主题：如果要走向强人工智能，openai的路线根本就是错的 -- 亮子
家园 AI的前途在降低成本 通过增加效率的方式。而不是走主脑代替政府，为少数人当白手套玩垄断-收过路费的行当。现在的这种但凡有点小突破就要搞资本垄断炒作，不能长久。
家园 现在自动驾驶用的就是机器学习 tesla现在搞的，号称没有一行代码。 光子进，行为出。和人开车的道理是一样的。
自动驾驶其实比chatgpt还要简单一点，因为输出太简单了，加速或者减速，转弯，打转向灯，鸣笛，估计也就几十个动作吧。
看效果吧，不是说快要推了吗。
业界一致认为机器学习的自动驾驶最终要超过传统编程的自动驾驶。
通宝推：桥上,家园 请教传统编程的自动驾驶是个啥东东 用的是什么方法，和机器学习自动驾驶区别在哪里呢？
家园 传统的自动驾驶是基于规则的 rule-based
具体来说，就是：
感知到周围的场景 + 自身的目的方向 ==》控制车辆前进速度+转向
规则就是把各种场景+自身目的都列出来，然后告诉车辆在这一情况下应该什么速度什么方向。举个例子：前方15米看见路口交通灯是红色的 + 自身目的需要在路口右转 ==》减速到零，车辆控制在往右偏17.5度停在白线后面。
把各种情况下的规则定出来，然后做成一个列表就好了。这样是可以实现的，就是没法保证覆盖马路上千变万化的情况。特斯拉撞死驾驶员的几次都是因为碰到了特斯拉的规则没有列举到的情况。其中有一次是高速上的车道分界线画得不清楚（旧的线没有完全除掉，和新的线位置不同），结果毛豆X就不知道怎么办了，也不减速，照着高速中间的水泥隔离带就这么装上去了。另外一次看见一个白色的集装箱车停在高速上，特斯拉“这是什么不认识？接着开吧”就保持高速撞上了。两次都是特斯拉驾驶员身亡🕯️🕯️🕯️🕯️🕯️🕯️🕯️
机器学习则是看人类驾驶员怎么开，机器就怎么学。比如上面的例子。人类看见地面划线不清楚就会减速，然后用其他的参照物来决定怎么开。所以人类会沿着水泥隔离带开而不是撞上去。另外的例子里面，人类看见前面一个奇怪的白色集装箱会马上减速，直到确定边上有可以开的空隙才会换道绕过去。这样的话是不是要好一些？但是光靠机器学习做自动驾驶也不行。在美国的话机器30分钟都学会超速了。在波士顿学一下都得变成加塞变道不打灯的“野蛮行驶”。所以现在一般是把机器学习用规则框起来，确保不要机器学坏了。
通宝推：秦波仁者,普鲁托,家园 这位河友在波士顿? 波士顿学一下都得变成加塞变道不打灯的“野蛮行驶”。
波士顿开车rude可是全美有名的😂
加特效里有个图片选项，按提示逐步操作就是。
家园 分界线画的不清楚这种场景并不罕见呀 按道理在决策上不难处理。
特斯拉撞死驾驶员的几次都是因为碰到了特斯拉的规则没有列举到的情况
老兄确定特斯拉的决策部分用的完全是基于规则决策？有这块的详细资料吗？如有的话，望提供一下，先行谢过。
另外，我一直说机器学习不是啥新东西，不过老兄所提的机器学习：
机器学习则是看人类驾驶员怎么开，机器就怎么学
则和我所知机器学习相差太大了，原来机器学习还能是这样的😜
家园 惨！ Walter Huang当年是果子的员工（他不在泰坦项目里面）。发生惨案的地方我每天开过。2017年walter出事的时候还没有ML在自动驾驶里面的应用。perception将将开始用ML。
https://www.heraldsun.com.au/motoring/motoring-news/investigators-reveal-tesla-didnt-respond-to-recommendations-after-autopilot-driver-distraction-blamed-for-fatal-crash/news-story/cc430762e2f5d374ba7b37a6d9053351
http://abc7news.com/automotive/tesla-accelerated-seconds-before-deadly-crash-on-hwy-101-ntsb-report-finds/3573803/
我回复的时候怎样才能插入图片？
家园 应该逆行的时候不逆行 看到网友发的问界测试视频，已经可以自己穿行于长沙菜市场周边道路了，众所周知菜市场周边路比较狭窄，两个车道。当前方道路被占用的时候自动驾驶就不会了，因为逆行是不对的。
想来，如果是个新手女司机，或者是个男犟种，可能也会在那里等上一个小时。所以驾驶这个事情挺personal的。
当然，《读者文摘》告诉我们，就算路上一辆车都没有，德国人还是会乖乖的等绿灯再过马路的——德国是人均犟种，还是像新加坡那样，动辄罚款5000？——不知道，反正中国式过马路，都能成为一个梗。
家园 我也不是行家 大概从新闻中看到的。
它分成几个模块，比如感知模块，决策模块。感知就是理解摄像头传来的图像。这个可能也是机器学习：前面有车，有红路灯，有人等。一般决策是传统的程序：如果前面是红灯，那么我要减速；如果是人，我要减速等等。好处是简单明了，出了问题好改。缺点是越来越复杂。哪怕万分之一的可能性你也必须处理， 长尾效应。
有一类取巧的自动驾驶就是依赖高清地图。我首先有一张地图，把3维道路，红路灯等所有东西都标注好了。所以我永远知道周围静止的东西有什么，只需要专心判断动的东西了。这难度就成倍降低，但是可以想象，风险也成倍增加：万一这个路有什么变动你不知道呢？