鈦媒體快訊 | 7月9日消息：在2020世界人工智慧大會（WAIC）開幕式上，特斯拉CEO埃隆·馬斯克（Elon Musk，以下稱馬斯克）以遠程視頻方式發表主題演講。
馬斯克表示，特斯拉在中國，要做的是進行很多原創性的設計和工程開發，並不是簡單的將美國的東西直接照搬到中國。
對於未來實現L5級別自動駕駛或是完全自動駕駛，馬斯克非常有信心。他表示，「在特斯拉，我覺得我們已經非常接近L5級別自動駕駛了，有信心我們將在今年完成開發L5級別的基本功能。」
馬斯克說，特斯拉麵臨的挑戰就是要解決所有這些問題，然後整合系統，持續解決長尾問題。「你會發現可以處理大多數場景的情況，但是又會不時地出現一些奇怪、不尋常的場景，你必須有一個系統來找出並解決這些奇怪、不尋常的場景。這就是為什麼你需要現實世界的場景，沒有什麼比現實世界更複雜了。我們創建的任何模擬都是現實世界複雜性的子集，因此我們非常專注於處理L5級別自動駕駛的細節問題。」他說道，「我相信這些問題完全可基於特斯拉車輛目前搭載的硬體版本來解決，我們只需改進軟體，就可以實現L5級別自動駕駛。」
對於人工智慧的發展，馬斯克提到，在感知層面，以識別物體為例，目前的技術取得了巨大進展，即便是在專業領域，當今的高級圖像識別系統也比人類都要好。問題的實質在於需要多強的計算能力，多少計算機和多長計算時間來訓練感知能力，圖像識別訓練系統的效率如何。就圖像識別或聲音識別而言，對於給定的字節流，人工智慧系統能否準確識別處理，答案是非常好。
馬斯克認為，認知是目前最薄弱的環節。很多AI都很有創造性，但是不代表就能管理其行動。在行動方面，馬斯克認為機器能夠很好地執行。「這就有點像遊戲，在任何有規則的遊戲中，AI都是超越人類的。」
在演講中，馬斯克還談到特斯拉上海工廠是否會使用人工智慧技術。他表示，預計未來特斯拉上海工廠中會運用更多的人工智慧和更智能化的軟體，同時，他認為在工廠真正有效地使用人工智慧還需要花費一些時間。
在晶片問題上，馬斯克認為，傳統晶片的缺陷在於低集成、高功耗。因此，特斯拉開發了專用的自動駕駛晶片，具有8位元和加速器，用於點積運算。「如果自動駕駛用傳統晶片，需要耗費數百瓦的功率，整個汽車後備箱會被計算機冷卻系統佔據。」
以下是馬斯克接受在線採訪全文：
很高興能夠再次來到這裡，我希望今後可以親自來。特斯拉自動駕駛在中國做得非常好，我們正在中國建立相關工程團隊，如果你想在特斯拉做工程師可以加入我們。
我想強調我們會做很多原創性在中國的工程開發，不僅僅是簡單把美國東西搬到中國，我們會做原創設計和工程工作，所以可以考慮在特斯拉中國工作。
Q：您對於 L5 級別自動駕駛的實現有多大信心？您認為這一天什麼時候會到來？
我對於未來L5級別的自動駕駛非常有信心，我認為很快就會實現。在特斯拉，我們已經非常接近L5級別自動駕駛了，我有信心在今年完成L5級別自動駕駛的基本功能。
我認為實現L5，目前不存在底層根本的挑戰，但是有很多細節的問題。我們面臨挑戰是要解決所有這些小問題，然後整合系統持續解決長尾問題，可以樹立大多數場景的情況，但是又會不時出現一些奇怪的情況，必須有一個系統來解決訓練，解決這些奇怪的場景。所以也是需要有現實場景，沒有什麼比現實更複雜，任何模擬都是現實世界複雜性的子集。
我們目前非常專注於應對L5自動駕駛的細節，我們非常相信這是可以做到的，我們可以利用特斯拉現在的硬體，我們只需要改進軟體，我們可以實現L5級別自動駕駛。
Q：您覺得人工智慧和機器人技術的三大支柱：感知、認知和行為，目前在各自領域的進展如何？
我不確定人工智慧技術是否可以這樣分類，如果我們用這個分類標準的話，在感知層面以識別物體為例，目前技術實現了巨大進展。事實上可以這樣說，在專業圖像識別領域，人工智慧幾乎比任何人類都做得好，甚至比專家做得好。問題實質在於需要多強的計算力、多少實踐來訓練計算機，還有圖像訓練系統效率如何等，
我們如何看待人工智慧算法的發展呢？我不確定這是不是最好的理解方式。神經網絡主要是從現實中獲取大量信息，很多來自無光源方面並創建矢量空間，本質上是將大量光子壓縮為矢量空間。人類是否能夠進入大腦中的矢量空間呢？我們通常以類比的方式將此視為理所當然，我認為你可以進入大腦的矢量空間，理解大腦如何處理所有外部信息。事實上，它在做的是基於儘可能少的信息，獲取並過濾大量信息，只保留相關部分。人們如何在大腦中創建一個矢量空間呢？它的信息僅佔原始數據很小的一部分，卻可以根據這個矢量空間的表達做決策，這就類似一個大規模壓縮和解壓縮的過程，有點像物理學。因為物理學公式本質是對現實的壓縮算法，這就是物理學的作用。
簡而言之，我們人類就是物理學作用的證據，如果對宇宙做一個真正物理學意義上的模擬，大量的計算如果有充足時間，最終產生絕知，人類將是最佳證明。如果你相信物理學和宇宙演化史，很長一段時間會出現氫元素，出現氦與鋰元素，其中一些重元素學去表達。
我們人類本質上是氫元素進化而來，如果將氫元素放一段時間它就會慢慢變成我們，我覺得大家可能不太贊成這一點，所以有人會問我我們知覺作用從哪裡來，整個宇宙是特殊的絕知或者是是否存在特殊性，又或者氫元素轉變人類過程中何時產生知覺。
說到圖像識別或者聲音識別，任何信號對於任何給定的字節流，人工智慧系統是否能夠準確識別呢？認知，這可能是人工智慧最薄弱的領域。人工智慧是不是能理解概念？是不是能夠有效的推理？是不是能夠進行創造？現在有很多非常先進的、有創意的 AI，但是沒有辦法很好地控制他們創造活動，會覺得好像做得不太好。不過未來它會表現得好一點，我們可以把它想像成遊戲，在任何有著明確規則的遊戲當中，AI 會比人好很多。只要有明確的遊戲規則，在任何遊戲當中，人工智慧肯定都會玩得比人類要好。
Q：Autopilot自動輔助和駕駛在哪方面推動了AI算法和晶片的發展？它又如何改變了我們對AI技術的理解？
在為自動駕駛開發人工智慧晶片時，我們發現市場上沒有成本合理，而且低功耗的系統。如果我們使用傳統TPU、CPU或者其他相似的產品，將耗費數百瓦的功率，後備箱會被計算機GPU巨大的冷卻系統佔據，如此以來，最終導致成本高昂、體積大、能耗高。
要知道，能耗對於電動汽車的裡程非常重要，為此我們開發了特斯拉的專用人工智慧晶片，該晶片搭載雙系統完全自動駕駛電腦，該晶片具有8位元和加速器，主要用於點積計算。人工智慧包含很多點積運算。事實上，幾個月前我們才啟動晶片第二套系統，所以我認為，充分利用特斯拉完全自動駕駛系統，可能還需要至少一年的時間。
我們還開發了特斯拉 Dojo 訓練系統，旨在能夠快速處理大量視頻數據，以改善對人工智慧系統的訓練。Dojo 訓練系統就像一個 FP16 訓練系統，主要受晶片的發熱量和通訊速率的限制，所以我們也正在開發新的總線和散熱冷卻系統，用於開發高效的計算機，從而能更有效處理視頻數據。
Q：特斯拉上海工廠的進展以及會用到哪些人工智慧技術？
特斯拉上海工廠進展非常順利，我為特斯拉團隊感到無比自豪和驕傲，我也期待儘快訪問上海超級工廠。我不知道如何表達，真的非常感謝特斯拉中國團隊所付出的努力，預計未來，我們的工廠中會運用更多人工智慧和人工智慧化軟體，但我認為，工廠真正有效地使用人工智慧還需要花費一段時間，我們可以將工廠看作一個複雜的結合體，實際上所有公司都是如此。
謝謝線上採訪我，我希望明年有機會親自參加。我很喜歡到中國，中國總是給我驚喜，中國有很多既聰明又勤奮的人，中國充滿了正能量。
我對未來滿懷期待，我會讓未來成為現實，我期待著回來！