路透社调查:特斯拉FSD安全统计方法存在严重缺陷,内部员工亦不信任

路透社调查显示,特斯拉FSD安全统计方法存在严重缺陷,比较错误导致安全水平被夸大3倍,11位研究者中10位认为其是误导性营销,且公司内部数据标注员不信任该技术。

路透社一项最新调查揭露,特斯拉(Tesla)长期以来宣扬的“全自动驾驶”(Full Self-Driving,FSD)安全统计建立在存在严重缺陷的方法论之上。该调查基于对9名前特斯拉数据标注员、1名前自动驾驶工程师以及11名交通安全研究人员的访谈,结果发现特斯拉不仅通过错误的统计比较大幅夸大了FSD的安全水平,其内部负责训练AI系统的数据标注员也普遍不信任该技术。

路透社调查发现特斯拉FSD安全统计存在严重问题
图片:Electrek

安全水平被错误方法夸大三倍

特斯拉CEO埃隆·马斯克及其他高管多次声称FSD比人类驾驶安全最多10倍。特斯拉CFO Vaibhav Taneja在去年7月首次提出这一说法,董事会主席Robyn Denholm在11月的股东大会上再次重复,马斯克本人则展示图表称“事故减少85%”。然而路透社的调查指出,这些宣称基于一个有根本性错误的比较方式。

具体而言,特斯拉统计的是自身车辆中安全气囊展开的事故,但与之对比的联邦数据(国家公路交通安全管理局的统计)却包含了所有需要拖车的事故——后者的严重性门槛远低于气囊展开。关键问题在于,联邦数据中已经单独列出了气囊展开事故类别,特斯拉完全可以进行对等的比较,但该公司没有这么做。密歇根大学研究人员Marco Benedetti进行了正确比较——将特斯拉的气囊展开事故率与所有车辆的气囊展开事故率对比,结果从“10倍安全”下降到大约3倍。而且即使这个数字也因额外的方法论问题而不可靠:特斯拉车队的平均车龄仅为4.1年,而美国整体车队的平均车龄为12.8年,车辆更新通常意味着更高的安全性能。

卡内基梅隆大学教授Phil Koopman对此评论道:“这就像说‘我的喷气机比你的二战轰炸机快’,所以呢?”在11位审阅了特斯拉方法论的交通安全研究人员中,有10位告诉路透社,这些统计相当于误导性营销,而非严肃的安全研究。

调查还揭示了特斯拉内部员工对FSD的真实看法。9名接受采访的前数据标注员中有7人明确表示,他们不会信任FSD技术来驾驶自己。这些员工正是负责为特斯拉自动驾驶系统标注训练数据的核心人员——他们的工作就是教会AI识别道路场景,因此比外部人士更清楚系统的局限性。这种来自内部的不信任进一步揭示了特斯拉安全营销与产品实际能力之间的鸿沟。

本文参考来源:Electrek



微信扫描下方的二维码阅读本文

路透社调查:特斯拉FSD安全统计方法存在严重缺陷,内部员工亦不信任 - FSD(全自动驾驶), Full Self-Driving, 交通安全, 安全统计, 数据标注, 特斯拉, 路透社调查

发表回复