Haomo DriveGPT ialah 'raja kelantangan' model besar! Memfokuskan pada 'pengurangan kos, peningkatan kecekapan, pemandu veteran'

Pameran Perdagangan Perkhidmatan Antarabangsa China 2023, dengan tema "Keterbukaan Memimpin Pembangunan, Kerjasama Memenangi Masa Depan", berakhir dengan jayanya pada 6 September. Di Pameran Perdagangan Perkhidmatan ini, sekumpulan syarikat terkemuka yang telah terlibat secara mendalam dalam kecerdasan buatan, pemanduan autonomi, penderiaan jauh satelit dan bidang lain selama bertahun-tahun telah menunjukkan pencapaian saintifik dan teknologi terkini mereka dan menunjukkan langkah mereka ke arah masa depan

Autonomi domestik memandu unicorn He Xiang, seorang saintis perisikan data di syarikat binatang Feimo Zhixing, memberikan ucaptama mengenai "Haimo DriveGPT Xuehu·Hairuo, mempercepatkan ketibaan era pemanduan autonomi 3.0" dan menerima temu bual dengan media selepas mesyuarat, memfokuskan mengenai pemanduan autonomi dalam era model besar Penyelidikan teknologi dan penerokaan aplikasi telah membawa kami tafsiran menyeluruh

Penerangan gambar: He Xiang (kanan), seorang saintis perisikan data di HaoMo Zhixing, sedang ditemuramah oleh media

berikut adalah rekod temu bual:

Moderator: Cikgu Dia Bolehkah anda tidak memperkenalkan kepada kami, apakah jenis pencapaian dan demonstrasi yang akan Hao Mo Zhixing bawa kepada kami pada perdagangan dalam perkhidmatan tahun ini?

He Xiang berkata bahawa salah satu pencapaian kami yang paling penting tahun ini ialah DriveGPT, model pemanduan automatik berskala besar generasi pertama dalam industri yang dikeluarkan oleh Haomo Zhixing pada April

Moderator: DriveGPT? Nampaknya ia ada kaitan dengan pemanduan?

He Xiang: Ya, ini adalah model AI besar yang digunakan untuk menyelesaikan masalah yang berkaitan dengan bidang pemanduan autonomi Kami memanggilnya DriveGPT, model besar pra-latihan generatif untuk pemanduan autonomi

Moderator: Pra-latihan generatif? Bagaimanakah kita memahami pra-latihan?

He Xiang berkata: Butiran teknikal model besar itu ialah ia mesti terlebih dahulu dilatih dalam awan menggunakan data tingkah laku pemanduan pemandu yang besar. Pra-latihan adalah untuk melatih model terlebih dahulu Selepas latihan, prototaip model diperoleh, dan kemudian data pengambilalihan pemandu diperkenalkan. Data pengambilalihan yang dipanggil bermakna setiap kali pemanduan autonomi dihidupkan, jika keputusan pemanduan autonomi tidak cukup baik, pemandu akan mengambil alih, seperti memijak brek atau memegang stereng. Data pengambilalihan ini merupakan pembetulan kepada keputusan pemanduan autonomi kami. Selepas memperoleh data ini, model boleh diperbetulkan secara berterusan untuk menjadikan kesan pemanduan model lebih baik dan lebih baik. Ini ialah proses pembetulan ralat berterusan dan lelaran berterusan untuk mencapai kesan pemanduan autonomi yang lebih baik

Hos: Ia boleh dikatakan sebagai peningkatan kepada pemanduan autonomi tradisional kami. Kandungan yang ditulis semula adalah seperti berikut: Hos: Boleh dikatakan ini adalah peningkatan kepada pemanduan autonomi tradisional kami

He Xiang: Ya, ia boleh dikatakan sebagai perubahan teknologi. Kita boleh membuat perbandingan yang mudah Model pembangunan teknologi pemanduan autonomi adalah apabila pemanduan autonomi menemui masalah, ia biasanya akan mencari data yang berkaitan dengan masalah ini daripada data besar-besaran. Kerana bukan semudah itu untuk mencari data yang anda inginkan dalam data besar-besaran. Selepas mencari data ini, perkara seterusnya yang perlu dilakukan ialah memberikan longgokan data ini kepada syarikat anotasi, dan mencatatkan masalah di dalamnya secara manual Selepas anotasi selesai, gunakan data ini untuk melatih model kecil ini. letak dalam kereta. Pada ketika ini, kereta ini mempunyai keupayaan untuk menyelesaikan masalah ini. Kami memanggil model ini sebagai data kecil dan model kecil, dan ia adalah "didorong oleh masalah".

Di bawah model model besar DriveGPT, keseluruhan model pembangunan adalah berbeza. Dengan sokongan DriveGPT, model pembangunan semasa adalah menggunakan data besar-besaran, data pemandu veteran dan tingkah laku pemanduan dahulu untuk menjalankan pra-latihan untuk mendapatkan model awal, yang mempunyai keupayaan untuk memandu. Sebaik sahaja kami menemui masalah semasa pemanduan autonomi, pemandu akan mengambil alih ini bersamaan dengan membetulkan keputusan pemanduan ini, data kemudiannya dihantar semula untuk membetulkan model besar yang telah dilatih gelung tertutup data diwujudkan, kesan model ini akan terus berkembang dan bertambah baik setiap hari. Kami memanggil model pembangunan ini data besar dan model besar, dan ia adalah "didorong data". Ini adalah peningkatan transformasi.

Hos: Kami dapat memerhatikan bahawa tahap semasa teknologi pemanduan autonomi adalah lebih kurang tahap L2, dan kini kebanyakan kenderaan telah mencapai tahap L2.5

He Xiang: L2+, kami memanggilnya pemanduan berbantu tahap tinggi.

Hos: Dengan sokongan DriveGPT model besar, tahap apakah yang boleh kami capai?

He Xiang: Ia sepatutnya masih dalam peringkat pemanduan berbantu tahap tinggi. Model besar kami terutamanya menjana dua nilai perniagaan.

Nilai perniagaan pertama adalah dalam keseluruhan awan. Model pembangunan pemanduan autonomi tradisional perlu dipindahkan ke awan, yang akan membawa kos yang sangat tinggi dan memerlukan banyak pemeriksaan data, terutamanya penyertaan manual dan banyak anotasi manual. Walau bagaimanapun, dengan model yang besar, keseluruhan penyaringan data, anotasi dan penjanaan data boleh diautomatikkan sepenuhnya, yang sangat berkesan dalam mengurangkan kos

Sebagai contoh, dalam bidang anotasi, syarikat pemanduan autonomi mesti membelanjakan ratusan juta yuan untuk anotasi setiap tahun Dengan DriveGPT, imej atau video boleh diberi anotasi secara automatik Jika anda melakukan anotasi video atau anotasi Klip 4D, Ia mungkin mengurangkan kos sebanyak 98%. Walaupun hanya satu imej diberi anotasi, kos boleh dikurangkan sebanyak 90%. Kos awan boleh dikurangkan dengan banyak.

Nilai perniagaan kedua adalah pada bahagian kereta, dan kesannya boleh dipertingkatkan dengan ketara. Model ini dilatih berdasarkan data besar-besaran bermakna model kami telah melihat pelbagai jenis senario. Keupayaan ini dipanggil keupayaan generalisasi model atau AI. Dengan keupayaan generalisasi, kesan pemanduan autonomi akan menjadi lebih baik.

Selain itu, keseluruhan model dilatih berdasarkan data tingkah laku pemanduan "pemandu lama". Ia adalah data yang sangat berkualiti tinggi. Pengguna akan merasakan bahawa pengalaman pemanduan akan menjadi lebih baik semasa digunakan.

Perkara ketiga, model besar kami mempunyai keupayaan istimewa untuk mengeluarkan sebab untuk membuat keputusan memandu. Contohnya, apabila keputusan pemanduan dibuat seperti "tekan brek" atau "putar stereng", model kami boleh menerangkan sebab kami berbuat demikian. Jika penjelasan sedemikian boleh diberikan, hubungan kepercayaan yang baik boleh diwujudkan antara kenderaan pemanduan pintar dan pengguna, dan pengguna akan lebih yakin apabila menggunakan produk pemanduan autonomi

Melalui lelaran berterusan berdasarkan model berskala besar dan gelung tertutup data, Pemanduan berbantu lanjutan semasa masih memerlukan pemandu untuk mengambil alih pada bila-bila masa. Pada masa hadapan, kami berharap dapat merealisasikan pemanduan tanpa pemandu sebenar secara beransur-ansur melalui peningkatan berulang yang berterusan

Hos: Dari perspektif ini, ia bukan sahaja mengurangkan kos, tetapi juga meningkatkan kecekapan

He Xiang berkata: "Tidak perlu pemandu memandu sendiri Untuk mencuba dan membuat kesilapan, data besar boleh membantu menyelesaikan masalah ini.

Atas ialah kandungan terperinci Haomo DriveGPT ialah 'raja kelantangan' model besar! Memfokuskan pada 'pengurangan kos, peningkatan kecekapan, pemandu veteran'. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!