“自动驾驶最重要的挑战是安全，”阿比尔说。“有了像LINGO-1这样的系统，我认为你会更好地了解它对世界上驾驶的理解程度。”他说，这使得识别弱点变得更容易。
肯德尔说，下一步是用语言来教汽车。为了训练LINGO-1, Wayve让它的专业司机团队——其中一些人曾经是驾驶教练——在开车时大声说话，解释他们在做什么和为什么:为什么他们加速，为什么他们减速，他们意识到什么危险。该公司利用这些数据对模型进行微调，为其提供驾驶技巧，就像教练指导人类学习者一样。肯德尔说，告诉汽车如何做某件事，而不是仅仅展示它，可以大大加快训练速度。
Wayve并不是第一个在机器人技术中使用大型语言模型的公司。其他公司，包括谷歌和阿比尔的公司Covariant，正在使用自然语言来测试或指导家用或工业机器人。这种混合技术甚至有一个名字:视觉语言动作模型(vram)。但Wayve是第一个将vram用于自动驾驶的公司。
肯德尔说:“人们常说一张图片胜过千言万语，但在机器学习中，情况恰恰相反。”“几句话可以抵得上一千张图片。”一张图像包含了大量冗余的数据。他说:“当你开车的时候，你不会关心天空，或者前面汽车的颜色，或者诸如此类的东西。”“语言可以专注于重要的信息。”
“Wayve的方法绝对是有趣和独特的，”纽约大学的机器人研究人员勒雷尔·平托说。他特别喜欢LINGO-1解释其行为的方式。
但他很好奇当模型编造出来时会发生什么。“我不相信大型语言模型是真实的，”他说。“我不确定我是否能信任他们来开我的车。”
乔治亚理工学院(Georgia Institute of Technology)研究如何让人工智能向人类解释其决策的研究员乌波尔·埃山(Upol Ehsan)也有类似的保留意见。“用专业术语来说，大型语言模型就是大扯谎，”Ehsan说。“我们需要贴上一条亮黄色的‘警告’胶带，确保生成的语言不是幻觉。”
Wayve很清楚这些限制，并正在努力使LINGO-1尽可能准确。肯德尔说:“我们在任何大型语言模型中都看到了同样的挑战。“这当然不完美。”
