端到端最大的优势就是简化了整个体系，两头的数据结构是确定的，中间的训练模型可以随时换，科学界有什么新模型都能拿来套。
多少了解一点人工智能模型的都知道，这种复杂模型，从没有哪个模型的正确率能到100%的，也就是说，端到端的智驾量只要上来了，必然会有瞎开的案例出来。
所以，别整天觉得端到端就是神一样的东西，不是端到端就如何如何不行。
规则模型起码是个可解释模型，端到端是黑箱模型，黑箱出了问题，想改都不好改。
规则模型可以不断完善。
从人的智能的角度分析，人本身就是一个规则模型，人是根据规则来判断的，人是先判断看到的是什么，再去想怎么做，而不是端到端模型那种，直接就是图像数据到怎么做。

所有的智驾模型都一样，都是做不到100%的。
吹得越高，真遇到失效的场景反噬得越很。
--
FROM 218.244.58.*

你对一个三岁小孩也可以问同样的问题，你能穷举出人生遇到的所有案例吗？你能吗？
基于规则怎么不是AI模型，啥叫AI模型？
你知道什么叫AI吗？

【 在 djkstra 的大作中提到: 】
: AI才是模型，基于规则那就不叫模型，而是穷举，问题是你能穷举所有的驾驶逻辑吗，能吗
:
--
FROM 218.244.58.*

趋势可能是这样我不否认
我也说了，端到端取巧嘛，研发简单，升级简单，解决0到1的时候速度快，端到端上限有限

【 在 granis 的大作中提到: 】
: 对了一半吧，趋势上肯定是端到端，而不是规则。
: 端到端的模型目前最大的问题就是失败的例子怎么克服的问题。
: 目前可行的就是添加训练数据重新训练。
: ...................
--
FROM 218.244.58.*

有意思了
你又不懂AI的，你又有什么理由说端到端好呢？
就凭这么干的厂家多？


【 在 wangstone 的大作中提到: 】
: 至少比你跑出来说不对有根据
:
--
FROM 218.244.58.*

对资本来说，财力是最好解决的

【 在 granis 的大作中提到: 】
: 端到端并不简单吧，简单的是运行端，训练端很复杂也很难。
: 考验模型，数据，训练方法，重要的是财力。
: ChapGPT4 为啥这么难以被超越？
: ...................
--
FROM 218.244.58.*