被神话的GPT，造不出你的梦中神车

作者 | 黎明

编辑 | 艾小佳

来源丨深途（shentucar）

图片来源：由无界 AI工具生成

ChatGPT爆火之后，AI大模型成为众多科技公司追逐的热点。从聊天对话，到图像生成，再到桌面办公，仿佛AI在一夜之间具备了颠覆一切的神力。

热潮蔓延至汽车行业，从业者开始思考：让GPT造车，是否可行？

有车企宣布将应用大模型技术，也有车企称要接入第三方大模型，还有车企抢着发布了带有GPT字眼的自动驾驶系统。

有从业者对深途说，智能座舱和自动驾驶，或将是大模型最先应用的场景。这其中，尤以自动驾驶最让人期待。

自动驾驶是一个难度极高的赛道。除了谷歌、百度等科技巨头，一大批天才创业者投身其中，烧掉数十亿美金，至今也没达到让人满意的效果。

AI大模型杀入自动驾驶，这次会不一样吗？

GPT跟汽车，有几毛钱关系？

GPT跟汽车，表面看无直接关联，实则渊源很深。故事得从六年前说起。

2017年6月，特斯拉的老板马斯克，从OpenAI挖走了一个斯洛伐克籍的研究员。这个人叫Andrej Karpathy，他后来成为特斯拉的AI总监。

当时马斯克对人工智能表现出极大兴趣，他也是OpenAI的捐资创办人之一。把Andrej Karpathy招致麾下不久，马斯克离开OpenAI董事会，他认为特斯拉和OpenAI都在研究AI，未来可能发生利益冲突。

后来，Andrej Karpathy在特斯拉重写了自动驾驶算法，开发出BEV纯视觉感知技术，让特斯拉自动驾驶进入新阶段。而他的前东家OpenAI，则将全部筹码押注在通用人工智能，最终研发出GPT。

从产品角度看，OpenAI的GPT和特斯拉的BEV，是完全不同的物种。但从技术底层来看，它们都依托人工智能技术，尤其是对谷歌Transformer模型进行了应用。

Transformer是一种深度学习的神经网络架构，由谷歌的8位AI科学家在2017年提出。这是人工智能行业极其重要的一项发明，今天大火的ChatGPT中的“T”，就是指Transformer大模型。

与传统神经网络RNN和CNN不同，Transformer通过自我注意力机制，去挖掘序列中不同元素的联系及相关性，具有很好的时序数据处理能力。这让它在机器翻译、文本摘要、问答系统等任务上，展现出突出的性能。

因此Transformer一开始被人们用在NLP（高级自然语言处理）领域，用于理解人类的文本和语言。

在Transformer模型上进行预训练，经过不断的微调、迭代，OpenAI相继推出了GPT-1、GPT-2、GPT-3、GPT-4等语言训练大模型。ChatGPT是OpenAI对GPT-3模型微调后开发出来的对话机器人。由于它能以对话的方式进行交互，普通人很好上手，且比过去的聊天机器人显得更“聪明”，因此大放异彩。

从根本上，ChatGPT的GPT模型、谷歌的LaMDA大模型，以及百度的文心大模型，同宗同源。

来源 / pexels

将Transformer模型用于自然语言，诞生了ChatGPT这样的聊天应用；将它用在计算机视觉，同样取得了惊人的效果，这方面的先行者是特斯拉。

Andrej Karpathy在担任特斯拉AI总监期间，负责领导自动驾驶的计算机视觉团队，通过结合Transformer模型，特斯拉成功开发出BEV技术。

BEV全称是Bird's Eye View，即鸟瞰图。它可以将摄像头拍摄的2D图像拼接转化为3D图像，统一转换到俯视角度下进行处理，形成“上帝视角”。这么做的原因是：开车是在三维空间中进行的，人看到的是立体的世界，而不是2D的图像。

这项全新的感知方案，在2021年8月的特斯拉AI DAY上由Andrej Karpathy对外展示。为此特斯拉不惜重写了自动驾驶算法，对训练深度神经网络的基础设施进行了重构。

这是大模型技术首次被应用到自动驾驶行业。

今天回过头来看，虽然GPT目前主要应用在自然语言处理领域，我们并不能让GPT去驾驶一辆汽车，但它背后的AI大模型技术，尤其是Transformer架构，实际上早就已经在自动驾驶领域应用了。

从自然语言处理到计算机视觉，两个领域基于Transformer架构在建模结构上实现了统一，使联合建模更加容易。

而随着对AI的理解加深，汽车公司越来越像人工智能公司。除了特斯拉，理想汽车在今年初公布公司愿景，声称要在2030年成为一家人工智能企业。它将在今年推出的城市NOA导航辅助驾驶系统，技术支撑就是BEV感知和Transformer模型。

让AI跟人对话，与让AI驾驶一辆汽车，似乎本质上并无区别，只是二者落地场景不同。在将底层技术应用到具体产品这件事上，人类永远充满想象力。

GPT教会自动驾驶的那些事