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.*

你说的是完全的l5，更不知道猴年马月了。这么说吧，本版估计大部分人有生之年看不到事故率比普通人类更低的自动驾驶系统问世....
【 在 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  
: 0.000000.
: ..................

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

可以这么认为，本质上还是现在各种机器学习的系统原理上就不能识别没见过的东西，只会分类为训练时的类别，所以才会出错。L3和L4都要求系统能在无法处理的情况让人类接管，但实际上系统很难区分什么情况是自己无法处理的，
【 在 omelet 的大作中提到: 】
: 应该不是知道自己不能处理，而是根本就识别错了，或者根本没看到
:
--
FROM 124.64.16.*

我怀疑，翻倒在高速上的白色货车 就是一个海量数据无法覆盖的象征，现有机器学习技术如果没有理论的革命性进展，很难解决。
【 在 fornothing 的大作中提到: 】
:  
: 你说的是有道理的。但是海量数据，高精度地图，丰富的传感器，可以把危险降到最低。  
: --  
:

发自「今日水木 on iPhone 12 Pro」
--
FROM 124.64.16.*