近日，特斯拉人工智能与自动辅助驾驶软件副总裁阿肖克・埃卢斯瓦米揭示了特斯拉人工智能系统学习驾驶的方式。埃卢斯瓦米指出，特斯拉采用的“端到端”神经网络技术，将感知、规划和控制三个功能整合进一个统一的、持续训练的神经网络中，这种架构的优势在于其可扩展性和更贴近人类思维方式的推理能力。

特斯拉的AI系统能够学习并掌握细微的价值判断，例如决定是绕过路面积水还是短暂驶入对向空车道以确保安全通行。此外，该系统使AI能够理解复杂的意图判断，例如识别道路上的动物是准备穿越还是原地停留。埃卢斯瓦米提到，特斯拉的AI系统需处理来自多摄像头、导航地图及运动学数据的数十亿个“输入标记”，依托全球车队构建了一个被称为“数据瀑布”的庞大资源池，每天产生的驾驶数据相当于500年的实际驾驶经验。

为了提升神经网络的可解释性和可测试性，特斯拉开发了一系列专用工具，包括“生成式高斯点阵渲染”技术和“神经世界模拟器”，使工程师能够在虚拟环境中安全测试新的驾驶模型，并实时生成高分辨率、具备因果逻辑的响应。埃卢斯瓦米表示，这一神经网络架构未来也将应用于特斯拉人形机器人Optimus。