“不要說還剩下1%的邊緣場景,哪怕只剩下0.01%的邊緣場景,依然不能離開駕駛員,?!鼻笆鰳I(yè)內(nèi)人士感慨,沒有人能回答還剩下多少待解決的邊緣場景,。
真正實現(xiàn)自動駕駛就需要解決邊緣場景的問題,,不過這并非易事。對于駕駛而言,,人工智能與人類容易犯的錯誤不同,。人類最容易犯的錯誤是疲勞駕駛、分心駕駛,,系統(tǒng)既不會疲勞,,也不會分心,而是取決于訓練,。但是由于車載算力的限制,,大模型、推理模型目前還難以應用于車端,,車端更多應用深度學習模型,,其不具備大模型、推理模型的泛化,、推理能力,,因此更容易在邊緣場景出現(xiàn)問題,也就是所謂的“黑天鵝問題”,,如果在天鵝這一標簽下錄入1萬張白天鵝照片,,深度學習模型不會將一只黑天鵝照片識別為天鵝,從而出現(xiàn)誤判,。
特斯拉最初希望通過“大力出奇跡”的方式解決這一問題,,特斯拉FSD V12版本已經(jīng)覆蓋30億公里的行駛里程數(shù)據(jù),V13版本的下一個目標是覆蓋約100億公里的行駛里程數(shù)據(jù),,但是這顯然沒有窮盡所有駕駛場景,。
前述學者告訴記者,目前,,像理想等車企也在嘗試將視覺語言模型與現(xiàn)有的深度學習模型相結(jié)合,,賦予系統(tǒng)一定推理能力,從而解決“黑天鵝問題”,,但這仍取決于車端算力的突破,。深度學習模型的參數(shù)級別約為10億級,而所謂大模型的參數(shù)級別至少在百億級,。今年車載算力應該會突破1000TOPS,接近1500TOPS,,也就是使用兩顆英偉達Thor芯片,,而明年可能會突破2000TOPS,,這意味著比較好的推理模型可以“上車”?!半S著車載算力的提升,,以及智能駕駛模型的進步,邊緣場景的問題有可能被更好地解決,?!?/p>
最近,警方陸續(xù)接到多位女大學生報警,,稱有人在街頭以借現(xiàn)金當路費的形式行騙,。具體是怎么回事呢,一起來看一看
2024-10-25 15:37:03專挑女大學生出手,!騙子謊稱借路費專挑女大學生行騙