ChatGPT，一款2022年11月底上线，在互联网圈引发关注的AI（人工智能）聊天机器人，在2023年初突然席卷了海内外资本市场。

它的名字是由2部分组成的：前面的 Chat 就是聊天的意思；后面的GPT是英文 Generative Pre-trained Transformer 的首字母缩写，生成式预训练Transformer模型。

简单地说，ChatGPT是一个聊天机器人程序，它可以理解人类输入的文字，并根据文字的提问和指令，以文字的方式输出答案和反馈，从而实现借助自然语言的人机对话。

而ChatGPT 与自动驾驶认知决策的思路是一致的，都是通过不间断地输入人类反馈信息，使认知大模型能够从中学习，并稳定输出最优解，实现人类优秀表现的能力。

ChatGPT是否可以帮助到自动驾驶？

作为一个语言模型，ChatGPT主要用于生成自然语言文本，如对话或文章等。自动驾驶技术需要处理的是感知、决策和控制等方面的问题，这些问题与ChatGPT所处理的文本生成任务并不相关。因此，其实在技术上，将自动驾驶技术与ChatGPT蹭热点并不可行。

但是，自动驾驶公司可以利用ChatGPT等自然语言处理技术来提高其产品的人机交互能力，以更好地满足用户需求。

一直以来，围绕自动驾驶技术的演进，业内也一直存在两大“流派”：其中，Waymo、小马智行等是“跃进式”的代表，策略是直接实现L4/L5级自动驾驶；特斯拉则是“渐进式”路线的代表，策略是先在量产车上优先搭载L2/L3级辅助驾驶，收集数据后再向L4/L5进发。

此前，双方阵营泾渭分明，近两年情况则有所改变。不少L4公司开始“降维”进入L2领域。例如，Robobus领域的轻舟智航，推出了高阶自动驾驶解决方案；文远知行则是获得博世投资，将开展应用于乘用车的L2-L3级自动驾驶软件的开发。

作为对比的是，“渐进式”玩家中，特斯拉已经生产了数百万辆汽车，其搭载的辅助驾驶系统Autopilot，将收集到数十亿英里的路况和驾驶数据。上述这些行业动向，似乎都在宣告，渐进式路线阶段性的胜利。

当然，业内也有不同的看法，认为当下只是L2领域的胜利，能否渐进到L4尚且未知。

而眼下，ChatGPT的横空出世则让行业认识到，不断去累积公里数，一直这么跑下去是可以获得更高级别的自动驾驶技术的跨越，量变能够引起质变，自动驾驶也有机会迎来“突现”时刻。

这才是ChatGPT对于自动驾驶的重要意义，某种程度上，算是为自动驾驶指了条明路。

ChatGPT回答：安全性才是自动驾驶能否落地的本质

在自动驾驶L1-L5五个级别中，自动驾驶L4是指高度自动驾驶，可以完全自主地完成行驶任务，而不需要驾驶员的任何监督，但是限定道路、使用环境。问题是“chatGPT的出现，会帮助汽车行业实现L4级别的自动驾驶吗？”，可见核心在于能否帮助道路环境条件的搭建和模拟是关键。

这个问题抛给AI，它的回答是：

若强制它说出5条具体的帮助汽车行业实现L4级别的自动驾驶的途径：

第一条位置定位、第二条安全性能、第三条障碍物检测识别、第四条涉及行驶状态（如检测行车风险）、四五条模拟测试，都涉及到了自动驾驶能否落地的本质——安全性。

ChatGPT 基于 Transformer 的预训练技术，并引入了一些新的强化学习算法，可以非常好地处理时序数据，包括上下文的语法关系。因此，ChatGPT 在自然语言和对话领域具有很好的表现能力，可以实现自然语言和对话的回答。

并且ChatGPT 与自动驾驶认知决策的思路是一致的，都是通过不间断地输入人类反馈信息，使认知大模型能够从中学习，并稳定输出最优解，实现人类优秀表现的能力。同时，自动驾驶系统也要学会选择和辨别，才能更好地稳定输出最优解。

但是问题的关键在于：自动驾驶面对的驾驶环境非常复杂，涉及到人、车、路、环境、气候等等，其中该系统内部也是复杂交互影响的，仅仅是行车风险的识别评估，便衍生出行车风险场模型、驾驶行为谱模型、耦合关联模型等等。

再者，自动驾驶对于安全性的要求非常高，ChatGPT回答的问题出错的代价很低，但是自动驾驶不一样。自动驾驶需要遵守相关法律法规，自动驾驶的安全性意味着它不能是黑箱，而必须是可解释的，而现有模型还比较难以达到要求。

全球首个自动驾驶认知大模型：毫末智行DriveGPT

ChatGPT的火热将会对今年的自动驾驶行业产生深远影响，解放很多测算门槛，加速这一赛道的全面提速。

毫末智行最新宣布，自动驾驶认知大模型正式升级为DriveGPT，并将在2023年4月公布进展，这是全球首个自动驾驶认知大模型。

毫末智行方面表示,ChatGPT采用的是Transformer大模型以及“人类反馈强化学习(RLHF)”技术，而在自动驾驶领域，毫末智行在国内最早将 Transformer 大模型引入到数据智能体系MANA当中。

据悉，毫末智行在认知驾驶决策算法的进化上分成了三个阶段：第一个阶段是引入了个别场景的端到端模仿学习，直接拟合人驾行为；第二个阶段是通过大模型，引入海量正常人驾驶数据，通过 Prompt 的方式实现认知决策的可控可解释；第三个阶段就是引入了真实接管数据，在其中尝试使用“人类反馈强化学习(RLHF)”。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，对人类驾驶接管数据进行学习，通过这一大模型，在掉头、环岛等公认的困难场景中，使自动驾驶的场景通过率提升30%以上。

目前，毫末DriveGPT已完成模型搭建和第一阶段数据的跑通，参数规模可对标GPT-2水平。接下来，DriveGPT将持续引入大规模真实接管数据，通过人驾数据反馈的强化学习；同时也将DriveGPT作为云端测评模型，用来评估车端小模型的驾驶效果。

ChatGPT火速“出圈”以后，汽车行业对于ChatGPT将为自动驾驶产业带来哪些改变备受关注。

ChatGPT是否能帮助汽车行业实现L4级别的自动驾驶，让我们拭目以待。