Gary Marcus:自动驾驶汽车状况频出,仍未赢得认可
偷偷努力,悄无声息地变强,然后惊艳所有人!哈哈,小伙伴们又来学习啦~今天我将给大家介绍《Gary Marcus:自动驾驶汽车状况频出,仍未赢得认可》,这篇文章主要会讲到等等知识点,不知道大家对其都有多少了解,下面我们就一起来看一吧!当然,非常希望大家能多多评论,给出合理的建议,我们一起学习,一起进步!
2016年,《纽约时报》一篇关于自动驾驶汽车的文章开头写道:“自动驾驶汽车时代已经到来,一些汽车制造商已投资数十亿美元进行研发……并在美国的一些城市开始测试。”经过7年的时间,自动驾驶技术取得了哪些进展呢?
纽约大学的心理学和神经科学荣誉教授Gary Marcus就这个领域提出了一些观点。他认为这个领域仍然存在一些问题,而这个问题在过去几年里Marcus已经多次强调过,即边缘情况,也就是那些经常让机器学习算法感到困惑的非常规情况
自动驾驶汽车面临的情况越复杂,意料之外的异常情况就会越多。而现实世界是复杂和混乱的,我们无法列出所有可能发生的非常规事件。至今还没有人找到如何制造能够应对这一事实的自动驾驶汽车的方法。

Marcus 表示,自己第一次强调边缘情况给自动驾驶带来的重大挑战还是在 2016 年的一次采访中,「当时我厌倦了大肆宣传,并最终放弃了这一观点。现在重新读这份文字记录,我认为还适用于现在」。
我们现在所看到的技术进步,很大程度上是通过大规模暴力解除技术推动的,就像超级计算机深蓝以及雅达利游戏系统等。这些技术的发展,使人类感到无比兴奋。与此同时,如果你谈论的是家用机器人或在街上行驶的机器人,大家的兴致就不会那么高涨了。
一般来说,无人驾驶在正常情况下表现良好,例如在晴朗的天气下它们能够安全行驶。然而,如果将它们置于复杂的环境中,如有雪、有雨等情况下,无人驾驶就会变得糟糕。之前,美国记者和特约编辑Steven Levy曾经写过一篇关于谷歌自动驾驶的文章,其中提到在2015年,谷歌取得了一项重大胜利,即系统能够自动识别树叶
识别树叶对人类来说过于简单,但对自动驾驶汽车来说却是一次重大的进步。人类可以用常识来推理,弄清楚这个东西可能是什么,它是如何到达那里的,但自动驾驶系统只是记住了一些东西,缺少推理,而这正是自动驾驶汽车所面临的限制......
人们一直期待着更成熟的自动驾驶技术。就在前几天,加州公用事业委员会批准了自动驾驶汽车公司Cruise和Waymo在旧金山进行全天候24/7的运营。这个决定为这两家公司提供了更大的测试空间。消息公布后,很多人表示,自动驾驶汽车时代已经到来,尽管比预计的时间晚了一些

实际上,我们目前还没有真正的自动驾驶汽车。就像几个月前美国著名记者Cade Metz在我的播客"人类与机器"中所解释的那样,每辆在公共道路上行驶的自动驾驶车辆要么有一名人类安全驾驶员,要么会有一些人进行远程监督,以便在遇到困境时帮助车辆摆脱困境
现在,自动驾驶领域还在出现新的边缘情况,比如特斯拉撞上停着的喷气式飞机。

马库斯表示,无论这些系统使用了多少数据进行训练,总会出现新的情况
最近发生了一个事件,十辆自动驾驶汽车失去了与任务控制中心的联系。由于没有控制中心的监督,这些自动驾驶汽车出现了迷路、停在街道中间等多起事故

自动驾驶领域的发展一直在不断变化,因此许多研究者,包括Marcus在内,对加州公用事业委员会的做法感到困惑
如果没有严格、经过仔细审查的解决方案来应对边缘情况,那么随时随地进行自动驾驶测试是非常不理智的。这不仅适用于无人驾驶汽车,也适用于其他基于机器学习的领域
边缘案例无处不在,任何认为这一切都很容易解决的人都是在欺骗自己。
我们要加强管理,如果我们不这样做,我们可能会在未来几年看到无人驾驶汽车、自动化医生、通用虚拟助理、家庭机器人等发生重大事故。
文章末尾,Marcus 表示他是在一架配备有自动驾驶仪的飞机上完成的这篇文章,在 9 个小时的飞行中,自动驾驶仪一直在工作,期间也有人类的参与,这就构成了人在环路。最后,Marcus 认为不会有自动驾驶飞机,而且他认为还没有任何准自动驾驶汽车获得认可。
好了,本文到此结束,带大家了解了《Gary Marcus:自动驾驶汽车状况频出,仍未赢得认可》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!
MIT研究人员创新地将Transformer与图神经网络相融合,实现了全新蛋白质设计
- 上一篇
- MIT研究人员创新地将Transformer与图神经网络相融合,实现了全新蛋白质设计
- 下一篇
- Transformer的上下文学习能力的来源是什么?
-
- 科技周边 · 人工智能 | 2小时前 |
- Diffusers 单文件模型怎么转换成组件目录格式
- 308浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 | 人工智能 ·
- Diffusers 怎么临时禁用 LoRA 但保留已加载权重
- 309浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · diffusers ModularPipeline update_components ComponentSpec 模型组件
- Diffusers ModularPipeline 怎么替换单个模型组件
- 175浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- Transformers bitsandbytes 量化后怎么保留部分模块精度
- 359浏览 收藏
-
- 科技周边 · 人工智能 | 16小时前 | 人工智能 · Transformers 大模型推理 KV Cache 显存不足 缓存卸载
- Transformers KV cache 怎么在显存不足时启用卸载
- 499浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 |
- Transformers chat template 怎么生成 assistant token 掩码
- 164浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- Diffusers LoRA 权重融合后怎么恢复基础模型
- 291浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Sentence Transformers 向量归一化何时影响相似度
- 372浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · 位置偏差 大模型评测 LLM-as-a-Judge 成对评测
- 大模型回答怎么设计成对评测减少位置偏差
- 314浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · OpenAI Realtime API VAD server_vad semantic_vad
- OpenAI Realtime API 怎么配置语音轮次检测
- 293浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- OpenAI Structured Outputs 怎么约束嵌套 JSON 结构
- 247浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · PyTorch ONNX dynamic_shapes 动态维度
- ONNX 导出动态维度怎么声明输入轴
- 194浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 343次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 405次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 404次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 364次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 186次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

