uutiset

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Onko älykkään ajamisen "GPT-hetki" jo täällä?

Kirjoittaja |. Cao Siqi
muokata|. Jingyu

Jokainen uusi teknologia käy läpi eri vaiheita syntymästä promootioon ja kohtaa myös erilaisia ​​ääniä. Optimaalisen teknisen ratkaisun löytämiseksi kehittäjät voivat luopua vuosien ponnisteluista, kun taas kaupalliset organisaatiot keskittyvät enemmän teknologian käyttöönoton ajoituksen arvioimiseen maksimoidakseen hyödyt oikeaan aikaan.

Älykkään ajamisen suhteen kotimaisilla isäntävalmistajilla oli aikoinaan syviä kognitiivisia eroja. Kannattajat uskovat, että se voi tuoda "kauteen eteenpäin" kokemuksen, kun taas vastustajat ovat ilmaisseet halveksunnan esittämällä huomautuksia, kuten "se on tekniikan haise" ja "itsenäinen ajaminen on huijausta".

Vuonna 2024, kun Teslan "päästä päähän" perustuvan älykkään ajoohjelmiston FSD V12 -versio julkaistiin virallisesti, kiinalaisten autonvalmistajien asenteet älykästä ajamista kohtaan ovat vihdoin alkaneet lähentyä.

Kun otetaan esimerkkinä autovalmistuksen uusien voimien edustaja Wei Xiaoli, useat yritykset ovat selvästi alkaneet tavoittaa "päästä-päähän" -tekniikkaa.

Xiaopeng ehdotti päästä päähän suurten mallien käyttöönottoa älykkäissä ajojärjestelmissä ja ilmoitti investoivansa tänä vuonna 4,2 miljardia yuania älykkyys- ja koulutusdataan tavoitteenaan saavuttaa "sisäinen OTA kerran kahdessa päivässä" tulevaisuudessa. Tämä on aiemmin käsittämätön tehokkuuden parannus, joka perustui siihen, että ihmiset ylläpitävät satoja tuhansia älykkäitä ajokoodirivejä.

NIO on myös äskettäin uudistanut älykkään ajamisen tutkimus- ja kehitysosastonsa yhdistämällä perinteiset havainto- ja mittakaavat isoiksi mallitiimeiksi.

Jopa ihannetta, jota aiemmin naurettiin "tehdaspoiminnaksi", on viime aikoina käytetty usein vauhdittamaan älykästä tutkimusta ja kehitystä. Toimitusjohtaja Li Xiang kehitti henkilökohtaisesti "päästä päähän" -tutkimus- ja kehitysalustan ja esitteli Nobelin taloustieteilijöiden nopean hitaan ajattelun teorian havainnollistaakseen, että hänen tiiminsä on löytänyt tavan ratkaista autonomisen ajamisen ongelma.

Joten miksi on niin maagista sallia eri valmistajien siirtyä konsensuksesta päästä päähän? Miten se on muuttanut älykkään ajoteollisuuden paradigmaa, ja mitä mahdollisuuksia ja mukautuksia se tuo?

01

Älykkään ajon GPT-hetki on saapunut

Tärkeä syy siihen, miksi kotimaiset valmistajat pääsivät nopeasti yhteisymmärrykseen, on se, että Tesla otti johtoaseman kadehdittavan kattavan vastauslomakkeen toimittamisessa.

Tämän vuoden maaliskuussa Tesla julkisti virallisesti älykkään ajo-ohjelmiston FSD V12.3 -version. Suurin muutos tässä versiossa on siirtää koko älykkään ajojärjestelmän teho ihmisten kirjoittamasta koodista suureen hermoverkkoihin perustuvaan tekoälymalliin. Musk käyttää "Video in to Control out" kuvaamaan tätä uutta toimintamallia, toisin sanoen: tekoäly tuottaa suoraan ajotoiminnot "näkemiensä" tietietojen perusteella, joita alalla usein kutsutaan "päästä päähän". Loppuun).

Viime kuussa He Xiaopeng koki FSD V12.3.6 -version Kaliforniassa. Hänen mukaansa FSD "käsittelee monia tieolosuhteita erittäin sujuvasti". Tämä on tekoälyn neuroverkkojen suurin etu koodiohjattuihin verrattuna: se voi parantaa huomattavasti älykkäiden ajojärjestelmien yleisiä oppimiskykyjä eri kaupungeissa ja erilaisissa tieolosuhteissa.

Kotimaisille kuluttajille tutummaksi mainonta- ja markkinointilauseeksi käännettynä se on: se voidaan avata valtakunnallisesti (globaalisti).

Huawei julkaisi iskulauseen "Saatavilla valtakunnallisesti" viime vuoden syyskuussa. Lähde: Geek Park

Tietenkin tämä johtopäätös on tässä vaiheessa vain hyvä toive. Varsinaisessa toimintaprosessissa se vaatii myös tekoälyinfrastruktuurin, kuten datan, algoritmien ja laskentatehon, täyden siunauksen ja koulutuksen päästäkseen lähelle tavoitetta "Tekoälystä tulee yhtä älykäs kuin ihmiskuljettajat".

Mutta vertaisille FSD V12 -versio merkitsee paljon. Se varmistaa, että hermoverkot voivat todella korvata ihmisen kirjoittaman koodin ja jopa tehdä sen paremmin ja tehokkaammin.

Tämä tarkoittaa, että sinun ei tarvitse odottaa N vuotta, vaan ChatGPT-hetki älykkään ajamisen alalla on todella koittanut. Ajattele, mitä Ali Zhang Yong sanoi kerran: Kaikki ohjelmistot kannattaa tehdä uudelleen tekoälyllä. FSD V12 on antanut vertaisilleen uuden suunnan ja varmuuden: kaikki älykkään ajoteknologian pinot voidaan tehdä uudelleen alusta loppuun.

Kun FSD V12 beta -versio julkaistiin, Musk sanoi, että tämä versio pakkasi edellisen version 300 000 koodiriviä 2 000 riviksi, mikä vastaa alle yhtä prosenttia.

Älykkään ajokilpailun uudessa teknologiassa ei kehity enemmän antiinnovaatio- ja involuutiopeleiksi kuin kukaan muu. Jos tekoälyn tehokkuus voi todella saavuttaa He Xiaopengin sanoman sisäisen OTA:n kahden päivän välein, niin ihmisen meritaktiikka, jossa sääntöjä kirjoitetaan yksitellen ja korjataan vikoja, voidaan julistaa täysin vanhentuneeksi.

Tarvitseeko älykäs ajoteollisuus vielä niin paljon ohjelmoijia? Kirjoittaja ei voi antaa tarkkaa vastausta, mutta varmaa on, että myös älykkään ajon ohjelmoijien työn sisältö tulee läpi sarjan muutoksia. Ohjelmoijat, jotka osaavat kirjoittaa vain jos muuten säännöt, korvataan todennäköisesti tekoälyllä aikaisemmin kuin taksi- ja online-ajelukuljettajat.

02

jumissa datassa

Sijoituslaitos Chentao Capitalin viime kuussa julkaisemassa "End-to-End autonomisen ajoteollisuuden tutkimusraportissa" vain 13 % yli 30:stä autonomisen ajon alan vastaajista ilmaisi suhteellisen varovaisen "odottele ja katso" -asenteen loppua kohtaan. -to-end -teknologiaa, ja loput ilmaisivat positiivisemman "esitutkimuksen" tai jopa "täydellisen sitoutumisen". Päästä-päähän on tullut yksimielisyys alan toimijoiden keskuudessa.

Mutta itse asiassa tällä hetkellä ei ole yhtään yritystä (mukaan lukien Tesla), joka voisi saavuttaa "fundamentalismin päästä päähän". Toisin sanoen kaikki autonomisen ajamisen osa-alueet on keskitetty samaan suureen malliin, jotta saavutetaan todella samat "sisääntulosignaalit ja polkimen ja ohjauspyörän toiminnot" kuin ihmisillä.

Useimpien kotimaisten OEM-valmistajien ydinponnistelut tässä vaiheessa ovat havainnointi- ja päätöksentekomoduulien avaaminen. Avain tähän on peruuttaa manuaalinen tulosten määrittely moduulien välillä ja käyttää ominaisuusvektoreita häviöttömän tiedon välittämiseen.

Kaaviokaavio kokonaisvaltaisen autonomisen ajamisen arkkitehtuurin kehityksestä |. Kuvan lähde: Chentao Capital

Ennen päästä päähän perinteinen autonominen ajoarkkitehtuuri syntyi robotiikan alalta ja jakautui erilaisiin moduuleihin, kuten havainnointiin, suunnitteluun ja ohjaukseen. Eri tiimit kehittävät erilaisia ​​moduuleja ja tiedot siirretään pääosin moduulien välillä manuaalisesti määriteltyjen rajapintojen kautta. Yksinkertaisimman esimerkin antamiseksi ilmiö, ajaako ajoneuvo linjan yli, voidaan esittää perinteisessä havaintomoduulissa käyttämällä yksinkertaisinta tietokoneen binaarikieltä.

Havainto- ja päätöksentekomoduulien avaamisen suurin etu on, että se voi kattaa enemmän "harmaasävykohtauksia", joita ei voida kuvata tarkasti todellisen maailman säännöillä. Esimerkiksi ajaessasi sinun ei tarvitse tietää edessä olevan auton tarkkaa nopeutta tai ylittääkö se linjan. Sinun tarvitsee vain kiinnittää huomiota suhteellisiin asennon muutoksiin.

Tämän perusteella, generatiivisen tekoälyn teorian perusteella, on odotettavissa, että hermoverkkomalli voi tuottaa älyä myös suuren syöttömäärän jälkeen ja tulla tekoälyagentiksi.

Kaiken tämän perusta tulee datasta, joka on malliin "syötetty" koulutusmateriaali. Toisin kuin suurissa tekstipohjaisissa kielimalleissa, älykkäiden ajomallien ei ole helppoa löytää tarpeeksi julkista videodataa koulutusmateriaaliksi.

Edellä mainittu "End-to-End autonomisen ajoteollisuuden tutkimusraportti" osoittaa, että suurimmassa julkisessa tietojoukossa on tällä hetkellä vain 1 200 tuntia tietoa. Muskin mukaan vuonna 2023 Tesla investoi lähes 40 000 tuntia videokoulutukseen päästä päähän -vaiheen alkuvaiheessa.

Verrattuna muihin autoyhtiöihin Teslan tietojen tärkein etu on massatuotantoautojen suuri määrä.。

Tällä hetkellä Tesla on toimittanut yli 6 miljoonaa ajoneuvoa maailmanlaajuisesti. Kuitenkin Kiinan uusien, aktiivisesti älykästä ajoa käyttävien voimien joukossa massatuotettujen ajoneuvojen määrä on vain murto-osa Teslan autoista. Yhdessä johdonmukaisen minimalistisen SKU:n ja täysin valmiiksi sulautetun älykkään ajolaitteiston kanssa tiedonkeruu helpottuu.

Aikaisempi yleinen käytäntö Kiinassa perustui yleensä tietietojen manuaaliseen hankintaan. Älykkään päästä päähän -mallin kouluttamiseksi on kuitenkin myös tarpeen kattaa riittävästi dataa reunaskenaarioista (conner-tapaukset). Koska reunakohtausten esiintyminen on hyvin satunnaista, jotkut valmistajat ovat ilmoittaneet, että vain noin 2 % rajallisista tiedoista voidaan saada pelkällä manuaalisella tiedonkeruulla.

Lisäksi kotimaisilla valmistajilla on usein monimutkaisempia SKU:ita Teslaan verrattuna. Eri mallien välillä ajoneuvon koon, anturien sijoittelun jne. erojen vuoksi myös mallin asiaankuuluvat parametrit on kohdistettava uudelleen.

Esimerkkinä Huawei-sarjasta, Hongmeng Zhixing on osoittanut vahvaa terminaalimyyntiä noin viime vuonna linjaus ja toimitustyöt. Sama koskee Weilaia, jolla on 2 merkkiä ja 9 mallia. He ovat järjestäneet integraatiotiimin uudelleen toimitustiimiin.

Soran julkaisun jälkeen Musk twiittasi, että Tesla käyttää tekoälyä simuloidakseen todellista ajamista Kuvan lähde: X screenshot |

On näkemys, että Soran edustamista Wensheng-videotuotteista voi tulla materiaalin lähde päästä päähän -malleille. Mutta edes Muskille tekoälyn luoman sisällön harjoittamista ei ole vielä tunnustettu julkisesti. Loppujen lopuksi datadata on liian tärkeää mallikoulutukselle. Musk, joka on aina ollut äärimmäisen niukka työvoimakustannusten suhteen, palkkasi myös 1 000 ihmisen ryhmän New Yorkiin kommentoimaan Teslan tievideotietoja.

03

Älä anna Muskin "johtaa ojaan".

Kuulostaa siltä, ​​että päästä päähän siirtyminen on luonnollista, mutta 300 000 koodirivin poistaminen ja aiemman organisaatiorakenteen purkaminen ja uudelleenjärjestely ei todellakaan ole helppo päätös. Itse asiassa jopa Musk lähti tälle tielle vahingossa. Insinööri, joka ehdotti hänelle ensimmäisen kerran vuoden 2022 lopussa ChatGPT:n oppimista rakentamaan älykkään ajohermoverkko, Lao Ma melkein siirsi ratkaisemaan muita ongelmia Twitterin hankinnan jälkeen.

Päästä päähän -mallin koulutuksen jälkeen tulee myös vastaavan tukijärjestelmän (mukaan lukien laskentateho jne.) olla riittävän tehokas. "Tencent Deep Web" -lehden haastattelussa NIO:n älykkään ajon tutkimuksen ja kehityksen varatoimitusjohtaja Ren Shaoqing sanoi, että päästä päähän -palveluiden pakottaminen ilman perusominaisuuksia merkitsee "myrkyn" käyttöä.

Hän sanoi: "Jos alkuperäinen koodirakenne on riittävän selkeä, (virheenkorjaus)testausmääräsi voi olla vain 1 %. Ennen kesti kolme päivää testata 1 % uudelleen, mutta nyt sinun on valitettavasti testattava uudelleen 100 %. Kolmessa päivässä tietosi on oltava riittävän tehokas.

Mutta älä joudu suoraan ojaan Teslan päästä päähän tällä hetkellä todistaa vain, että sillä on mahdollisuus parantaa työn tehokkuutta, mutta se ei todista, että se on lopullinen ratkaisu autonomiseen ajamiseen.

Tämä on yhdenmukainen alan käsityksen kanssa siitä, voiko skaalauslaki johtaa AGI:hen (General Artificial Intelligence) fyysisessä maailmassa: on varmaa, että generatiivisella tekoälyllä voi olla korkeampi älykkyys, mutta voiko se ymmärtää fyysisiä lakeja ja automaattisesti Ajon sovelluksiin. , robotiikassa ja muilla aloilla, akateemisessa yhteisössä ei ole sääntöjä. "End-to-End autonomisen ajoteollisuuden tutkimusraportissa" yli puolet harjoittajista ei usko, että end-to-end on perimmäinen ratkaisu autonomiseen ajotekniikkaan.

OEM-valmistajille, jotka kehittävät omaa älykästä ajoaan, pragmaattisin lähestymistapa tässä vaiheessa on luottaa älykkään ajoominaisuuksien kokonaisvaltaiseen toteuttamiseen mahdollisimman nopeasti, helposti ja kustannustehokkaasti. Mitä tulee älykkään ajoohjelmiston tilaukseen, se voi viedä pidemmän matkan. Loppujen lopuksi Kiinan markkinoilla laitteistot myyvät usein paremmin kuin ohjelmistot ja palvelut.

Tietenkin on suuri todennäköisyys, että monet ihmiset eivät halua tulla innovatiiviseksi pelaajiksi, kuten Musk. Jos jätät hyvän halpamallin ilman tutkimusta ja kehitystä ja teet suuren panoksen Robotacista, markkina-arvo putoaa satoja miljardeja dollareita, jos julkaisu viivästyy. Tavallisemmat pelaajat vain toivovat, että älykkäällä ajo-ohjelmistolla varustettu päästä päähän se voi auttaa laitteistoa myymään paremmin. Tietysti, jos se voidaan myydä kalliimmin, se olisi hienointa.

*Otsikkokuvan lähde: Visual China

Tämä artikkeli on Geek Parkin alkuperäinen artikkeli

Geek kysyi

Ohjelmoijien rooli tulevaisuuden älykkäässä ajoteollisuudessa,

Mitä muutoksia voi tapahtua?

16. heinäkuuta. Lei kesäkuu lähetetty: Klo 19 19. heinäkuuta, tänä perjantai-iltana, pidän 5. Lei kesäkuun vuosipuheen. Teemana on "Rohkeus" ja puhun auton rakentamisen läpikotaisista ja sen ylä- ja alamäistä. viimeiset kolme vuotta.

Tykkää ja seuraaGeek Park -videotili，