本期视频专业性有点高，适宜对智能汽车尤其是自动驾驶感兴趣的朋友们。

上一条视频，给大家讲了一下自动驾驶整体上的事情事理，以及上一代自动驾驶系统的事情模式和弊端，便于大家更好地理解这项技能的发展脉络。
本日我们聊一聊当下最火的“端到端”、“神经网络算法”、“大措辞模型”都是什么意思。

视频加载中...

端到端算法架构顾名思义，一端输入原始信息，另一端直接输出行动指令，将全体驾驶行为“交融贯通”，比较上一代的模块化算法架构，中间不再有流水线、半成品和一个个车间，取而代之的是一个整体化的神经网络。

关于神经网络算法的知识过于深奥，这里不做展开，大家可以理解为，它仿照的是人类神经网络的事情事理。
想想人脑有多强大，就知道端到端算法架构的上风了，首先它不再是生搬硬套程序员写好的规则，也不须要拿着高精舆图按图索骥，而是像人一样，在具备一些基本知识后，就可以通过不断不雅观察和学习，自己提炼应对各种路况的方法，并且越开越好。

其次，由于去掉了信息在流水线上通报的过程，偏差和延迟都大幅减少，灵巧度大幅提升。
这一点从自动驾驶系统的代码量上就能一览无余。
马斯克透露，通过利用端到端自动驾驶算法，特斯拉只用2000行代码就代替了原来的30万行代码，系统效率提升了不止一星半点。

此外，感知、预测、方案掌握之间不再各不相谋，工程师们可以站在自动驾驶整体效果的维度，进行全局优化，杜绝了头痛医头，脚痛医脚的问题。

大略总结一下，端到端算法架构由于采取了像人脑一样的事情模式，不仅给程序员减了负，系统效率、准确性、自动驾驶体验的人性化程度，也都得到了大幅优化。
未来想要遍及真正意义上的高阶自动驾驶，乃至是无人驾驶，必须依赖端到端算法。
以是现在全体汽车行业都在从模块化架构向端到端架构过渡。

但即便大家都叫端到端，层次也是有差别的。
最低级的水平，叫显式端到端，是将原有的算法模块以神经网络拼接起来，看图就知道了，相称于缝缝补补，好处是大略、省事，还能有一定改进效果。

更高一级的端到端算法叫隐式端到端，一样平常采取视觉或者多模态的感知信息作为输入，算法模型直接输出掌握或者轨迹旗子暗记，没有中间环节。
这种便是标准的端到端架构了。

此外，还有基于大措辞模型的端到端架构。
关于大措辞模型，现在最火的便是ChatGPT，它能够理解人类的自然语义，并且通过学习互联网的海量数据，对我们提出的问题给出优质反馈。

正是由于大措辞模型拥有强大的认知能力，以是越来越多的被运用于驾驶场景。
尤其是大措辞模型可以和驾驶员对话，理解我们的想法，因此可以增强自动驾驶给人的安全感。
有不雅观点认为大措辞模型是最前辈的端到端架构，由于它是一种通用的人工智能，可以办理所有问题，但目前大措辞模型刚刚起步，更多运用于座舱系统。

好了，理论知识讲的差不多了，接下来大家肯定会问，究竟谁家的自动驾驶能力更强？为什么落到实际利用中，各家觉得都是半斤八两呢？下一期视频我们接着说。