據(jù)外媒Electrek報道，近日，特斯拉申請了一項關于自動駕駛機器學習的專利。如果特斯拉可以獲取龐大的車輛行駛數(shù)據(jù)和硬件機器學習數(shù)據(jù)，就能夠訓練自動駕駛神經(jīng)網(wǎng)絡，實現(xiàn)更深入的機器學習。

實際上，這項專利就是特斯拉“影子模式”的升級版本。此前，特斯拉通過車輛硬件自主進行機器學習，加強自動駕駛能力。而目前，通過收集大量的實際駕駛數(shù)據(jù)，可以讓自動駕駛具有更強大的判斷能力，尤其加強對未來發(fā)生事件的預判。如果這項工作得以順利開展，特斯拉的自動駕駛能力將得到更大提升。

一、特斯拉申請新專利 用駕駛大數(shù)據(jù)進行更加深度的機器學習

日前，特斯拉申請了一項關于自動駕駛機器學習的專利。專利中描述，特斯拉可以使用車輛行駛的大數(shù)據(jù)訓練自動駕駛神經(jīng)網(wǎng)絡，讓自動駕駛系統(tǒng)能力得到提升。

▲特斯拉新專利

這一專利已經(jīng)通過審核并對外公布，特斯拉是這項專利的持有者，特斯拉人工智能和Autopilot自動駕駛軟件負責人Andrej Karpathy是唯一發(fā)明者。

實際上，這就是特斯拉“影子模式”的一個升級。

專利描述中首先對駕駛數(shù)據(jù)收集的困難進行了闡述：“深度學習系統(tǒng)的性能通常受制于訓練模型的質(zhì)量。大多數(shù)情況下，深度學習開發(fā)者都會花大量精力收集、整理、注釋訓練數(shù)據(jù)，這一過程通常十分枯燥乏味。而且，機器學習模型通常需要非常特殊的個例，這些個例也難以收集。”

而特斯拉所采用的數(shù)據(jù)收集方式和其他公司完全不同。其他自動駕駛研發(fā)公司通常會選取一部分自動駕駛車輛收集數(shù)據(jù)，因此數(shù)據(jù)量通常較少，也難以具有普遍性。

特斯拉則使用旗下大量車輛的行駛數(shù)據(jù)用于深度學習，數(shù)據(jù)量更大，也能覆蓋更多的場景。因此，在進行深度學習時也會得到更精準的結果。

▲特斯拉數(shù)據(jù)收集流程圖

可是，如果不進行大量數(shù)據(jù)收集就無法完成機器學習了嗎？Karpathy對此進行解釋：“隨著機器學習模型變得越來越復雜，機器學習需要使用更多數(shù)據(jù)才能保證準確性。與較淺的機器學習相比，更深入的學習可以保證軟件通用性更高。雖然經(jīng)過反復的機器學習訓練，淺層的機器學習也能提高準確度，但它對未來發(fā)生事件的判斷仍不夠強大。”

也就是說，通過前期的機器學習，特斯拉自動駕駛已經(jīng)取得了一些成果。目前進行的數(shù)據(jù)收集，則是為了能夠達到更高的自動駕駛目標。

二、特斯拉去年推出影子模式 日“測試量”可達數(shù)百萬英里

特斯拉在自動駕駛領域已經(jīng)是老玩家了，不過特斯拉官方的上路測試真的很少，大部分都是靠特斯拉車主貢獻自動駕駛方面的數(shù)據(jù)。此前，特斯拉在2019年4月發(fā)布了“影子模式”，希望讓大量特斯拉汽車的自動駕駛硬件在車輛行駛時工作，達到機器學習的目的。

“影子模式”的原理是，讓特斯拉汽車的自動駕駛軟件處于開啟狀態(tài)，傳感器探測車輛行駛道路周圍的數(shù)據(jù)，但駕駛操作完全由人來完成，機器不參與駕駛。在人的駕駛過程中，機器就能學習人的駕駛操作，從而達到提升自動駕駛能力的目的。

▲

特斯拉2019年發(fā)布“影子模式”時的演講

特斯拉當時就認為，如果只收集特定車輛的自動駕駛信息，測試結果通常都不準確，因為數(shù)據(jù)量、測試場景的局限性太大。如果大量特斯拉車主希望共享駕駛數(shù)據(jù)，使用這些數(shù)據(jù)進行機器學習，數(shù)據(jù)量和準確度都有更多保障。

特斯拉表示，如果使用電腦模擬器進行自動駕駛測試，每天測試量可以達到100萬英里，而特斯拉車主所能共享的數(shù)據(jù)已經(jīng)超過這個數(shù)字，車主共享的數(shù)據(jù)有更高的價值。

結語：特立獨行者——特斯拉

在自動駕駛測試中，特斯拉算是個特立獨行者。沒有官方的自動駕駛測試，靠的是大量用戶的駕駛數(shù)據(jù)；堅決不用激光雷達，相信攝像頭+毫米波就能解決大多數(shù)自動駕駛難題。特斯拉的這種特立獨行也讓許多自動駕駛公司有些不知所措。

不過，正是特斯拉的特立獨行才造就了特斯拉。從推出電動汽車的那一刻起，特斯拉就注定是個特立獨行者。