GPT具备记住你聊天历史的能力, 清楚知晓你的表达习惯, 甚至能够依据过去的交流情况对回答方式予以调整。
现在，这种“记忆能力”开始进入物理世界。
马斯克一条推文，透露了Tesla FSD正在发生的新变化：
FSD开始拥有“千人千面”的能力。
从停车时的偏好, 到驾驶过程中的干预, 再到长时间形成的驾驶习惯, FSD正竭力尝试把每一个人物的不同之处都记住。
从”一个AI服务所有用户”，走向”每个人都有自己的AI”。
马斯克确认：FSD开始拥有”长期记忆”
事情起源于马斯克最近两次公开回复。
6月的一次，是关于停车习惯。
有用户向上提出, 期望FSD可以把自己所处固定地点的停车方式给记住, 像是回到家的时候停在何处, 前往公司的时候停顿在哪里。
马斯克回应：
FSD很快会记住用户的停车偏好。
最近的这一次，更加关键。
有用户反馈, FSD在某些驾驶决策方面, 不符合其自身习惯, 像车道选择, 以及变道时机等情况。
马斯克说道, 往后的车辆会把用户确切的接管举动给记住, 并慢慢地依照每个人的驾驶喜好来进行匹配。
两次回复本质上是同一件事：
FSD开始从一次性的驾驶任务，走向长期理解驾驶员。
过去，自动驾驶面对的是一个抽象用户。
无论谁坐进车里，背后的模型都是同一个。
它知道：这里是什么道路，前方有什么车辆，应该如何规划路线。
可是它并不清楚, 你倾向于提前进行变道, 抑或是宁愿多等待那几秒时间, 你是习惯与前车跟车跟得更近一些, 还是更加注重舒适程度, 你在回家之时习惯于将车停在什么地方。
这些属于人的驾驶习惯，一直没有进入自动驾驶系统。
而现在，Tesla让这些信息成为AI决策的一部分。
与之前咱们所谈论的FSD不一样的是, “长期记忆”可不是让FSD再度去学习“怎样开车”, 而这件事情已然是由基础模型给完成了。
它学习的是：在安全范围内，你希望它如何开。
这同样是Tesla头一回公开迈向Personalized FSD。
以“仅一个模型供所有每一位司机使用”的模式迈进, 转而发展至“基于基础模型再结合个人独特驾驶偏好”的方式。
为什么是现在？
“千人千面”“越开越懂你”，智能汽车行业其实喊了很多年。
不过, 实际真正实现落地是非常困难的, 用户所获得的体验, 完全是依靠车企OTA的这般“自觉性”, 以及其能力的高低状况, 而在系统更新之后, 体验出现下降这种事情, 亦是并不少见的。
截至目前, 绝大多数自动驾驶参与竞争的玩家, 大多还停留在模型以及数据这样的层面, 而其本质实际上都是在致力于解决一个关键问题, 那就是: 究竟怎样才能够使得AI摇身一变成为一个更为出色的司机?
特斯拉在V14完成了那种从一端到另一端的重新构建之后, 接着就开始率先展开对另外一个状况的探究, 该状况呈现为一个问题:
如何让AI成为你的专属司机。
这背后，对应的是近几年自动驾驶领域兴起的几个研究方向：
出现得最早的是Driver Modeling, 这也就是所谓的“驾驶员建模”。
简单来讲, 就是为每一位驾驶员构建一幅数字画像, 比如说, 存在这样的情况: 有的人开车时更为激进, 偏好更短的跟车距离, 喜爱更快地完成变道；有的人则更加保守, 倾向于提前进行减速, 而且更少主动去超车。
这些差异, 会被传统自动驾驶系统忽略, 它默认存在一个“平均驾驶员”。
而就Driver Modeling想要去解决的那个问题而言, 其情况是这样的: AI应当清楚明白, 处于驾驶位之上的究竟是哪一类司机。
从技术层面而言, 这类方案一般会从过往的驾驶数据里提取特征, 像是方向盘的操作情况, 油门与刹车的变化情形, 车速的改变状况, 变道的频率高低, 跟车的距离长短等。之后借助一个额外的模型, 生成驾驶员特征向量（Driver Embedding）。
这个向量不会对基础驾驶能力做改变, 它会成为规划系统的输入内容, 进而对后续决策产生影响。
然而, Driver Modeling仍旧有着一个问题, 即, 它更多的是处于判断“你是何种类型的人”这种状况之中, 并非聚焦于理解“你具体所喜好的是什么”。
于是, 在最近几年之中, 出现了Preference Learning即偏好学习, 它所关注的并非这个, 处于激进型或者保守型分类的司机, 而是在具体场景之下, 这个司机, 到底更喜欢哪一个选择。举例来说就是在同样遇到慢车的情形时, 方案A为提前变道以此提高效率, 方案B则是保持车道从而更为舒适。
AI经过长时间对用户选择加以观察, 慢慢地去学习, 针对这个特定用户, 究竟愈发趋向哪一种。
这跟大模型涉及的Preference Learning逻辑极为相像, 模型所具备的能力属于根基要素, 用户给出的反馈对其个性起着决定作用。
然而, Tesla此次所提及的Intervention, 实际上是更加靠近这一趋向 的。
当然, 还存在着第三个方面的指向, 那便是Human-in-the-loop, 其所处理的问题是去探究怎样能够使得人于自动驾驶的学习进程当中持续不断地介入。
在传统机器学习那里, 常常是依靠着大量的标注数据, 然而呢在自动驾驶这个范畴当中, 真正具备价值的数据, 通常可不是那种所谓的正常驾驶状态下的数据, 却是处于AI根本就不知道到底该如何去采取应对操作那个档期的数据。
特斯拉往昔之际大量地将车队数据予以收集, 从本质层面来讲也就是借由全球范围内的诸多车辆当作数据采集的网络。而在未来之时, 要是把这些反馈进一步与个人账号相互绑定, 那么其数据价值便会出现变化:
它可不是仅仅协助Tesla去优化一个统一的模型, 它还能够助力车辆去领会某一个特定的用户。
Tesla当下并未公开FSD个性化功能的具体构架, 不过结合FSD V12之后走的端到端路线, 能够进行一番合理推测, 单列训练一个“每人一个模型”这种情况可能性是最低的。
缘故相当单纯, 要是每一位用户都存在独自的模型, 也就会致使训练所需的成本变得特别巨大, 进行更新会面临困难, 还将会对Tesla统一模型所具备的优势造成破坏。
较为契合FSD现存体系的方案, 或许是: 基础端到端模型, 加上用户偏好记忆层。具体而言, 底层模型承担视觉理解任务, 负责道路判断工作, 进行安全驾驶操作, 开展通用规划事宜。
在上层布置一个有着轻量化特征的User Preference Layer, 对此记录停车习惯, 记录驾驶节奏, 记录路线偏好, 记录历史接管行为。
“能不能这么开”由基础模型负责, “你是不是喜欢这么开”由偏好模型来负责, 呢。
这实际上跟当下大模型所呈现的发展路径极为相像, GPT不会针对每个人开展重新训练, 而是借助Memory、User Profile等相关机制达成具有个性化的效果。
然而, 实际上真正的难点恰恰就处于此处: 个性化是绝对不能够去突破安全边界的。人工智能需要清楚地懂得不能够去学习你所喜好的超速行为, 以及你所喜好的危险变道之类的行为。
这同样是特斯拉在此次探索当中最为值得被关注的要点之处, 它并非是要促使AI转变为另外一个你的状态, 而是要做到在安全所限定的范围之内条件之下, 使之越来越趋近于用户的模样形态而发展变化。
AI汽车进入”千人千面”时代
谈及过去那几年, 自动驾驶竞争之中的核心要点是, 究竟是谁所拥有的数据更为庞大, 又是谁所具备的模型更加厉害, 还有是谁的能力愈发趋近于人类驾驶员。
但是, 特斯拉推出了Personalized FSD, 在接下来的阶段当中, 竞争或许会出现改变。
今天, 绝大多数智能汽车依旧凭借统一策略为所有人提供服务, 然而未来, AI驾驶员或许会愈发像真人驾驶员, 并非源于它具备情绪, 而是源于它知晓你的习惯, 这般情形在未来很可能会出现。
这意味着，User Model可能成为自动驾驶新的能力层。
马斯克做到了一举两得, 将两个问题给处理好了, 其一, 是又一次为智能汽车推出新卖点点明了方向, 其二, 则是避开了走向高度同质化、低效内卷的那种途径。
到自动驾驶从一个车位到另一个车位逐渐普及以后, 量产车上的AI司机, 怎样去建立差异, 这将会变成新的问题。
所有车子都能够达成基础导航以及智能驾驶, 如此一来接下来进行比较的便是: 哪一个更了解你, 哪一个更契合你的驾驶习惯, 哪一个更仿若一位长久陪伴你的 chauffeur。
当然，对技术能力的要求更高了。
特别是对于那种秉持“one for all”理念的自动驾驶供应商而言, 也许会十分艰难地去腾出相应的资源, 用以开展这样的功能开发, 并且即便他们心甘情愿地开放权限, 让车企能够在基础模型之上进行自主开发, 然而具备代码级AI能力的OEM数量却是少之又少。
所以，利好全栈自研玩家！
其次, 先前出现过这样一句话, 使得老马陷入语塞状态: 特斯拉用以造车以及卖车的模式, 跟自动驾驶所力求达成的目标, 这二者在本质层面上是否存在矛盾呢?
完全自动驾驶普及后，好像的确没有再买私家车的必要。
所以, 个性化的完全自动驾驶能力也为马斯克解决了非常紧急的一个状况, 那就是, 机器人出租车的落地开展得热烈旺盛, 然而私家车, 还有将人工智能司机安置在私家车上仍然是具备价值的, 是存在必要性的。
毕竟, Robotaxi若用一个AI去服务所有用户是最优解, 它不可能给出那种面向千人有千般不同的高级定制体验。
个性化的 FSD 路径, 事实上, 跟生成式 AI 的进展相当类似, 是这样的情况, 没错吧。
GPT借助Memory而变得越发个性化, AI Agent凭借长期记忆去完成复杂任务。
在未来, 汽车身为连接物理世界的关键入口, 或许会具备自身的长期记忆, 当然了, 这并不表明自动驾驶已然步入成熟阶段。
Tesla呈现的具体达成办法, 安全方面的限制机制, personalized属性能力界定边际, 这些都仍需更进一步去证实。
但至少，一个趋势已经出现。
