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。

你这个认知就是完全错误的。。。

【 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 101.80.67.*

你确定45分钟一次事故？？？FSD应该有几十万用户了，累计行驶超过一个亿英里了，按照均速50，至少开了200万小时了，45分钟一个事故的话，那得至少200-300万似乎了。。。
- 来自 水木社区APP v3.5.7
【 在 whistlingMe 的大作中提到: 】
: 这要求其实很高很高，比如特斯拉搞了这么多年，45分钟接管一次，说难听就是45分钟一次事故。提高到45小时一次事故，就是60倍难度，提高到平均多少小时一次事故你能接受呢？那得多难...
--
FROM 107.77.229.*

扯再多也没用，谁能把车祸的责任担了，我就信自动驾驶。
告诉车主99.9999%的时间不用接管，后果就是真发生0.0001%的小概率事件的时候，几乎没有人会去接管。

【 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 218.247.161.*

呵呵

【 在 KReutter 的大作中提到: 】
: 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。
: 你这个认知就是完全错误的。。。
: :
--
FROM 221.196.254.*

说你不懂，你好像懂一点，说你懂，你的结论又是在标新立异和论据南辕北辙！

我问你：按照你的说法，目前端对端特斯拉都已经上路测试了，其他公司的端对端大网络在哪里？是不是特斯拉最领先？如果端对端的网络训练很容易的话，那特斯拉有什么尴尬的和受威胁的？如果端对端很难的话，特斯拉本就在这个领域领先了！！！
另外特斯拉现在用的单视觉方案，不代表人家以后就不能往大网络里引入激光雷达！
到目前为止，特斯拉在理念上最领先的（单视觉、端对端），技术上最领先的（单视觉量产，端对端路测），成本上最便宜的，也是有主导权和选择权的！特斯拉尴尬啥？

【 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 183.195.93.*