去年底，ChatGPT 橫空出世。真實自然的人機(jī)對話、比擬專家的回答以及一本正經(jīng)的胡說八道，使它迅速走紅，風(fēng)靡全世界。

不像之前那些換臉、捏臉、詩歌繪畫生成等紅極一時又很快熱度退散的 AIGC 應(yīng)用，ChatGPT 不僅保持了熱度，而且還有全面爆發(fā)的趨勢?，F(xiàn)如今，谷歌、百度的 AI 聊天機(jī)器人已經(jīng)在路上。

 ChatGPT 到底是個啥？它是個基于上千億超大語料參數(shù)組成的 GPT3.0 架構(gòu)訓(xùn)練出來的一個自然語言處理聊天工具。ChatGPT 的算法采用了 Transformer 神經(jīng)網(wǎng)絡(luò)架構(gòu)，具有很好的時序數(shù)據(jù)處理能力，說大白話就是能很好處理上下文的語法關(guān)系。

Transformer 是一種結(jié)構(gòu)簡單的編解碼器，幾乎可以無限堆疊，從而形成一種大規(guī)模的預(yù)訓(xùn)練語言模型?；?Transformer 模型構(gòu)成的 GPT 架構(gòu)可以很好地完成多種語言處理任務(wù)，填空、造句、分段、翻譯等等，隨著數(shù)據(jù)集和模型參數(shù)的大規(guī)模增長，等到 GPT3.0 的時候已經(jīng)有了千億規(guī)模，GPT 就表現(xiàn)出來了非常強(qiáng)的文本生成能力。

自然而然，一問一句的對話模式也就應(yīng)運(yùn)而生了。但 GPT3.5 還不是 ChatGPT。

ChatGPT 還需要使用監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)來實現(xiàn)。具體來說，ChatGPT 使用了一種叫「人類反饋強(qiáng)化學(xué)習(xí)（RLHF）」的訓(xùn)練方法，在訓(xùn)練中可以根據(jù)人類反饋，保證對無益、失真或偏見信息的最小化輸出。

簡單來說，GPT 只能保證有問就有答，不保證回答的正確，而 ChatGPT 既要保證有的聊，還要保證聊的對。就跟小孩子一樣，必須在大人一遍遍糾正發(fā)音、糾正語法和用詞的訓(xùn)練中，學(xué)會真正的有效對話。

ChatGPT 就是利用人類反饋進(jìn)行強(qiáng)化學(xué)習(xí)的產(chǎn)物。

既然 ChatGPT 這么好用。我們不妨來問它一個問題：能不能把 ChatGPT 用在自動駕駛技術(shù)訓(xùn)練當(dāng)中？答案是：可以。

毫末顧維灝：把 ChatGPT 引入自動駕駛，毫末走了這三步

我估計 ChatGPT 還沒涉獵過這個問題，因為關(guān)于 ChatGPT 和自動駕駛關(guān)聯(lián)的內(nèi)容是缺少的。不過，如果 ChatGPT 最近在中文網(wǎng)絡(luò)中收錄過相關(guān)報道的話，那么，它就會知道中國的一家人工智能技術(shù)公司已經(jīng)開始思考這個問題了。

在 1 月的毫末智行的 AI DAY 上，毫末 CEO 顧維灝非常隆重地提到了 ChatGPT，并且直言，毫末已經(jīng)展開對于 ChatGPT 背后的技術(shù)的研究。

顧維灝說：「實現(xiàn) GPT3 到 ChatGPT 的龍門一躍最重要的是 ChatGPT 模型使用了『利用人類反饋強(qiáng)化學(xué)習(xí) RLHF』的訓(xùn)練方式，更好地利用了人類知識，讓模型自己判斷其答案的質(zhì)量，逐步提升自己給出高質(zhì)量答案的能力。」

那這對自動駕駛有什么啟發(fā)呢？毫末認(rèn)為，ChatGPT 的技術(shù)思路和自動駕駛認(rèn)知決策的思路是不謀而合。

毫末在認(rèn)知駕駛決策算法的進(jìn)化上分成了以下三個階段：

• 第一個階段是引入了個別場景的端到端模仿學(xué)習(xí)，直接擬合人駕行為。

• 第二個階段是通過大模型，引入海量正常人駕數(shù)據(jù)，通過 Prompt 的方式實現(xiàn)認(rèn)知決策的可控可解釋。

• 第三個階段就是引入了真實接管數(shù)據(jù)，在其中嘗試使用「人類反饋強(qiáng)化學(xué)習(xí)（RLHF）」。一般來說，人類司機(jī)的每一次接管，都是對自動駕駛策略的一次人為反饋；這個接管數(shù)據(jù)可以被簡單當(dāng)成一個負(fù)樣本來使用，就是自動駕駛決策被糾正的一次記錄。同時也可以被當(dāng)作改進(jìn)認(rèn)知決策的正樣本來學(xué)習(xí)。

為此，毫末構(gòu)建了一個 < 舊策略、接管策略、人工 label 策略 > 的 pairwise 排序模型。基于這個模型，毫末構(gòu)建了自動駕駛決策的獎勵模型（reward model），從而在各種情況下做出最優(yōu)的決策。

毫末將這一模型稱之為人駕自監(jiān)督認(rèn)知大模型。簡單來說，就是為了讓自動駕駛系統(tǒng)能夠?qū)W習(xí)到老司機(jī)的優(yōu)秀開車方法，讓毫末的認(rèn)知大模型要從人類反饋中學(xué)會選擇和辨別，并穩(wěn)定地輸出最優(yōu)解。通過這種方式，毫末在掉頭、環(huán)島等公認(rèn)的困難場景，通過率提升 30% 以上。

當(dāng)然，如果 ChatGPT 再繼續(xù)搜索和學(xué)習(xí)下去，它就會知道在 1 月初的 HAOMO AI DAY 上，毫末不僅發(fā)布了這個人駕自監(jiān)督大模型，還一口氣發(fā)布了另外四個大模型。這五個大模型可以幫助毫末實現(xiàn)車端感知架構(gòu)跨代升級，將過去分散的多個下游任務(wù)都集成到一起，形成一個更加端到端架構(gòu)，包括紅綠燈、局部路網(wǎng)、預(yù)測等任務(wù)，實現(xiàn)跨代升級。

總得來說，人工智能技術(shù)是當(dāng)前許多舊產(chǎn)業(yè)的改造器，也是新產(chǎn)業(yè)的助力器。正如當(dāng)年互聯(lián)網(wǎng)喊出的「所有行業(yè)都要被互聯(lián)網(wǎng)重塑一番」一樣，今天的一切行業(yè)都要被「AI+」改造一番。

而實際上，人工智能的這場變革并不是必然發(fā)生，它有賴于一個天才算法結(jié)構(gòu)的橫空出世，有賴于海量數(shù)據(jù)和算力的成本下降與容易獲得，也依賴于人工智能技術(shù)從業(yè)者的勇敢嘗試。ChatGPT 的出現(xiàn)是如此，自動駕駛的實現(xiàn)也是如此。