Car-GPT: هل يمكن للنماذج اللغوية الكبيرة أن تجعل السيارات ذاتية القيادة حقيقة واقعة أخيرًا؟
OpenAI
Meta
Wayve
xAI
تستعرض المقالة إمكانات النماذج اللغوية الكبيرة (Large Language Models - LLMs) في إحداث ثورة في القيادة الذاتية، مقارنةً باكتشاف ألكسندر فليمنغ للبنسلين بالصدفة. تشرح كيف يمكن تكييف هذه النماذج، من خلال الترميز والمحولات والتنبؤ بالكلمة التالية، لمهام القيادة الذاتية مثل الإدراك والتخطيط والتوليد. ومع ذلك، لا تزال مشاكل الثقة والصندوق الأسود دون حل، ومن السابق لأوانه معرفة ما إذا كانت النماذج اللغوية الكبيرة ستكون المفتاح للسيارات 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