Илон Маск

Именно такой подход к машинному обучению предполагал Алан Тьюринг в своей работе 1950 года "Вычислительные машины и интеллект".

Для обучения нейронных сетей компания Tesla располагала одним из крупнейших в мире суперкомпьютеров. Он работал на графических процессорах (GPU), производимых компанией Nvidia. Целью Маска на 2023 год был переход к использованию суперкомпьютера Dojo, который компания Tesla создавала с нуля, для использования видеоданных для обучения системы искусственного интеллекта. Благодаря чипам и инфраструктуре, разработанным специалистами Tesla, он обладает вычислительной мощностью почти в восемь экзафлопсов (1018 операций в секунду), что делает его самым мощным в мире компьютером для этих целей.

Он будет использоваться как для программного обеспечения самодвижущихся автомобилей, так и для робота Optimus. "Интересно работать над ними вместе", - говорит Маск. "Они оба пытаются ориентироваться в мире".

К началу 2023 года проект нейросетевого планировщика проанализировал 10 млн.

кадров видео, собранных из автомобилей клиентов Tesla. Означает ли это, что она будет просто не хуже, чем в среднем водители-люди? "Нет, потому что мы используем данные, полученные от людей, только в том случае, если они хорошо справились с ситуацией, - поясняет Шрофф. Люди, многие из которых находятся в Буффало (штат Нью-Йорк), оценивали видеозаписи и выставляли им оценки. Маск сказал им искать то, что "сделал бы пятизвездочный водитель Uber", и именно эти видеозаписи использовались для обучения компьютера.

Маск регулярно проходил по зданию Tesla в Пало-Альто, где инженеры, занимающиеся разработкой автопилота, сидели на открытом рабочем месте, и опускался рядом с ними на колени для импровизированных дискуссий. Однажды Шрофф продемонстрировал ему достигнутые успехи. Маск был впечатлен, но у него возник вопрос: Действительно ли необходим такой новый подход? Может быть, это излишество? Одна из его максим гласила: чтобы убить муху, не стоит использовать крылатую ракету, достаточно воспользоваться мухобойкой.

Не является ли использование нейронной сети для планирования траекторий излишне сложным способом решения нескольких очень маловероятных проблем?

Шрофф продемонстрировал на примере Musk примеры, в которых нейросетевой планировщик работает лучше, чем подход, основанный на правилах. В демонстрационном примере была показана дорога, захламленная мусорными баками, упавшими дорожными конусами и случайным мусором.