搞IT的人很少有复杂系统工程思维，越复杂的系统越不能只看几个指标，必须要综合起来看，另外在指标的优先级上也要有区别，而且每个指标在不同的区间范围之内优先级又有所区别，这样复杂的系统单靠所谓的大数据和算法是无法覆盖的。
现阶段来看，真正具有商业化成熟的技术路线应该是简单的路况下辅助驾驶以减少人的精力消耗，或者特定简单场景的直接应用，譬如停车场自动泊车等。
【 在 whistlingMe 的大作中提到: 】
: 路线还有争议，你说的就是另一派最重要的意见。这一派是效果是王道，有本事就比接管里程。
: 但问题是特斯拉已经用端到端，不写if了。坚持单视觉就没有技术上的理由了，然后放到一块宣传，很尴尬。
--
FROM 117.86.60.*

文本生成，有99%的准确率是可以接受的，因为就算人说话也经常口误。

但自动驾驶只有99%的靠谱率是没法用的，会出人命。

大模型在很多任务的性能上有提升，但其不可解释的问题愈发严重；即使它能在技术上实现AGI的性能要求，但因为不可解释，也会有很大的失控风险。这是一条邪路。


【 在 whistlingMe 的大作中提到: 】
: CVPR基本上可以说是人工智能世界第一会，今年的最佳论文是上海AILab的自动驾驶方向《UniAD Planning-oriented Autonomous Driving》含金量不必多说，特斯拉也往这个会投很多论文哦。
: 这论文就是做了个端到端的自动驾驶方案，从各种传感器输入信号到系统，不用人工的规则，直接输出驾驶指令，效果远超过之前传统人工编码组合的系统。当然端到端这个方案一直都有，问题是之前效果就是不好，UniAD超越了，所以被奖励，其中怎么做的技术细节就不说了。
: 这事其实和ChatGPT也有些联系，因为ChatGPT几乎给全世界做人工智能的研究人员洗了脑：Bigger is Better（当然真正的研究员在21年GPT3就被震撼了），越大就是越好，效果不好就是因为模型还不够大，算力还不够多，看今年有多少做自动规划的论文中引用了大模型和这个理念就知道了。
: ...................
--
FROM 221.196.254.*

还有就是人性本恶，尤其是开车路怒，别他娘的表面上训练出的是开车，暗地里训练出本恶，
呵呵，不过估计没那么聪明。
【 在 tsa300 的大作中提到: 】
: 端到端黑盒子，里面有什么鬼都不知道，全自动送死
--
FROM 49.76.57.*

自动驾驶的目标是先超过人的平均水平或一般人的水平
【 在 qtpr 的大作中提到: 】
: 这是扯淡。很多人类驾驶员一辈子没出过大问题，什么程序能超过他们？反观程序，如果在某个case上出问题了，遇到同样的case就永远会出问题，因为它是程序。卖明知有安全bug的自动驾驶程序，在法理上根本行不通。但不可解释的大模型，根本没法消除所有bug。
:
--
FROM 223.78.208.*

自动驾驶也不是要替代所有司机啊，一个自认为自己很牛的老司机，完全可以一直自己开，不需要自动驾驶。但是对大部分普通人来说，只要自动驾驶的安全性比自己高，甚至高很多，那就是有意义的。
- 来自 水木社区APP v3.5.7
【 在 qtpr 的大作中提到: 】
:
: 这是扯淡。很多人类驾驶员一辈子没出过大问题，什么程序能超过他们？反观程序，如果在某个case上出问题了，遇到同样的case就永远会出问题，因为它是程序。卖明知有安全bug的自动驾驶程序，在法理上根本行不通。但不可解释的大模型，根本没法消除所有bug。
--
FROM 68.104.117.*