टेस्ला कभी भी सही मायने में विश्वसनीय पूर्ण ऑटोपायलट क्यों नहीं बना पाएगी

लेख में तर्क दिया गया है कि छवि और वीडियो प्रसंस्करण के पारंपरिक तरीके, जिनमें कैप्सूल नेटवर्क और वीडियो ट्रांसफार्मर शामिल हैं, एक अड़चन पर पहुंच गए हैं और साधारण कार्यों के लिए भी विशाल संसाधनों की आवश्यकता होती है। यह उदाहरण के रूप में YouTube के Content ID का उपयोग करता है: 10 वर्षों के विकास और 100 मिलियन डॉलर के बावजूद, यह अभी भी छोटे क्लिप को कुशलता से संभालने में सक्षम नहीं है। Tesla के Full Self-Driving (FSD) की आलोचना की गई है कि यह वादों के बावजूद SAE स्तर 2 पर बना हुआ है, जिसके लिए निरंतर मानव पर्यवेक्षण की आवश्यकता होती है और दुर्घटनाओं के बाद जांच का सामना करना पड़ता है। लेखक का दावा है कि आधुनिक AI मौलिक रूप से सीमित है क्योंकि यह वास्तविक समझ के बजाय बड़े डेटासेट से सांख्यिकीय सहसंबंधों पर निर्भर करता है, जिससे दुर्लभ परिदृश्यों में विफलताएं होती हैं। लेख TAPe (Theory of Active Perception) का परिचय देता है, एक ऐसी विधि जो दृश्यों को संरचित T-bits के साथ प्रस्तुत करती है जो ज्यामिति और अर्थ विज्ञान को एन्कोड करती है, जिससे न्यूनतम संसाधनों के साथ पहचान संभव होती है। Content ID के लिए, TAPe वीडियो को दृश्यों में विभाजित करता है जिनमें से प्रत्येक को 48 बाइट्स द्वारा वर्णित किया जाता है, जिससे बिना GPU वाले एकल सर्वर का उपयोग करके किसी भी आकार के अभिलेखागार में तुरंत मिलान संभव हो जाता है। लेखक कहता है कि ऑटोपायलट के लिए, कंप्यूटर विजन अकेले पर्याप्त नहीं है, लेकिन TAPe विजन भाग को पूरी तरह से हल कर देता है।