與其他駕駛公司不同，特斯拉售出的所有車(chē)都是數(shù)據(jù)收割機(jī)，能夠形成大體量的數(shù)據(jù)集。特斯拉采用模仿學(xué)習(xí)的機(jī)器學(xué)習(xí)技術(shù)，且認(rèn)為在提供足夠多的數(shù)據(jù)的情況下自己能夠成功訓(xùn)練出表現(xiàn)出色的自動(dòng)駕駛技術(shù)。特斯拉正在通過(guò)一系列工作搭建自身的訓(xùn)練流程，它在自動(dòng)駕駛上的發(fā)展手段有可能會(huì)在某時(shí)間點(diǎn)實(shí)現(xiàn)瞬間的技術(shù)突破從而給汽車(chē)行業(yè)的發(fā)展帶來(lái)顛覆性影響。

2018 年 11 月，國(guó)外科技媒體 The Information 曝料，稱特斯拉使用的是名為「模仿學(xué)習(xí)」（imitation learning）的機(jī)器學(xué)習(xí)技術(shù)：

「與其他自動(dòng)駕駛公司不同，特斯拉售出的所有車(chē)都是數(shù)據(jù)收割機(jī)，即使 Autopilot 處于關(guān)閉狀態(tài)，車(chē)輛傳感器也能照常工作。

因此，Autopilot 團(tuán)隊(duì)手中有用不完的數(shù)據(jù)，他們能從中發(fā)現(xiàn)人類駕駛員在不同場(chǎng)景下的駕駛方式，并對(duì)其進(jìn)行模仿。

在取其精華，去其糟粕后，這部分信息就成了車(chē)輛在特定場(chǎng)景下行駛的輔助附加因素，它們能教會(huì)車(chē)輛如何轉(zhuǎn)彎或躲避障礙物。」

The Information 在文中轉(zhuǎn)述了那些模仿學(xué)習(xí)「信徒」的理念：特斯拉工程師相信，只要給神經(jīng)網(wǎng)絡(luò)灌入足夠多的駕駛數(shù)據(jù)，就能讓 Autopilot 學(xué)會(huì)大多數(shù)情況下的轉(zhuǎn)向、剎車(chē)和加速操控。

他們甚至認(rèn)為，未來(lái)連代碼都不用寫(xiě)了，在特定場(chǎng)景下，自動(dòng)駕駛系統(tǒng)就知道該怎么做。

這些工程師并不是盲目樂(lè)觀，因?yàn)樗麄兲岢鲞@些觀點(diǎn)幾個(gè)月后，谷歌旗下的 DeepMind 就用模仿學(xué)習(xí)讓 AI 成了《星際爭(zhēng)霸》頂級(jí)高手。

而在此前，這款游戲是 AI「修仙」路上的一座高峰。

就連 Google Brain（谷歌 X 實(shí)驗(yàn)室重要項(xiàng)目）機(jī)器學(xué)習(xí)工程師 Alex Irpan 都為此感到吃驚：

「我們一直覺(jué)得這種長(zhǎng)期任務(wù)是模仿學(xué)習(xí)的死穴，此前我甚至認(rèn)為它根本玩不轉(zhuǎn)《星際爭(zhēng)霸》，誰(shuí)知道結(jié)果如此出人意料。我們的擔(dān)憂在于，如果 AI 犯了錯(cuò)，它會(huì)發(fā)現(xiàn)自己處于沒(méi)有人類習(xí)慣可模仿的尷尬境地。」

Irpan 推測(cè)認(rèn)為，只要數(shù)據(jù)量夠了，DeepMind 的 AI 就能成功跨過(guò)這個(gè)坎：

「如果你的數(shù)據(jù)集非常大，囊括了不同級(jí)別的技巧，比如將所有玩過(guò)《星際爭(zhēng)霸》的玩家操作都記錄在內(nèi)，那么你的數(shù)據(jù)就足夠讓 AI 學(xué)會(huì)如何在作出錯(cuò)誤判斷后成功翻盤(pán)了。」

在今年 4 月特斯拉的 Autonomy Day 發(fā)布會(huì)上，特斯拉 AI 主管 Andrej Karpathy 親口證實(shí)了模仿學(xué)習(xí)的存在。

事實(shí)上，他還透露稱，模仿學(xué)習(xí)已經(jīng)在一定程度上用到了量產(chǎn)版的 Autopilot 上。

Karpathy 還堅(jiān)信，當(dāng)下靠手工編碼的任務(wù)，未來(lái)靠模仿學(xué)習(xí)會(huì)更加出色。

顯然，如果一切順利，特斯拉也能像 DeepMind 一樣在自動(dòng)駕駛行業(yè)橫掃一切。

更重要的是，業(yè)內(nèi)根本沒(méi)有什么競(jìng)爭(zhēng)對(duì)手。

因?yàn)槌颂厮估l(shuí)也沒(méi)有 60 萬(wàn)輛在路上勤勞采集數(shù)據(jù)的車(chē)輛，而這些車(chē)輛每天在各種路況下能累積 2000 萬(wàn)英里的行駛里程。

即使強(qiáng)如 Waymo，手上也沒(méi)有如此體量的數(shù)據(jù)集，因?yàn)?Waymo 的測(cè)試車(chē)保有量只有特斯拉車(chē)隊(duì)的 0.1%。

怎樣拿到真正有價(jià)值的數(shù)據(jù)？

雖然能采集數(shù)據(jù)的車(chē)輛眾多，但想從這些隨機(jī)上傳的數(shù)據(jù)中找到有用的部分并不容易。因此，特斯拉需要找到捕捉各種不同駕駛習(xí)慣的新方式。

對(duì)大多數(shù)公司來(lái)說(shuō)，手動(dòng)采集是最直接的方式。

特斯拉工程師可以在系統(tǒng)中植入上傳觸發(fā)器，只要某些數(shù)據(jù)符合要求，就會(huì)自動(dòng)保存并上傳，比如無(wú)保護(hù)左轉(zhuǎn)。

他們也確實(shí)這么做了：當(dāng)車(chē)輛的視覺(jué)神經(jīng)網(wǎng)絡(luò)探測(cè)到了交通信號(hào)燈，或駕駛員向左打了方向盤(pán)，車(chē)輛就會(huì)記錄下這個(gè)片段，隨后通過(guò) Wi-Fi 回傳。

不過(guò)，那些工程師們想不到的行為怎么辦？如果神經(jīng)網(wǎng)絡(luò)犯了錯(cuò)誤怎么辦？

在這樣的情況下，Autopilot 的介入是最理想的觸發(fā)器。Musk 表示，特斯拉的方法是「將這一切看作錯(cuò)誤的輸入」。

如果 Autopilot 的介入被視為錯(cuò)誤，那么隨后人類駕駛員的動(dòng)作就是正確行為最好的示范。

這樣一來(lái)，Autopilot 的介入就能持續(xù)提供有用的訓(xùn)練數(shù)據(jù)了。

當(dāng)然，在駕駛員操作模式下我們也能采集訓(xùn)練數(shù)據(jù)。為此，特斯拉專門(mén)設(shè)計(jì)了一個(gè)「影子模式」。

The Information 在文章中對(duì)其進(jìn)行了一番描述：

業(yè)內(nèi)也有不少評(píng)價(jià)，認(rèn)為特斯拉所謂「影子模式」對(duì)新 Autopilot 軟件的開(kāi)發(fā)價(jià)值不大，畢竟特斯拉本來(lái)就能在不影響車(chē)輛行駛的情況下運(yùn)行各種測(cè)試軟件。

Autopilot 的工程師完全可以拿測(cè)試軟件的表現(xiàn)與車(chē)輛實(shí)際表現(xiàn)進(jìn)行對(duì)比。在「影子模式」下，Autopilot 團(tuán)隊(duì)則能對(duì)人類與 Autopilot 在相同場(chǎng)景下的反應(yīng)進(jìn)行對(duì)比。

用模仿學(xué)習(xí)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可以在車(chē)載計(jì)算機(jī)上被動(dòng)運(yùn)行，同時(shí)輸出它眼中的最佳選擇。如果人類駕駛員有不同反應(yīng)，就能觸發(fā)這個(gè)片段的數(shù)據(jù)上傳。

一旦出現(xiàn)「意見(jiàn)相左」，神經(jīng)網(wǎng)絡(luò)的抉擇就會(huì)被判錯(cuò)，而駕駛員的操作則成為正確示范。

除了在人與計(jì)算機(jī)意見(jiàn)相左時(shí)保存數(shù)據(jù)，特斯拉還能在神經(jīng)網(wǎng)絡(luò)「懷疑」自己時(shí)保存數(shù)據(jù)。

當(dāng)下，市場(chǎng)上已經(jīng)有了不少試圖量化神經(jīng)網(wǎng)絡(luò)不確定性的技術(shù)，當(dāng)這個(gè)數(shù)值超過(guò)某個(gè)閥值，就會(huì)觸發(fā)數(shù)據(jù)的保存和上傳。

因此，從廣義上來(lái)講，特斯拉共有三種采集有價(jià)值數(shù)據(jù)的方法：

手動(dòng)設(shè)定觸發(fā)器;

Autopilot 介入;

被動(dòng)運(yùn)行的神經(jīng)網(wǎng)絡(luò)，如「影子模式」。

鑒于特斯拉的硬盤(pán)每天都能接收 2000 萬(wàn)英里數(shù)據(jù)，因此想采集大型數(shù)據(jù)集（包括不同的駕駛習(xí)慣和糾錯(cuò)示范）并不難。

不過(guò)，對(duì) Waymo 這樣兩年才跑 2000 萬(wàn)英里的公司來(lái)說(shuō)，這種方案不太實(shí)際了。

如果 DeepMind 手上只有數(shù)百個(gè)玩家的數(shù)據(jù)，它的 AI 還能制霸《星際爭(zhēng)霸》嗎？

恐怕沒(méi)有希望。

這并不是小看他們，現(xiàn)實(shí)是當(dāng)下的神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的胃口實(shí)在是太大了。

對(duì)人來(lái)說(shuō)，一個(gè)小時(shí)內(nèi)學(xué)會(huì)玩《星際爭(zhēng)霸》并非難事，但想在同樣時(shí)間內(nèi)訓(xùn)練出同樣水平的神經(jīng)網(wǎng)絡(luò)，就得有數(shù)百萬(wàn)甚至上億個(gè)千變?nèi)f化的例子打基礎(chǔ)。

同樣的，即使神經(jīng)網(wǎng)絡(luò)能從龐大的駕駛數(shù)據(jù)中學(xué)到一些駕駛的精髓，想與人類媲美也得將錯(cuò)誤率拉低到 0.1% 以下。

鑒于邊際效益會(huì)隨著數(shù)據(jù)的增多而遞減，因此，只有真正海量的數(shù)據(jù)庫(kù)才能解決問(wèn)題。

不過(guò)，海量的數(shù)據(jù)庫(kù)不是我們想搭就能搭起來(lái)的。舉例來(lái)說(shuō)，如果我們想要 1 萬(wàn)個(gè)極端情況的示例，前提是得累計(jì) 100 億英里的行駛里程。

對(duì)特斯拉來(lái)說(shuō)，是有希望實(shí)現(xiàn)的。因?yàn)殡S著新車(chē)的持續(xù)交付，未來(lái) 17 個(gè)月就能搞定 100 億英里。

而 Waymo 現(xiàn)在的車(chē)隊(duì)規(guī)模，實(shí)現(xiàn)這一目標(biāo)得 800 年。

這就是特斯拉的自動(dòng)駕駛解決之道：

對(duì)那些無(wú)法人工編碼的駕駛?cè)蝿?wù)進(jìn)行模仿學(xué)習(xí)，配合計(jì)算視覺(jué)與行為預(yù)測(cè)的深度學(xué)習(xí)，以及那個(gè)無(wú)所不包的海量數(shù)據(jù)集。

一日千里的進(jìn)步切合實(shí)際嗎？

Musk 相信，特斯拉將在 2020 年底解決全自動(dòng)駕駛問(wèn)題。不過(guò)，業(yè)界普遍認(rèn)為 Musk 定的時(shí)間點(diǎn)有些激進(jìn)。

在他們看來(lái)，自動(dòng)駕駛技術(shù)的開(kāi)發(fā)是人工處理的過(guò)程。

按照這種理解，開(kāi)發(fā)自動(dòng)駕駛軟件需要工程師不斷對(duì)代碼進(jìn)行修改，因此人的速度就是天花板，即使添加更多工程師也快不了多少。

但現(xiàn)在還是這種思路嗎？

DeepMind 為了攻克《星際爭(zhēng)霸》，花了三年時(shí)間研究。不過(guò)，用上了模仿學(xué)習(xí)后，將 AI 訓(xùn)練到人類級(jí)別只用了三天。

為什么能這么快？

因?yàn)橛?xùn)練流程已經(jīng)能自己寫(xiě)出《星際爭(zhēng)霸》的對(duì)戰(zhàn)代碼，而前三年人類的工作主要是為了標(biāo)定這個(gè)訓(xùn)練流程，特別是神經(jīng)網(wǎng)絡(luò)架構(gòu)和數(shù)據(jù)集。

火箭工程師們走的也是這個(gè)路子，火箭前期的設(shè)計(jì)與建造會(huì)花費(fèi)他們大量時(shí)間，幾年之內(nèi)甚至一點(diǎn)成功都見(jiàn)不到。

不過(guò)，當(dāng)萬(wàn)事俱備，十秒鐘的倒計(jì)時(shí)后就能見(jiàn)證奇跡。從時(shí)間的維度看，前幾年毫無(wú)作為，最后幾秒突然爆發(fā)。

事實(shí)上，研究和工程的進(jìn)展都被隱藏在了幕后。

顯然，現(xiàn)在的特斯拉正在通過(guò)一系列工作搭建自己的訓(xùn)練流程。

舉例來(lái)說(shuō)，特斯拉全新的計(jì)算硬件還沒(méi)火力全開(kāi)，為新硬件設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)也還在開(kāi)發(fā)與測(cè)試中，他們正在為未來(lái)積聚力量。

至于今年 4 月展示的那版全自動(dòng)駕駛軟件，據(jù)說(shuō)只是三個(gè)月神經(jīng)網(wǎng)絡(luò)訓(xùn)練的結(jié)果，軟件開(kāi)發(fā)對(duì)應(yīng)的場(chǎng)景也相當(dāng)單一。

而就在一年之前，特斯拉才剛剛掌握高速上的車(chē)道保持功能，當(dāng)時(shí)特斯拉還推了一個(gè) OTA 升級(jí)包修復(fù)了車(chē)輛在車(chē)道線間反復(fù)搖擺的漏洞。

Karpathy 指出，那次的升級(jí)，特斯拉「重寫(xiě)了很多東西」。從那時(shí)起，Karpathy 的團(tuán)隊(duì)和 Autopilot 部門(mén)的其他技術(shù)專家們一直在為 Autopilot 打地基，特別是計(jì)算視覺(jué)。

如果特斯拉不推送升級(jí)包，公眾就看不到他們努力的結(jié)果。

至于一些城市駕駛功能是否適合部署，則純粹是二進(jìn)制而非增量問(wèn)題，最終一切都得由特斯拉來(lái)決斷，外部是根本看不到其中的漸進(jìn)發(fā)展過(guò)程的。

自動(dòng)駕駛經(jīng)濟(jì)模型

全自動(dòng)駕駛汽車(chē)，不但能徹底顛覆 Uber、滴滴、Lyft 與傳統(tǒng)出租車(chē)公司苦心建造的王朝，還能讓傳統(tǒng)的私人擁車(chē)制分崩離析。

美國(guó)汽車(chē)協(xié)會(huì)的數(shù)據(jù)顯示，購(gòu)買(mǎi)并使用一輛新車(chē)，每英里平均要花掉 0.62 美元。而投資機(jī)構(gòu) ARK 預(yù)計(jì)，自動(dòng)駕駛出租車(chē)的生產(chǎn)與運(yùn)營(yíng)成本僅為 0.26 美元/英里。

如果套用 ARK 的經(jīng)濟(jì)模型：

「只要自動(dòng)駕駛出租車(chē)公司將價(jià)格定在 0.45 美元/英里，比小型轎車(chē)稍低（擁車(chē)成本為 0.47 美元/英里），那么自動(dòng)駕駛出租車(chē)每英里依然能盈利 0.19 美元。

假設(shè)一輛車(chē)每年運(yùn)營(yíng) 12.7 萬(wàn)英里（幾乎是當(dāng)下傳統(tǒng)出租車(chē)運(yùn)營(yíng)里程的 1.8 倍），每英里收費(fèi) 0.45 美元，一年利潤(rùn)就有 2.62 萬(wàn)美元。

如果有 100 萬(wàn)輛這樣的自動(dòng)駕駛出租車(chē)，就意味著能每年凈賺 262 億美元。」

但別被 100 萬(wàn)輛車(chē)嚇住了，這個(gè)數(shù)量級(jí)的出租車(chē)根本不夠用：

假設(shè)用戶的出行需求維持在當(dāng)下的水平，每輛自動(dòng)駕駛出租車(chē)就能代替 8-9 輛常規(guī)汽車(chē)（平均每年行駛 1.35 萬(wàn)英里）。鑒于全球常規(guī)乘用車(chē)保有量約為 10 億輛，因此自動(dòng)駕駛出租車(chē)必須有 1.1 億-1.25 億輛才夠用。

所以，自動(dòng)駕駛行業(yè)的成長(zhǎng)空間還很大。

不過(guò)，ARK 投資的模型中有些假設(shè)需要進(jìn)行調(diào)整。

比如它將自動(dòng)駕駛出租車(chē)的造價(jià)定在了 5 萬(wàn)美元一輛，這可比現(xiàn)在最便宜的 Model 3（3.9 萬(wàn)美元）要貴上不少。

即使 Model 3 毛利只有 5%，也能從造價(jià)中再減掉 2000 美元。對(duì)特斯拉 Network 來(lái)說(shuō)，這才是更合理的數(shù)字。

對(duì)自動(dòng)駕駛出租車(chē)年運(yùn)營(yíng)里程的假設(shè)，它應(yīng)該和 Uber 與傳統(tǒng)出租車(chē)差不多，即一年 7 萬(wàn)英里。

需要注意的是，即使是自動(dòng)駕駛汽車(chē)，也會(huì)有空駛時(shí)間。

按 Uber 的水平看，車(chē)上有乘客的時(shí)間占到車(chē)輛運(yùn)營(yíng)總時(shí)間的 64%。

也就是說(shuō)，每年單輛車(chē)凈利潤(rùn) 4200 美元才更合理，100 萬(wàn)輛自動(dòng)駕駛出租車(chē)則能凈賺 42 億美元。

當(dāng)然，毛利與價(jià)格是緊密掛鉤的，而 0.45 美元/英里的定價(jià)已經(jīng)相當(dāng)?shù)土Ｈ缜八觯郊页擞密?chē)平均每英里要的價(jià)格是 0.62 美元。

如果打車(chē)費(fèi)用定在 0.6 美元/英里，相同的特斯拉車(chē)型每年能凈賺 1.08 萬(wàn)美元。

無(wú)論怎么計(jì)算，自動(dòng)駕駛出租車(chē)都會(huì)成為成本大殺器：

首先，這些車(chē)輛的性質(zhì)意味著它們的成本會(huì)分?jǐn)偟胶芏喑丝蜕砩稀?/p>

其次，自動(dòng)駕駛汽車(chē)不需要司機(jī)。

另外，我們還得關(guān)注車(chē)輛壽命。

一輛傳統(tǒng)燃油車(chē)，20 萬(wàn)英里后的維保成本會(huì)迅速攀高。電動(dòng)車(chē)在這方面有優(yōu)勢(shì)，比如當(dāng)下特斯拉電池組使用 50 萬(wàn)英里沒(méi)有問(wèn)題。

這也就意味著，普通用戶得駕駛 37 年才能耗盡特斯拉電池組的壽命。而 100 萬(wàn)英里使用壽命的特斯拉新車(chē)也正在開(kāi)發(fā)中。

簡(jiǎn)言之，自動(dòng)駕駛出租車(chē)能解鎖電動(dòng)車(chē)潛在的有形資產(chǎn)：電動(dòng)車(chē)的電池組壽命不會(huì)輕易被浪費(fèi)。

不過(guò)，自動(dòng)駕駛出租車(chē)和電動(dòng)汽車(chē)之間的協(xié)同作用在最初可能并不明顯。在這樣的情況下，只要延長(zhǎng)車(chē)輛壽命周期，才能轉(zhuǎn)化為相當(dāng)可觀的經(jīng)濟(jì)價(jià)值。

如果電池和電動(dòng)機(jī)的提升和改進(jìn)，能為電動(dòng)車(chē)增加 20 萬(wàn)英里的壽命，在經(jīng)濟(jì)上就相當(dāng)于讓一輛車(chē)變兩輛車(chē)。

這對(duì)汽車(chē)廠商來(lái)說(shuō)，少賣(mài)車(chē)等于是革了他們的命。從消費(fèi)者角度考慮，一輛車(chē)開(kāi)上 30 年恐怕也會(huì)是一個(gè)噩夢(mèng)，畢竟在這么長(zhǎng)時(shí)間的跨度里，汽車(chē)在各項(xiàng)功能上都會(huì)有脫胎換骨的提升。

但對(duì)自動(dòng)駕駛汽車(chē)來(lái)說(shuō)，這根本不是問(wèn)題。這也是華爾街巨鱷們（麥肯錫、瑞銀、摩根斯坦利等）普遍長(zhǎng)期看好自動(dòng)駕駛出租車(chē)的原因，其市場(chǎng)規(guī)模將達(dá)數(shù)千億甚至上萬(wàn)億美元。

如果自動(dòng)駕駛汽車(chē)真能如約部署，不但會(huì)讓司機(jī)們丟了飯碗，還會(huì)逐步吞掉整個(gè)汽車(chē)行業(yè)。

不過(guò)，即使到了現(xiàn)在，也有人懷疑這項(xiàng)技術(shù)的可行性：特別是近期和中期深度學(xué)習(xí)能否與人類的視覺(jué)、行為預(yù)測(cè)和駕駛能力所匹敵。

這個(gè)問(wèn)題目前誰(shuí)也回答不了，但我們依然能從這個(gè)趨勢(shì)中看出一些端倪：

首先，如果深度學(xué)習(xí)能在近期和中期解決這些問(wèn)題，特斯拉將成為自動(dòng)駕駛技術(shù)的正名人。

其次，如果特斯拉實(shí)現(xiàn)了全自動(dòng)駕駛，從外人的眼光來(lái)看，特斯拉像開(kāi)了外掛一樣，佛擋殺佛。

總之，特斯拉在自動(dòng)駕駛上的新「套路」讓我們重新認(rèn)識(shí)了技術(shù)進(jìn)步。

前期的緩慢開(kāi)發(fā)并不意味著后續(xù)的拖沓，一個(gè)花費(fèi)數(shù)年時(shí)間搭建的神經(jīng)網(wǎng)絡(luò)可能在幾天內(nèi)就能完成訓(xùn)練。而自動(dòng)駕駛，有可能僅需一個(gè) OTA 的時(shí)間，就如期而至了

責(zé)任編輯：ct