Du verwendest einen veralteten Browser. Es ist möglich, dass diese oder andere Websites nicht korrekt angezeigt werden. Du solltest ein Upgrade durchführen oder einen alternativen Browser verwenden.
NewsTesla FSD-Computer: Elon Musk will dieses Jahr Level-5-Autonomie erreichen
Für die deutsche Wirtschaft wäre das schlecht, aber die Entwicklung verschlafen die Konzerne nun mal seit Jahren. Sollen die Steuerzahler mit Subventionen für längst vergangene Technik, für den Mist was die Manager der Autokonzerne seit Jahren verzapfen gerade stehen?
VW, BMW und Mercedes haben seit mindestens 10 Jahren die Entwicklung im Blick, aber mit nur gucken und nicht anpacken fährt die Konkurrenz irgendwann nun mal davon. Dann geht es diesen Firmen wie Nokia und sie werden von Tesla genauso überrollt, wie Nokia von Apple seinerzeit.
Ich sehe das kurz und knapp gesagt so. Die Deutschen Autobauer sind da viel vorsichtiger als die Amerikaner.
Bei Tesla passierten auch genug Unfälle mit Autopilot. Solange die Autos nicht 3 Fach abgesichert sind werden die Deutschen diese Technologie nicht anbieten.
Zudem sagen mir so hässliche Autos wie Tesla gar nicht zu. Eine der wenigen Amerikanischen Autos die sowas von hässlich sind.
Wenn mich das Auto vor der Tür abholt, ans Ziel bringt und danach in der Garage verschwindet, kann es von mir aus gerne auch wie ein fahrender Betonklotz aussehen. Das einzige was mich dann interessiert ist der hoffentlich bequeme Sitz/Bett und die Multimediaanlage.
Habe keine Statistik parat, aber ein ordentlicher Teil der täglichen Verkehrsunfälle wird mit unangepasster Geschwindigkeit, Drogenmissbrauch, Unaufmerksamkeit und Selbstüberschätzung in Verbindung stehen.
Level 5 würde das alles ausschließen. Also lasst uns bitte nicht über diese one in a million "Oma oder Kleinkind überfahren?" sprechen.
Bislang hat Tesla absolut nichts gezeigt, was auch nur andeutet, dass sie in der Nähe von Level 5 wären. Ich persönlich hoffe darauf, dass wir den autonomen Verkehr noch erleben werden.
Natürlich. Beim Entwickeln ist das eine andere Dimension als bei den etablierten Herstellern.
Du kannst dir gerne weiter die Ohren zuhalten und "nein nein" sagen aber das macht deine Aussage nicht richtiger.
Es wirkt so, als ob du dich nicht überzeugen lassen willst.
Vielleicht mal Grundsatzfragen:
Wird automomes Fahren deiner Meinung nach ohne neuronale Netze möglich sein?
Ich denke die antwort hier ist ein klares NEIN (EDIT!!) und dafür ist nunmal Datenmenge Trumpf. Da führt kein Argument vorbei. Je besser und je mehr Daten ich hab zum anlernen desto besser.
Und je häufiger ich meine aktuellen Annahmen testen kann desto besser.
Je divergenter mein Datenset ist desto besser.
Es fährt überall in der Welt mindestens ein Tesla herum. Kängurus auf der Straße? Tesla hat das schon lange gesehen. LKWs der LKWs transportiert? Teslas neuronales Netz kennt das schon.
Diese Menge an Divergenz hat kein anderer Hersteller. Sie KÖNNEN sie nicht haben. Simulieren kann man nur was bekannt ist. Die Simulation bildet ZWINGEND immer nur einen Teil der Realität ab.
Tesla hat aber Zugriff auf die Realität und muss nicht (nur) sich auf Simulation und wenige Testfahrzeuge/Daten stützen.
Wenn mich das Auto vor der Tür abholt, ans Ziel bringt und danach in der Garage verschwindet, kann es von mir aus gerne auch wie ein fahrender Betonklotz aussehen. Das einzige was mich dann interessiert ist der hoffentlich bequeme Sitz/Bett und die Multimediaanlage.
oh ja ! hier ein aktuelles Beispiel. wie man es dem titel entnehmen kann hat die gute sich nach dem Handy gebückt und kam dabei aufs Gaspedal. wie man sowas auch immer hinbekommt...
sorry für OT :x
Level 5 wird der als erstes können, der die meisten Datensätze hat.
So bescheuerte reale Situationen kann sich keiner ausdenken die da passieren können.
Es ist auch mit Level 5 keine "echte" KI. Es beherrscht dennoch nur das was man Ihr "mitgibt".
Es kann sein das Tesla in vielen Bereichen des Automobil weiter ist (praxistauglichkeit der Hardware etc. pp.). Ich halte inzwischen tatsächlich Tesla für führend, bei Alphabet hört man da nichts mehr. China könnte als Land auch irgendwas pushen, 1 Mrd Chinesen können beim Autofahren viele Daten produzieren. Und da ist es im Zweifel nicht so schlimm wenn jemanden was passiert (Menschenleben werden kulturell in anderen Regionen der Erde anders bewertet).
Aber wenn es irgendwer schafft gehe ich derzeit von Tesla oder Alphabet (Captchas^^) aus.
Und ja Elon posaunt immer viel, aber mit Verspätung konnte er bisher(?) alles halten.
Er ist sehr speziell, ohne Ihn würde die Welt aber heute auf jeden Fall anders aussehen!
Meiner Meinung nach aber schlechter.
Der Witz ist: Ich treffe gar keine Aussagen. Du triffst hier lediglich unhaltbare Aussagen auf Basis von Fakten, welche keinen logischen Schluss auf die Aussagen zulassen. Und ich zweifle die an.
#basTi schrieb:
Vielleicht mal Grundsatzfragen:
Wird automomes Fahren deiner Meinung nach ohne neuronale Netze möglich sein?
Ich denke die antwort hier ist ein klares JA und dafür ist nunmal Datenmenge Trumpf. Da führt kein Argument vorbei. Je besser und je mehr Daten ich hab zum anlernen desto besser.
Und je häufiger ich meine aktuellen Annahmen testen kann desto besser.
Je divergenter mein Datenset ist desto besser.
Warum ein klares "ja"? Gibt es ein Beispiel, das das belegt?
Ich habe zudem nie gesagt, dass es ohne neuronale Netze möglich sein wird.
Inwiefern hilft außerdem die Datenmenge ohne neuronale Netze?
Ich glaube du wolltest "nein" schreiben...
Je besser und je mehr Daten ich hab zum anlernen desto besser.
Und je häufiger ich meine aktuellen Annahmen testen kann desto besser.
Je divergenter mein Datenset ist desto besser.
Ab einer bestimmten Grenze ist jedes neuronale Netz gesättigt. Das heißt es gibt eine Grenze, ab der Daten nicht mehr hilfreich sind.
Benutzt man neuronale Netze, welche eine geringe Kapazität haben, dann ist das möglicherweise schon sehr früh erreicht (und die Daten sind ohne Probleme selbst ermittelbar).
Nutze ich neuronale Netze für einfache Probleme wie zum Beispiel reine Klassifikation von Verkehrsschildern ODER zerstückle die Aufgabenstellung in Teilprobleme, ist die notwendige Kapazität auch nicht so hoch.
Folge: Bereits mit niedriger Divergenz des Datensets kann man die "Funktion" lernen.
Vielleicht können die Probleme sogar ohne Daten aus der Realität erlernt werden? z.B. via künstlicher Generierung oder einer Simulation der echten Welt? Es gibt z.B. Unternehmen, welche mm-genaue Karten fürs autonome Fahren erstellen.
Weiterhin ist für die Qualität des neuronalen Netzes auch das Training und die Architektur ausschlaggebend: Wenn diese eine gute Generalisierung ermöglichen, müssen ebenfalls weniger Daten zur Verfügung gestellt werden.
#basTi schrieb:
Es fährt überall in der Welt mindestens ein Tesla herum. Kängurus auf der Straße? Tesla hat das schon lange gesehen. LKWs der LKWs transportiert? Teslas neuronales Netz kennt das schon.
Und? Muss man es gesehen haben? Ist es vielleicht einfach nur ein unnötiges Detail? Oder hat das neuronale Netz sowieso keine so hohe Kapazität, als dass das Bild länger als n Trainingsschritte im Modell vorhanden ist?
Haben Teslas neuronale Netze das tatsächlich schon gesehen? Ich kann mir z.B. kaum vorstellen, dass sämtliche Kameraaufnahmen direkt in die Firmenzentrale gehen.
#basTi schrieb:
Wird automomes Fahren deiner Meinung nach ohne neuronale Netze möglich sein?
Ich habe keine Antwort auf die Frage. Und die Wissenschaft auch nicht.
Es kann sogar sein, dass es ohne neuronale Netze sogar irgendwann besser läuft oder ganz simpel, neuronale Netze wie wir sie jetzt kennen in der künstlichen "Intelligenz" einfach obsolet werden und wir eine echte künstliche Intelligenz schaffen.
Haben Teslas neuronale Netze das tatsächlich schon gesehen? Ich kann mir z.B. kaum vorstellen, dass sämtliche Kameraaufnahmen direkt in die Firmenzentrale gehen.
Zu Beginn des Vortrags zeigte der KI-Chef Beispiele von Fußgängern, für die eines der Elektroautos von Tesla automatisch stoppte, als sie unachtsam auf die Straße traten. Dazu müsse nicht einmal der Autopilot aktiviert sein, erklärte Karpathy – das Umfeld werde auch so ständig beobachtet. Von den gezeigten Fällen bekomme sein Team täglich einige Dutzend bis Hunderte zu sehen. Nicht alle davon seien „true positives“, also korrekt erkannte Not-Situationen, aber auch aus den falschen Bewertungen könne das System lernen. https://teslamag.de/news/teslas-ki-...fussgaenger-autopilot-software-erklaert-28107
Du kannst dir das ganz einfach vorstellen, die Hardware ist dauerhaft aktiv und kann so Situationen auswerten in denen sich das Fahrzeug anders verhalten würde wie es der Fahrer tat. Solche Schlüsselsituationen können dann an die Zentrale übermittelt werden und das Verhalten der KI für die Zukunft angepasst werden.
Keine anderer Hersteller auf der Welt hat ein solches Datensammelnetz und die damit verbundenen Möglichkeiten.
Ich finde es sehr lustig wie viele Leute hier die Haftungsfrage in den Raum werfen und behaupten die Hersteller müssten diese übernehmen, was übrigens völliger Quatsch ist.
Beispiel gefällig... HundeBESITZER haften prinzipiell für angerichtete Schäden und da Hunde in Deutschland vor Gericht als sachgut bestimmt wird,kann man sehr gut ableiten wie die Dinge mit l5 laufen würden.
Sprich wenn ich den Besitz von irgendetwas übernehme bin ich bei Schäden Dritter fast immer haftbar zu machen.
Wenn ich mein Auto am Berg abstelle und es rollt rückwärts und Überfährt jemand dabei, bin ich genauso haftbar. Ich glaube einfach das selbst wenn Tesla es Vorzeitig mit dem autonomen fahren schaffen würde (und es perfekt funktionieren würde), findet sich in Deutschland/Europa immernoch eine Opposition, damit man den eigenen Markt schützen kann und den heimischen Produktionen Zeit gibt um aufzuholen.
Der Elon, der vor wenigen Tagen gesagt hat, dass er Kanye Wests' Präsidentschaft unterstützen will? So langsam glaube in wirklich, dass man den Amis etwas ins Trinkwasser mischt.
Dabei muss man verstehen, dass die Amis immer große Anführer, ein "Genie" als Vorzeige-Helden brauchen.
Etwas verunglimpfend könnte man dabei eher von einem Maskottchen sprechen.
Mich würde es nicht wundern, wenn Musk an der tatsächlichen Entwicklung der Produkte von Tesla, Space X usw. garnicht großartig beteiligt ist, sondern nur soweit eingewiesen wird, dass er weis was die Ingenieure im Hintergrund machen und ab und zu ein: "Finde ich cool" dazu abgibt.
Seine Funktion ist vermutlich weniger das Entwickeln neuer Produkte/Lösungen als Aufmerksamkeit und neue Fans anzuziehen. Wenn es gerade keinen technischen Durchbruch zu vermelden gibt, tut es halt irgendeine Skandalmeldung. Jede Form vom Aufmerksamkeit ist gute Aufmerksamkeit.
Wäre er wirklich so sehr involviert wie es die Dokumentationen darstellen (schläft die meiste Zeit in seinem Büro usw.) hätte er eigentlich keine Zeit dafür ständig zu twittern, irgendwelche Youtuber zu treffen, in Filmen/Serien als Gast aufzutreten oder irgendwelche Flammenwerfer und Tesla Shorts als Witzartikel zu veröffentlichen.
@#basTi das stimmt schon basti, aber wie gesagt, die firmen veröffentlichen nicht gleich alles.
vor allem bei Forschung. vieles kommt ja auch von bosch oder siemens. (edit: oder von den hunderten kleinen Mittelständlern, die es hier in DE halt so gibt)
ich mein halt nur, lehn dich mit "meilenweit vor den anderen" nicht zu sehr aus dem fenster.
Wie im Beitrag an new Account :
Das ist reines Wunschdenken von dir.
Was soll Siemens und Bosch in der Hinterhand haben? 100 Testfahrzeuge auf jedem Land der Welt? Wären trotzdem hinterher.
Anhand von Simulation und Testdaten kannst du nur genau diese Testen. Und mit einer Handvoll Testfahrzeuge machst du es nicht wirklich viel besser.
Das stimmt aber nur wenn die Daten alle ähnlich sind. Was ist mit neuen Situationen und neuen Bildern?
Ein neuronales Netz sollte mit sovielen Grenzfällen wie möglich gefüllt werden um diese später auch erkennen zu können. Das ist nunmal Fakt.
new Account() schrieb:
Folge: Bereits mit niedriger Divergenz des Datensets kann man die "Funktion" lernen.
Kommt drauf an was du als Funktion beschreibst.
Klar kann zB ein neuronales Netz mit wenig Infos schon Stopschilder erkennen. Was ist aber wenn es komplexer wird. Stopschild hinter Baum, verschneit, ... etc
Je mehr verschiedene Sachen man sieht desto besser. Und Tesla sieht einfach um ein vielfaches mehr. Du kannst nichts testen was du noch nicht kennst. Hier hilft nur die Masse.
new Account() schrieb:
Weiterhin ist für die Qualität des neuronalen Netzes auch das Training und die Architektur ausschlaggebend: Wenn diese eine gute Generalisierung ermöglichen, müssen ebenfalls weniger Daten zur Verfügung gestellt werden.
Beispiel von Elon Musk selbst: Ein Auto mit Fahradträger inkl Fahrad hinten dran. Wenn dein Netz denkt, dass das zwei unabhängige Objekte sind, kann es zu Fehleinschätzungen kommen. Dies ist jetzt ein simples Beispiel das vermutlich jeder im Standardtest hat. Aber es gibt eben auch Dinge an die man nicht sofort denkt. Und da hilft es enorm wenn das System sich von selber meldet und sagt: "Hier war was in Dubai was ich nicht kenne" ... Und dann lernt man dem System Kamele mit Reiter an ....
new Account() schrieb:
Es kann sogar sein, dass es ohne neuronale Netze sogar irgendwann besser läuft.
Unmöglich nach meiner Auffassung. Wer soll das programmieren? Für die Bilderkennung allein brauchst du neuronale Netze. Von Verhaltenserkennung etc noch ganz abgesehen.
HundeBESITZER haften prinzipiell für angerichtete Schäden und da Hunde in Deutschland vor Gericht als sachgut bestimmt wird,kann man sehr gut ableiten wie die Dinge mit l5 laufen würden.
Natürlich nicht, aber die relevanten und was relevant ist bestimmt einzig und alleine Tesla.
Denn Lernen ist das Entscheidende bei Teslas Autopilot, der laut Karpathy immer stärker auf den Einschätzungen von neuronalen Netzen basiert statt auf fest vorgegebenen Regeln. Das Grundprinzip erklärte er so: Zunächst entwickelt Tesla ein grobes Modell wie beispielsweise für die Erkennung von Stopp-Schildern (die in der Realität auf zehntausende Weisen unklar sein könnten) oder auch nur einen Teilaspekt davon. Dieses läuft dann zunächst nur im Hintergrund und meldet Inkonsistenzen an Tesla zurück. Anhand dieses Materials könne das zuständige neuronale Netz dann besser trainiert werden. All das gehe „sehr schnell und dynamisch“ vor sich, sagte Karpathy.
Wenn deren KI Probleme mit Baustellenmarkierungen hat, so kann Tesla sich die relevanten Daten besorgen und das Verhalten der KI an das Verhalten menschlicher Fahrer anpassen. Sie haben aktuellen immer zwei Datenströme die sie erhalten können, das Verhalten des Fahrers und das Verhalten der KI und jegliche Abweichungen davon können dann mit Bildern in der Zentrale überprüft werden.
Daten sind heutzutage alles.... Google kann dir dank Daten sagen, welches Geschäft zu welcher Zeit wie häufig beucht wird, sie können auch genau sagen wo gerade ein Stau ist oder eine größere Veranstaltung stattfindet, keine andere Firma kann es aktuell auch nur im Ansatz, auch Apple nicht weil die Verbreitung hierzulande vergleichsweise gering ist.
Tesla ist aktuell der einzige Fahrzeughersteller, dem bereits seit Jahren solche Daten vorliegen, die anderen müssen sich mit irgendwelchen Teststrecken begnügen und was dabei herumkommt sieht man ganz gut bei der Konkurrenz, die es anscheinend nicht einmal schafft, einen funktionierenden Spurhalteassistenten hinzubekommen.
Ich sage, dass es gewiss nicht unbedingt zu einer gegenüber der Konkurrenz besseren Performance führt.
#basTi schrieb:
Das stimmt aber nur wenn die Daten alle ähnlich sind. Was ist mit neuen Situationen und neuen Bildern?
Ein neuronales Netz sollte mit sovielen Grenzfällen wie möglich gefüllt werden um diese später auch erkennen zu können. Das ist nunmal Fakt.
Das Ziel von neuronalen Netzen ist überhaupt erst einmal eine generelle Funktion zu lernen, sodass nicht jedes einzelne Szenario im Trainingset gewesen sein muss.
Zweitens - nicht alles ist für das lernen der Funktion relevant (was tut es zur Sache was konkret nun das Stoppschild verdeckt?).
Drittens, nein die Kapazitätsgrenze schlägt eher zu je komplexer/unterschiedlicher die Aufgabe/Daten sind.
Richtig ist: mehr Daten schaden nicht
#basTi schrieb:
Kommt drauf an was du als Funktion beschreibst.
Klar kann zB ein neuronales Netz mit wenig Infos schon Stopschilder erkennen. Was ist aber wenn es komplexer wird. Stopschild hinter Baum, verschneit, ... etc
Je mehr verschiedene Sachen man sieht desto besser. Und Tesla sieht einfach um ein vielfaches mehr. Du kannst nichts testen was du noch nicht kennst. Hier hilft nur die Masse.
Es hilft auch nichts, wenn z.B.(!) in 1.000 Bildern schon alle Szenarien hinreichend abgedeckt sind, und das NN bei neuen Bildern nichts neues mehr lernt.
Oder, wenn ein Algorithmus alle möglichen Verdeckungen/ zumindest mehr Verdeckungen generiert als die Realität****.
#basTi schrieb:
: Ein Auto mit Fahradträger inkl Fahrad hinten dran. Wenn dein Netz denkt, dass das zwei unabhängige Objekte sind, kann es zu Fehleinschätzungen kommen. Dies ist jetzt ein simples Beispiel das vermutlich jeder im Standardtest hat. Aber es gibt eben auch Dinge an die man nicht sofort denkt. Und da hilft es enorm wenn das System sich von selber meldet und sagt: "Hier war was in Dubai was ich nicht kenne" ... Und dann lernt man dem System Kamele mit Reiter an ....
verstehe das Beispiel nicht. Beide Fälle können zu Fehleinschätzungen führen.
#basTi schrieb:
Unmöglich nach meiner Auffassung. Wer soll das programmieren? Für die Bilderkennung allein brauchst du neuronale Netze. Von Verhaltenserkennung etc noch ganz abgesehen.
Warum braucht man für Bilderkennung neuronale Netze?
In einigen Bereichen sind neuronale Netze besser, wenn es um Bilderkennung geht, in anderen schlechter als konventionelle Methoden.
Und was spricht zum Beispiel dagegen, dass man Hierarchical Temporal Memory dafür nutzt? HTM kann auch was neuronale Netze können.
#basTi schrieb:
Hier stimme ich zu. Ich glaube aber das Tesla keine Doofies als AI Experten beschäftigt.
Und trotzdem trifft Tesla Entscheidungen.
Architektur der neuronalen Netze -> kann schon ein völliger Fehlgriff sein
keinen LIDAR -> kann Tesla schon jeglichen möglichen(!) Vorsprung bei den Daten versauen (was ist besser: Bildsegmentierung mit neuronalen Netzen oder Bildsegmentierung mit Hilfe von konventioneller Bildverarbeitung, neuronalen Netzen und LIDARs?)
keine Doofies -> gut genug?
Was man immer bedenken sollte: Der Mensch braucht auch keine Milliarden Bilder von Millionen verschiedenen Fahrzeugen. Und doch kann er gut genug(!)** Stoppschilder klassifizieren.
Daraus folgt prinzipiell, dass es nicht zwingend notwendig ist.
** hilft es ab einem bestimmten Niveau noch signifkant weiter noch besser zu sein? Was hilft es mir, wenn ich z.B. ein Stoppschild durch die Baumkrone hindurch erkennen kann, wenn ich das Schild sowieso 20m später vollflächig sehe?
*** Ein Standardvorgehen beim Trainieren von neuronalen Netzen ist das künstliche Generieren von Beispielen, die es in der Realität nicht gibt, aber theoretisch geben kann. Stichwort: adversarial training
Ergänzung ()
xexex schrieb:
Wenn deren KI Probleme mit Baustellenmarkierungen hat, so kann Tesla sich die relevanten Daten besorgen und das Verhalten der KI an das Verhalten menschlicher Fahrer anpassen. Sie haben aktuellen immer zwei Datenströme die sie erhalten können, das Verhalten des Fahrers und das Verhalten der KI und jegliche Abweichungen davon können dann mit Bildern in der Zentrale überprüft werden.
Ich gebe ja zu, dass das für Tesla Möglichkeiten eröffnet, welche andere (zumindest nicht so leicht) nicht haben. Aber daraus kann man lange noch nicht schlussfolgern, dass Tesla bessere autonome Autos baut/bauen wird.
xexex schrieb:
Tesla ist aktuell der einzige Fahrzeughersteller, dem bereits seit Jahren solche Daten vorliegen, die anderen müssen sich mit irgendwelchen Teststrecken begnügen und was dabei herumkommt sieht man ganz gut bei der Konkurrenz, die es anscheinend nicht einmal schafft, einen funktionierenden Spurhalteassistenten hinzubekommen.
Die Konkurrenz, aka Waymo, ist imho schon deutlich weiter als Tesla, obwohl diesen solche Daten nicht vorliegen. Hier, ich hänge direkt nochmal das Video dran:
YouTube
An dieser Stelle steht ein externer Inhalt von YouTube, der den Forumbeitrag ergänzt. Er kann mit einem Klick geladen und auch wieder ausgeblendet werden.
Was man immer bedenken sollte: Der Mensch braucht auch keine Milliarden Bilder von Millionen verschiedenen Fahrzeugen. Und doch kann er gut genug(!)** Stoppschilder klassifizieren.
Daraus folgt prinzipiell, dass es nicht zwingend notwendig ist.
Das neuronale Netz des Menschen ist aber von Geburt an schon sehr gut verwoben um die Realität möglichst gut zu klassifizieren.
Wenn wir mal soweit sind dass es ein „default“ neuronales Netz gibt und nicht erst mit zufälligen Gewichtungen und Verbindungen starten werden die NN auch schneller lernen.
new Account() schrieb:
Warum braucht man für Bilderkennung neuronale Netze?
In einigen Bereichen sind neuronale Netze besser, wenn es um Bilderkennung geht,...
... Schon korrigiert.
