IT之家 10 月 26 日报道，特斯拉人工智能和自动驾驶软件副总裁 Ashok Elluswamy 近日罕见地爆料了该公司的人工智能系统如何学习驾驶。 IT之家注意到，在参加计算机视觉国际会议后，Eluswami 通过社交媒体平台 X 发表了一篇长文，详细介绍了特斯拉“端到端”神经网络的技术原理。 Eluswamy 表示，目前大多数自动驾驶公司都依赖模块化、传感器密集型系统，将感知、规划和控制三个环节相互分离。另一方面，特斯拉采取了完全不同的方法——将这三个功能组合成一个统一的、持续训练的神经网络。 “梯度信号从控制层反向传播到传感器输入层，从而实现整个网络的全局优化，”他解释道。他说优点这种架构的特点是可扩展性和更接近人类思维方式的推理能力。他以现实生活中的驾驶场景为例，表示特斯拉的人工智能可以学习并掌握微妙的价值判断，例如决定是否在道路上的水周围行驶或短暂移入对向车道以确保安全通行。 “自动驾驶汽车一直面临着‘迷你电车问题’，”埃鲁斯瓦米写道。 “通过人类驾驶数据的训练，机器人可以学习符合人类价值观的行为规则。”他还强调，该系统使人工智能能够理解复杂的意图判断，例如识别道路上的动物是否准备穿越或留在原地。这种微妙的行为很难使用传统的编程方法手动编码。 Eluswamy承认，这条技术路径仍然面临着巨大的挑战。特斯拉的人工智能系统必须处理来自多个摄像头、导航地图和运动学数据的数十亿个“输入令牌”。给警察凭借海量的数据，特斯拉基于其全球车队建立了一个名为“数据瀑布”的大型数据池。每天产生的驾驶数据相当于500年的实际驾驶经验。然后，高级数据管道选择最重要的训练样本。为了提高神经网络的可解释性和可测试性，特斯拉开发了一系列特殊工具。其中，“生成高斯泼溅”技术可以在毫秒内重建三维场景，无需复杂的调整即可对动态物体进行建模。此外，特斯拉自主研发的“神经世界模拟器”可以让工程师在高度真实的虚拟环境中安全地测试新的驾驶模型，并实时生成高分辨率的因果逻辑响应。 Eluswamy 最后表示，未来特斯拉的人形机器人也将使用相同的神经网络架构。 “这项工作将使全人类受益，”他说，并称特斯拉“目前世界上最好的人工智能研究平台。” 特别声明：以上内容（如有，包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注：以上内容（包括图片和视频，如有）由网易HAO用户上传发布，网易HAO为社交媒体平台，仅提供信息存储服务。