特斯拉“影子模式”升级 将收集更多学习数据进行深度学习

车东西3月24日消息，据外媒Electrek报道，近日， 特斯拉 申请了一项关于自动驾驶机器学习的专利。如果 特斯拉可以获取庞大的车辆行驶数据和硬件机器学习数据，就能够训练自动驾驶神经网络，实现更深入的机器学习。

实际上，这项专利就是 特斯拉“影子模式”的升级版本。此前， 特斯拉通过车辆硬件自主进行机器学习，加强自动驾驶能力。而目前，通过收集大量的实际驾驶数据，可以让自动驾驶具有更强大的判断能力，尤其加强对未来发生事件的预判。如果这项工作得以顺利开展， 特斯拉的自动驾驶能力将得到更大提升。

日前， 特斯拉 申请了一项关于自动驾驶机器学习的专利。专利中描述， 特斯拉可以使用车辆行驶的大数据训练自动驾驶神经网络，让自动驾驶系统能力得到提升。

▲ 特斯拉新专利

这一专利已经通过审核并对外公布， 特斯拉是这项专利的持有者， 特斯拉人工智能和Autopilot自动驾驶软件负责人Andrej Karpathy是唯一发明者。

实际上，这就是特斯拉“影子模式”的一个升级。

专利描述中首先对驾驶数据收集的困难进行了阐述：“深度学习系统的性能通常受制于训练模型的质量。大多数情况下，深度学习开发者都会花大量精力收集、整理、注释训练数据，这一过程通常十分枯燥乏味。而且，机器学习模型通常需要非常特殊的个例，这些个例也难以收集。”

而 特斯拉所采用的数据收集方式和其他公司完全不同。其他自动驾驶研发公司通常会选取一部分自动驾驶车辆收集数据，因此数据量通常较少，也难以具有普遍性。

特斯拉则使用旗下大量车辆的行驶数据用于深度学习，数据量更大，也能覆盖更多的场景。因此，在进行深度学习时也会得到更精准的结果。

▲ 特斯拉数据收集流程图

可是，如果不进行大量数据收集就无法完成机器学习了吗？Karpathy对此进行解释：“随着机器学习模型变得越来越复杂，机器学习需要使用更多数据才能保证准确性。与较浅的机器学习相比，更深入的学习可以保证软件 通用性更高。虽然经过反复的机器学习训练，浅层的机器学习也能提高准确度，但它对未来发生事件的判断仍不够强大。”

也就是说，通过前期的机器学习， 特斯拉自动驾驶已经取得了一些成果。目前进行的数据收集，则是为了能够达到更高的自动驾驶目标。

特斯拉在自动驾驶领域已经是老玩家了，不过 特斯拉官方的上路测试真的很少，大部分都是靠 特斯拉车主贡献自动驾驶方面的数据。此前， 特斯拉在2019年4月发布了“影子模式”，希望让大量 特斯拉 汽车的自动驾驶硬件在车辆行驶时工作，达到机器学习的目的。

“影子模式”的原理是，让 特斯拉 汽车的自动驾驶软件处于开启状态，传感器探测车辆行驶道路周围的数据，但驾驶操作完全由人来完成，机器不参与驾驶。在人的驾驶过程中，机器就能学习人的驾驶操作，从而达到提升自动驾驶能力的目的。

▲ 特斯拉2019年发布“影子模式”时的演讲

特斯拉当时就认为，如果只收集特定车辆的自动驾驶信息，测试结果通常都不准确，因为数据量、测试场景的局限性太大。如果大量 特斯拉车主希望共享驾驶数据，使用这些数据进行机器学习，数据量和准确度都有更多保障。

特斯拉表示，如果使用电脑模拟器进行自动驾驶测试，每天测试量可以达到100万英里，而 特斯拉车主所能共享的数据已经超过这个数字，车主共享的数据有更高的价值。

在自动驾驶测试中， 特斯拉算是个特立独行者。没有官方的自动驾驶测试，靠的是大量用户的驾驶数据；坚决不用激光雷达，相信摄像头+毫米波就能解决大多数自动驾驶难题。 特斯拉的这种特立独行也让许多自动驾驶公司有些不知所措。

不过，正是 特斯拉的特立独行才造就了 特斯拉。从推出 电动汽车的那一刻起， 特斯拉就注定是个特立独行者。