怎麼看待自製無人駕駛汽車系統的喬治·霍茲(George Hotz)？

12-28

rt

Yann LeCun在臉書主頁上說

So much gee whiz hype in this article. Lots of people are training ConvNets through imitation learning (or reverse reinforcement learning) to drive cars.

Training a basic ConvNet to keep you in lane most of the time is fairly simple and straightforward. The problem is to make it work reliably.

The basic technique of training a neural net to keep you in lane was Dean Pomerleau at CMU in the late 1980s, a system called ALVINN. I used imitation learning to train a ConvNet for a self-driving robot called DAVE back in 2003. This work motivated the DARPA LAGR program.

What this guy is doing may be cool, but it isn"t particularly innovative.

引用特斯拉公司的話說大概就是做到99%的可靠性很簡單，但做到99.9%甚至99.999%就很難.

在我看來這並不是一次成功，也沒有一擊打敗特斯拉和其他相關企業，只能說他算是個天才.

智能駕駛在n年前就開始研究了，人工智慧機器學習技術也是上個世紀就存在的，但為什麼現在很少有敢公開上市的自動駕駛車？
靠譜的人工智慧ai也只是個渣siri，就是因為一個工科畢業生實習幾年學點大佬的經驗就可以做出一個自動駕駛就可以做一個ai小軟體.

但為什麼車都不敢撒手上路，ai軟體都無法經過圖靈測試？

因為他們做到了99%卻突破不了那0.9.
谷歌和uber的自動駕駛這些年在做什麼？他們其實早就寫好了程序和演算法，這些年一直做的都是測試.
今年有幸受邀進入谷歌加拿大參觀.

其間我問過負責人關於自動駕駛的問題，為什麼遲遲不上市，這些年在忙於研究什麼？
我得到的答案大概是這樣的：如果沒把可靠性提高到最高就上市，出了車禍谷歌就是對生命的不負責任，所以這些年一直在各種情況下測試，包括嚴寒下的加拿大北部，酷熱下的墨西哥.
直到有一天出錯率降到最低，才能負責任的把這種東西拿出來賣.

所以個人認為，他的確可以開發出自動駕駛，但變成一個成功的自動駕駛系統，還有很長的路要走.

-11-9補充-
剛才@浪客大神提到無人機方面我個人感覺他這套系統也不用應用到無人機上

無人機自動飛行遇到的問題更多氣流風向天氣飛行物現在至少準確的天氣預測是不能做到的如果遇到打雷時來不及返回無人機就會變成活靶子類似的問題很多這也是為什麼DARPA的無人機技術研究的這麼成熟美軍還不敢放手去自動駕駛也要人類操控半自動.

謝 @浪客邀。

不過我不是特別想回答這類問題。。。因為和我的工作相關。。。。

我只能說。。。如果不講究的話，利用神經網路實現一個不太講究的自動駕駛程序是比較容易的。（是的，我知道怎麼做。）

比較容易的意思是。

高中文化。
會編程，
知道神經網路的基本知識。

即可。。

所需數學知識不超過高中。

500行代碼足以。

===========================================

神經網路是一個非常新的領域。大多數人對這個領域都是陌生的。

於是很多人都會覺得。

1。這是個非常新的領域，於是必然高精尖。
2。這東西高精尖，必然需要大量的數學和專業知識。
3。這東西需要大量的數學和專業知識，必然只有專家和大企業才能搞。文盲和個人都是民科。絕對搞不定。

這些推理都是沒有道理的。我個人認為。就和白左思想一樣。。。屬於在教育過程中，由教育者強加給學生的。。然後當學生成長。他們就不會懷疑了。

Yann LeCun 的回應是正確的。。。。這個系統的安全性絕對不合格。。這個玩意也很容易做。但是他的語氣中有一種氣急敗壞的成分。。。因為這個人的嘗試破壞了群眾對人工智慧的印象。
認為這是高大上的東西，只有他們這種專家才能搞。。。。

事實上，計算機領域的大部分都是這樣。。。需要的僅僅是智慧，而不是知識。。。如果廣大的人民群眾可以認識到這一點。。。

那麼，人工智慧必將和汽油桶大炮一樣，成為無產階級革命的鬥爭神器。。。

今天有幸和Hotz本人聊了driverless technique在他的車庫裡，同時也是他辦公的地方，非常的聰明，他很自豪的說代碼只有不到2000行，但是卻用了大量的data，我還問如果買了這個車，是不是得要自己先開一段時間因為用的deep learning，讓機器先學習一下，他說是的，我覺得這應該就是和其他driverless technique的其中一個不同吧，還給我現場show了代碼，當然有點激動沒看清什麼語言寫的，光聊天了。。還說到有很多人要投資他還有很多人想加入，但是目前為止他還是獨自一人在奮戰，我問他什麼時候發布，他說預計一年以後，現在也算是提前完成了和 Tesla CEO- Elon Musk打的賭。希望發布的時候買一輛哈哈支持一下。。

喬治，霍資本來就是一個天才，從他十八歲破解第一代iPhone 就可以看出來，之後又破解了索尼的最高產品，他的技術本就是可以信賴的，與特斯拉的無人駕駛系統十幾萬行的代碼相比，他2000行的代碼確實匪夷所思，所以從主觀來講，我十分相信他，因為未來屬於新的人類！

人們對於George Hotz的貢獻有一種誤解，這種誤解主要來自「無人駕駛」這個定位。所謂的「driverless」不僅今天，在將來的很長一個時期都會停留於夢想。遺憾的是，不僅僅是大眾，Tesla和Google也在這個定位上出了問題。我們所需要的，並不是一個真正可以讓乘客在后座上像Hotz開玩笑說的那樣可以放心做愛的自動駕駛汽車。我們需要的是一個可以在高速公路上跟隨車流，自動調節速度並時刻保持在自己車道上的自動駕駛輔助系統。一個中規中矩的司機所能做的，不就是這樣么？這當然也適用於城市交通高峰時期的自動駕駛。這兩種場景都是最為虛耗時間而令駕車人痛苦的。有了駕車輔助，我就可以打打電話，讀一下E-mail，就像坐在副駕駛的座位上，偶爾關注一下交通狀況。在我看來，這才是Hotz的真正貢獻：重新定義問題，從而以20%的努力解決80%的困境。
George Hotz的自動駕駛輔助系統（現在的人喜歡忽悠別人，也願意被人忽悠，所以才有「無人駕駛」這樣的稱謂）的恰當類比，是AutoDesk 的AutoCAD。其中CAD（計算機輔助設計）是實質，Auto是忽悠。Hotz做的是CAD，Computer Aided Driving，Diverless是忽悠。你若喜歡被忽悠，你就會死磕Driverless。你若注重實質，你就會透過忽悠看CAD。
你當然可以論證Hotz並沒有對AI的理論和技術提出什麼了不起的創新，但這不能抹殺他的過人之處。解鎖iPhone有什麼了不起的理論和技術？視頻一經播放，大家都會「噢！原來如此！」可為什麼偏偏是他而不是你解鎖iPhone和索尼的PS呢？
AI一直以來就有兩條路線之爭：一條是所謂rule based，把人的現有知識彙編成數以萬計的規則，然後構建複雜的rule engine去進行檢索。另一條是自學習。哪一種才是真正的智能？Road Show對Hotz有一個interview，其中Hotz提到一個場景，洛杉磯的高速。路上的車道標線，是那種半個網球大小的凸起物，夜裡會反光，車壓上去會產生噪音，但是白天灰不拉磯的，不甚明顯。為了識別和對此作出響應，MobileEye的工程師們花費了大量的時間去設計和完善大量的規則，而Hotz的學習機僅用了一個夜晚（它白天「看」不到這些凸起物，無法學習），第二天就可以自動識別了！兩種方法，哪種更智能？

1. 機器學習的過程充滿模糊和不確定性，用於輔助決策是好的，用於自動駕駛，主導直接影響人的生命的決策，我覺得是大方向的錯誤。

2. 那誰怎麼說來著？天才=99%的啥+1%的啥？
仗著自己腦子好使點，憑著部分是想製造點噪音展示自己的「天才」，部分是覺得好玩的心態，以為可以一個人快速搞定人家其實是一群天才花了許多年，尚未完全搞定的一個課題，不就是想證明「你們這幫傻瓜瞎忙啥呢？我老人家1年就搞定了」？還是個不成熟的腦子聰明的傻小夥子心態。
拜託，你自己隨便玩玩沒問題，甚至被自己的天才駕駛系統弄死了也沒問題，千萬不要出來禍害別人哦

3. 知乎另外一個問題里提到，某個媒體人和他一起坐他的無人駕駛車，短短的試駕過程，就出現一次突然自動打方向往旁邊車輛撞去，然後又自行糾正的恐怖bug。這個可靠性算是多少？0%嗎？

看上去像是個勵志的故事，精神可嘉。其實無人駕駛車幾十年前就開始研究了，基本原理不是很複雜，但是要做到安全、廉價和適應複雜天氣路況很難。這玩意兒不像教主在車庫裡攢Apple，壞了算了，無人車一壞就是幾條人命。他在google和facebook工作期間，應該也看了不少前人的代碼。

這貨要是瓷器國籍，應該算是民科，肯定被噴成翔啊。

【智駕深談】George?Hotz?開源代碼復現與分析（80G數據云盤下載）

霍茲，你好，我真的，想要你哪套無人駕駛汽車，，如果你時的話，你可以來中國看看，我們可以合作，

訓練數據不能全覆蓋各種路況和故障，只能當玩具玩吧。試想邊開邊訓練時沒爆胎，然後開始自動駕駛。突然有天爆胎了。。。他的演算法大叫，我沒學過，不怪我！

特斯拉目前的駕駛在高速出口附近無法，白線錯縱複雜的地方基本不能按照駕駛員的意圖工作，城市道路白線被磨損的情況下就更不能用了，而且基於按照程序對駕駛環境進行完全分類很難實現，就算實現了，那肯定也是不完全的分類，hotz這套不知道怎麼樣，等他出視頻。

這種方案比較適合大資本砸錢投入，各種交通事故歸類分析之後，製作實景模擬或者使用軟體模擬環境驗證。提升可靠性的過程並不需要重寫原始程序，不需要昂貴的AI工程師。

我只是單純地從一種文科的視角覺得（可能帶有片面性），他所在做的事情和谷歌特斯拉等大公司所做的事其實是有所不同的。因為多處文本中他提到他的技術需要自己先開十小時汽車，然後其發明的程序可以進行學習記錄，進而使汽車在遇到路況問題時，能夠按照預定「記住」的那些演示人的操作過程去處理；而谷歌特斯拉他們所著眼的地方在於，讓汽車真正有自主的判斷去應對各種行駛過程中可能遇到的問題。正因如此，雖然思路不一樣，但是都能達到「讓人的雙手解放，汽車自己行駛」的目標，因而外界可能多多少少就會認為霍茲的技術領先了那些大公司，畢竟「成本低」和「系統的簡易性」讓其佔據了優勢和宣傳噪點，自然而然地，人們就會覺得他超越了以往的大公司。雖然也不能否認他的技術或者系統確確實實成本低操作簡易，但是歸根到底，我認為，他勝在選取的實現目標的「路徑」不同，即「思路新穎」準備了先期的決勝條件。

大神們這個是我的郵箱 859067766@qq.com 誰有comma.ai開源代碼百度雲盤鏈接密碼發給我一下唄？跪求，趕緊不盡，以後我的無人駕駛車做好了，我給你免費玩哦！

很多人擔心不常見突髮狀況，其實可以參考手機備份，可以建立雲平台共享緊急情況駕駛狀態，不是挺好嗎，就是不知道需要多大的資料庫？

如果新的投資為了生產一台能夠適應新演算法的汽車呢？現有的學習演算法也許不能很好適應某些交通法規、路況、法理甚至倫理，可如果新型汽車能「幫助」這個演算法有效規避以上問題，那麼甚至有可能連帶地激發汽車設計的革命。
在智能駕駛普及之前，很多倫理、法理上的問題都是讓人謹慎對待這項技術的理由，而一旦它普及開來，這些問題就很難再阻擋它飛速前進的腳步了。

現在他的進度怎麼樣了？

我只問一個問題：functional safety 是怎麼論證和保證的？