端到端大模型到底是不是机器AI的终极目标

从马斯克公开讲话来看，马斯克是坚定认为端到端的视觉大模型就是机器学习的终极大杀器，靠这个就能实现机器世界的梦想。但是特斯拉在美国仍然会闯红灯甚至逆行，马斯克也不敢上来就推行完全无人的出租车，而且距离马斯克说的一万英里接管一次还差距遥远。

那么抛开具体的技术不谈，我们看看马斯克的特斯拉汽车的表现，通过学习人类老司机的驾驶行为，能不能快速上手驾驶功能呢？应该是的。但是学习人类老司机能保证不出错吗？当然不能，因为人类也犯错，特别是第一次走某些没见过的路口。所以国内的做法是对复杂场景提前扫图，有人说，你这是作弊！问题是如果是特斯拉走没见过的路口也是经常走错啊！而且关键的关键，如果纯粹靠机器自我学习，特斯拉会出现走错的路口下次还会走错，甚至走对的路口下次走反而会走错。而且怎么走错了？我们人类不知道！除非你加个“护栏”给它，否则它的表现就非常不稳定，有时候走对有时候走错。所以提前开图或者给程序加规则不失为一种简单易行的好方法。

由此我想到人形机器人，以后的人形机器人是要进家庭的，而家庭的场景是非常复杂的，尤其是我们中国人的家庭，东西南北中差异大，城市和乡村差异都极大，没有“护栏”会不会有极大的安全隐患呢？纯粹靠机器视觉自我学习？会不会出现道德甚至法律上的巨大争议事件呢？

综上所述，我个人认为混合传感器模式的自动驾驶或者机器人，由人类编写更多的行为规则，在中国是最适合的模式。尽管听起来没有马斯克的端到端大模型听着那么高大上。