初恋日记

美国大使汤姆·巴拉克美联社本周二，以色列空袭了叙利亚西北部伊德利卜省的阿布·杜胡尔空军基地。         6月的一次，是关于停车习惯。         有用户提出，希望FSD能够记住自己在固定地点的停车方式，比如回家停哪里、去公司停哪里。         马斯克回应：          FSD很快会记住用户的停车偏好。         最近的这一次，更加关键。袭击后，以色列总理内塔尼亚胡称，以方担忧土耳其将在该基地建立军事设施，从而威胁以色列国家安全。以色列一些分析人士进一步猜测，土方计划在那里部署防空雷达和攻击型无人机。         有用户反馈，FSD在一些驾驶决策上不符合自己的习惯，比如车道选择、变道时机等。         马斯克表示，未来车辆会记住用户具体的接管行为，并逐渐匹配每个人的驾驶偏好。

D | 但巴拉克22日在一场网络访谈中驳斥了这一说法。“这些说法毫无根据。

E |          两次回复本质上是同一件事：          FSD开始从一次性的驾驶任务，走向长期理解驾驶员。

F | 那里没有任何土耳其军事资产，安卡拉也没有打算进驻这座基地。         过去，自动驾驶面对的是一个抽象用户。”他还提出一种更具争议的判断：鉴于内塔尼亚胡目前在民调中落后，以色列可能是在10月大选前采取一种“极具攻击性、但在选举中颇受欢迎”的策略，试图“诱饵式挑动土耳其”。         无论谁坐进车里，背后的模型都是同一个。

造袭的阿布·杜胡尔空军基地路透社巴拉克透露，空袭发生后，土耳其原本完全可以起飞战斗机拦截以军战机，而这将造成“一场没有必要的升级”。         它知道：这里是什么道路，前方有什么车辆，应该如何规划路线。

G |          但它不知道：你喜欢提前变道，还是宁愿多等几秒；你喜欢跟车近一点，还是更关注舒适；你回家时习惯停在哪里。他进一步警告称：“那可能演变成第三次世界大战。         这些属于人的驾驶习惯，一直没有进入自动驾驶系统。         而现在，Tesla让这些信息成为AI决策的一部分。         和之前我们谈论FSD不同的是，“长期记忆”不是让FSD重新学习“怎么开车”，这件事已经由基础模型完成。

H |          它学习的是：在安全范围内，你希望它如何开。”他还提出另一种可能性，即此次空袭源于内塔尼亚胡办公室、以色列国防军（IDF）与摩萨德之间的“沟通失误”。         这也是Tesla第一次公开走向Personalized FSD：          从“一个模型服务所有司机”，走向“基础模型+个人驾驶偏好”。         为什么是现在？          “千人千面”“越开越懂你”，智能汽车行业其实喊了很多年。

I | 巴拉克的言论很快遭到以色列国防部长伊斯雷尔·卡茨反驳。         但真正落地很难，用户体验完全依赖车企OTA的“自觉性”和能力高低，系统更新后体验下降的事也不罕见。         因为截至目前，绝大多数自动驾驶玩家竞争，还停留在模型、数据层面，本质上都是在解决：如何让AI成为一个更好的司机。         而特斯拉在V14完成端到端重构之后，开始率先探索另一个问题：          如何让AI成为你的专属司机。         这背后，对应的是近几年自动驾驶领域兴起的几个研究方向：          Driver Modeling、Preference Learning以及Human-in-the-loop Learning。         最早出现的是Driver Modeling，也就是“驾驶员建模”。值得注意的是，卡茨选择在犹太教安息日发布声明，这在以色列政坛较为罕见。卡茨称，以军是依据“明确情报”多次建议打击阿布·杜胡尔基地，因为土耳其计划在那里开展军事行动。他还表示：已向叙利亚政府发出“直接警告”，美国也在行动前获悉相关信息。这一说法遭巴拉克否认。卡茨还讽刺称：“埃尔多安被抓了个现行，只能被迫后退。         简单来说，就是给每个驾驶员建立一个数字画像，比如：有人开车更激进，喜欢更短跟车距离，喜欢更快完成变道；有人更保守，倾向提前减速，更少主动超车。”他同时批评巴拉克将戈兰高地称作“被占领的叙利亚土地”，强调特朗普在第一任期内已承认以色列对戈兰高地的主权。         传统自动驾驶系统会把这些差异忽略，默认存在一个“平均驾驶员”。

J | 2024年以来，加沙战争导致土耳其与以色列关系急剧降温，土耳其暂停了两国双边贸易。         而Driver Modeling希望解决的问题是：AI应该知道，坐在驾驶位上的到底是哪一种司机。

K |          技术上，这类方案通常会从历史驾驶数据中提取特征，比如方向盘操作、油门刹车变化、车速变化、变道频率、跟车距离。

L | 然后通过一个额外的模型，生成驾驶员特征向量（Driver Embedding）。此后，双方矛盾进一步扩大，叙利亚成为最主要的摩擦点。         这个向量不会改变基础驾驶能力，而是作为规划系统的输入，影响后续决策。         但Driver Modeling仍然存在一个问题：它更多是在判断“你是什么类型的人”，而不是理解：“你具体喜欢什么”。今年6月，以军扩大对叙利亚和黎巴嫩的军事行动时，埃尔多安曾公开表示：“土耳其的安全，始于阿勒颇，始于大马士革，也始于贝鲁特。

M | 我们绝不会对针对兄弟的任何攻击视而不见。”随着土耳其地区影响力不断扩大，以色列国内越来越多政界人士和战略分析人士开始将其视作新的安全挑战，甚至有人将土耳其称为“新的伊朗”。

N |          于是近几年出现了Preference Learning，也就是偏好学习，它关注的不再是这个司机属于激进型还是保守型，而是这个司机在具体场景下更喜欢哪个选择。例如同样遇到慢车，方案A是提前变道，提高效率；方案B是保持车道，更加舒适。

o |          AI通过长期观察用户选择，逐渐学习这个特定用户更倾向哪一种。

p |          这与大模型的Preference Learning逻辑非常类似，模型能力是基础，用户反馈决定个性。         而Tesla这次提到的Intervention，其实更接近这一方向。

q |