去年底，ChatGPT 横空出世。真实自然的人机对话，以及比拟专家的回答，还有一本正经的胡说八道，使其快速走红，风靡全世界。

不像之前那些换脸、捏脸、诗歌绘画生成等红极一时又很快热度退散的 AIGC 应用，ChatGPT不仅保持了热度，而且还有全面爆发的趋势。现如今，谷歌、百度的 AI 聊天机器人已经在路上。

Transformer 是一种结构简单的编解码器，几乎可以无限堆叠，从而形成一种大规模的预训练语言模型。基于 Transformer 模型构成的 GPT 架构可以很好的完成多种语言处理任务，填空、造句、分段、翻译等等，随着数据集和模型参数的大规模增长，等到 GPT3.0 的时候已经有了千亿规模，GPT 就表现出来了非常强的文本生成能力。 自然而然，一问一句的对话模式也就应运而生了。但 GPT3.5 还不是 ChatGPT。

ChatGPT 还需要使用监督学习和强化学习来实现。具体来说，ChatGPT使用了一种叫「人类反馈强化学习 （RLHF）」的训练方法，在训练中可以根据人类反馈，保证对无益、失真或偏见信息的最小化输出。

简单说，GPT 只能保证有问就有答，我可不保证回答的正确的，而 ChatGPT 既要保证有的聊，还要保证聊的对。就跟小孩子一样，必须在大人一遍遍纠正发音、纠正语法和用词的训练中，学会真正的有效对话。

ChatGPT 就是利用人类反馈进行强化学习的产物。

既然 ChatGPT这么好用。我们不妨来问它一个问题：

能不能把 ChatGPT 用在自动驾驶技术训练当中？

答案是：可以。

毫末顾维灏：把ChatGPT引入自动驾驶，毫末走了这三步

我估计ChatGPT还没涉猎过这个问题，因为关于ChatGPT和自动驾驶关联的内容是缺少的。不过，如果ChatGPT最近在中文网络中收录过相关报道的话，那么，它就会知道中国的一家人工智能技术公司已经开始思考这个问题了。

在今年1月毫末智行的 AI DAY 上，毫末 CEO 顾维灏非常隆重地提到了 ChatGPT，并且直言，毫末已经展开对于 ChatGPT 背后的技术的研究。

顾维灏说：「实现GPT3 到Chat GPT的龙门一跃最重要的是 ChatGPT 模型使用了“利用人类反馈强化学习 RLHF”的训练方式，更好的利用了人类知识，让模型自己能够判断其答案的质量，逐步提升自己给出高质量答案的能力。」

那这对自动驾驶有什么启发呢？

毫末认为，ChatGPT的技术思路和自动驾驶认知决策的思路是不谋而合。

毫末在认知驾驶决策算法的进化上分成了 3 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）」。一般来说，人类司机的每一次接管，都是对自动驾驶策略的一次人为反馈（Human Feedback）；这个接管数据可以被简单当成一个负样本来使用，就是自动驾驶决策被纠正的一次记录。也可以被当作改进认知决策的正样本来学习。

为此，毫末构建了一个<旧策略、接管策略、人工 label 策略>的 pairwise 排序模型。基于这个模型，毫末构建了自动驾驶决策的奖励模型 （reward model），从而在各种情况下做出最优的决策。

毫末将这一模型称之为人驾自监督认知大模型。简单来说，就是为了让自动驾驶系统能够学习到老司机的优秀开车方法，让毫末的认知大模型要从人类反馈中学会选择和辨别，并稳定地输出最优解。通过这种方式，毫末在公认的困难场景，例如掉头、环岛等公认的困难场景中，通过率提升 30% 以上。

当然，如果 ChatGPT 再继续搜索和学习下去的话，它就会知道在 1 月初的HAOMO AI DAY 上，毫末不仅发布了这个人驾自监督大模型，还一口气发布了另外四个大模型。这五个大模型可以帮助毫末实现车端感知架构跨代升级，也就是将过去分散的多个下游任务都集成到一起，形成一个更加端到端架构，包括红绿灯、局部路网、预测等任务，实现了跨代升级。

总得来说，人工智能技术是当前许多旧产业的改造器，也是新产业的助力器。正如当年互联网喊出的「所有行业都要被互联网重塑一番一样」，今天的一切行业都要被「AI+」改造一番。

而实际上，人工智能的这场变革并不是必然发生，它有赖于一个天才算法结构的横空出世，它有赖于海量数据和算力的成本下降与容易获得，也依赖于人工智能技术从业者的勇敢尝试。 ChatGPT 的出现是如此，自动驾驶的实现也是如此。