Tesla FSD v12: The Quest for General Driving Intelligence
07:31 Share

嘿，我是戴夫。今天我想谈谈特斯拉在其FSD方法上的重大转变。更具体地说，我想解释两个概念，我认为这将有助于理解为什么特斯拉必须改变其FSD方法，更重要的是，它将允许他们用新的FSD方法做什么。这两个概念是：第一，狭义驾驶智能，我将其简称为NDI；第二是广义驾驶智能，简称GDI。

让我解释一下这两个想法，我认为这将有助于解开特斯拉一直在做什么，以及他们未来在完全自动驾驶方面的方向。

首先，让我们尝试定义什么是狭义驾驶智能。狭义驾驶智能是一种自动驾驶方法，你试图将每个边缘案例作为一个案例问题来解决。假设你在驾驶中遇到一个极其困难的边缘案例，使用狭义驾驶智能。然后，车辆被编程为使用特定的解决方案来尝试处理该边缘案例。所以

对于每一个挑战或每一个问题，你都在创建一个单独的算法或单独的解决方案来尝试解决这个问题。

然而，这种狭义驾驶智能方法有一些主要的局限性。最大的局限性在于它并没有真正提高其处理以前从未见过的新的边缘案例的整体能力。换句话说，它的整体驾驶智能或一般智能并没有真正提高。它只是能够处理越来越多的特定边缘案例，因为这些边缘案例正通过特定的算法得到解决。一个比喻是打地鼠游戏。

每当出现一个边缘案例时，特斯拉在这种旧的狭义驾驶智能方法中所做的是，他们会试图通过提出一个具体的解决方案来解决这个边缘案例。然而，这是一个永无止境的循环。你解决了一个问题或一个边缘案例，另一个又出现了。所以想象一下，你正在解决数千个这样的边缘案例，却发现还有另外一千个边缘案例需要解决。

这几乎就像一个永无止境的打地鼠游戏。无论你解决了多少边缘案例，你总是会有更多需要解决的案例。这种狭义驾驶智能方法的重大弱点是，这种方法中的AI不会从过去的经验中学习，从而无法将其学习推断到新的、新颖的场景中。

换句话说，狭义驾驶智能是关于这个大型的、不同的、非泛化算法的集合，它们试图解决单个用例，但在其功能上是相对孤立的。现在让我们深入探讨第二个概念，即广义驾驶智能或GDI。现在，GDI或广义驾驶智能的目标不仅仅是查看每个单独的边缘案例并提出一个仅在边缘案例中有效的解决方案，而是

而是试图发展一种通用的驾驶智能。因此，一种能够在各种情况下驾驶，也能够处理以前从未见过的新的和新颖的边缘案例的智能。这是因为广义驾驶智能能够利用其对驾驶的了解并将其推断到各种情况和领域。那么，广义或广义驾驶智能方法是如何工作的呢？

首先，我们需要摆脱软件拥有的所有基于代码的算法和规则。狭义驾驶智能方法一直是为每个不同的边缘案例创建各种规则，然后在处理越来越多的边缘案例时继续构建这些规则。问题是FSD仅仅依赖于这些规则，并且从未真正发展出一种可以应用于以前从未见过的新的、新颖的和复杂情况的通用驾驶智能。

所以，首先是摆脱所有规则和针对这些特定边缘案例的所有特定个性化算法。但是，你剩下的AI将无法处理所有这些边缘案例和复杂情况。那么你该怎么办呢？因此，如果没有基于规则的代码的辅助，你将创建一个大型神经网络，并且不会为特定情况提供具体的规则。相反，你向这个大型神经网络提供数百万甚至数百万个在各种情况下驾驶的视频。

神经网络分析所有这些视频并从每个视频中学习如何驾驶，但它以更整体和更全面的方式学习。这有点像某人理解物理学的根本原理，而不是仅仅记住单个方程式。

换句话说，通过向其提供数百万甚至数百万个视频，你正在教神经网络识别模式并学习驾驶的本质，这类似于人类学习的方式。结果是，这个神经网络成为一个广义驾驶智能AI，并且能够在不仅仅是它在视频中见过的场景中驾驶，而且AI能够利用其学习成果并将其用于智能地浏览以前从未见过的场景和边缘案例。

这主要是因为它不依赖于数千行硬编码规则。相反，通过数十亿个参数或视角，神经网络从其训练数据中获得了广义驾驶智能。这是一个如何看待它的比喻。

假设你用狭义驾驶智能解决了1000个边缘案例，然后你发现还有另外一千个边缘案例，你将不得不花费大量精力来解决这些边缘案例，然后还有另外一千个边缘案例，再一千个，等等。然而，对于广义驾驶智能，你通过馈送到神经网络的数据来解决一千个边缘案例，而不是通过个性化算法或规则，并且

然后你发现，假设还有更多边缘案例，但神经网络能够自动处理其中一半以上，因为它具有广义驾驶智能。对于剩余的边缘案例，你向其提供更多训练数据来解决这些边缘案例，并且你正在AI中构建越来越多的广义驾驶智能，以便将其应用于下一个新颖的边缘案例。

因此，最终发生的事情是，你的神经网络处理以前从未见过的新的边缘案例的能力会随着时间的推移而增加，从而使边缘案例的数量实际上减少。结果是，你拥有一个真正智能的驾驶AI，能够将其智能泛化到各种驾驶情况中。我认为自动驾驶的圣杯是看到一个能够处理以前从未见过的极其复杂的边缘案例的AI

并像人类一样处理它们，这意味着利用他们拥有的所有驾驶知识和经验，并将其应用于这种新情况，对吧，成功且安全地驾驶通过它。因此，如果特斯拉能够成功地从狭义驾驶智能过渡到广义驾驶智能，在我看来，这是极其有前景的。它有可能开启自动驾驶的一个全新范式，并有可能为未来FSD开启一个全新的能力世界。

现在，我不会预测FSD何时将变得无人监督，以及自动驾驶出租车何时会推出。这不是本视频的重点。相反，我想从更宏观的角度分享特斯拉对FSD方法的演变，以及为什么我认为他们的新版本12（使用端到端神经网络方法）具有重要意义，并且可能比大多数人意识到的意义更大。它正在为真正的广义驾驶智能AI奠定基础。

而且，也许当我们回顾过去时，我们会发现这个12版本是FSD的一个重大转折点，它使特斯拉能够完成大多数人认为不可能发生的事情。好了，我希望这对你们有所帮助。我们将在我的下一个视频中与大家见面。谢谢。