看特斯拉以驚人的方式使用人工智慧和大資料
至頂網CIO與應用頻道 01月18日 編譯：特斯拉已經成為家喻戶曉的電動車市場的領導者和先鋒，同時也生產和銷售先進的電池和太陽能電池板技術。
作為一個對開發和銷售自動駕駛汽車有著濃厚興趣的技術先驅，
Musk在他對AI的觀點方面一直是直言不諱。他幾乎把社會的每一個方面都革新化了，
Musk同時也是OpenAI的聯合創始人之一，該組織致力於確保以安全、可管理的方式開發和部署人工智慧，最大限度地減少機器人可能會對人類造成的任何潛在風險。
儘管目前關於特斯拉新AI技術的細節少之又少，但人們相信該技術將會採用特斯拉自動駕駛儀軟體的“思考”演算法，該演算法目前給予特斯拉汽車有限的（2級）自動駕駛能力水準。
特斯拉因為即使發生了第一起因自動駕駛汽車發生的致命事故之後仍然繼續率先將自動駕駛汽車開上路而受到一些人的批評。
但這作為一個商業決策，特斯拉希望這一戰略手段能夠得到回報，專家認為特斯拉在資料收集方面已經超越了競爭對手。特斯拉曾經銷售過的所有車輛，
事實上，所有的特斯拉汽車（無論是否啟用了自動駕駛模式）會直接發送資料到雲端。發動機運行的問題意味著部件有時會過熱，2014年通過監測資料診斷出來了一個由於部件過熱所導致的發送機運轉問題，每輛車都通過軟體補丁自動進行“修復”。
特斯拉有效地收集所有車輛及其司機的資料，結合其內部和外部的感測器，這些感測器可以獲取駕駛員在儀錶上的操作。
這些資料用於生成資料高度密集的地圖，顯示從一段路上的平均交通速度的增加，以及導致司機採取行動的危險所在位置。雲中的機器學習負責處理整個車隊，而在個人汽車級別，邊緣計算決定了現在汽車需要採取的行動。還有第三層的決策，也就是汽車可以與附近的其他特斯拉車輛形成網路，以分享本地資訊。在不久的將來，自動駕駛汽車普及的情況下，這些網路很可能還會與其他製造商的汽車、以及交通攝像頭、路面感測器或行動電話等其他系統進行交互。
雖然Tesla打造的新AI技術缺少細節，但特斯拉目前的AI（由硬體製造商Nvidia合作驅動）主要基於機器學習的無監督學習模型。
Nvidia在其Facebook頁面上指出：“與通常的自動駕駛汽車操作方式相比，我們沒有將任何明確的目標檢測、製圖、路徑規劃或控制元件程式設計到車輛中。相反，汽車只靠自己的學習來創造一切必要的內在表徵，只需通過觀察人的驅動因素就可以駕馭。”
無論特斯拉開發出何種新技術，都有可能進入經過更多測試的監督式學習領域，在這些領域中，演算法會事先接受正確或錯誤的決策。然而，真正無監督式學習所能達到的理論上更大的收益，也可能會讓特斯拉仍然繼續這方面的發展。
特斯拉顯然一直是把資料收集和分析當成一切的核心。這不僅僅是設計和製造，特斯拉用人工智慧來處理客戶資料，甚至分析自己的線上論壇，通過文本洞察常見問題。對人工智慧的專注，能夠使其在即將到來的自動駕駛汽車市場霸主爭奪戰中取得勝利，這還有待觀察，但這無疑為特斯拉帶來了先機。
還有第三層的決策，也就是汽車可以與附近的其他特斯拉車輛形成網路，以分享本地資訊。在不久的將來，自動駕駛汽車普及的情況下，這些網路很可能還會與其他製造商的汽車、以及交通攝像頭、路面感測器或行動電話等其他系統進行交互。雖然Tesla打造的新AI技術缺少細節，但特斯拉目前的AI（由硬體製造商Nvidia合作驅動）主要基於機器學習的無監督學習模型。
Nvidia在其Facebook頁面上指出：“與通常的自動駕駛汽車操作方式相比，我們沒有將任何明確的目標檢測、製圖、路徑規劃或控制元件程式設計到車輛中。相反，汽車只靠自己的學習來創造一切必要的內在表徵，只需通過觀察人的驅動因素就可以駕馭。”
無論特斯拉開發出何種新技術，都有可能進入經過更多測試的監督式學習領域，在這些領域中，演算法會事先接受正確或錯誤的決策。然而，真正無監督式學習所能達到的理論上更大的收益，也可能會讓特斯拉仍然繼續這方面的發展。
特斯拉顯然一直是把資料收集和分析當成一切的核心。這不僅僅是設計和製造，特斯拉用人工智慧來處理客戶資料，甚至分析自己的線上論壇，通過文本洞察常見問題。對人工智慧的專注，能夠使其在即將到來的自動駕駛汽車市場霸主爭奪戰中取得勝利，這還有待觀察，但這無疑為特斯拉帶來了先機。