===
chatGPT的出现，会帮助汽车行业实现L4级别的自动驾驶吗？
首先说答案，会。
看了很多回答都说这两者没关系，因为chatGPT是大语言模型，顶多帮助提高提高智能座舱体验罢了。但是我说的“会”实际上是从广义上来讲，因为任何AI领域的创新性成果都会有助于实现更高等级的自动驾驶。
chatGPT也不例外。
这不，三天前毫末智行宣布自动驾驶认知大模型正式升级为DriveGPT，并将在2023年4月的HAOMO AI DAY上公布其最新重要进展：毫末智行：自动驾驶认知大模型正式升级为DriveGPT
ChatGPT的本质是Transformer搭建的大模型，配以“人类反馈强化学习”技术。那这两项技术实际上都可以迁移应用到自动驾驶中，用Transformer大模型帮助提升多模态感知能力，通过“人类反馈强化学习”技术来帮助自动驾驶做出更老道的决策。
毫末的认知决策算法经历了三个阶段的进化。第一阶段是引入个别场景的端到端模仿学习，直接拟合人驾行为。第二阶段是通过认知大模型，引入海量正常人驾数据，通过Prompt的方式实现认知决策的可控、可解释。第三阶段，也就是当前阶段，通过引入真实接管数据，并且在大模型中开始尝试使用RLHF算法，对人驾接管数据进行学习。为此，毫末构建了一个包含“旧策略、接管策略、人工label策略”的Pairwise排序模型。基于这一排序模型，毫末构建了自动驾驶决策的奖励模型（reward model），从而在各种规划场景情况下做出最优的决策。通过这一大模型，在掉头、环岛等公认的困难场景中，场景通过率提升30%以上。
从最朴素的角度而言，chatGPT给了人类实现自动驾驶的信心——大力出奇迹。
以前总觉得自动驾驶场景有解决不完的corner case，光靠这样不断去累积公里数，即使强如waymo、百度有上亿公里的数据不还是无法实现自动驾驶，总不能一直这么跑下去，然后无限逼近L3吧。
但ChatGPT的横空出世告诉我们，真的可以，只是你们的模型还是too young, too simple了。你来1750亿个参数试试。
不得不感叹，量变是真的能引起质变的。
当然，也并非把自动驾驶模型调成这么复杂就能实现自动驾驶。一方面，不说这么大的模型能不能部署到车端，ChatGPT毕竟是个网页运行程序，无论多大都无所谓，但是你自动驾驶算法是要跑在车上的，你得堆多少算力去支持这个模型；另一方面，语言模型训练的优势就在于你讲一句话、他讲一句话对模型来说就是有效输入了。但自动驾驶不同，重复性的、简单的路况再重复上亿遍，它遇到复杂特殊路况还是不会开，因此，有效的数据就成了通往自动驾驶道路上的一道难题。
路漫漫其修远兮，仍需继续努力啊！