點在量產車上看，模塊化架構依然是目前智能駕駛的絕對主流，可見端到端架構依然存在一些關鍵的問題未能解決。“涌現”是不可控的、不能預知的，即便一個模型發生了“涌現”，人們也不知道其內部發生了什么，是因為什么導致了能力的巨大變化。如果一個模型的可解釋性很差，那說明人們對這個模型內部知之甚少，甚至都不能理解這個模型為什么能跑起來，是一個黑盒。他雖然能做出正確的決策，但方法是什么，理由又是什么，都不知道。端到端智能駕駛，就是一種可解釋性很差的模型，這就導致了一系列的問題。首當其沖的就是安全性。還是拿ChatGPT為例，作為端到端的大模型，它的能力很強，但“胡說八道”的情況也不少見，對于一個語言模型來說，錯了就錯了，糾正一下就是，但對于駕駛來說，如果決策規劃出錯了，就有可能導致嚴重的事故，甚至危及生命。可端到端智能駕駛是個黑盒子，即便出了差錯，研究人員也不知道它為什么會出差錯，到底是哪一部分出了問題，又該如何去避免。只能通過不斷的訓練、調參、增加參數量，來盡可能地提高模型的準確率，但最終能否達到100%的安全，還是要打一個問號。另一方面，端到端智能駕駛，它的訓練本就是很復雜的。感知模型訓練時，需要的是經過標注的圖片，這是一種比較容易獲得的素材，而端到端智能駕駛，它需要學習的是駕駛行為，因此需要大量標注有駕駛行為的視頻才能進行進行訓練，采集和標注都很困難。因此，端到端智能駕駛，它的閉環驗證比較困難，缺少足夠的真實數據，目前主要還是在仿真環境中進行訓練和驗證，這也直接影響了它的量產落地。端到端智能駕駛一旦成功落地，對于整個行業的影響將是顛覆性的。但我們也要認識到，端到端有優勢也有挑戰，并且挑戰依然是極大的，在現階段甚至是未來很長一段時間內，當我們看到“端到端”時，只要看不到實物落地，就應該理性看待。

轉自：水月的投資筆記

$特斯拉(TSLA)$

關鍵詞：