相比特斯拉的自動(dòng)駕駛技術(shù)，Waymo在訓練數據上處于明顯劣勢？

　　如果可以實(shí)現的話(huà)，自動(dòng)駕駛將成為我們這個(gè)瑰麗的時(shí)代最大的商機之一。單在美國，所有汽車(chē)每年的駕駛里程就達到了3.22萬(wàn)億英里。如果這些里程都是通過(guò)自動(dòng)駕駛駛跑出來(lái)，而且自動(dòng)駕駛服務(wù)供應商每英里可以得到10美分的利潤，那么，自動(dòng)駕駛服務(wù)提供商每年在美國市場(chǎng)就能獲得3220億美元的利潤。正是基于這種邏輯，谷歌旗下的自動(dòng)駕駛公司Waymo的估值高達2500億美金。

　　對于我來(lái)說(shuō)，近期關(guān)于自動(dòng)駕駛的一個(gè)最為吸引人的消息就是Waymo正在其自動(dòng)駕駛中使用模仿學(xué)習技術(shù)。模仿學(xué)習是機器學(xué)習技術(shù)中的一種，它的神經(jīng)網(wǎng)絡(luò )觀(guān)察人類(lèi)所做的事情，學(xué)習在某些環(huán)境狀態(tài)下執行的動(dòng)作。通過(guò)訓練人類(lèi)行為，神經(jīng)網(wǎng)絡(luò )學(xué)習到“如果你遇到這種環(huán)境狀態(tài)，就模仿人類(lèi)那樣去執行動(dòng)作吧”。比如，“如果你看到前面有一個(gè)停車(chē)標志，請停下車(chē)?！被蛘?，“如果你看到一輛停止狀態(tài)的汽車(chē)擋了你的路，就這樣慢慢繞開(kāi)它?！?/p>

　　Waymo的研究團隊負責人Drago Anguelov最近在麻省理工學(xué)院發(fā)表了一次演講，深入探討了這個(gè)話(huà)題。

　　Waymo在可以收集大量數據時(shí)使用模仿學(xué)習。但是對于A(yíng)nguelov來(lái)說(shuō)，Waymo的數據集中并沒(méi)有足夠的訓練樣例來(lái)進(jìn)行模仿學(xué)習。在數據不足的情況下，它必須依賴(lài)手工編碼算法，而無(wú)法使用機器學(xué)習來(lái)替代。

　　根據推斷，Waymo應該已經(jīng)自動(dòng)駕駛跑了大約1500萬(wàn)英里。假設每3000萬(wàn)英里出現一次需要人類(lèi)接管自動(dòng)駕駛系統的情況，自動(dòng)駕駛系統可以借此模仿的人類(lèi)行為，那么，按照Waymo現在的行駛里程，它可能還沒(méi)有遇到過(guò)模仿學(xué)習的樣例。即便是每100萬(wàn)英里有一次人類(lèi)接管行為可供模仿，它也不過(guò)只有15個(gè)樣例。我不知道對模仿學(xué)習來(lái)說(shuō)，多少個(gè)樣例才能訓練出判斷為“真”，但是對于那些進(jìn)行圖像分類(lèi)的神經(jīng)網(wǎng)絡(luò )來(lái)說(shuō)，一般經(jīng)驗是需要至少一千個(gè)樣例才能識別出來(lái)一種圖像(比如大白鯊)。顯然，Waymo不可能遭遇過(guò)這么多次可供模仿學(xué)習的樣例。

　　雖然Anguelov很愿意在人類(lèi)的駕駛行為中進(jìn)行模仿學(xué)習，但是它并沒(méi)有足夠的數據樣例。那么，誰(shuí)有這些數據呢?

　　特斯拉有這些數據。據估計，搭載了特斯拉最新一代自動(dòng)駕駛硬件的汽車(chē)數量已經(jīng)超過(guò)了40萬(wàn)輛，所有這些車(chē)每天的行駛里程超過(guò)1300萬(wàn)英里。如果汽車(chē)數量增長(cháng)到100多萬(wàn)輛時(shí)，每月的行駛里程將達到10億英里。顯然，車(chē)輛越多，里程數也越多，可供模仿學(xué)習的人類(lèi)行為樣例也就越多。

　　The Information的記者Amir Efrati寫(xiě)道，特斯拉正在利用這些里程中出現的人類(lèi)行為進(jìn)行模仿學(xué)習，他引用了至少一位在特斯拉自動(dòng)駕駛部門(mén)工作的未具名消息人士的說(shuō)法：

　　“知情人士表示，特斯拉的汽車(chē)手機了大量的攝像頭數據和來(lái)自其它各類(lèi)傳感器的數據，當特斯拉車(chē)主開(kāi)車(chē)時(shí)，即使他們沒(méi)有啟用車(chē)輛的自動(dòng)駕駛系統，自動(dòng)駕駛研究團隊也可以檢查人類(lèi)在各種駕駛場(chǎng)景中的行為并模仿它。特斯拉的工程師認為，將足夠多的人類(lèi)駕駛行為數據輸入到神經(jīng)網(wǎng)絡(luò )中，神經(jīng)網(wǎng)絡(luò )便可以學(xué)習如何在大多數情況下進(jìn)行正確轉向、加速或者制動(dòng)。一位團隊成員表示，特斯拉車(chē)主的日常駕駛會(huì )產(chǎn)生足夠多的數據，“你不需要其它任何東西”來(lái)教系統如何自動(dòng)駕駛?！?/p>

　　特斯拉官方還沒(méi)有證實(shí)這種說(shuō)法，但是其首席執行官埃隆馬斯克最近在A(yíng)RK Invest的一次采訪(fǎng)中發(fā)表了一些評論，可能就是針對模仿學(xué)習的表態(tài)，在采訪(fǎng)中有一句話(huà)值得注意：

　　“我認為我們特斯拉有一個(gè)別人很難超越的優(yōu)勢，那就是我們擁有大量的人工干預駕駛行為數據?？梢赃@樣認為，車(chē)主自己正在訓練自動(dòng)駕駛系統如何駕駛汽車(chē)。駕駛中有大量的模糊和奇怪的場(chǎng)景，你肯定都想不到。。?！?/p>

　　還有其它的表態(tài)：

　　“每一次有人干預駕駛，即接管了自動(dòng)駕駛系統之后，我們的自動(dòng)駕駛系統便會(huì )保存這些信息并將其上傳到我們的系統里。我們真的開(kāi)始變得非常擅長(cháng)訓練系統，甚至不需要人為輸入訓練數據、標記人工標簽了?；旧?，當一個(gè)駕駛員駛過(guò)一個(gè)交叉路口時(shí)，他就會(huì )訓練自動(dòng)駕駛系統應該怎么做?！?/p>

　　當然你可以認為馬斯克的表態(tài)含糊不清，有多種可能的解釋。但是對于我來(lái)說(shuō)，我認為模仿學(xué)習和馬斯克所說(shuō)的東西最為吻合。

　　要進(jìn)行模仿學(xué)習，特斯拉不需要上傳視頻等任何原始傳感器數據，它直接上傳感知型神經(jīng)網(wǎng)絡(luò )對其所看到的場(chǎng)景和駕駛員行為的判斷。特斯拉一位名叫g(shù)reentheonly的黑客可視化地展現了在特斯拉上運行的神經(jīng)網(wǎng)絡(luò )所做出的這種感知判斷：

　　首先，表示“駕駛場(chǎng)景”的可視化信息包括車(chē)輛周?chē)?D形式邊界、表示車(chē)輛類(lèi)型和距離的文本標簽以及顯示可行車(chē)道的“綠色地毯”。

　　要進(jìn)行模仿學(xué)習，需要將人類(lèi)駕駛員對方向盤(pán)和踏板的動(dòng)作數據和可視化的“駕駛場(chǎng)景”信息進(jìn)行配對。這些狀態(tài)-動(dòng)作配對不需要人類(lèi)的注釋?zhuān)祟?lèi)進(jìn)行標記實(shí)在是過(guò)于昂貴而且緩慢的學(xué)習過(guò)程。他們只需要上傳到特斯拉的服務(wù)器，然后就可以用來(lái)訓練神經(jīng)網(wǎng)絡(luò )了。

　　除了Waymo對模仿學(xué)習技術(shù)的背書(shū)和特斯拉含混其詞的表述，我們還有什么理由相信模仿學(xué)習可以訓練神經(jīng)網(wǎng)絡(luò )來(lái)執行復雜的任務(wù)呢?對于我來(lái)說(shuō)，成功實(shí)施了模仿學(xué)習的最典型案例是AlphaStar，這是由Alphabet的子公司DeepMind創(chuàng )建的一個(gè)神經(jīng)網(wǎng)絡(luò )。DeepMind使用模仿學(xué)習來(lái)訓練AlphaStar玩一個(gè)有數百萬(wàn)人類(lèi)玩家的星際爭霸游戲。星際爭霸是一款相當復雜的游戲，里面設計長(cháng)遠規劃、高級戰略部署和對軍事單位的實(shí)施戰術(shù)控制，這樣一個(gè)燒腦的游戲對于A(yíng)I來(lái)說(shuō)是一個(gè)相當艱難的挑戰。但是，AlphaStar僅使用了模仿學(xué)習技術(shù)，就通過(guò)在星際爭霸這個(gè)游戲的排名證明了相當于人類(lèi)玩家的實(shí)力，達到了DeepMind估計的性能指標。換句話(huà)說(shuō)，AlphaStar使用模仿學(xué)習技術(shù)，在星際爭霸中達到了中等人類(lèi)技能水準。

　　和DeepMind使用模仿學(xué)習訓練其神經(jīng)網(wǎng)絡(luò )玩星際爭霸游戲一樣，在自主駕駛的訓練中，特斯拉利用其車(chē)輛自主駕駛系統上傳的數百萬(wàn)駕駛場(chǎng)景-駕駛行為配對數據訓練神經(jīng)網(wǎng)絡(luò )，就可以達到中等水平人類(lèi)駕駛員的水準。駕駛行為當然很復雜，但是星際爭霸游戲也很復雜。所以我不認為使用模仿學(xué)習達到的自主駕駛效果達不到AlphaStar玩星際爭霸的程度。

　　要想使模仿學(xué)習奏效，一個(gè)非常重要的條件就是感知必須正確。如果特斯拉的感知神經(jīng)網(wǎng)絡(luò )出了錯，系統將無(wú)法識別駕駛環(huán)境的真實(shí)狀態(tài)，也就無(wú)法獲得正確的駕駛場(chǎng)景-駕駛行為配對。舉個(gè)例子，如果感知神經(jīng)網(wǎng)絡(luò )將紅色交通信號燈錯認成了綠色，它觀(guān)察人類(lèi)停在了這樣一個(gè)信號燈前面，它就會(huì )得出一個(gè)汽車(chē)應該停在綠色交通燈處的錯誤結論。即使它學(xué)會(huì )了如何對一個(gè)環(huán)境進(jìn)行正確反應，它也需要檢測出這些環(huán)境。因此，如果它知道紅燈停綠燈行，它還必須準確地識別出信號燈的顏色才能做出正確的響應。系統需要準確地感知環(huán)境以便學(xué)習要做什么動(dòng)作，而且必須準確地感知環(huán)境才能應用學(xué)習成果做出這些動(dòng)作。

　　特斯拉新的神經(jīng)網(wǎng)絡(luò )計算機可以解決環(huán)境感知問(wèn)題，被稱(chēng)為Hardware 3。特斯拉人工智能主管Andrej Karpathy說(shuō)，特斯拉已經(jīng)“訓練了效果很好的大型神經(jīng)網(wǎng)絡(luò )”，但是“由于計算性能的約束無(wú)法把它們部署到汽車(chē)中”?，F在有了Hardware 3，特斯拉將能夠運行規模更大、更為準確的感知神經(jīng)網(wǎng)絡(luò )。

　　對于Waymo這樣無(wú)法獲得大量行駛車(chē)輛數據的公司而言，很難在模擬學(xué)習上找到可以走下去的路來(lái)。由于沒(méi)有足夠的訓練樣例來(lái)完成整個(gè)駕駛任務(wù)的模仿學(xué)習，它不得不依賴(lài)手工編碼算法。在計算機視覺(jué)應用中，手工編碼算法這種方式早已被神經(jīng)網(wǎng)絡(luò )完全淘汰，機器翻譯應用也是如此。對于像星際爭霸這樣復雜級別的游戲而言，手工編碼的機器人不可能接近AlphaStar這樣的神經(jīng)網(wǎng)絡(luò )的性能。在自主駕駛上，神經(jīng)網(wǎng)絡(luò )方法似乎也比手工編碼算法更有前途。

　　想推進(jìn)模仿學(xué)習，Waymo必須將其訓練車(chē)隊的數量擴大好幾個(gè)數量級。一個(gè)可行的方法是，Waymo可以向汽車(chē)制造商出售高級駕駛輔助系統，并通過(guò)它來(lái)收集數據，就像特斯拉現在的做法一樣。這就要求Waymo打造一個(gè)比自主駕駛的功能涵蓋范圍更小的精簡(jiǎn)型新產(chǎn)品。這個(gè)新系統必須在沒(méi)有激光雷達的情況下能夠使用，或者至少不需要那種通常用于自主駕駛汽車(chē)的高范圍、高分辨率的激光雷達。因為這種激光雷達成本過(guò)高，不可能普及到消費級的車(chē)輛中。如果這種方式意味著(zhù)Waymo可以獲取到所有的駕駛數據的話(huà)，汽車(chē)制造商可能不大愿意這么做。所以，Waymo可能需要以某種方式和汽車(chē)制造商分享成果，也許它可以同意汽車(chē)制造商合作伙伴分享未來(lái)的自主駕駛服務(wù)的收入，或者允許合作伙伴購買(mǎi)它的大量股權。

　　對于福特和通用這樣的巨頭來(lái)說(shuō)，他們傾向于垂直整合，不大可能建立這種合作關(guān)系。我可以花10億美元小錢(qián)購買(mǎi)自己的“Waymo”，干嘛和谷歌的Waymo合作呢?從經(jīng)濟學(xué)原理上來(lái)說(shuō)，可以購買(mǎi)自主駕駛初創(chuàng )公司，這會(huì )讓W(xué)aymo處于艱難的談判地位。而且，這些汽車(chē)制造商似乎并沒(méi)有他們的汽車(chē)收集訓練數據。

　　兩相比較下來(lái)，特斯拉完全占了上風(fēng)。出于這個(gè)原因，我認為特斯拉更有可能分走現在市場(chǎng)上分配給Waymo的1000多億美元估值。也許完全自主駕駛永遠不可能實(shí)現，那就不用說(shuō)了。但是如果真的實(shí)現了，這個(gè)市場(chǎng)可能價(jià)值三萬(wàn)億美金。據我所知，在這個(gè)賽道上，特斯拉比Waymo以及所有其他公司都處于更有利的位置上，特斯拉可以憑借在模仿學(xué)習上的優(yōu)勢分走很大很大一塊蛋糕。