AI研究的历史表明,相对简单、能够随着数据规模扩大的算法总是胜过那些复杂却无法随数据规模扩大的算法

自动驾驶汽车公司尝试过这种方法,但尚未完全成功。许多自动驾驶汽车公司,比如特斯拉,尝试通过在大量数据上训练这样一个端到端的大模型来实现5级自动驾驶,他们拥有训练模型所需的资源,资金和数据。特别是特斯拉在实际部署的10几万辆汽车中,不断收集并注释数据。尽管如此,特斯拉迄今尚未能生产出5级自动驾驶系统。这并不是说他们的方法根本不起作用,它能够处理大量驾驶情况,然而,它远未达到99.X%的可靠性。

数据似乎表明特斯拉的方法比Waymo或Cruise表现得差得多,后者都使用更模块化的系统。这或许证明了大规模机器学习方法很难克服99.X%问题

“self-driving car companies aren’t worried about controlling the car to drive in a straight line, but rather about a situation in which someone paints a sky onto the back of a truck and drives in front of the car”,从而混淆了感知系统。Sergey Levine的观点是:参考自动驾驶的经验,费劲的不是车辆的controller,而是应付现实世界的复杂性。