最近，科技圈最热门的话题之一就是“ChatGPT”。但实际上，ChatGPT只是一个外在表现形式，更值得关注的是AI技术背后的进展以及未来的应用。
有人乐观地描述说，ChatGPT之前，AI最多只是现有场景产品的一个模块，而ChatGPT之后，AI会重新定义现有场景的产品框架。
是否如此仍有待观察，但自动驾驶作为AI落地的重要场景之一，是否会在这一潮流中有更进一步的发展，引起了不少人的探讨。
有人认为，自动驾驶更需要图形、图像和数据处理能力，与自然语言处理的能力关系不大，因此使用ChatGPT来实现自动驾驶目前还不太可能。
然而，也有人认为，ChatGPT的出现展示了一种可能性，即经过训练的AI有望使高级别的自动驾驶在几年内实现。
自动驾驶是AI落地的重要场景之一。观察其发展历史可以发现，自动驾驶的每一次重大突破都与AI技术的发展同步。
AI实际上是在模仿大脑神经元网络，通过分析大量数据来学习非常人性化的技能。上世纪80年代，神经网络的第一次实际应用就出现在了自动驾驶领域。
1987年，卡内基-梅隆人工智能实验室的研究人员尝试制造一种可以自动驾驶的卡车，但人工编写代码的方式并不成功。然而，迪安·波默洛博士生选择了神经网络，他的系统ALVINN以接近60英里的时速从匹兹堡开到了宾夕法尼亚的伊利市。
更重大的突破发生在2012年，杰夫·辛顿和他的学生在ImageNet图像识别比赛上获得冠军，并发表了算法AlexNet的论文，这是人工智能和全球科技行业的转折点。
自动驾驶的关键技术，如目标检测和图像识别，受益于计算机视觉算法的突破。随着2015年斯坦福人工智能实验室团队在ImageNet数据集上的识别准确率首次超过人类，自动驾驶作为AI最重要的落地场景之一进入了发展快车道。
自动驾驶技术的发展对AI技术的进展产生了关注，因为自动驾驶的每一次重大突破都与AI技术的发展同步。
然而，当前的自动驾驶技术发展仍面临诸多挑战，而ChatGPT的出现是否会成为自动驾驶的一个重要里程碑仍有待观察。
一般来说，AI可以分为语音、视觉和自然语言理解三部分。ChatGPT是基于GPT-3模型的自然语言处理技术，能够模拟人类语言理解能力，对自动驾驶的影响可能更多体现在辅助驾驶的人机交互方面，而对于高级别L4级自动驾驶的影响可能不大。
乘联会秘书长崔东树表示，目前的人机交互和智能座舱体系的创新很强，尤其是国内车企的人机交互能力很强，因此ChatGPT的出现对于解决车载交互系统在“理解”部分上的问题具有希望。
但是，想要ChatGPT真正应用于自动驾驶领域，除了技术突破外，还需要解决成本问题，包括使用成本、云服务成本和针对性的训练成本等。
从更广义的生成模型来看，大数据、大参数的生成式模型有助于实现更高等级的自动驾驶。ChatGPT的出现标志着AI模型进入了知识和推理的时代，为自动驾驶的发展提供了新的思路。
使用ChatGPT的训练方法可以在训练中根据人类反馈来保证对无益、失真或偏见信息的最小化输出，这对于提高自动驾驶决策的智能至关重要。
因此，ChatGPT的出现让行业认识到，通过大模型训练可以获得更高级别的自动驾驶技术，但这并非是一个短期可以实现的问题。