我对特斯拉自动驾驶的认知

马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出现问
题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特斯拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉的FSD。

没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学到东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说明特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。

马斯克确实在利用买FSD的人，相当于所有用FSD的人都在为特斯拉的AI做免费辅导。但绝大多数买FSD的都认同马斯克的理念，愿意当免费老师。

但有些人把师生关系弄反了。本来是学生（FSD beta）还没出徒，还需要老师（司机）监控并随时接管，但有的司机开启FSD beta后，自己睡觉去了。

好比学飞行拿驾照，教练要随时盯着并随时准备接管。如果教练上了飞机就睡觉，让学员自己开，出事的几率不大才怪。

欢迎同学们讨论。

你说得都对，给你小花花

呵呵，谢鼓励认同，郁金香免费给你。

其实，我上面说的，黑特斯拉的人们也都懂。只是他们会说另一套说辞。

我还是太认真了，小蝌蚪我已经输了，哈哈。

【 在 jwzhanggy (CarMaker) 的大作中提到: 】
: 你说得都对，给你小花花

比喻不错3D4D

【 在 YWY (夜未央) 的大作中提到: 】
: 马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出现问
: 题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特斯
: 拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉的
: FSD。
:
: 没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学到
: 东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说明
: 特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。
:
: 马斯克确实在利用买FSD的人，相当于所有用FSD的人都在为特斯拉的AI做免费辅导。但
: 绝大多数买FSD的都认同马斯克的理念，愿意当免费老师。
:
: 但有些人把师生关系弄反了。本来是学生（FSD beta）还没出徒，还需要老师（司机）
: 监控并随时接管，但有的司机开启FSD beta后，自己睡觉去了。
:
: 好比学飞行拿驾照，教练要随时盯着并随时准备接管。如果教练上了飞机就睡觉，让学
: 员自己开，出事的几率不大才怪。
:
: 欢迎同学们讨论。

Thanks.

【 在 mrmaja (夏日炎炎) 的大作中提到: 】
: 比喻不错�3D�4D

特斯拉 今天 国内汽车着火。 居然没有 影响股价。 国内的事故不算数吗

说那么多其实没太多用, 长持个股说到底都是靠信念.

倒是上周五收盘前TSLA的IV出现了一个大的SPIKE, 算是给大家送的一个大红包.

而且TSLA经常会发这样的大红包. 所以个人很喜欢TSLA.

【 在 YWY (夜未央) 的大作中提到: 】
: 马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出现问
: 题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特斯
: 拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉的
: FSD。
: 没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学到
: 东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说明
: 特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。
: 马斯克确实在利用买FSD的人，相当于所有用FSD的人都在为特斯拉的AI做免费辅导。但
: 绝大多数买FSD的都认同马斯克的理念，愿意当免费老师。
: 但有些人把师生关系弄反了。本来是学生（FSD beta）还没出徒，还需要老师（司机）
: ...................

特粉们，都拿自己的命，给他们的教主当小白鼠试验。

只要死上足够多的小白鼠，特斯拉自然久经考验。

本人的看法要更激进一些，认为学生是要超过老师的。业界认为deep learning不是AI
，我倒是觉得没有比今天的deep learning更接近AI，甚至AGI的了，至少是个蛮有希望的方向。而自动驾驶是最有希望突破的一个领域，你可以说Tesla是个造车的公司，是
个搞能源的公司，是个IT公司，是要参与共享经济的，我倒觉得Tesla更是一个AI公司
，这个布局更深远。当然，怀疑和争论肯定是有的，要不然，百分之百明确的，大家就都去做了，也就没有赢家了。就像二十多年大家争论数码相机和胶片相机，这里争论的面红耳赤，一个论点就是胶片的分辨率和色彩是无限的啊，怎么可能被数码相机取代，十多年前争论手机和智能手机，手机就是打电话的啊，要那么些功能干么，再近些，许多人怀疑过云计算，不可靠，延迟高，还贵。给予足够的时间，坚持到最后的胜出。

tesla 的FSD 要做到华为那种左闪右避的开法可以说没有一点技术难度。但是自动驾驶应该帮助规范交通，而不是相反。

现在的问题是黑特斯拉的背后势力到底是什么，到底有多强。



【 在 YWY (夜未央) 的大作中提到: 】
: 马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出现问
: 题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特斯
: 拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉的
: FSD。
: 没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学到
: 东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说明
: 特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。
: 马斯克确实在利用买FSD的人，相当于所有用FSD的人都在为特斯拉的AI做免费辅导。但
: 绝大多数买FSD的都认同马斯克的理念，愿意当免费老师。
: 但有些人把师生关系弄反了。本来是学生（FSD beta）还没出徒，还需要老师（司机）
: ...................

Deep learning是一个black box，你愿意让一个黑匣子给你开车吗？

而且，machine learning总有出错的地方，自动驾驶中，出错就死翘翘了

更可行的一个办法是improve infrastructure，比如说invisible lane

【在YWY（夜未央）的大作中提到：】
：马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出现问
：题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特斯拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉的FSD。
：没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学到东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说明特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。
：马斯克确实在利用买FSD的人，相当于所有用FSD的人都在为特斯拉的AI做免费辅导。但绝大多数买FSD的都认同马斯克的理念，愿意当免费老师。
：但有些人把师生关系弄反了。本来是学生（FSD beta）还没出徒，还需要老师（司机）监控并随时接管，但有的司机开启FSD beta后，自己睡觉去了。
：好比学飞行拿驾照，教练要随时盯着并随时准备接管。如果教练上了飞机就睡觉，让学员自己开，出事的几率不大才怪。
：欢迎同学们讨论。
：持仓锁利抄底，你钱你定
：旁观嬉笑怒骂，自娱自乐
：股市变幻莫测，师母已呆
：..........

人的大脑更是black box. This is not a real issue.

【 在 rosmile (Yo-Yo) 的大作中提到: 】
: Deep learning是一个black box，你愿意让一个黑匣子给你开车吗？
: 而且，machine learning总有出错的地方，自动驾驶中，出错就死翘翘了
: 更可行的一个办法是improve infrastructure，比如说invisible lane
: ：马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出
现问
: ：题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特
: 斯拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉
: 的FSD。
: ：没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学
: 到东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说
: 明特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。
: ...................

人脑是“上帝”造的，人类理解不了而已

deep neural network是不懂大脑的人类搞出来的，自己也不会解释的东东

【在iamtom（汤姆）的大作中提到：】
：人的大脑更是black box. This is not a real issue.

我觉得说deep neural network 是无法解释的 完全是相对于传统的基于规则的模型来
说的； 这种说法本身并不正确。 neural network的工作机理super clear, 只是判断
结果和输入之间的关系不能用简单的线性规则来描述而已。

【 在 rosmile (Yo-Yo) 的大作中提到: 】
: 人脑是“上帝”造的，人类理解不了而已
: deep neural network是不懂大脑的人类搞出来的，自己也不会解释的东东
: ：人的大脑更是black box. This is not a real issue.

可以这么说吧。算力够高，training足够，就可以建一个model，入口是草，出来的是
香肠，大家也不必知道猪怎么养

【在iamtom（汤姆）的大作中提到：】
：我觉得说deep neural network 是无法解释的 完全是相对于传统的基于规则的模型来
：说的； 这种说法本身并不正确。 neural network的工作机理super clear, 只是判断
：结果和输入之间的关系不能用简单的线性规则来描述而已。

楼主知道航空飞机的自动驾驶吗？

跨太平洋航线，经常被举报飞行员打开自动驾驶仪后睡大觉的例子。

【 在 YWY (夜未央) 的大作中提到: 】
: 马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出现问
: 题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特斯
: 拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉的
: FSD。
: 没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学到
: 东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说明
: 特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。
: 马斯克确实在利用买FSD的人，相当于所有用FSD的人都在为特斯拉的AI做免费辅导。但
: 绝大多数买FSD的都认同马斯克的理念，愿意当免费老师。
: 但有些人把师生关系弄反了。本来是学生（FSD beta）还没出徒，还需要老师（司机）
: ...................

AI 学了半天， 可能不如加个激光雷达

这也是我的观点。更不如路里面埋个invisible的magnet

【在Kirsch（Kirsch）的大作中提到：】
：AI 学了半天， 可能不如加个激光雷达

高空lane无限宽，可比吗

【在ABCNBC（小李飞刀）的大作中提到：】
：楼主知道航空飞机的自动驾驶吗？
：跨太平洋航线，经常被举报飞行员打开自动驾驶仪后睡大觉的例子。

牛吃草长肉，之前是几千年归纳出来的经验。现在大家把牛长肉的生理学机制也研究得很透彻了

现在突然出现一种外星动物，根本就没有dna rna，繁殖靠有丝分裂，肉里的蛋白质结
构从没见过，但是也能吃。大部分时候吃草长肉，但是有时候肉里有毒，有时候肉里混了屎。

可能有胆大的人愿意尝鲜，但是不会有人愿意下半辈子就只吃外星肉了。

FSD就是那头外星牲畜，黑盒子牛。

【 在 rosmile (Yo-Yo) 的大作中提到: 】
: 可以这么说吧。算力够高，training足够，就可以建一个model，入口是草，出来的是
: 香肠，大家也不必知道猪怎么养
:
:
:
: 【在iamtom（汤姆）的大作中提到：】
: ：我觉得说deep neural network 是无法解释的 完全是相对于传统的基于规则的模
型来
: ：说的； 这种说法本身并不正确。 neural network的工作机理super clear, 只是
判断
: ：结果和输入之间的关系不能用简单的线性规则来描述而已。

AI识别图像中的物体是一部分，如何策略也是重要的一部分。激光雷达一样要AI来学些策略，否则corner case堆起来一下子就是死胡同，最后一堆垃圾。

Lidar最大的优势是有距离感，这个如果纯视觉做出来了，确实不需要lidar. 而它最大的劣势是识别物体比视觉弱一个维度，加上无法识别颜色，又弱一个维度。

简单说lidar, 是easy to star, hard to scale
纯视觉相反，hard to star, easy to scale

马斯克是对的，lidar的bit stream信息量比视觉小多了，视觉做出来了，lidar那点信息量根本就看不上了。吹捧lidar归根结底是水平不够

【 在 Kirsch (Kirsch) 的大作中提到: 】
: AI 学了半天， 可能不如加个激光雷达

舒适。从视频中提取三维信息已经非常可行了

【 在 luckykkkk (kkkk) 的大作中提到: 】
: AI识别图像中的物体是一部分，如何策略也是重要的一部分。激光雷达一样要AI来学些
: 策略，否则corner case堆起来一下子就是死胡同，最后一堆垃圾。
: Lidar最大的优势是有距离感，这个如果纯视觉做出来了，确实不需要lidar. 而它最大
: 的劣势是识别物体比视觉弱一个维度，加上无法识别颜色，又弱一个维度。
: 简单说lidar, 是easy to star, hard to scale
: 纯视觉相反，hard to star, easy to scale
: 马斯克是对的，lidar的bit stream信息量比视觉小多了，视觉做出来了，lidar那点信
: 息量根本就看不上了。吹捧lidar归根结底是水平不够

几位说的都很好，学习了

你的理解靠谱，但Tesla的技术路线有问题。人眼看到的信息远多于摄像头看到的，这
种情况下，机器学习的效果不会太好。

Tesla的autopilot是很有用的，是一种高级辅助系统。很多人开车上下班要在高速上花不少时间，autopilot就非常有用。但要做成全自动驾驶，我觉得很难。

这和围棋Alpha Go是不一样的。在围棋里，人类看得到的，机器都能看得到。

【 在 YWY (夜未央) 的大作中提到: 】
: 马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出现问
: 题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特斯
: 拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉的
: FSD。
: 没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学到
: 东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说明
: 特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。
: 马斯克确实在利用买FSD的人，相当于所有用FSD的人都在为特斯拉的AI做免费辅导。但
: 绝大多数买FSD的都认同马斯克的理念，愿意当免费老师。
: 但有些人把师生关系弄反了。本来是学生（FSD beta）还没出徒，还需要老师（司机）
: ...................

"人眼看到的信息远多于摄像头看到的" 这个还真不能怎么说。 你看特斯拉的成像，应该比驾驶者的视野开阔的多，并且对绝大部分情况的处理，FSD应该可以学到比人更加
成熟，快捷，
和稳定。

【 在 digua (姚之FAN) 的大作中提到: 】
: 你的理解靠谱，但Tesla的技术路线有问题。人眼看到的信息远多于摄像头看到的，这
: 种情况下，机器学习的效果不会太好。
: Tesla的autopilot是很有用的，是一种高级辅助系统。很多人开车上下班要在高速上花
: 不少时间，autopilot就非常有用。但要做成全自动驾驶，我觉得很难。
: 这和围棋Alpha Go是不一样的。在围棋里，人类看得到的，机器都能看得到。

因为徒弟向老师要钱的行为反人类

【 在 YWY (夜未央) 的大作中提到: 】
: 马斯克的FSD贝塔版，你买来开启后，让它接管，但你作为司机，要随时盯着，出现问
: 题及时介入。在这个过程中，特别是司机介入时的信息，特斯拉的团队会用来喂给特斯
: 拉的AI，逐步训练特斯拉的FSD，喂的（edge case）数据越多，越有利于提高特斯拉的
: FSD。
:
: 没必要拆方向盘拆刹车。在现有的（有方向盘有刹车的）情况下，特斯拉的AI就能学到
: 东西并逐步提高。当然了，根本没必要出事故才能学到东西，司机的介入，就已经说明
: 特斯拉的AI需要在相应的地方学习了，需要喂更多的数据。
:
: 马斯克确实在利用买FSD的人，相当于所有用FSD的人都在为特斯拉的AI做免费辅导。但
: 绝大多数买FSD的都认同马斯克的理念，愿意当免费老师。
:
: 但有些人把师生关系弄反了。本来是学生（FSD beta）还没出徒，还需要老师（司机）
: 监控并随时接管，但有的司机开启FSD beta后，自己睡觉去了。
:
: 好比学飞行拿驾照，教练要随时盯着并随时准备接管。如果教练上了飞机就睡觉，让学
: 员自己开，出事的几率不大才怪。
:
: 欢迎同学们讨论。

驾驶系统可以用多个摄像头，还可以结合毫米波雷达，这都是优点。但单个摄像头看到的信息，比人眼差得太远了。

系统的信息输入相差太远，在这个条件下，机器学习模仿人类的效果不好。

其它的机器学习应用，比如说下围棋，从照片或摄像里识别人脸，都是人得到信息不多于机器得到的信息。

不过，电脑辅助驾驶系统，现在就已经很有用了。上面这里说的是全自动驾驶，不是辅助驾驶。

【 在 iamtom (汤姆) 的大作中提到: 】
: "人眼看到的信息远多于摄像头看到的" 这个还真不能怎么说。 你看特斯拉的成像，应
: 该比驾驶者的视野开阔的多，并且对绝大部分情况的处理，FSD应该可以学到比人更加
: 成熟，快捷，
: 和稳定。

人眼像素8k
现在摄像头主流1080p
差8倍
外加调焦弱
最大差距是处理能力
信息收集能力差不多少
至少没有代差

【 在 digua (姚之FAN) 的大作中提到: 】
: 驾驶系统可以用多个摄像头，还可以结合毫米波雷达，这都是优点。但单个摄像头看到
: 的信息，比人眼差得太远了。
: 系统的信息输入相差太远，在这个条件下，机器学习模仿人类的效果不好。
: 其它的机器学习应用，比如说下围棋，从照片或摄像里识别人脸，都是人得到信息不多
: 于机器得到的信息。
: 不过，电脑辅助驾驶系统，现在就已经很有用了。上面这里说的是全自动驾驶，不是辅
: 助驾驶。

差的是信息解释能力。

摄像头还可以加滤镜，强光弱光微光比人眼强太多了。以后加夜视都成。

像素不重要，像素高只是自己舒服，以前没高清电影，就看不懂了吗。

【 在 LiuQiangDong (qqq) 的大作中提到: 】
: 人眼像素8k
: 现在摄像头主流1080p
: 差8倍
: 外加调焦弱
: 最大差距是处理能力
: 信息收集能力差不多少
: 至少没有代差

人眼的resolution大约是568M像素。https://clarkvision.com/articles/eye-resolution.html

8K屏幕大约有32M像素。

【 在 LiuQiangDong (qqq) 的大作中提到: 】
: 人眼像素8k
: 现在摄像头主流1080p
: 差8倍
: 外加调焦弱
: 最大差距是处理能力
: 信息收集能力差不多少
: 至少没有代差

对驾驶来说，这个不一定是优点。 看到驾驶所需以外的景象，say远处的美景，可能会分心. 分心可是导致车祸的一大主要原因。

所以像素高低不是问题，不会被驾驶因素以外的信息干扰在绝大多数情况下是机器的优点

【 在 digua (姚之FAN) 的大作中提到: 】
: 人眼的resolution大约是568M像素。
: https://clarkvision.com/articles/eye-resolution.html
: 8K屏幕大约有32M像素。

不懂装懂得典型
说的像一坨屎

徒弟（有潜力）将来会成大器，老师心甘情愿培养徒弟。但在未出徒之前，老师要监管。放任徒弟，徒弟可能会闯祸。重申一遍，这个过程中，徒弟都会非常听话，只要师傅接管，徒弟会立马遵从师傅的指令。网上穿得沸沸扬扬的某某师傅意外丧命的事件，就是师傅放任徒弟，关键时刻没接手干预（或来不及干预）而导致的。所以，老师们一定要记住，是老师带徒弟，不是徒弟带着老师去爽。

过程当然是艰巨地，徒弟可能还要经历很长时间的耐心指导，还要在全世界各个角落经风雨见世面。

但前途是光明地、灿烂地。

欢迎同学们做进一步的技术探讨，看看这个徒弟的潜力到底怎么样。

【 在 nfnmd (我爱总复习) 的大作中提到: 】
: 因为徒弟向老师要钱的行为反人类

确实比人差大方了。
YouTube就有个例子，比如人眼看到车外的物体实际是随着车的震动上下左右跳跃的，
但人脑能自动的把这种跳跃过滤掉。但对AI来说这就是大问题，再附加到其他问题上（比如:转向，遮掩，污点等等）就是灾难。

【 在 digua (姚之FAN) 的大作中提到: 】
: 人眼的resolution大约是568M像素。
: https://clarkvision.com/articles/eye-resolution.html
: 8K屏幕大约有32M像素。

不要被马斯克的话迷惑了。他只是说不用Lidar，但没有说不用雷达，距离是雷达测出
来的，所以不比Lidar差。

特斯拉的摄像头黑白的，同样是无法识别颜色

【 在 luckykkkk (kkkk) 的大作中提到: 】
: AI识别图像中的物体是一部分，如何策略也是重要的一部分。激光雷达一样要AI来学些
: 策略，否则corner case堆起来一下子就是死胡同，最后一堆垃圾。
: Lidar最大的优势是有距离感，这个如果纯视觉做出来了，确实不需要lidar. 而它最大
: 的劣势是识别物体比视觉弱一个维度，加上无法识别颜色，又弱一个维度。
: 简单说lidar, 是easy to star, hard to scale
: 纯视觉相反，hard to star, easy to scale
: 马斯克是对的，lidar的bit stream信息量比视觉小多了，视觉做出来了，lidar那点信
: 息量根本就看不上了。吹捧lidar归根结底是水平不够

TESLA 几个摄像头？

【 在 digua (姚之FAN) 的大作中提到: 】
: 驾驶系统可以用多个摄像头，还可以结合毫米波雷达，这都是优点。但单个摄像头看到
: 的信息，比人眼差得太远了。
: 系统的信息输入相差太远，在这个条件下，机器学习模仿人类的效果不好。
: 其它的机器学习应用，比如说下围棋，从照片或摄像里识别人脸，都是人得到信息不多
: 于机器得到的信息。
: 不过，电脑辅助驾驶系统，现在就已经很有用了。上面这里说的是全自动驾驶，不是辅
: 助驾驶。

6个。

【 在 zhegufei2015 (bdauidauicda) 的大作中提到: 】
: TESLA 几个摄像头？

刚刚查了一下，最新是8个摄像头。

因为摄像头价格急剧下降。

只有一个毫米波雷达，用于测距。

【 在 zhegufei2015 (bdauidauicda) 的大作中提到: 】
: TESLA 几个摄像头？

马斯克的隧道系统加FSD可能是一个好的起点。

【 在 YWY (夜未央) 的大作中提到: 】
: 徒弟（有潜力）将来会成大器，老师心甘情愿培养徒弟。但在未出徒之前，老师要监管
: 。放任徒弟，徒弟可能会闯祸。重申一遍，这个过程中，徒弟都会非常听话，只要师傅
: 接管，徒弟会立马遵从师傅的指令。网上穿得沸沸扬扬的某某师傅意外丧命的事件，就
: 是师傅放任徒弟，关键时刻没接手干预（或来不及干预）而导致的。所以，老师们一定
: 要记住，是老师带徒弟，不是徒弟带着老师去爽。
: 过程当然是艰巨地，徒弟可能还要经历很长时间的耐心指导，还要在全世界各个角落经
: 风雨见世面。
: 但前途是光明地、灿烂地。
: 欢迎同学们做进一步的技术探讨，看看这个徒弟的潜力到底怎么样。

是的，隧道的情况下更容易掌控。这和班上有同学说过的软件（深度学习AI）硬件（路建、路标）一起抓差不多。

【 在 iamtom (汤姆) 的大作中提到: 】
: 马斯克的隧道系统加FSD可能是一个好的起点。

技术路线不同，TSLA选的这条路线不够安全，但可以先大规模跑起来，就像楼主说的车主做小白鼠给教主试错。激光雷达还是太贵了加不耐操，车规和规模量产问题很大，教主不想等了。

人肯定是要死几个的，哪次技术革命不是？这也是我们人族的魅力所在。