造车网周报｜ChatGPT能否引领自动驾驶？国务院办公厅：培育汽车出口优势；斯柯达：2026年前推出不少于六款电动汽车

✍ChatGPT能否引领自动驾驶？

当前车载智能语音交互主要有识别、理解和执行三大重点，在目前的解决方案中，语音识别部分已能够达到90%以上，堵点主要聚焦“理解”部分。据相关机构调研，2022年1-8月，语音交互功能在智能座舱的渗透率达到73.3%，但用户对智能语音交互感兴趣程度仅为42.9%。

ChatGPT作为自然语言处理技术功能强大，ChatGPT能够在沟通中结合用户提出的问题不断做出精准、连续的回应，一方面通过对模型在车内对话场景的专项定制，可以在车载运行环境中取得优异的识别效果；另一方面模型的学习能力和上下文结合能力，可以让ChatGPT实现连续对话交互。这种语义理解能力应用在车机交互上最直观的变革就是语音交互更加直接，更符合人类思考习惯，更加接近于人与人间的交流，交互效率直线提升，大幅提升用户体验。

随着AIGC技术持续创新发展，基于AIGC算法模型创建、生成合成数据迎来重大进展，有望解决自动驾驶发展应用过程中的数据限制。一是通过合成数据来改善基准测试数据的质量来实现数据增强和数据模拟，解决数据匮乏、数据质量等问题；二是利用合成数据训练AI模型可以有效避免用户隐私问题；三是合成数据可以自动创建、生成现实世界中难以或者无法采集的数据场景，能有效应对长尾、边缘案例，提高模型算法的准确性、可靠性；四是合成数据技术可以实现更廉价、高效地批量生产自动驾驶模型训练开发所需的海量数据。

ChatGPT作为一个语言模型主要用于生成自然语言文本，如对话、文章等，而自动驾驶算法需要处理的是感知、决策和控制等方面的问题，看似二者并没有太大的关联，但是从技术逻辑上，ChatGPT能够给自动驾驶算法技术路线发展带来两大启发。

第一点，是大模型的突现能力，即参数规模超过一个阈值后，模型的“思维链”能力突然就涌现出来， 这就是所谓大模型的“突现能力，通俗讲就是量变引起质变，大模型就意味着大参数、大数据，当然伴随的也是大成本和大投入。ChatGPT的破圈给人工智能业界带来的突破性认知和范式转变是突现能力只存在于大型模型中，而不是小型模型。各种测试表明，只有模型达到175B的规模才有可能形成“突现能力”，模型能够展示类似人类的复杂推理和知识推理能力——思维链，基于“思维链”的推理能力能够在提问时附加给出提示，模型就能自动学习并做出相应推理得到正确结果。这对于自动驾驶“跃进式”和“渐进式”两大路线的选择无疑会产生深远影响。第二点，是人类反馈的强化学习，简单理解就是应用人类处理问题的方式去训练算法。从2020版本的GPT-3到2022版本的ChatGPT，在控制参数量和训练数据不变的情况下对比监督学习指令微调和RLHF，能够发现在RLHF的参与下，模型的回答更加详实、公正，并且能够拒绝不当和知识范围以外的问题。将这类模式映射到自动驾驶的算法模型中就是应用人类司机正确的驾驶数据来训练算法，驾驶员针对自动驾驶算法的接管视为决策纠正，同时也是正向反馈的强化学习。ChatGPT的成功则证明应用RLHF是可以训练出模型来验证、评价机器模型的输出，使其不断进步，最终达到人类的驾驶水平，在自动驾驶业内毫末通过该方式，在掉头、环岛等公认的困难场景，通过率提升30%以上。