實際上，這項專利就是特斯拉“影子模式”的升級版本。此前，特斯拉通過車輛硬體自主進行機器學習，加強自動駕駛能力。而目前，通過收集大量的實際駕駛資料，可以讓自動駕駛具有更強大的判斷能力，尤其加強對未來發生事件的預判。如果這項工作得以順利開展，特斯拉的自動駕駛能力將得到更大提升。

一、特斯拉申請新專利 用駕駛大資料進行更加深度的機器學習

日前，特斯拉申請了一項關於自動駕駛機器學習的專利。專利中描述，特斯拉可以使用車輛行駛的大資料訓練自動駕駛神經網路，讓自動駕駛系統能力得到提升。

▲特斯拉新專利

這一專利已經通過稽核並對外公佈，特斯拉是這項專利的持有者，特斯拉人工智慧和Autopilot自動駕駛軟體負責人Andrej Karpathy是唯一發明者。

實際上，這就是特斯拉“影子模式”的一個升級。

專利描述中首先對駕駛資料收集的困難進行了闡述：“深度學習系統的效能通常受制於訓練模型的品質。大多數情況下，深度學習開發者都會花大量精力收集、整理、註釋訓練資料，這一過程通常十分枯燥乏味。而且，機器學習模型通常需要非常特殊的個例，這些個例也難以收集。”

而特斯拉所採用的資料收集方式和其他公司完全不同。其他自動駕駛研發公司通常會選取一部分自動駕駛車輛收集資料，因此資料量通常較少，也難以具有普遍性。

特斯拉則使用旗下大量車輛的行駛資料用於深度學習，資料量更大，也能覆蓋更多的場景。因此，在進行深度學習時也會得到更精準的結果。

▲特斯拉資料收集流程圖

可是，如果不進行大量資料收集就無法完成機器學習了嗎？Karpathy對此進行解釋：“隨著機器學習模型變得越來越複雜，機器學習需要使用更多資料才能保證準確性。與較淺的機器學習相比，更深入的學習可以保證軟體通用性更高。雖然經過反覆的機器學習訓練，淺層的機器學習也能提高準確度，但它對未來發生事件的判斷仍不夠強大。”

也就是說，通過前期的機器學習，特斯拉自動駕駛已經取得了一些成果。目前進行的資料收集，則是為了能夠達到更高的自動駕駛目標。

二、特斯拉去年推出影子模式 日“測試量”可達數百萬英里

特斯拉在自動駕駛領域已經是老玩家了，不過特斯拉官方的上路測試真的很少，大部分都是靠特斯拉車主貢獻自動駕駛方面的資料。此前，特斯拉在2019年4月釋出了“影子模式”，希望讓大量特斯拉汽車的自動駕駛硬體在車輛行駛時工作，達到機器學習的目的。

“影子模式”的原理是，讓特斯拉汽車的自動駕駛軟體處於開啟狀態，感測器探測車輛行駛道路周圍的資料，但駕駛操作完全由人來完成，機器不參與駕駛。在人的駕駛過程中，機器就能學習人的駕駛操作，從而達到提升自動駕駛能力的目的。

▲特斯拉2019年釋出“影子模式”時的演講

特斯拉當時就認為，如果只收集特定車輛的自動駕駛資訊，測試結果通常都不準確，因為資料量、測試場景的侷限性太大。如果大量特斯拉車主希望共享駕駛資料，使用這些資料進行機器學習，資料量和準確度都有更多保障。

特斯拉表示，如果使用電腦模擬器進行自動駕駛測試，每天測試量可以達到100萬英里，而特斯拉車主所能共享的資料已經超過這個數字，車主共享的資料有更高的價值。

結語：特立獨行者——特斯拉

在自動駕駛測試中，特斯拉算是個特立獨行者。沒有官方的自動駕駛測試，靠的是大量使用者的駕駛資料；堅決不用鐳射雷達，相信攝像頭+毫米波就能解決大多數自動駕駛難題。特斯拉的這種特立獨行也讓許多自動駕駛公司有些不知所措。

不過，正是特斯拉的特立獨行才造就了特斯拉。從推出電動汽車的那一刻起，特斯拉就註定是個特立獨行者。