23. Oktober 2021
Home » Tesla News » Das Setup der AI von Tesla – und was Google damit zu tun hat

80 thoughts on “Das Setup der AI von Tesla – und was Google damit zu tun hat

  1. Vielen Dank für den Beitrag, Sven. Das Thema KI ist m.E. noch nicht ausreichend in der öffentlichen Diskussion angekommen. Nicht umsonst hat Musk KI irgendwann einmal als eines der gefährlichsten Entwicklungen bezeichnet, sollte es in die falschen Hände kommen. Um so mehr wir (alle) darum wissen, desto besser kann man die Entwicklung steuern und lenken. Schliesslich gelingt das ja auch einigermaßen mit der Gentechnik.

    Den für mich entscheidenen Punkt hast Du am Anfang gemacht. KI kann schlecht extrapolieren. Das ist aber m.E. Eine Grundfaehigkeit von Menschen: das schwierig Vorhersagbare zu erwarten, durch Intuition oder Informationsvorsprung. Die Frage ist für mich, ob KI jemals sicher durch ein belebtes italienisches Bergdorf fahren können? Oder ist das letztlich weniger komplex als man annehmen darf? Sind die Unwägbarkeiten in solchen Situationen (Wirt Luigi hat Tische und Stühle seines Ristorantes etwas ambitioniert auf der Straße verteilt, aber nur Mittwochs, da erwartet er immer eine größere Gruppe von Bustouristen). Die Nachbarn kennen das schon, aber KI auch?

    1. Warum bringst du da Gentechnik als Vergleich. Die Gentechnik sorgt für genügend Insulin für Diabetiker.

      Und selbst bei grüner Gentechnik herrschen hauptsächlich unsachliche Ängste vor….

      1. Weil mit Gentechnik das Potential vorhanden ist, negative und unkontrollierbare Vorgänge auszulösen. Eine Maschine kann sich nicht selbst replizieren, sie „stirbt“ früher oder später. Ein gentechnisch veränderter Organismus im Prinzip nicht.

        Ich finde den Vergleich zwischen Gentechnik und KI aber doch ganz passend: in beiden Fällen kann man also Anwendungen schaffen, die sich ungewollt selbstständig weiterentwickeln und möglicherweise schädlich sind.

        Die Vorteile von Gentechnik liegen auf der Hand, aber es bedarf Wissen, Transparenz und Regulierung um die Kontrolle zu behalten.

        Welches Potential hat die massive Investition in Superrechnern und KI, wie zB bei Tesla?

        1. So wie KI aktuell funktioniert, ist an selbständig weiterentwickeln nicht zu denken. Noch macht der Mensch vorgaben

    2. Hallo M3i3s_hh,

      vielen Dank für dein Feedback!
      Meiner Einschätzung nach wird das schon sicher sein/werden, sowohl für die Fußgänger vor Ort, die für die Belebung vor Ort sorgen als auch für die Insassen des Autos. Die Frage, die sich mir stellt (ohne eine Antwort zu haben), kommt das Auto auch da durch, wenn zuviele Fußgänger auf der Straße sind. So deute ich deine Situation.

      Zu deinem Beispiel mit Luigi am Mittwoch habe ich das Gefühl, das du da eher den Waymo-Ansatz im Hinterkopf hast, bei dem die HD-Karte Donnerstags bis einschließlich Dienstags stimmt, nur Mittwoch nicht und dementsprechend das autonom fahrende Auto Schwierigkeiten hätte.
      Bei Tesla ist der Ansatz ein anderer. Die neuronalen Netze werden so trainiert, dass sie jede Situation gefühlt zum ersten mal sehen und korrekt handeln/fahren. Das heißt, jemand als allererstes in Hintertupfingen bekommt autonomes fahren, die KI im Auto sieht Hintertupfingen zum ersten mal und kann trotzdem problemlos durch den Ort fahren.
      Das ist der Vorteil bei Tesla, dass sie damit global schnell skalieren können im Vergleich zu Waymo, die gefühlt eine immer aktuelle HD-Karte der ganzen Welt haben müssen.

      Nachtrag:
      Es kann Situationen geben, die auch für Teslas KI neu sind und nicht zurecht kommt (Stichwort Extrapolation), so dass das der Fahrer übernehmen muss.
      Dann greift jedoch wieder der Trainingsansatz „Ballon erweitern“. So dass sicherlich im Laufe der Zeit mit dem sog. „march of nines“ die Kisten sehr zuverlässig werden.

      1. Der Waymo Ansatz mit HD Karten ist m.E. Eine Sackgasse, weil räumlich und zeitlich zu eng begrenzt. Meine Bemerkung geht eher in die Richtung wie groß der Ballon werden muss um L5 in den unmöglichsten Situationen zu ermöglichen, und ob dieser Zustand jemals erreichbar sein wird.

        1. Das ist bekannt unter „march of nines“. Auf cleantechnica gab es vor einigen Monaten einen super Beitrag dazu. Den suche ich mal raus.
          Wenn ich mich richtig erinnere, war der Tenor: 100% perfekt gibt es nicht, aber man kann 99,99…999% erreichen im Laufe der Zeit. Die Frage ist nur, ab wann „erlaubt“ man diese Systeme per Gesetz. Sprich, wenn bei menschlichen Fahrern hypothetisch 1toter pro 1mio gefahrener km passiert, ab wann ist ein autonomer Ansatz gerechtfertigt? Bei 1 totem alle 10mio, 100mio, 1mrd km?
          Und vor allem wie geht man dann damit um in der öffentlichen Debatte? Fokussiert man den einen Toten oder die (10^n)-1 statistisch nicht gestorbenen?

        2. Das Thema „gesellschaftliche Akzeptanz, wie viel eine Maschine töten „darf““ hatten wir ja neulich schon…

          Ich sehe da den Faktor 1000 (Mal sicherer als der Mensch) als realistisch… 100 mindestens! …deshalb ist auch noch nicht sehr bemerkenswert oder rühmlich, wenn Musk für den AP auf nur Autobahnkilometern(!) einen bisherigen Faktor von ca. 10 angibt… viel zu wenig…

  2. Der Lernprozess läuft im Grunde wie beim Menschen ab.
    Als Baby/Kleinkind bekommt man einfache Formen und Farben von den Eltern mit Labelings versehen. Immer und immer wieder, teilweise mit leichten Varianzen.
    In der nächsten Stufe wird die Erkennung nur mehr bestätigt oder korrigiert.
    Später reicht es dem Kleinkind schon, davon nur einen kleinen Teil zu sehen um es zuordnen zu können. Teilweise wird es hier aber wieder Täuschungen geben und die Erkennung geschärft.

    Denkt man zb an sein berufliches Fachgebiet, reicht oft ein kleiner Bildausschnitt um zu erkennen, dass ist jenes Teil und gehört für diese Funktion.

  3. Hier passend ein schöner Beitrag, wie ich finde, zur Manipulierbarkeit von neuronalen Netzen… und wie die Robustheit auch durch spezielles Training erhöht werden kann… schon interessant, wie schon kleine Änderungen eines Bildes zu komplett anderen Ergebnissen führen können…

    Neuronale Netze: Wie sie angegriffen werden und wie man sie verteidigt

    https://www.heise.de/hintergrund/Neuronale-Netze-Wie-sie-angegriffen-werden-und-wie-man-sie-verteidigt-6132752.html

  4. Also letzten Endes geht/dreht siche alles nur um einen riesengroßen Datensatz oder?

    Richtig intelligent wäre ja das was man in der Schule Transferaufgabe nennen würde und das scheint komplett zu fehlen.

    Ich bleibe kritisch, Warum?

    Wenn ich mir Google und Amazon anschaue, die schon viel länger Daten sammeln und mir immernoch wochenlang als Werbung anzeigen, was ich doch schon längst gekauft habe, 🤔

    …..dann scheint es nicht besonders weit mit Intelligenz von Computerprogrammen zu sein.😋🤣🤣🤣

    PS: Bei Tesla sollten deutsche Tesla Kunden natürlich alle 6 Monate ein aktualisiertes Angebot für einen Neuwagen bekommen, da macht das Sinn😋

    1. 🤣🤣🤣 oh ja, die gleiche Beobachtung habe ich auch schon häufiger gemacht. Da würde mich echt interessieren, was unter der Haube passiert und warum „die“ nicht erkennen, dass ich mir keinen zweiten Kaffeevollautomaten innerhalb von wenigen Tagen kaufen möchte

      1. Jupp. Hatte eine neue Kamera gekauft bei Amazon und mir wurden daraufhin ständig andere Kameras angedient, sowie Objektive, die nicht zu meiner gekauften Kamera passen…

  5. Sven, schöner Beitrag mal wieder 👍

    „Wenn man überlegt, dass das Team um Karpathy rund vier Monate benötigte, um das Abstands-Radar zu ersetzen, kann man annehmen, dass sich das bereits aktuell hohe Lerntempo der Neuronalen Netzes noch einmal steigern wird.“

    Hier muss man allerdings auch immer wieder auf das Pareto-Prinzip verweisen, welches schon sehr oft seine Richtigkeit im Leben gezeigt hat… 80% der „Arbeit“ gelingen mit 20% des „Aufwands“ grob gesagt… sprich die letzten und wichtigsten Prozentpunkte könnten durchaus auf sich warten lassen…

    1. Hi Ossi, vielen Dank für die Blumen 🤗

      Natürlich hast du recht und 100% sind bei dem Task vermutlich noch nicht erreicht. Dennoch ist es beeindruckend, dass man es schafft, innerhalb kurzer Zeit einen zufriedenstellenden Zustand zu erreichen und man Radar „zu den Akten legen kann“ 😋
      Finetuning kommt über die Zeit von ganz allein

    2. Bei Teslas FSD könnte das mit dem Pareto-Prinzip aber auch umgekehrt funktionieren. Wenn die Grundlagen erstmal gelegt sind (Architektur des NN, Infrastruktur zum Labeling und Training, FSD-Hardware leistungsfähig genug) und der Dojo-Supercomputer läuft, wenn also das FSD Feature-complete ist und nur noch „austrainiert“ werden muss, kann letzteres auch sehr schnell gehen. Elon hat ja schon angekündigt, dass die Verbesserungen „exponentiell“ sein werden…

      Die bisherigen größeren Verzögerungen wurden ja immer mit Architekturänderungen begründet… Kamera-Fusion, Radar-Entfernung, …

      1. Exakt! Das soll die Grafik und der nachfolgende Text darlegen, da die Flotte und auch der Supercomputer sich weiterentwickeln

      2. Da wage ich keine Prognose… nur, dass das Pareto-Prinzip real ist und oft „zuschlägt“… da können wir nur abwarten… aber das trifft natürlich alle… ME macht auch schon seit 20 Jahren „Vision“… die werden auch schon reichlich gute Datensätze haben… der CEO sagt ja selbst, die visuelle „Objekterkennung“ sei nicht das größte Problem bei der Autonomie…

Nix mehr.Gschlossn.