chatgpt应该是典型的端到端模型吧
不会的题就直接硬编
用到驾驶上不会的难道也要硬编不成


【 在 ntman 的大作中提到: 】
: 控制中真能用的必然是基于规则的，
: 自动驾驶这种只要测量足够多快，按照规则控制完全不会有问题。
: 人工智能最多是一些辅助应用，包括图像识别什么的。
: ...................
--
FROM 218.244.58.*

这评论一看就是外行，略懂几个专业词汇一知半解，自动驾驶是一个系统工程，又不是啥哲学概念，非要类比人的话汽车就应该长两条腿
【 在 dyatpk 的大作中提到: 】
: 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
: ..................

发自「今日水木 on iPhone 13 Pro」
--
FROM 117.136.119.*

哪里不对说哪里啊
光说些大话落不了地有什么积极意义？

我不是干自动驾驶的，我起码懂人工智能，你专业，你说我哪错了不就得了

你就说端到端遇到数据集里没有的新东西会怎么反应吧


【 在 ubird 的大作中提到: 】
: 这评论一看就是外行，略懂几个专业词汇一知半解，自动驾驶是一个系统工程，又不是啥哲学概念，非要类比人的话汽车就应该长两条腿
: 发自「今日水木 on iPhone 13 Pro」
--
FROM 218.244.58.*

智能驾驶的目标就不是100%，做到跟人类差不多水平就够了
rule-based已经基本确定无法覆盖全部corner-case，而且努力了很长时间差距依然很大
可不可解释不重要，你现在图像识别用的神经网络依然不可解释，难道还要回到opencv的时代么
【 在 dyatpk 的大作中提到: 】
: 标  题: 端到端就是个取巧的法子，并不是完美的方案
: 发信站: 水木社区 (Fri Jul 12 09:57:34 2024), 站内
:
: 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。
:
: --
:
: ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 218.244.58.*]
--
FROM 123.118.5.*

有100%完美的方案吗？

【 在 dyatpk 的大作中提到: 】
: 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。
: ...................
--
FROM 116.236.85.*