这家初创公司希望以超快速度打造自动驾驶汽车软件

17 hours ago7 min read1 comments

得益于人工智能的进步，自动驾驶汽车行业正日益升温。但同样的创新能否帮助像HyprLabs这样的初创公司构建安全的技术？这是一个触及当前AI革命核心的问题，其中大型语言模型和生成式AI的迅猛发展正溢出到机器人技术和感知等相邻领域。对于像HyprLabs这样旨在以极快速度构建自动驾驶汽车软件的初创公司而言，其前景令人兴奋：利用驱动ChatGPT的相同基础模型来解读复杂的驾驶场景、预测行人行为并做出瞬间决策。其底层架构——基于Transformer、在庞大数据集上训练的神经网络——已被证明在解析语言和图像方面异常出色。研究界许多人正在进行的逻辑飞跃是，这些系统可以通过微调来理解道路的‘语言’，即来自激光雷达、雷达和摄像头的连续传感器数据流。然而，从语言建模到现实世界物理安全的过渡是一道鸿沟，而非一步之遥。其风险不可同日而语；聊天机器人中的幻觉只是令人烦恼，但车辆感知栈中的幻觉则可能是灾难性的。这就是HyprLabs及其同行必须应对的根本矛盾：在风险投资和竞争压力推动下快速前进的欲望，与功能安全（ISO 26262）不可改变且艰巨的要求，以及在无数边缘案例（例如困扰行业超过十年的‘黑暗无月之夜，塑料袋飘过道路’的场景）中进行详尽验证的需求之间的冲突。支持者认为，AI快速的迭代能力——软件几乎可以瞬间从数百万模拟里程中学习——是比传统手工编码方法更快解决这些边缘案例的关键。包括资深机器人专家在内的怀疑者则指出，模拟本身存在现实差距，而深度学习模型的概率性质会引入固有的不可预测性，这与监管机构要求的确定性安全案例背道而驰。近期Cruise和Argo AI等公司的战略调整，以及特斯拉在兑现其完全自动驾驶承诺方面持续面临的困境，都构成了一个发人深省的背景。这表明，仅靠蛮力数据和计算能力尚未解决这个问题。HyprLabs的赌注似乎押在一种更敏捷、以软件为中心的方法上，或许是利用基础模型作为‘世界模型’来实现泛化能力的飞跃。然而，硬件-软件协同演进的挑战依然存在；软件必须与车辆的传感器套件和计算平台紧密结合。此外，监管环境正从宽松的试点项目转向更严格的监督，正如近期美国国家公路交通安全管理局（NHTSA）的调查所示。一家竞速‘超快’开发的初创公司还必须并行构建一个细致入微的流程，用于文档记录、可追溯性和可解释性——而这些领域正是AI系统以不透明著称的地方。最终的测试不会在硅谷的服务器机架上进行，而是在慕尼黑湿滑的街道上、在孟买混乱的交通中，或是在蒙特利尔令人目眩的雪地里。正是在这些环境中，AI模型的理论优雅性将与真实世界混乱、不可预测的物理现实相遇。该行业的历史充满了过于乐观的时间表；对HyprLabs而言，问题在于新一波生成式AI是代表了能力的真正范式转变，还是仅仅是另一个强大的工具，必须被整合到构建不仅智能而且可靠安全的系统所需的缓慢而艰苦的工作中。.

#featured

#autonomous vehicles

#self-driving software

#HyprLabs

#AI startups

#automotive technology

#safety