如果一个系统能分辨自己不能处理的情况，那就离能处理这种情况不远了，换句话说，智能系统分辨自己不会的问题和解决这个问题两者之间技术难度差别不大，尤其是现阶段各种机器学习技术的系统。
比如特斯拉会撞击翻在高速公上的白色货车，因为它从来没有见过这种情况，L3会要求立即让人来接管，但是如果特斯拉明确知道要让人来接管，那就几乎可以自动绕开继续往前开了，技术上两者几乎没区别。
再比如识别红绿灯子系统的准确率是99.9%，如果加个功能：识别不准确的时候让人类接管判断红绿灯呢？其实帮助并不大，因为如果此系统可以判断自己不能准确识别的红绿灯，那在开发阶段大概率就可以解决这种情况了。
现阶段的智能系统准确率可以很高，难点就是不知道自己什么时候不可靠，这应该是整个科技界的硬核难题。


发自「今日水木 on iPhone 12 Pro」
--
FROM 221.221.11.*

翻在高速上的货车怎么预设排除呢？
如果是deep learning模型，很可能会分类到白云 远光之类的，得分还可能很高
【 在 alwaysleaf 的大作中提到: 】
:  
: 未必吧  
: 可以把有疑问的未预设的一律报警  
: --  
: 发自xsmth (iOS版)  
: --  
:

发自「今日水木 on iPhone 12 Pro」
--
FROM 221.221.11.*

人本身就是一个高级的生物机器
目前自动驾驶还是人靠谱
钢铁机器即使检测能力比人强，但是处理逻辑比人差很多


我在想，为什么在这个世界，造物主会设计人这个生物机器，而不采用人工智能的钢铁？


【 在 whistlingMe 的大作中提到: 】
: 如果一个系统能分辨自己不能处理的情况，那就离能处理这种情况不远了，换句话说，智能系统分辨自己不会的问题和解决这个问题两者 ...
--
FROM 219.142.144.*

现阶段概率上低于人意义不大
因为你不知道使用自动驾驶的司机水平究竟是高于自动驾驶的还是低于自动驾驶的，低基数下，使用自动驾驶的全是高水平司机是可能的，也就是自动驾驶对整体驾驶水平是拖累的
自动驾驶汽车保有量过低 的时候就开始使用是不负责任的，因为基数低统计规律可能失真
至少一个阶段内自动驾驶功能使用者要承担这种实际环境大数据采集过程中的不确定性
    
个人觉得明知有缺陷而推出市场的，实控人应该判玩忽职守
超出适用范围使用的驾驶员应判以危险方法危害公共安全
【 在 hondooo (hondooo) 的大作中提到: 】
:  质疑自动驾驶的人总有一个误区，觉得自动驾驶要完美无缺才能用  
:  但实际上，自动驾驶只要在概率上发生事故的几率低于人类，就是成功的  
:  它可能在一条路上怼大货死了一个人，也可能在另一条路上躲避异物救了2个人  
:  AI从原理上就不可能100%解决所有问题  
--
发自xsmth (iOS版)
--
※ 修改:·RODRYGO 于 May 11 08:32:04 2021 修改本文·[FROM: 101.88.109.*]
※ 来源:·水木社区 http://m.newsmth.net·[FROM: 101.88.109.*]

修改:RODRYGO FROM 101.88.109.*
FROM 101.88.109.*

L3之所以是3不是45，就是需要人全程监管。
知车善用才是根本。不盲信，不盲从。
--
FROM 111.199.52.*