还差一个gpt++。
其实现在的自动驾驶是基于图像识别的（如果包含激光雷达的话，那就是点云识别）。
图像识别技术现在的确已经非常成熟了；尤其基于深度神经网络的识别准确率甚至可以超过人眼。
但，问题来了：我们人类虽然的确是依赖眼睛「导航」的；但如果出现了误识别、比如把路牌看成人了、把路边广告牌上的风景/道路看成路口了、把公交车上的广告明星当成过街的行人了……那没关系，我们还有大脑，可以立即做一个逻辑推断——不对！我现在在高速公路上，这是城市街道不是高速公路！
但，计算机程序做不到。
更进一步的，我讲过自己开车的一个案例：去火车站，路上见到4个小孩打闹。其中一个打了另一个一下，转身就跑过了马路；另一个追着就过去了。然后剩下两个哈哈大笑，随即第三个也追上去了，只剩第四个站在路边笑的直不起腰。
我熟悉儿童心理。所以立即踩了一脚刹车，把车速降低到5km左右。果然，第四个笑完，什么都不看直接冲过马路，追着另外三个去了。
如果不刹车，你觉得这危险不危险？
那么，问题来了：这样的程序，应该怎么写？
其实，因为图像识别失误造成的自动驾驶车祸已经发生过很多次、也死了不少人了。
比如，去年还是什么时候，一名华裔工程师开特斯拉回家，就因为路面标线模糊造成车辆失控，直接撞了隔离墙。车毁人亡。
人开车显然是不会这样的。因为我们可以根据周围环境迅速做出推断。
不需要明显的标线（图像识别依赖的「锚」），我们自己看着道路、就知道标线应该是什么样子、哪里缺损了、该如何补。
类似的，路上出现了阴影/疑似坑穴，我们也能提前发现、做好推断然后迅速采取措施。
类似「看到孩子打闹，猜到最后一个孩子会过马路」这样的推断是平凡而琐碎的，伴随着我们开车的每分每秒——比如，我学车时，有人给我讲过，说你要注意自行车/电动车/摩托车，这些车没有或者不会打转向灯，你要注意他看哪个方向。如果骑车者突然往左看了一眼，那么他很可能马上就要左转；此时汽车驾驶员就必须注意减速，别撞上去。
再比如，路上见了个纸盒子、掉了张报纸、塑料袋，最好不要压上去。因为下面/里面可能有钉子。尤其人在外地，轮胎被扎麻烦就大了。
还有，有的路标线清晰宽敞……但其实是一条断头路，前方直接石墩堵死。人类司机可以大老远看出问题、切换到支路；自动驾驶怎么办？
或者，前方学校，斑马线附近画了很多小朋友的画像，提醒司机注意。人眼可以一眼看出这是一幅画，画在地上的平面画；自动驾驶呢？
换句话说，自动驾驶之所以无法替代人类司机，或者说L2之所以被卡的死死的、无论如何都提不到L3水平，原因就在于，整个驾驶过程中，是存在无数的「推断」的。
这些「推断」包括但不限于地理知识、生活常识、施工/工地见闻乃至逻辑学、心理学等方面的知识——当然，仅仅是这些知识的入门；入门，但实用，而且无处不在。
但这个推断，是传统计算机程序做不到的。
我们可以提前写很多很多的判断、搞出无数的预设场景……但我们没有办法预设所有场景。
从这个角度看的话，其实L2、L3、L4之类的划分是非常的拍脑袋的、也是不科学的。
原因很简单，L3想要做到可行水平，那么「道路状况推断」就必须做。不能道路标线模糊了你就把人撞死。
同样的，道路标线再清晰，地上撒了钉子、放了破胎器，那就必须立即紧急停车，一步都不能多走。
类似的，弯道，没有视野；听见前方当的一声闷响然后飘过来几丝烟气——怎么办？
你当然应该推断到「前方可能出了车祸所以必须立即减速」，对吧。
那么，现在我要问了：哪个公司敢说自己能做到？
甚至，基于传统编程方案，哪个二蛋敢说这事有可能做到？
这是做不到的。 L3是永远不可能用传统编程方案触及的 。
因为它里面包含了推断。不管这个（开放性的）推断有多弱，它都不是预设逻辑的、传统的软件工程能解决的问题。
反过来说也对：一旦能解决推断问题——比如，接入chatgpt、把摄像头/麦克风捕捉到的各种信息巨细靡遗的提交给它，要求它立即做出判断（至多延迟2秒，不能更久了）——那么，其实直接到L5了，对吧？
但，chatgpt我们现在已经很熟悉了。它的推断能力还是有些薄弱，可靠性不是很好。很多时候，它的答案取决于我们提问的方式……
想要让它可靠，那么训练数据就要更多、就要用更好的方案更强的硬件……
熟悉深度神经网络的都知道，其实我们不可能划分级别、按L3、L4、L5的训练它的。
要么全有，要么全无。这就是问题所在。
换句话说，L2和L3的划分有意义；L3到L5的划分是ppt。
所有的问题最终归结为一个，就是如何训练一个可靠的、有推断能力的AI，可以近实时的、像人一样的做出决策。
换句话说，chatgpt之类AI什么时候能足够的靠谱。
