特斯拉将于本月22日举办一次自动驾驶投资者日活动，期望它需要在这次活动上获取一些自己在自动驾驶研发工作方面的细节；几乎自动驾驶的构建具备极大的财务影响，这使得某些技术问题显得尤为重要；对于投资者而言，当前的关键问题是，特斯拉否需要利用它在现实物理世界中训练大规模数据的优势构建比竞争对手更佳的自动驾驶。近日，特斯拉发布公告称之为，将于本月22日举办自动驾驶投资者日，以下是其公告内容：“未来几周和几个月内特斯拉即将经常出现一系列令人兴奋的进展，我们迫不及待地想跟您共享这些成果。特斯拉将在坐落于帕洛阿尔托的总部举办投资者日，预计，我们将不会协助大家了解理解本公司的自动驾驶技术和路线图。我们给投资者获取了试驾环节，投资者可以亲身体验我们近期的自动驾驶软件，还包括一些目前正在大力研发中的特性和功能。

同时，埃隆马斯克、工程副总裁StuartBowers、硬件工程副总裁PeteBannon和人工智能高级主管AndrejKarpathy都将亲临现场并讲话。”以下是我期望投资者们在自动驾驶投资者日上向特斯拉明确提出的五个问题：1、很显著特斯拉正在用于深度监督自学来继续执行计算机视觉任务。

但是对于实际的驾驶员任务－路线规划和驾驶员策略（用于特斯拉自己得出的术语），特斯拉用于的是仿效自学还是增强自学，还是两者兼而有之？在仿效自学中，神经网络通过观察人类驾驶员不道德，并通过将感官信息和驾驶员不道德产生关联来自学驾驶员，在增强自学中，则是通过重复试验（一般来说是展开仿真）展开自学。2、无论特斯拉在驾驶员任务（和计算机视觉任务比较）上用于的是哪种方案，在谷歌Waymo这样的公司还在挣扎的绝望之中的时候，特斯拉为什么指出自己自由选择的方案有效地呢？为什么特斯拉在实行这种方案时具备自己独有的优势？比方说，如果特斯拉自由选择了仿真自学方案，那么，它之所以具备独有优势是因为它所卖出的汽车数量比较较为可观，那么我们期望特斯拉能给我们获取一个证明，证明为什么仿效自学不会起起到。以及为什么分开地只在仿真中展开纯粹的增强自学的方案回头必经。

3、特斯拉在解决问题适当的计算机视觉任务上已完成到什么程度了？特斯拉如何原作一个标准，来取决于这个任务已完成了？是不是只剩的工作只是在训练集中于加到更好的标记数据了？4、特斯拉的传感器套件在提供周围物体的深度信息方面的精确度究竟如何？激光雷达有时不会撒谎在深度绘图上的优势，和激光雷达比起，特斯拉的传感器套件优势和劣势在哪里？5、特斯拉否找到了末端到末端自学方面的潜力？还是目前还相比之下没跑到末端到末端自学的实用阶段？如何将末端到末端自学和无监督的回应自学融合在一起？在末端到末端自学中，通过仿效自学或者增强自学来训练神经网络，基于完整传感器的输出产生动作，无必须在这个过程的任何阶段用于人类标记。在无监督自学中，神经网络从过去的数据中自学预测未来的数据，需要任何人工标签。目前，我们完全对特斯拉的技术战略一无所知。

我们当然可以根据现在早已掌控的一些证据来推断它的技术战略，但是我们并不确认特斯拉在幕后究竟在做到什么事情。特斯拉这次有可能只是举行一次普通的自动驾驶投资者日，对上面我所所列的技术问题遮遮掩掩讳莫如深，但是我更加期望的是，它需要利用这次活动开诚布公地向投资者详尽说明特斯拉现在正在做到什么，并且谈论一下为什么它所继续执行的技术战略是准确的自由选择。根据ARKInvest公布的财务模型，如果特斯拉需要在未来五年内发售几乎自律驾驶员的汽车，它的股价就不会在当前的基础上减少约8到14倍。

尽管有所不同的分析公司对特斯拉有有所不同的财务预测模型，但是很多公司都指出自动驾驶的潜在长年价值大大多达了特斯拉目前的市值。如果有公司可以顺利部署几乎自动驾驶技术，那么蒙着眼投资它就是一个再行非常简单蛮横不过的逻辑了。但是现在的问题是，从技术可行性上来看，否可以构建几乎自动驾驶，如果可以，是哪家公司构建它。这就是投资者为什么必须解读特斯拉的自动驾驶技术战略的最重要原因所在。

现在，特斯拉的投资者面对的关键问题就是，如何从以上五个问题的答案获得一个结论，即特斯拉能否确实利用它早已卖出的45万辆汽车的可观训练数据来构建比其它公司更加出众的自动驾驶性能。让特斯拉显得与众不同的是它那可观的训练数据。但是，只有在落败的技术方案必须大量的训练数据，而且这些数据不必须便宜且较慢的人类标签的瓶颈的时候，这种资源才需要要求特斯拉的竞争优势。

仿效自学和末端到末端自学就是这样的技术方案。与之比较的方案则是用于手工编码的规则来告诉他自动驾驶汽车应当做到什么，这种方案用于将近任何实车驾驶员中的训练数据。还有一种比较的方案就是纯粹的增强自学，它用于计算机在仿真世界中分解训练数据，而不是用于来自真实世界的数据。

因此，特斯拉是不是强劲的竞争力各不相同它那些可观的来自现实世界的训练数据是否是最后落败方案的决定性资源。特斯拉那些来自真实世界的数据是否是决定性的资源又各不相同落败的准确方案是数据密集型的（就像仿效自学或者末端到末端自学那样），还是数据无关紧要的（就像手工编码或者仿真世界中的纯粹增强自学）。换句话说，特斯拉的竞争力实质上各不相同两个方面。

第一，特斯拉目前正在继续执行的技术路线是什么？第二，它自由选择的技术方案否准确。那么，投资者必须从特斯拉获得的适当信息就是，第一，对目前技术路线的说明，第二，论证所自由选择技术方案的正确性。根据一系列调查报告，我指出特斯拉正在用于“仿真自学方案”来推展自动驾驶任务。我对这种方案所持悲观态度，主要有两个方面的原因。

首先，DeepMind的AlphaStar项目引人注目地证明了纯粹仿效自学和用于仿真自学强化增强学习效果的实力。其二，来自Waymo和UberATG的专家也公开发表特别强调仿效自学是一种十分有前途的自动驾驶任务解决方案。

此外，我对手工编码方案所持猜测态度，因为，到目前为止，它完全没顺利的案例，因为人类有的时候很难将简单的任务一般化为一套既定的规则，所以我回应所持从容态度。另外，我对在仿真中用于纯粹的增强自学也所持猜测态度，因为在我看来，要展开仿真必需有一个现实的人类驾驶员不道德模型，以便神经网络自学如何在简单的情况下和其它驾驶者对话。而要想要创立出有现实的人类驾驶员不道德模型就等同于打造出一款仅有自动驾驶汽车来了，所以这里有一个再行有鸡还是再行有蛋的问题。

如果我们需要在特斯拉的自动驾驶投资者日上获得充足的信息来证明仿效自学方案的优势，以及特斯拉不会证明为什么它的方案有效地而其它方案没用，那么，这次活动将不会是一次十分最重要的大事件，就我个人而言，我实在这比特斯拉发布它近期季度的收益或者交付给了多少车辆最重要多了。

本文来源：开运·kaiyun体育(中国)官方网站-www.subagc.com