سيارة-جيبيتي: هل ستجعل نماذج اللغة الكبيرة السيارات ذاتية القيادة حقيقة واقعة؟
OpenAI
Meta
Wayve
xAI
يستعرض المقال إمكانات نماذج اللغة الكبيرة (LLMs) في إحداث ثورة في القيادة الذاتية، مقارنًا ذلك باكتشاف ألكسندر فليمنغ العرضي للبنسلين. يشرح كيف يمكن تكييف نماذج اللغة الكبيرة، من خلال الترميز والمحولات والتنبؤ بالكلمة التالية، لمهام القيادة الذاتية مثل الإدراك والتخطيط والتوليد. ومع ذلك، تظل مشكلات الثقة والصندوق الأسود دون حل، ومن السابق لأوانه تحديد ما إذا كانت نماذج اللغة الكبيرة ستكون مفتاح المركبات ذاتية القيادة بالكامل.
تقارن المقالة الحالة الحالية لأبحاث السيارات ذاتية القيادة بالاكتشاف العرضي للبنسلين، مشيرة إلى أن نماذج اللغة الكبيرة قد تكون الاختراق غير المتوقع. تشرح المقالة أن القيادة الذاتية التقليدية تستخدم نهجًا معياريًا (الإدراك، التحديد، التخطيط، التحكم)، بينما يستبدل التعلم الشامل جميع الوحدات بشبكة عصبية واحدة، مما يخلق مشكلة الصندوق الأسود. تعمل نماذج اللغة الكبيرة عبر الترميز (تحويل النص إلى أرقام)، والمحولات (بنية قائمة على الانتباه)، والتنبؤ بالكلمة التالية. بالنسبة للقيادة الذاتية، يمكن ترميز المدخلات مثل الصور أو بيانات المستشعرات بطريقة مماثلة، وتشمل المهام الإدراك (الكشف، التنبؤ، التتبع)، التخطيط (اتخاذ القرارات، الملاحة)، والتوليد (إنشاء بيانات تدريب أو سيناريوهات). أمثلة مثل Talk2BEV وDriveGPT تستخدم نماذج اللغة الكبيرة لتعزيز إدراك BEV وتخطيط المسارات، بينما GAIA-1 وMagicDrive يولدان فيديوهات أو مشاهد. ومع ذلك، فإن المخاوف بشأن الهلوسة وعدم الحتمية تجعل الثقة في نماذج اللغة الكبيرة للقيادة في الوقت الفعلي غير مؤكدة، ومن السابق لأوانه الاستنتاج.
المصدر: The Gradient —
الأصلي