是特斯拉的自驾AI牛还是马斯克牛？

说到马斯克，全世界做AI的谁有他这个门外汉牛？

他可以让自己的上帝，特斯拉车主们，争先恐后地付巨款，不惜生命危险做小白鼠，给他免费地源源不断地标注数据。他拿着数据训练他的AI 所谓的“全自动驾驶”（FSD，Full Self Driving）。FSD 能力提高以后，他就不断加价，剥削新的上帝。

FSD 根本还没影子的事儿，他就从 5000 美金一套开始预售，一路加价到现在的 7000，据说不久还要加 1000 美金。最近开始发布他的过了n次自设死期的红绿灯自动停车功能，这是走向 city driving 的前提。注意，不管红绿，一律停车。除了电脑视觉（CV）外其实没有任何路口智能，说得赤裸裸：就是要顾客教会它如何过十字路口。万一出车祸了，对不起，责任自负。

红灯停，绿灯也停，见灯就停。甚至有车友说路过一个穿绿毛衣的女孩，它误以为是信号灯，也停了。他丫是完全没有智能，放出来就是让小白鼠们免费教会AI何时不停。见灯就停是默认，何时学会不停，完全等小白鼠义勇军（fleet）的反馈：你踩油们就表示你发现（1）这是绿灯；（2）路面上也安全（无阻碍），你觉得应该穿行。这就给特斯拉做了标注。带标数据反馈给神经网络去训练，机器就慢慢学会了。识别红灯绿灯路口 STOP 招牌，据我自己的多次测试，这个能力已经很成熟了。现在就等过路口的数据了。

从用户角度，即便没有智能，也愿意尝试啊。除了新鲜感以外，有时候也的确省了力气。第一，是绝不会冒大意闯红灯受罚的危险了。第二，遇到绿灯且无阻碍，点一下油门也不过就是举脚之劳，总比自己开车省力。也就是说，你上街开车，除了路口，你完全不用操心了。即便到了路口，遇到红灯、黄灯，你也不必操心，它很保守，总是乖乖给你停下来。只是遇到绿灯，你才需要举手之劳地点一下脚。这样算下来，90% 的 city driving 你是可以交给机器了，10% 的时候动动脚（点一下油门）或动动手（点一下操纵杆也可以）。这样的小白鼠，哪个热爱新科技的人不愿意做呢？何况咱还是AI背景的技术爱好者。10% 之内还有路口转弯，这个是更高级的功能，还没进入特斯拉的机器学习的视野。

这阵子读了一些他们的材料。从各种CV子任务，到建立“鸟瞰”view，到测算3D depth，到综合这些信息决定操作，总共上百个模型一起协作。也是一团乱麻，谈不上端到端。非端到端的好处是透明性和模块化。AI的透明性表现在对这100个模型的细分定义中，可是这些模型之间的协调落地，其实基本是个黑箱子。常出现的问题就是，有的模型 overfitting，与其他模型难以 sync好。不同模块对最终的驾驶控制（输出 x，y：x 是速度，y是方向）有不同的影响，协调不好的后果就是争抢“控制权”，表现在自动驾驶能力的不稳定或退步（regressions）上。

几乎所有其他家的自动驾驶都用激光雷达（LIDAR）主导。马斯克说，这是死路，我就不用，我只用摄像头，靠CV。有啥道理？其实没啥道理，马斯克不是AI专家，他就是个有技术背景的商人而已。他算过一笔账，激光雷达的成本高昂（好像是最基本的LIDAR至少6000美金以上，一辆车通常至少要部署两台，这就是一万多），它没有办法用到量产的特斯拉车上，而不失去顾客和市场。就是为了这么个非科学的理由，他就硬说人家用LIDAR是死路。

LIDAR最大的好处是精确测量障碍物与车的距离，而这是自动驾驶安全性的最重要的信息。特斯拉不用LIDAR，但绕不过这个三维（3D）景深（depth）的计算呀，否则如何避免碰撞呢。特斯拉只好通过多个摄像头从不同角度得来的视觉信息，做所谓信息融合（info fusion）在线建立3D模型，来逼近距离的测算，这需要海量的数据训练以及巨大的即时计算能力。最近的报告说，他们与LIDAR的鸿沟已经越来越小了。事实上，他们是用软件的办法实现了一个LIDAR的模拟结果。据称，模拟LIDAR的好处是，很多利用LIDAR发展起来的驾驶算法和技术就可以拿来主义地用了，补足单一依赖视觉的不足。

这叫什么？明修栈道，暗度陈仓。一面宣告竞争对手依赖LIDAR硬件是死路，一面台下模拟LIDAR的软件效果（等价于复制了一个粗糙的LIDAR）。这样也好，等到未来某一天硬件价格下降，特斯拉量产也装配得起LIDAR了，整个算法路线无需大的改变即可实现平滑升级。马斯克的“死路说”，只有一种解释可以站得住，就是：你丫选择用LIDAR，因此成本大到无法量产，因此也就无法交付给成千上万的客户（特斯拉迄今已经交付了100多万辆，形成了一个可以自动海量汇集驾驶数据的车队，叫 fleet，这个 fleet 每天在路上跑着，源源不断给特斯拉输送数据）。这样一来，你的实际训练数据的收集，无法与特斯拉比，相差太多了。在数据为王的AI年代，自动驾驶的最终规模化和适应性，很大程度上取决于数据的采集量和训练量。从这一点看，特斯拉显然把对手远远抛在后面。

关于踢开LIDAR闹AI革命，可以打个比方。弹钢琴是个手艺活儿，各种大赛，各路选手可以把钢琴弹得让人眼花缭乱。这时候你说，我出一个选手，把双手剁了，也来参加钢琴赛，可以不可以？当然可以，没有手，可以用脚呀。不知道各位见没见过用双脚把钢琴弹得让人掉眼泪那种。

这就是补偿作用。当你把一条路堵死，虽然那是一条公认的光明大道，甚至是很多人确认为“唯一”的路径，你其实还可以把另一条暗道无限发挥到极致，最后也常常可以达到目的。这就是马斯克的算盘，虽然费老鼻子的力气了，现在看来他是在成功的道路上，开始逼近对手的自驾能力。我看过竞争对手Zoox的自动驾驶展示，利用LIDAR和高精地图，在旧金山市区繁忙地带穿行自如，性能上比特斯拉要强得远。（顺便插一句，AI 中很多任务，其实主流的深度学习和更传统的符号逻辑，其实都可以做。当你把某个路线堵死，把所有资源排山倒海般注入其中一条路线，奇迹是可以发生的。但这并不说明，那个被堵死的路线，如果有了类似的资源投入，就不可行。很多时候，另一路根本就不在雷达上，完全被忽略了而已，没有施展的舞台和需要的资源而已。）

回到特斯拉的自动驾驶（auto pilot）的设计思想。马斯克说，现代的交通系统（各种路标、红绿灯，以及驾驶规则等）就是设计给人用的。人与蝙蝠不同，没有雷达，主要就是靠双眼来采集信息，靠大脑消化信息来指挥驾驶。既然人可以驾驶，那么机器凭着眼睛（摄像头）也就一样可以。说得倒也有道理，但那是最低标准的道理。没有任何理由要求自动驾驶仅仅跟着人后面去学。人每天都在出事故，难道机器也应如此？人的双眼其实很差劲，为此不知道坑进去多少条人命，伤胳臂丢腿的更是无数。好在特斯拉不止双眼，它配备了10多个摄像头，也配了普通雷达，只是没有激光雷达而已。（特斯拉其实走了一条难得多的道路，他自愿砍掉了自己的两条腿，除了LIDAR这条腿外，他还坚持不用高清地图。砍掉第二条腿的动机是增强系统的鲁棒性和动态适应性，因为高清地图不仅制作和维护成本很大，而且也难于对地面情况的变动做及时的更新反映。但在人口密集地区，譬如交通复杂的都市中心，没有预制的高清地图的结构化知识支持，单靠现场的视觉计算是很难把控交通形势做出合理决策的。相信，最终特斯拉还是会在特别的地区，譬如旧金山市中心，添加高清地图，来优化它的一般驾驶算法的场景性能。）

“跟人学”，这是特斯拉自动驾驶的设计哲学。这也是它的 AI 具有一定程度的透明性、可解释性以及模块化 practice 的指路灯。从工程上看这是最好实施的方案之一。但理性来想，其实很难证明这是最佳的自动驾驶途径。红绿灯识别这类子任务，定义起来很有道理，也很清晰，它直接与驾驶操作有关。其他的一些子任务就难说了，譬如识别垃圾桶。垃圾桶与其他障碍物，在驾驶操作的决策中到底有没有特别的意义，不大能说清楚。本着“跟人学”的指导思想，他们自底而上去定义任务，哪个任务似乎常引起驾驶者的注意，就先定义了，先假设它对驾驶决策有区别性影响。对每个定义的任务，首先收集和标注训练集，做一个模型出来。这样每个模型/模块，就可以独立训练独立测试，开发起来很有章法。至于一下子整了这么多同时在开发、因素杂乱（heterogeneous）、训练集大小不一、拟合程度不一的模型，如何把它们整合到大系统去协调总体驾驶决策，这其实依然是个很大的挑战。他们自己也承认这是一个很大的问题。目前还有相当程度的瞎撞的成分。这就是为什么不少特斯拉车主发现有些功能，新版突然不如旧版了。有时候，过了几个版本又回来了。但也有一些能力曾经在某个版本表现很好，后来再训练新版本后就一直回不到以前的最佳状态。

总之是，模块化、透明化、跟人学智能而不是跟最高理性加最好配置学智能决策，这一套设计哲学对于工程化落地部署有好处，也接地气，但是在 regressions 的掌控上，仍然有很大欠缺。

说了这么多，最后还是沦为马斯克的小白鼠。你都想象不出特斯拉车主的宽容博爱精神多么宏大：对于特斯拉任何一点不起眼的进步，他们从来不吝赞誉；对于马斯克如超人般尊崇；对于失误（包括车祸死人这种人命关天的大事），他们总是冲上去卫护特斯拉，常常指责同是车主的 victims 的不专心或违规操作；对于免费标注、免费做广告、每个季度末忙碌的时候免费义务去 Fremont 帮助交付特斯拉新车，等等，热心无比。这种现象超过了当年的乔布斯粉丝。以至于网上传言，特斯拉车主都是一帮爱好技术的单纯的人。以前孩子迷路了，家长教育孩子，除了找警察叔叔，就去找带着孩子的阿姨。现在的教育据说是，迷路了就去找特斯拉车主，他们都是好人。

盼星星盼月亮，可惜前阵子 beta，只给 early access 的小团伙试用，咱想当小白鼠，无门可入。终于昨天夜里得到了空中更新（OTA：over-the-air），今天有点迫不及待了。