Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
特斯拉就现在的硬件
我觉得他是不可能达到L4的
你选择使用特斯拉的就是你的责任
你选我觉得科技进步不是太快了
而是太慢了
忙还是算忙吧正常的
start up的忙
介绍一下你的start up吧
本身是做无人卡车
对我们路上有没有无人卡车的
你说我们公司的啊
就是in general
美国路高速公路上有没有无人卡车
真正无人的啊
没有但有很有一些
有几个公司在路测
但是应该都还是有安全员的
没有完全无人
你觉得还离这个真正无人差多远
第一：这是一个整个产业的问题
就是我比如说我们公司
甚至大部分做无人卡车的公司
我们是不生产这个卡车的对吧
还是OEM厂商去生产
所以他们生产的卡车得达到
有达到能够无人的安全标准
比如举个例子
就是他必须要有一套冗余的控制系统
当你的主要的
这个有上面是有电脑控制的
这个系统失效了以后
他你还要能够来控制他
这个是达到安全的一个必须的
但是现在大部分就是没有哪一家
因为这个东西太新了
这些厂商没有
他没有需求来做这个事
所以这个东西他都达不到
所以只有当他们当这个
换句话说
或者说简单一点说
只有当硬件达到那个的时候
才有可能真正的有无人车
所以特斯拉也不能满足这个标准
因为他也没有冗余的系统
对这
然后我之前的信息里
我就说特斯拉就
现在的硬件我觉得他是不可能达到L4的
L4是在限定的某一个叫operational design
odd里面能够完全的无人驾驶
L3和L4 L5的区别是什么来着
L3和L4最大区别就是L3还是人负责
L4以上就是车负责
那你觉得特斯拉现在能达到L3吗
L3是一个
我其实对L3的完全定义
呃我不记得很清楚
你可以说的达到
也可以说没达到
但我不记得
L3具体的定义
但是其实对我来说
最大区别就是说出了事
或者是这个车到底是人在最后在负责
还是有这个机器的
这个情况
为什么我说是个伦理或者法律问题呢
就第一如果车来负责
法律归谁
对肯定是个法律问题
所以这个
这个行业很大一部分的
这个也不是很大
有一部分的afraid也是说
怎么样去跟police maker
跟各个地区的infrastructure
去配合起来
对但是先抛开法律问题不谈
可能这有两个问题
第一个就是谁会做出更好的决定
对很有可能
L4 它意味着条件的
成熟的一个必要条件
就是机器在大多数情况下
能做出比人更好的决定
嗯但是我觉得这个时候现在就有了
就是我
其实我有的时候坐Lift,Uber(国外打车平台)
我觉得司机开的瞎开就是很可怕
对吧我觉得
一个Waymo可能比那个司机开的好
但是不意味着大家在观念上
绝大多数的观念上可以接受（无人驾驶）
呃他更相信这个机器
而不是相信那个
Uber司机
对吧
所以说第一条件什么时候可以成熟
到大多数时候(无人驾驶)车比人的水平好
我觉得这个
起码从那个Uber司机的角度来看的话
已经比他好了
自动驾驶最后是一个产品的话
他不光是技术
还有这个
怎么样让产品赢得市场
不光是这个产品本身
对吧有很多其他的因素
这个产品怎么样去推广
从这个自动驾驶本身这个产品来说
他要的是信任
这样说的
怎么样要让乘客去信任
这个车是安全的
我们今天就谈技术问题吧
OK谈技术问题
对来给我们科普一下啊
这是在你看来技术有什么大问题
最大的问题应该是
就是这个所谓的长尾问题
就是
怎么样能让你这个车能够去解决
因为至少有一部分
这个无人车系统
是用机械学习的方法
来作为它的一部分
或者是大部分的一个component
所以你怎么样去验证这个机械学习系统
机械学习系统在遇到这个长尾问题
就是说
他的训练数据很少见到的情况下
的时候他还能够做出正确的决定
我其实这个决定
不一定说他做这个机器学习系统
做出正确的判断
而是机器学习系统比较难的一点是
他怎么样让他在他不知道这个时候
很confident
说我不知道这个是什么
我需要停下来
因为大部分的系统是你
你designer给它一个task
它要去做出一个判断
嗯就让我想起来了特斯拉
它最近的一个
那个FSD的update
就是它把一个deterministic的这个if-else
变成了一个supposedly new network
我不知道他最后这个东西
他是希望
就是让这个机器真的去自主学习呢
还是在人的指导之下去学习
就是我们要把人的先验知识
带到这个problem space里边嘛
还是我们人在这里边啊
就说this is a problem
我给你define好
你的parameter和你的last function
我最多再给你调节一下数据的权重
比如说那个1/3,000,000的东西
我把它调成1/3,000啊
去学完了以后好了
这个结果不管了
我觉得第一你说有没有人的先验知识
就是肯定是有
对吧
就是比如说在他这个系统上学之前
他怎么去验证
肯定是他有
记得以前也有说就shadow mode
对吧
就是要你的这个软件在车上跑
但他不是这种
不是一些操纵车
然后把这个人开的这个
像这个路线和这个
所有的这个方向盘呢
或者刹车的这个控制的
跟这个
他的模型预测的那些结果去做比较
实际上这个里面就已经有
至少即使
即使说他这个模型训练的过程中
没有用到人的知识
但是在验证的过程中也用到了
这是第一个
第二个就是所有
就是跟开车
跟driving相关的所有的知识
里面也用到了很多人的知识
对吧就是所有的交通规则
所有的交通信号
这都是人制定的规则
他也要
你也要通过某一种方式告诉这个模型
去学到这些东西
那既然聊到这了
我就把它这个再聊深一点啊
就是我不知道你看没看过我写那个
就是鹦鹉vs乌鸦 朱松纯教授讲的
就是鹦鹉
鹦鹉什么
鹦鹉模式和乌鸦模式
鹦鹉就是过去的machine learning
寻找correspondence
是把鹦鹉学舌的方式
乌鸦看起来有inference能力
which reasoning就是它
例子就是说
乌鸦在一个日本就是Dock mentor
它可以它想打开它的坚果
嗯但是它不知道怎么打
就是它打不开
所以说它就去啊
他进一步发现车可以压碎坚果
哦对
然后但是车会撞死他
然后他进一步发现红绿灯可以stop车
于是他就在红灯的时候把坚果扔下去
然后绿灯开过去
然后红灯的时候再捡起来
这个东西
他不能失败
在失败了就死掉了
对吧所以说
他完全是在自己脑子里边理解了
看似吧起码我们觉得是理解
他理解了这个机制
然后去做了这么一个事情
这是两个范式
which 我在里边
是说看似大模型拥有了一个乌鸦能力
不一定但是我觉得可能有
然后我最近有一些新的想法
就是这个乌鸦能力到底是怎么来的
有可能是shortest path of understanding
prior knowledge
这先不展开
那我们还是回过来
就是聊一些大家可能非常直接
感兴趣的话题
就比如说特斯拉
你看起来是不太看好特斯拉的
不太看好
这个说的太
就是首先你很讨厌FSD的命名对吧
对因为它并不是
不就是名不副其实嘛
然后这是第一
第二啊
因为这个名字我觉得是
就是这也有一些事故吧
我就是
我觉得
因为有一部分是因为这个名字
造成误导
就是
就说到我刚刚提到这个产品的问题
相对他叫这个名字以后
让人以为他是一个完全的
自动驾驶的产品
所以有人会把它当做一个
完全自动化的产品用
就是相当于你开的时候
完全和实际不符
我觉得不是FSD的锅
怎么说呢
这它是一个更多的是个marketing的角度
而不是一个技术的角度
但是我觉得marketing这种角度很难说
就是没有特斯拉的话
电车肯定不是新的这样
对所以我
所以你刚刚一开始问我
是不是不喜欢特斯拉
我觉得这是要因为特斯拉有很多方面
对吧所以我不会一概而论
说我不喜欢特斯拉
对像你说的
特斯拉在这个电动车的这个推广方面
做了很大的贡献
但是从无人驾驶这个角度
我觉得是做了更多的害处吧
至少从比如说我们要说产品的角度
它作为一个
首先它是一个说清楚
它是一个辅助驾驶的产品
FSD是一个辅助驾驶的产品
到目前为止它没有达到呃
自动驾驶的
这个能完成自动驾驶的能力
但是由它的命名
以及它的这种迭代的方式吧
从最早期它基本上就是
至少
我认为它是把特斯拉的车主当做测试用
用特斯拉车主来测试它的产品
我觉得这是至少这样
对这样一种产品来说
是一个不是很负责任的行为
因为这是一个again safety critical的一个产品
好像我先看一个是
每年因为车祸会死300万人
嗯然后我就想那些刚学车的那些人
大家说的就是吐槽那些司机对吧
乱开车的司机
转向不打灯
下高速随便下
这些人我相信
每年杀死的人比特斯拉多很多
嗯
假设我们今天所有人今天全都使用FSD
嗯我相信车祸会变少
而不会变多
嗯就是
我们确实
FSD就是直接归因
可以归因到
他这个事情好像怎么样导致了问题
那个事情导致了问题
但是他的alternative也有很多问题
嗯然后我觉得科技进步不是太快了
而是太慢了
就这样
就是那个factor
不是说我们用一个更谨慎的方式
同样快的速度去发展自动驾驶
而是更谨慎的速度
可能发展的速度是现在1/10
嗯
那你是希望用一个更aggressive的方式
更快的发展还是
对但是现实是
你再aggressive
也不可能是所有人都开特斯拉
或者所有人都有FSD
因为不能所有人都使用
对
不可能所有人都同时使用上这个技术
这现实上是不可能的
对吧呃
然后我对
就你刚刚说
如果所有人都用FSD
或者不用所有人吧
就是the more people use FSD
the more people will benefit
有了FSD这个技术
减少了一些事故
就能justify它导致那些事故
那不能
对但是这种
这个涉及到我们一开始说
这个到底是Z
人的责任
还是机器的责任
在我看来就是人的责任
你选择使用
特斯拉的
就是你的责任
你选
但是特斯拉的责任是他没有
他提供的技术没有
呃就是你开车撞死人
是谁的责任吗
是对
但你
但你说你是
因为你说你是FSD了呀
你说你是full self driving
所以为什么我开车还是我的责任呢
我撞死人还是我的责任呢
这这
这个
这个是我认为他误导人的地方
就是嗯
不是所有人在开一个
或者在运用以使用FSD的时候
都有这个清晰认识
说是我在掌控这个最后的车
是我的责任
而是像你说的
完全相信了这个机器
那但是这个相信呢
有一部分原因就是因为这个命名
和他这个marketing导致了
所以我认为这是
这是一个他有很大责任的地方
就是在我看来
技术进步大于很多其他的东西
因为我的目标是这个full self driving
对你的目标是full self driving
但那就当你有了full self driving
这个可以capability之后
再去release这样一个product的嘛
但是现在是一个beta版的full self drivding
就是当大家不使用FSD嗯
你可能会觉得有两个原因
第一个原因就是这件事情没有价值
大家不用
第二个就是三个原因吧
第一个是
大家就是fundamental里没有价值
第二个是
大家呃
就是没有
没有习惯他
所以不用
不知道他的呃
不知道它的存在
第三个就是
fundamental里是有价值的
但是你没做好
嗯他现在不知道
他是在三个里边
哪一个嗯
最差的情况是
这个现在fundamental里没有价值
嗯是我觉得有可能发生的事情
如果robotaxi出现了以后
也许robotaxi fundamental是有价值的
但是那也是个问号
就是robotaxi在
就假设robotaxi真的做好了
嗯他fundamental对人没有价值
为什么没有
你说没有价值
有可能没有价值
为什么呢
就是我有一辆车可以开
我为什么一定要不开它
为什么我要买一辆不开的车
哦robotaxi
等一下robotaxi也是说
我不需要有这个car ownership
我可以就像有打Uber一样
但是是把Uber的成本降低了很多
同时也减少了呃
人力的需求
这是我理解的robotaxi
要不是说我own一个车
然后他去当robotaxi那
那我觉得确实没有什么意义
我干嘛要own一个taxi呢
对吧特别是对美国来说
对吧这个
因为人力成本比较高
同时
呃人的生活习惯
有很多住在suburb
所以需要有一个车
但是当你同时这个
对整个城市的规划来说
他需要花很多的精力去考虑停车场
这时候呢
当
当你有一个车是可以自动的开的时候
对这个
所有的这一切都会发生一些改变
你知道
上一个完全可以类比的argument
是什么产品吗
什么
云游戏
什么东西
云游戏cloud gaming
哦
Google Stadia
OK OK
嗯你为什么觉得这是一个类比
是我为什么要买一个主机呢
为什么买一个such of
a powerful PC Xbox
PSC嗯
有那么贵对吧
然后那么好的硬件
嗯放在家里
99.99%的时间都不会打开它
嗯我只是在玩的时候去玩一下
嗯为什么我不cloud然后stream呢
嗯
但是他没有办法compete过Xbox
为什么嗯
因为有这个需求的人
已经买了一个Xbox
特斯拉
大家很多时候说它有一个最大的优势
就是它collect data是世界第一
或者这个行业的发展
对你个人的影响其实很小
但是
我还是希望市场上多一些这样的人
技术是有市场才能被培育起来的
嗯对
可以这么说