在17歲的時(shí)候就攻破了全球首代 iPhone 的“神奇小子” Geohot 來到了在上海舉辦的 GeekPwn（極棒）黑客大賽。

這次來，他除了給諸多迷妹們瞻仰之外，還帶來了他壓箱底的寶貝：汽車輔助駕駛系統(tǒng)。

不久前，Geohot 以“Comma.ai”CEO的身份，在舊金山發(fā)布了一款自動(dòng)駕駛產(chǎn)品——Comma One。

【Geohot】

根據(jù) Geohot 的介紹，這個(gè)輔助駕駛系統(tǒng)大概有以下幾個(gè)特點(diǎn)：

1、售價(jià)999美元，每月服務(wù)費(fèi)24美元，這在輔助駕駛系統(tǒng)里，算得上白菜價(jià)。（至少你不用為了體驗(yàn)輔助駕駛而買一輛特斯拉）

2、這款輔助駕駛系統(tǒng)可應(yīng)用于所有車型。

3、Comma One 的功能可與 Tesla 的 AutoPilot 相媲美，未來會(huì)比它更好。

這位神奇小子非?？粗刈约旱膰I心瀝血之作，把發(fā)布之后的第一次路演選在了符合自己“出身”的黑客大會(huì)，并且是中國(guó)人氣最高的黑客破解秀 GeekPwn。

在專訪中，Geohot 為雷鋒網(wǎng)講述了 Comma One 的基本工作方法：

目前看來， Comma One 的工作方式和特斯拉的 AutoPilot 非常相近，可以實(shí)現(xiàn)自動(dòng)跟車、自動(dòng)轉(zhuǎn)彎等等效果。 但是，在未來它的表現(xiàn)一定會(huì)比特斯拉更好。

我們用了五十萬個(gè)以上的人類駕駛數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行訓(xùn)練，而特斯拉的輔助駕駛系統(tǒng)并沒有。我們也做了很多優(yōu)化，例如：

• 駕駛員在行駛中，一旦踩下剎車，或者點(diǎn)按取消按鈕，就可以立刻解除自動(dòng)駕駛。

• 在高速行駛的過程中，方向盤也絕不會(huì)做出急轉(zhuǎn)向等愚蠢的行為。

至于為什么神奇小子不好好繼續(xù)他的 iPhone 破解事業(yè)，反而要來?yè)屳o助駕駛的飯碗呢？Geohot 的回答極其坦率：

因?yàn)槟壳疤O果公司的安全性已經(jīng)提高了很多，不需要我的幫助了。但是現(xiàn)在看來，汽車廠商們很笨，目前來看他們把汽車做得很漂亮，但一點(diǎn)都不智能。他們才需要我的幫助。

Geohot 說，研究輔助駕駛系統(tǒng)，難度其實(shí)是相當(dāng)大的。

道路上有規(guī)則，但是很多美國(guó)人，當(dāng)然還有很多中國(guó)人并不按照規(guī)則開車。所以在這種情況下，就不能純粹按照規(guī)則來駕駛，而是要讓機(jī)器學(xué)會(huì)：人在這種狀況下會(huì)做出怎樣的選擇。

我理想中的狀態(tài)是：我們先期用五十萬樣本，做一些人工智能的學(xué)習(xí)。而在人們使用之后，就會(huì)為我們改進(jìn)系統(tǒng)提供更多的數(shù)據(jù)，這些數(shù)據(jù)會(huì)讓系統(tǒng)變得更智能，從而更多的人來購(gòu)買。這是一個(gè)良性循環(huán)。

看來，以 Geohot 的  Comma One 為代表的第三方輔助駕駛系統(tǒng)，已經(jīng)擺好架勢(shì)要和汽車廠商原廠搭載的智能駕駛系統(tǒng)一爭(zhēng)高下了。

然而，未來隨著三方智能駕駛系統(tǒng)的推廣，會(huì)帶來一個(gè)可以想見的問題，那就是安全性。

例如，三方輔助駕駛系統(tǒng)的可靠性如何？如果一輛車出現(xiàn)了事故，那么責(zé)任應(yīng)該由汽車廠商還是 Comma One 來承擔(dān)呢？

對(duì)于這個(gè)問題，Geohot 表示并不擔(dān)心：我對(duì)自己系統(tǒng)地可靠性很有信心，他不會(huì)出現(xiàn)問題。如果一定要說的話，你知道很多人喜歡改裝汽車。加入第三方輔助駕駛系統(tǒng)和改裝汽車其實(shí)是一樣的，如果出現(xiàn)問題，改裝人要為此負(fù)責(zé)的。

然而，這種看起來酷炫的產(chǎn)品，在業(yè)內(nèi)是有些爭(zhēng)議的。

圖森互聯(lián)科技CTO侯曉迪在知乎一篇專欄上寫道：George Hotz的駕駛解決方案，不論如何改頭換面加上Big Data, Deep Learning等熱詞，其實(shí)學(xué)術(shù)上都早已有定論。近些年人們習(xí)慣管這套做法叫端到端學(xué)習(xí)End-to-End learning，更早些還有模仿學(xué)習(xí) Imitation learning 等其他別名。這類方法一大局限是，只能應(yīng)付見過的輸入類型。如果在實(shí)測(cè)的時(shí)候，遇到的情況和訓(xùn)練數(shù)據(jù)差太遠(yuǎn)，超過模型不變性（invariance）所能容忍的上限。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。