Warum Tesla niemals einen wirklich zuverlässigen Autopiloten bauen wird
Tesla
Moonshot AI
Der Artikel argumentiert, dass traditionelle Methoden des maschinellen Sehens eine Grenze erreicht haben und grundsätzlich nicht in der Lage sind, Aufgaben wie vollautomatisches Fahren oder die Content-ID von YouTube effizient zu lösen. Er behauptet, dass moderne künstliche Intelligenz eher auf statistischen Korrelationen als auf echter Erkennung beruht, und stellt TAPe (Theorie der aktiven Wahrnehmung) als bahnbrechenden Ansatz vor, der Erkennungsprobleme mit minimalen Ressourcen löst.
Der Artikel argumentiert, dass traditionelle Methoden der Bild- und Videoverarbeitung, einschließlich Kapselnetzwerken und Video-Transformatoren, an einen Engpass geraten sind und selbst für einfache Aufgaben enorme Ressourcen benötigen. Als Beispiel wird YouTubes Content ID angeführt: Trotz zehn Jahren Entwicklung und 100 Millionen Dollar kann es kurze Clips immer noch nicht effizient verarbeiten. Teslas Full Self-Driving (FSD) wird kritisiert, weil es trotz Versprechungen auf SAE-Stufe 2 verharrt, ständige menschliche Aufsicht erfordert und nach Unfällen mit Ermittlungen konfrontiert ist. Der Autor behauptet, dass moderne KI grundlegend begrenzt ist, weil sie sich auf statistische Korrelationen aus großen Datensätzen stützt und nicht auf echtes Verständnis, was zu Fehlern in seltenen Szenarien führt. Der Artikel stellt TAPe (Theory of Active Perception) vor, eine Methode, die Szenen mit strukturierten T-Bits darstellt, die Geometrie und Semantik kodieren, und so eine Erkennung mit minimalen Ressourcen ermöglicht. Für Content ID zerlegt TAPe Videos in Szenen, die jeweils mit 48 Bytes beschrieben werden, was ein sofortiges Abgleichen in Archiven beliebiger Größe mit einem einzigen Server ohne GPUs ermöglicht. Der Autor erklärt, dass für Autopilot Computervision allein nicht ausreicht, aber TAPe den Vision-Teil vollständig löst.
Quelle: Хабр — Data Mining —
Original