لماذا لن تصنع تسلا أبدًا نظام قيادة ذاتية كاملًا وموثوقًا حقًا

ت argue المقالة بأن الطرق التقليدية لمعالجة الصور والفيديو، بما في ذلك الشبكات الكبسولية (Capsule Networks) والمحولات البصرية (Video Transformers)، وصلت إلى عنق الزجاجة وتتطلب موارد هائلة حتى للمهام البسيطة. وتستخدم مثال Content ID الخاص بموقع يوتيوب: فعلى الرغم من 10 سنوات من التطوير واستثمار 100 مليون دولار، لا يزال غير قادر على التعامل بكفاءة مع المقاطع القصيرة. كما تنتقد نظام القيادة الذاتية الكامل (Full Self-Driving) من شركة تسلا، إذ يظل عند المستوى الثاني من تصنيف جمعية مهندسي السيارات (SAE Level 2) على الرغم من الوعود، ويتطلب إشرافًا بشريًا مستمرًا ويواجه تحقيقات بعد الحوادث. يدعي المؤلف أن الذكاء الاصطناعي الحديث محدود جوهريًا لأنه يعتمد على الارتباطات الإحصائية من مجموعات البيانات الضخمة بدلاً من الفهم الحقيقي، مما يؤدي إلى فشل في السيناريوهات النادرة. تقدم المقالة نظرية الإدراك النشط (Theory of Active Perception) واختصارها TAPe، وهي طريقة تمثل المشاهد بترميزات T-bit منظمة تشفر الهندسة والدلالات، مما يتيح التعرف عليها بأقل الموارد. بالنسبة لـ Content ID، تقوم TAPe بتقسيم الفيديو إلى مشاهد يصف كل منها 48 بايت، مما يسمح بالمطابقة الفورية في أرشفة من أي حجم باستخدام خادم واحد بدون وحدات معالجة رسومية (GPUs). ويذكر المؤلف أنه بالنسبة للقيادة الذاتية، فإن الرؤية الحاسوبية وحدها غير كافية، لكن TAPe تحل جزء الرؤية بشكل كامل.