Все новые технологии подвергаются критике в самом начале пути к господству. У этого феномена есть ряд причин, но опытные предприниматели в сфере технологий знают, что критика и насмешки - зачастую - хорошие предзнаменования.
Возможно, это помогает объяснить постоянный оптимизм Илона Маска перед скептичными скептиками и короткими продавцами электрических и автономных транспортных средств. В последние недели хор технических писателей и непрофессионалов, не признающих будущее автономных транспортных средств, превратился в настоящую симфонию. Каждая крупная публикация публиковала статью с вариантом заголовка «Почему будущее автономных транспортных средств намного дальше, чем вы думаете».
Но оправдано ли это презрение к техническому видению? А почему или почему нет? Как человек, который был в авангарде многих основных технологических тенденций за последние 30 лет, мне кажется, что мы уже видели эту историю раньше - и эксперты, вероятно, ошибаются.
Давайте присмотримся немного ближе.
Полная автономия (так называемый уровень 5) обычно считается возникающей, когда транспортное средство может доставить пассажира из любого пункта отправления в любой пункт назначения без какого-либо вмешательства человека. Также общепризнано, что движение по городским улицам, а не по шоссе, является наиболее сложной задачей. Хотя сегодня у нас нет полнофункциональных автомобилей 5-го уровня, все основные автомобильные компании и большинство крупных технологических компаний работают над решением этой проблемы. Все они, за исключением Tesla, подходят к проблеме в основном одинаково.
Google, Uber и большинство представителей автомобильной промышленности решили сначала попытаться решить проблему автономности вне шоссе с помощью специального оборудования и программного обеспечения. Для этого они изначально сосредоточились на решении сложной проблемы с данными: прогнозировании действий других транспортных средств / пешеходов до того, как они это сделают.
Некоторое время назад мне пришлось совершить несколько реальных поездок на одном из тестовых автономных транспортных средств Uber (да, таких, которые убили того пешехода). Как пассажир, вы можете смотреть то, что видит компьютер, на экране, установленном в центре консоли. Он постоянно пытался угадать риск того, что что-то случится. Например, он увидит пешехода, стоящего на углу, и с помощью алгоритма сделает предположение о том, выйдет ли человек перед автомобилем. Мы видели, как он несколько раз реагировал на этот риск, замедляя или останавливая автомобиль в ожидании какого-либо вмешательства.
Это довольно логичный подход. Автономность на уровне улицы явно сложнее, и когда мы ведем машину как люди, мы проводим ряд вероятностных анализов поведения людей вокруг нас. Мы делаем это, не задумываясь, но нас учат предугадывать, когда пешеход съезжает с обочины, машина выезжает с парковочного места или велосипедист нас подрежет. Во многом так же, как ИИ учится, нас учили делать это, подсознательно наблюдая за миллионами взаимодействий с вещами на дороге. Со временем наша человеческая схема улучшается, и мы учимся применять проверенные стратегии, такие как замедление. Хорошие водители знают, что бдительность является ключом к поездке по оживленным местам, и всегда оставаться начеку.
Это отличная установка для подходов AI / ML к решению полной автономии. Чем больше система взаимодействует с реальным миром, тем лучше она обучается. Есть степенной закон, который применяется к эффективности таких систем. То есть вам нужно много данных для их обучения, им нужно делать много ошибок, и затем, когда они достигнут переломного момента, они будут водить так же или лучше, чем люди. Так компьютеры научились побеждать мастеров шахмат, и тот же подход применяют здесь производители автономных автомобилей.
Но центральным элементом их стратегии является необходимость предоставить машинам миллионы взаимодействий. По пути, как и водитель-студент, машины будут делать массу ошибок. Это аналогично реальному миру - водители-подростки в 3 раза чаще попадают в аварию, чем водители даже со средним уровнем опыта. Когда мы цепляемся за неудачи Waymo или Uber, мы оцениваем их как взрослых водителей, тогда как нам действительно следует думать о них как о подростках. По сравнению с водителями-подростками у них дела идут неплохо.
Тесла, зная, что этот степенной закон для данных обучения машинного обучения позволяет прогнозировать результаты, выбрал радикально иной подход. В автомобилях Tesla используются стандартные камеры и специальное оборудование компьютерного зрения, чтобы «видеть», что происходит вокруг них. Более дешевые камеры и процессоры позволяют экономично развернуть большее их количество, увеличивая количество «глаз» на дороге. У каждой Tesla есть как минимум 8 камер, которые постоянно следят, и теперь, когда доставлено 1000000 тесла, это похоже на то, что каждый легальный водитель в Лос-Анджелесе наблюдает и учится 24 часа в сутки, 7 дней в неделю, оставаясь при этом в полной бдительности и совсем не обкурившись.
Tesla также придерживается подхода, в первую очередь, автономии шоссе. Это более легкая задача, чем автономия на улицах, и это побудило многих отказаться от этой попытки. Они утверждают (несколько ошибочно), что функция автопилота Tesla (оставаться в полосе движения, поддерживать скорость, поддерживать дистанцию до идущего впереди автомобиля) существует уже более 30 лет. Хотя в этом есть доля правды, версия Tesla значительно более сложна и осведомлена о себе, чем ее конкуренты.
Посмотрите, как работает слияние, и вы точно увидите влияние ИИ на эту проблему. Автопилот Tesla теперь может переходить от «съезда к съезду» практически в любых условиях без участия человека, днем или ночью. Это означает, что он может менять полосу движения и вносить базовые корректировки, чтобы компенсировать дорожные и дорожные условия. С точки зрения пассажира на шоссе, автономное будущее очень близко.
В подходе Теслы есть своего рода скрытый гений, который оставался незамеченным. Сосредоточившись в первую очередь на дешевом и крупномасштабном подходе к более простой проблеме, они сгенерировали квадриллионы важнейших точек данных для обучения модели AI / ML. Эти же данные можно частично использовать для тренировок в уличных условиях. Применение степенного закона машинного обучения таким образом дает Tesla почти неоспоримое преимущество. По моим оценкам, он может опережать своих конкурентов на 10+ лет.
До того, как приобрести свою Tesla, я никогда не заботился об автомобилях. Мой партнер каждый день проезжает 40 миль по пробкам в Лос-Анджелесе на работу и считает, что автопилот сделал его более терпимым и безопасным.
Обратите внимание: Искусственный интеллект: история самоуправляемых автомобилей и проблемы будущего.
Даже с моей более ограниченной точки зрения, можно увидеть эволюцию ИИ за последние 18 месяцев. Сегодня автопилот значительно сложнее и мощнее, чем версия, которую мы имели в модели S 2017 года. За относительно короткое время (по человеческим меркам) он научился менять автострады, справляться со сложными слияниями и заметно повысил точность удержания полосы движения и полосу движения. изменить способность.Это почти полностью связано с тем, что набор данных Tesla стремительно растет, и большинство «ошибок» отмечается технической командой Tesla. Например, если вы вручную выводите автомобиль из автопилота, он создает отчет журнала, который проверяется. Это позволяет инженерам рассматривать различные граничные случаи (необходимые для такого типа приложений) и создавать конкретную схему для их решения. Поскольку эти данные растут в геометрической прогрессии, Tesla может извлекать невероятный объем информации о реальных дорожных ситуациях в ожидании следующей итерации продукта.
Критики справедливо указывают, что программное обеспечение несовершенно и требует тщательной проверки, прежде чем оно будет разрешено повсюду на наших дорогах. Риск для пешеходов, велосипедистов, других транспортных средств и даже наших перегруженных улиц может быть слишком велик, чтобы нести их. Но если вы следовали дуге какой-либо технологии, вы знаете, что это не всегда будет правдой. Вначале банкоматы совершали ошибки - их диспенсеры выходили из строя, системы выходили из строя и т. Д. В то время были разработаны сложные системы обработки ошибок. Сегодня точность банкоматов составляет почти 100%, и деньги большинства банков довольно безопасны. Та же дуга должна быть верна и для вождения, даже если она более сложная. Практика, как и люди, ведет к совершенству.
Более того, невозможно полностью управлять рисками. Каждый раз, когда вы садитесь в автомобиль, переходите улицу или прыгаете на велосипеде, вы рискуете получить травму или погибнуть. Следовательно, мы не должны ожидать, что беспилотные автомобили будут безрисковыми. Стандарт, которого они должны придерживаться, - сравнивать их с человеческими водителями. Не лучшие водители, но средний водитель. Данные свидетельствуют о том, что Teslas значительно безопаснее на автопилоте по сравнению с водителями-людьми на дороге (и гораздо реже загорается, чем газовые автомобили). Tesla - единственный автопроизводитель, который публикует конкретные данные о ДТП и пожарах для своих автомобилей.
И я думаю, что причина того, что Tesla уже безопаснее, очевидна для кого-то вроде меня, который всю свою карьеру работал над созданием увлекательных технических решений. Речь идет о внимании, сосредоточении и отвлечении.
Отвлечение смертельно опасно. В этом году отвлечение внимания за рулем стало причиной 8,5% всех транспортных средств со смертельным исходом. В 2017 году на его счету более 300 000 травм и почти 58% несчастных случаев среди подростков. Хотя большинство людей считают, что отвлечение внимания за рулем - это проблема, подавляющее большинство людей также признаются, что отвлекаются. Это происходит из-за когнитивной предвзятости, называемой «иллюзорным превосходством» или эгоцентризмом. Проще говоря, это означает, что вы думаете, что отвлечение других людей за рулем является проблемой, но что вы уникально хорошо справляетесь с несколькими задачами за рулем.
И эти отвлечения могут принимать множество форм. Это не просто текстовые сообщения или push-уведомления, но и звонки, еда, возня с радио, общение с пассажирами или просто усталость / скука. Небольшой, но растущий процент людей также участвует в сложных технических взаимодействиях во время вождения, включая просмотр видео и инстаграмм, сидя за рулем. Любой, кто ведет машину регулярно и честно, неоднократно слышал, что его отвлекают.
Но системы компьютерного зрения не отвлекаются. Аппаратное и программное обеспечение предназначено для сбора определенного объема информации и оптимизировано для этого каждый раз в нужном масштабе. Компьютеры не устают, их не раздражают их дети, и, конечно же, у них (пока) нет аккаунтов в Facebook, которые постоянно отправляют им бессмысленные уведомления. У них могут быть другие проблемы, такие как мощность / скорость обработки, программный / аппаратный сбой, алгоритмическая недостаточность и т. Д., Но они не отвлекаются. И это дает им большую защиту от современных водителей.
Даже если бы это было единственным преимуществом автономных автомобилей, это было бы хорошо. Спросите любого, кто ездит на большие расстояния на своем Tesla, например, в районе залива или Лос-Анджелесе. Все они расскажут вам истории о том, как Автопилот спас их жизни и освободил их разум. Это меняет правила игры, даже если вы только знаете, что у вас есть лишние 4 пары глаз на дороге (это то, как мне нравится думать, что я использую автопилот). Даже банальные взаимодействия, такие как возня с радио, которые раньше волновали меня, когда машина находилась под моим контролем, теперь не вызывают стресса из-за автопилота. Да, вы должны сохранять бдительность все время, когда находитесь в автопилоте - и я остаюсь, - но для тех случаев, когда мне нужно разделить свое внимание, это огромное облегчение.
Но это не единственное преимущество Tesla, и со временем оно будет расти. Сегодняшние беспилотные автомобили похожи на наших водителей-подростков: они все еще довольно безопасны, но не так хороши, как могли бы быть. Учитывая инвестиционное и технологическое лидерство таких компаний, как Tesla, я уверен, что в тот день, когда они станут хотя бы такими же хорошими, как мы думаем, автономное вождение будет единственным путем вперед.
И этот день скоро наступит.
Больше интересных статей здесь: Обзор.
Источник статьи: Правда о самоуправляемых автомобилях.