Por qué Tesla nunca logrará un piloto automático verdaderamente fiable

El artículo argumenta que los métodos tradicionales de procesamiento de imágenes y video, incluyendo las redes de cápsulas y los transformadores de video, han alcanzado un punto muerto y requieren recursos enormes incluso para tareas simples. Utiliza el Content ID de YouTube como ejemplo: a pesar de 10 años de desarrollo y 100 millones de dólares, todavía no puede manejar de manera eficiente clips cortos. El Full Self-Driving (FSD) de Tesla es criticado por permanecer en el Nivel 2 de SAE a pesar de las promesas, requiriendo supervisión humana constante y enfrentando investigaciones después de accidentes. El autor afirma que la IA moderna está fundamentalmente limitada porque se basa en correlaciones estadísticas de grandes conjuntos de datos en lugar de una comprensión real, lo que lleva a fallos en escenarios raros. El artículo introduce TAPe (Teoría de la Percepción Activa), un método que representa escenas con bits T estructurados que codifican geometría y semántica, permitiendo el reconocimiento con recursos mínimos. Para Content ID, TAPe divide el video en escenas descritas por 48 bytes cada una, permitiendo la coincidencia instantánea en archivos de cualquier tamaño utilizando un único servidor sin GPU. El autor afirma que para el piloto automático, la visión por computadora por sí sola es insuficiente, pero TAPe resuelve completamente la parte de la visión.