Больше данных не всегда лучше. Когда автоматизированной системе нужно быстро принять решение, вы хотите, чтобы у нее был самый минимальный набор релевантных данных, необходимых для правильного выбора. Анализировать больше информации просто замедляет вас. Вы можете увидеть это на примере людей. Область искусственного интеллекта вечно копирует домашнее задание эволюции, и на то есть веские причины. Зачем выбрасывать все эти миллионы лет эмерджентных результатов и пытаться начать все с нуля. У людей на самом деле не пять чувств (скорее около 22), но одно, что мы не видим много в этих чувствах, это перекрытие. Кажется, что эволюционный процесс многократно приходит к мысли, что лучше точно настраивать свои глаза на то, что вам нужно видеть, чем развивать два или три разных типа глаз для наблюдения за одним и тем же. Конечно, многоканальные подходы невозможны, и, возможно, система только с лидаром может быть создана для работы. Но дело в том, что использование камер, аналогичных человеческому зрению, позволяет вам заимствовать все, что мы знаем о человеческом зрении. И если вы используете это для управления автомобилями, то вы можете заимствовать все, что мы знаем или можем открыть о том, как люди управляют автомобилями. Если вы хоть немного инженер, это очевидно, и, несмотря на то, что Лекси может думать или притворяться, что думает, пока камеры работают, Илон Маск — это 100% инженер и очень мало что-то другое, и любой другой инженер может заметить это просто по тому, как он говорит. Лидар хорош для многих вещей, вероятно, включая космические аппараты, но когда вы ставите его в автомобиль, это просто публичное признание того, что у вас нет навыков или вы просто не потрудились развить ИИ-способности, чтобы направить камеру на что-то и действительно охарактеризовать то, что вы смотрите.
Whole Mars Catalog
Whole Mars Catalog25 авг., 13:59
Я не уверен, что это имеет смысл. Допустим, Илон намного умнее меня, но вот мое мнение: Я не думаю, что слияние датчиков невозможно, это просто делает систему гораздо более сложной. Я могу увидеть объект, прикоснуться к нему, понюхать его, и мой мозг может естественным образом объединить это все. Я не считаю, что слияние датчиков по своей сути менее безопасно, но оно увеличивает сложность системы и количество точек отказа. Главная проблема Tesla заключалась в том, что их радар в автомобиле имел слишком низкое разрешение. Waymo пока не может ездить по автомагистралям с клиентами, отчасти из-за диапазона датчиков LIDAR и настройки их для высокоскоростного вождения. И из-за дополнительного риска высоких скоростей. Но они на самом деле уже ездят по автомагистралям без водителя и позволяют сотрудникам поиграть с этим. Поэтому я не думаю, что справедливо говорить, что они не могут ездить по автомагистралям, они просто не чувствуют себя комфортно, позволяя клиентам использовать это пока. Мой любимый аргумент в пользу того, почему глубокое обучение превосходит многосенсорный подход, заключается в том, что крупномасштабный набор данных, который вы можете создать с помощью одного недорогого сенсорного модальности, чрезвычайно мощен для повышения предсказательной точности модели. У вас могут быть все эти дорогие датчики, но если это означает, что ваш набор данных составляет лишь часть размера, разнообразия и т. д., то модель только с визуальным восприятием может на самом деле превзойти по предсказательной точности и, следовательно, безопасности. Я согласен с ним, что только визуальное восприятие лучше, но не думаю, что суть этого заключается в слиянии датчиков.
20K