還差一個gpt++。
其實作在的自動駕駛是基於影像辨識的（如果包含雷射雷達的話，那就是點雲辨識）。
影像辨識技術現在的確已經非常成熟了；尤其基於深度神經網路的辨識準確率甚至可以超過人眼。
但，問題來了：我們人類雖然的確是依賴眼睛「導航」的；但如果出現了誤辨識、比如把路牌看成人了、把路邊廣告牌上的風景/道路看成路口了、把公交車上的廣告明星當成過街的行人了……那沒關系，我們還有大腦，可以立即做一個邏輯推斷——不對！我現在在高速公路上，這是城市街道不是高速公路！
但，電腦程式做不到。
更進一步的，我講過自己開車的一個案例：去火車站，路上見到4個小孩打鬧。其中一個打了另一個一下，轉身就跑過了馬路；另一個追著就過去了。然後剩下兩個哈哈大笑，隨即第三個也追上去了，只剩第四個站在路邊笑的直不起腰。
我熟悉兒童心理。所以立即踩了一腳剎車，把車速降低到5km左右。果然，第四個笑完，什麽都不看直接沖過馬路，追著另外三個去了。
如果不剎車，你覺得這危險不危險？
那麽，問題來了：這樣的程式，應該怎麽寫？
其實，因為影像辨識失誤造成的自動駕駛車禍已經發生過很多次、也死了不少人了。
比如，去年還是什麽時候，一名華裔工程師開特斯拉回家，就因為路面標線模糊造成車輛失控，直接撞了隔離墻。車毀人亡。
人開車顯然是不會這樣的。因為我們可以根據周圍環境迅速做出推斷。
不需要明顯的標線（影像辨識依賴的「錨」），我們自己看著道路、就知道標線應該是什麽樣子、哪裏缺損了、該如何補。
類似的，路上出現了陰影/疑似坑穴，我們也能提前發現、做好推斷然後迅速采取措施。
類似「看到孩子打鬧，猜到最後一個孩子會過馬路」這樣的推斷是平凡而瑣碎的，伴隨著我們開車的每分每秒——比如，我學車時，有人給我講過，說你要註意自由車/電動車/摩托車，這些車沒有或者不會打轉向燈，你要註意他看哪個方向。如果騎車者突然往左看了一眼，那麽他很可能馬上就要左轉；此時汽車駕駛員就必須註意減速，別撞上去。
再比如，路上見了個紙盒子、掉了張報紙、塑膠袋，最好不要壓上去。因為下面/裏面可能有釘子。尤其人在外地，輪胎被紮麻煩就大了。
還有，有的路標線清晰寬敞……但其實是一條斷頭路，前方直接石墩堵死。人類司機可以大老遠看出問題、切換到支路；自動駕駛怎麽辦？
或者，前方學校，斑馬線附近畫了很多小朋友的畫像，提醒司機註意。人眼可以一眼看出這是一幅畫，畫在地上的平面畫；自動駕駛呢？
換句話說，自動駕駛之所以無法替代人類司機，或者說L2之所以被卡的死死的、無論如何都提不到L3水平，原因就在於，整個駕駛過程中，是存在無數的「推斷」的。
這些「推斷」包括但不限於地理知識、生活常識、施工/工地見聞乃至邏輯學、心理學等方面的知識——當然，僅僅是這些知識的入門；入門，但實用，而且無處不在。
但這個推斷，是傳統電腦程式做不到的。
我們可以提前寫很多很多的判斷、搞出無數的預設場景……但我們沒有辦法預設所有場景。
從這個角度看的話，其實L2、L3、L4之類的劃分是非常的拍腦袋的、也是不科學的。
原因很簡單，L3想要做到可行水平，那麽「道路狀況推斷」就必須做。不能道路標線模糊了你就把人撞死。
同樣的，道路標線再清晰，地上撒了釘子、放了破胎器，那就必須立即緊急停車，一步都不能多走。
類似的，彎道，沒有視野；聽見前方當的一聲悶響然後飄過來幾絲煙氣——怎麽辦？
你當然應該推斷到「前方可能出了車禍所以必須立即減速」，對吧。
那麽，現在我要問了：哪個公司敢說自己能做到？
甚至，基於傳統編程方案，哪個二蛋敢說這事有可能做到？
這是做不到的。 L3是永遠不可能用傳統編程方案觸及的 。
因為它裏麵包含了推斷。不管這個（開放性的）推斷有多弱，它都不是預設邏輯的、傳統的軟體工程能解決的問題。
反過來說也對：一旦能解決推斷問題——比如，接入chatgpt、把網路攝影機/麥克風捕捉到的各種資訊巨細靡遺的送出給它，要求它立即做出判斷（至多延遲2秒，不能更久了）——那麽，其實直接到L5了，對吧？
但，chatgpt我們現在已經很熟悉了。它的推斷能力還是有些薄弱，可靠性不是很好。很多時候，它的答案取決於我們提問的方式……
想要讓它可靠，那麽訓練數據就要更多、就要用更好的方案更強的硬體……
熟悉深度神經網路的都知道，其實我們不可能劃分級別、按L3、L4、L5的訓練它的。
要麽全有，要麽全無。這就是問題所在。
換句話說，L2和L3的劃分有意義；L3到L5的劃分是ppt。
所有的問題最終歸結為一個，就是如何訓練一個可靠的、有推斷能力的AI，可以近即時的、像人一樣的做出決策。
換句話說，chatgpt之類AI什麽時候能足夠的靠譜。
