Näissä Suomen talvissa, Keski-Euroopan serpentiiniteissä ymv. on se juttu, että ne ovat pieniä ja vähäliikenteisiä alueita. Toki olisi kiva, että toimisi joka paikassa ja ehkä joskus toimiikin, mutta jos bisneksen kannalta miettii, niin ei sillä liene ihan hirveästi väliä, että toimiiko joka paikassa, vai kaikkialla muualla paitsi joissain äärimmäisissä olosuhteissa. Suurin etu rahallisesti varmaan olisi, jos pystyy ajamaan kaupunkiympäristössä ja sitten jotain pitkiä motareita ymv. suurten kaupunkien välillä.
Onhan tätä jännä seurata. Mä en uskalla arvailla, että milloin järkevän hintaiset autot kykenee ajamaan riittävän hyvin täysin itsenäisesti, mutta eiköhän tuo tapahdu vuosissa kymmenten sijaan. Kohta alkanee tulla lukuja noista Teslan takseista, niin että eiköhän tästä tule reality check johonkin suuntaan.
Tesla ei näissä karkeloissa tule pärjäämään pelkkien kameroidan kanssa. Voihan sitä mainoslauseisiin heittää hienoja sanoja neuroverkoista mutta todellisuus on jotain ihan muuta.
Näissä Suomen talvissa, Keski-Euroopan serpentiiniteissä ymv. on se juttu, että ne ovat pieniä ja vähäliikenteisiä alueita. Toki olisi kiva, että toimisi joka paikassa ja ehkä joskus toimiikin, mutta jos bisneksen kannalta miettii, niin ei sillä liene ihan hirveästi väliä, että toimiiko joka paikassa, vai kaikkialla muualla paitsi joissain äärimmäisissä olosuhteissa. Suurin etu rahallisesti varmaan olisi, jos pystyy ajamaan kaupunkiympäristössä ja sitten jotain pitkiä motareita ymv. suurten kaupunkien välillä.
Onhan tätä jännä seurata. Mä en uskalla arvailla, että milloin järkevän hintaiset autot kykenee ajamaan riittävän hyvin täysin itsenäisesti, mutta eiköhän tuo tapahdu vuosissa kymmenten sijaan. Kohta alkanee tulla lukuja noista Teslan takseista, niin että eiköhän tästä tule reality check johonkin suuntaan.
Tesla on ilmoittanut tekevänsä pilottia 10-20 autolla ja matkustajat on ilmeisesti "invite only" -periaatteella. Jos jotain vakavaa sattuu niin se varmaan pääsee uutisiin, mutta noilla volyymeilla ja periaatteilla ei kovin nopeasti voi saada luotettavaa dataa siitä, että homma toimii.
FSD:n kehittäminen liikenteeseen on haastava työ ja ottaa aikansa.
Autoteollisuus on kehittänyt jo vuosikymmeniä erilaisia kuljettajaa avustavia automaattisia turvallisuutta parantavia järjestelmiä, jotka turvaavat kuljettajan tekemiltä virheiltä. Nämä järjestelmät ovat kehittyneet viime vuosina vauhdilla ja sisältävät jo tekniikan, jolla auto kykenee liikkumaan itsenäisesti.
Kuitenkin homman kääntäminen toisinpäin eli siten, että FSD ajaa ja ihminen valvoo tätä, ei sitten olekaan enää samalla tavalla turvallisuutta parantava hyppäys. Ihminen ei valitettavasti sovellu sellaisen automaation valvojaksi, jossa pitäisi ottaa koppi ohjauksesta sekunnin murto-osissa, joten sellaiset järjestelmät ovat turvattomia. Käytännössä FSD:n tulisi kyetä täysin itsenäiseen ajoon ainakin niillä tie- ja katuosuuksilla, joilla sitä käytetään. Kaikki ihmisen valvontaan perustuvat välimallin ratkaisut ovat käytännössä vaarallisia inhimillisistä syistä.
Tesla on ilmoittanut tekevänsä pilottia 10-20 autolla ja matkustajat on ilmeisesti "invite only" -periaatteella. Jos jotain vakavaa sattuu niin se varmaan pääsee uutisiin, mutta noilla volyymeilla ja periaatteilla ei kovin nopeasti voi saada luotettavaa dataa siitä, että homma toimii.
Huonosti ilmaistu minulta. Ajattelin, että JOS toimii hyvin, niin tuota lähdetään varmaan melko nopeasti skaalaamaan ylöspäin. Ts. jos vaikkapa vuoden päästä Tesla pyörittää samaa hommaa edelleen alle 100 autolla, niin tuskin on ihan hirveän hyvin onnistunut. Ei tarkoita, etteikö voisi onnistua sitten pidemmässä juoksussa, mutta ilman muuta kertoo sen, että nykyinen viritelmä ei ollut vielä hirmu lähellä.
Hyvä kuitenkin muistaa, että treideissä on aina oltava myös tuuria mukana. Mielestäni yhtiöön kohdistuvat riskit ovat väärin hinnoiteltu ja jos ne eivät toteudu, niin häviän rahaa. Lisäksi koska emme avanneet treidejä samalla hetkellä, niin… https://t.co/1Lwl3rHEVn
Pekka ja Jukka ovat eri puolilla Teslaa. Olen havaitsevinani Lepikön Tesla-fanituksessa uskonnollisiakin piirteitä. Mutta tämä voi hyvin johtua omasta vastenmielisyydestäni nykyistä Lapsiaikuista kohtaan. Mie tunnistan kyllä opprtunistisen ADHD-narkkarin, kun näen sellaisen. Nukkuminen muuten kannattaa.
Olen havaitsevinani Lepikön Tesla-fanituksessa uskonnollisiakin piirteitä. Mutta tämä voi hyvin johtua omasta vastenmielisyydestäni nykyistä Lapsiaikuista kohtaan.
Vastaavaa kulttimeininkiä näkee myös Musk-vihaajissa. Vihasanomaa levitetään sokeasti ja radikaaleimmat ovat valmiita myös sabotaasiin.
On aivan normaalia että asioista on eriäviä mielipiteitä. Asioita ei tarvi kuitenkaan vetää äärimmäisyyksiin.
Eiköhän jossain vaiheessa Musk savusteta yhtiöstä ulos. Sen verran tullut sekoiltua. Tämä voi olla yksi katalyytti Teslan tulevaisuuden kasvulle, kun johtoon saadaan pätevämpi ukko. Applekin on menestynyt loistavasti ilman Jobsia.
Olen havaitsevinani Lepikön Tesla-fanituksessa uskonnollisiakin piirteitä. Mutta tämä voi hyvin johtua omasta vastenmielisyydestäni nykyistä Lapsiaikuista kohtaan.
Vastaavaa kulttimeininkiä näkee myös Musk-vihaajissa. Vihasanomaa levitetään sokeasti ja radikaaleimmat ovat valmiita myös sabotaasiin.
On aivan normaalia että asioista on eriäviä mielipiteitä. Asioita ei tarvi kuitenkaan vetää äärimmäisyyksiin.
Radikalismia tai vihapuhetta Teslaa kohtaan tällaisella sijoitusaiheisella keskustelupalstalla kokeneen täytyy olla varsin herkällä mielellä varustettu.
Toivottavasti Teslan arvon määrittelyn kyseenalaistamista ei kuitenkaan tulkita vihapuheeksi vaikka se ei osalle mieluista olisikaan.
Aidossa itseajavuudessa ei riitä 99% tai 99,9% varmuus. Teslan FSD on todella hyvä ja kehittynyt, mutta mikään videomateriaali ei todista oikeastaan juuri mitään siitä, pystyykö se aitoon itseajavuuteen. Kaikki julkaistut (critical) disengagement ratet joita olen nähnyt eivät ole lähelläkään sellaista, joka kykenisi aitoon itseajavuuteen. Haaste on niissä todella harvinaisissa edge caseissa, ja niistä saa luotettavaa dataa vain sillä tavalla että ajaa paljon niin, että ihminen ei ole kuskin paikalla.
Esimerkkinä Waymo on ollut todella konservatiivinen moottoritieajon suhteen vaikka se on teknisesti hyvin helppoa. Perusteluina mainitsivat juuri sellaiset todella harvinaiset tilanteet kuin vaikka polkupyöräilijä moottoritiellä. 10 tuntia ajoa ei ole yhtään mitään jos halutaan validoida sitä, pystyykö joku järjestelmä aitoon itseajavuuteen. Eikä mikään muukaan määrä mitään youtube-videoita.
Osaketta ostan sitten kun arvostus perustuu siihen mitä Tesla tekee, eikä kuten nyt, 90-prosenttisesti siihen mitä Tesla tai sen edustaja sanoo vielä joskus tekevänsä.
Teslan liikevaihto on kasvanut vuodesta 2020 32 miljardista 98 miljardiin. Teslan liiketoiminnan nettotulos on kasvanut samassa ajassa 720 miljoonasta yli 7 miljardiin eli lähes kymmenkertaistunut. Voisitko kertoa yhden eurooppalaisen large cap yhtiön, joka on pystynyt samanlaiseen kasvuun? Teslan arvostus ei perustu puheisiin vaan voimakkaaseen kasvuun. Kyllä arvostukselle on ihan järkiperusteita, vaikka haiskahtaa kalliilta (p/e 178)
Eli tuloksensa kymmenkertaistanut large cap yritys on P/E 178 arvoinen, koska se tulee myös jatkossa kymmenkertaistamaan tuloksensa? Tämä selvä.
En pidä sitä mahdottomana, mutta minulle "P/E 178 haiskahtaa vähän kalliilta" on understatement. Jätän ostamatta koska en tiedä normalisoituuko P/E tuloksen kasvun vai osakkeen hinnan kautta.
Tesla ei näissä karkeloissa tule pärjäämään pelkkien kameroidan kanssa. Voihan sitä mainoslauseisiin heittää hienoja sanoja neuroverkoista mutta todellisuus on jotain ihan muuta.
Ei tuo Lidar ole itsessään sen voittavampi konsepti kuin kamerat, koska ihmiset silmät on periaatteessa kaksi kameraa ja me pystymme hyvin arvioimaan etäisyyksiä ja asioiden suhteita. Eli, jos Tesla saa tekoälyn tai millä tuota sitten ohjataankin, toimimaan riittävän hyvin, niin tulos on hyvä. Lidar ei toimi sateessa, koska sen lähettämät säteet pysähtyvät ja heijastuvat niistä väärin. Pelkkä kuva on riittävä, jos se tulee kahdesta lähteestä, jolloin kyse on stereonäöstä. Kutos kohdan esimerkki saadaan ratkaistua, kun tulkitaan laajemmin ympäristöä.
Ihmiselle ehkä hankalin ajokeli on sankka lumisade, jossa vastasatanut lumi muodostaa täysin vaalean pohjan tiehen. Silmälle ja aivojen tulkintakeskukselle erittäin työlästä havaita missä tie kulkee, jos edellä ajavan ajoneuvon valot tai renkaan jäljet eivät näy riittävän hyvin. Tekoäly ei väsy, joten tulevaisuudessa siitä voi olla apua juuri tämänlaisissa olosuhteissa.
Ei tuo Lidar ole itsessään sen voittavampi konsepti kuin kamerat, koska ihmiset silmät on periaatteessa kaksi kameraa ja me pystymme hyvin arvioimaan etäisyyksiä ja asioiden suhteita. Eli, jos Tesla saa tekoälyn tai millä tuota sitten ohjataankin, toimimaan riittävän hyvin, niin tulos on hyvä.
Jossain filosofisessa teoriassa ehkä, käytännössä ei.
Koulussa opetetaan, miten silmät havaitsevat saman objektin hieman eri kulmassa, ja sitten se kulma kertoo miten kaukana asia on. Periaatteessa toki näin, mutta mistä tiedetään, että kyseessä on sama objekti? Toisen silmänsä menettäneet ihmiset ovat myös melko hyviä arvioimaan asioiden etäisyyksiä.
Aivot tekevät todella paljon monimutkaisempaa työtä, kuin nykyisentyyliset neuroverkot, ja kompensoivat valtavasti tilanteita jotka olisivat monimutkaisia mallilla, jossa neuroverkko on koulutettu lisäämään arvio syvyysdatasta kahteen kuvaan. Merkittävin näistä on kohteen pysyvyys - ihmisaivot eivät aloita ympäristön kartoittamista jatkuvasti alusta, vaan niillä on malli ympäröivästä tilasta, jota sitten jatkuvasti korjataan ja täydennetään. Ja tämä malli vaikuttaa takaisinpäin myös siihen, miten näköaisti tulkitsee ympäristön. Esimerkiksi siihen, mitkä samannäköiset objektit kummankin silmän näkökentässä ovat itse asiassa samoja. Mallia täydennetään myös esim kuuloaistilla. Lisäksi ihminen käyttää aistiensa täydennykseen kaikkea oppimaansa meitä ympäröivästä todellisuudesta - minkä kokoisia mitkäkin asiat tyypillisesti ovat, millaisissa paikoissa ne esiintyvät jne. Otetaan esimerkiksi kaukana näkyvä pieni ikkuna sisätilassa, ja sen läpi näkyvät tasainen värikenttä. Ihminen osaa päätellä sen olevan kaukanaolevaa taivasta, tai vieläkin sisällä olevan tilan seinä esimerkiksi sen sävystä, ja tarvittaessa täydentää tätä arviota esim tiedolla siitä, mikä aika päivästä on, tai millainen sää oli ulkona ennen kuin hän tuli sisälle. Auton tekoälyn ei tietenkään tarvitse arvioida sitä, mihin kaukana oleva ikkuna aukeaa, käytän tätä esimerkkinä sentyyppisestä metodeista joilla aivot täydentävät näköaistimme rajoituksia.
Osa näistä on perustavanlaatuisia rajotteita joita ei voi ratkaista lisäämällä tehoa neuroverkkoon, joka yrittää arvata kuvista syvyysdataa. Niiden ratkaisemiseen tekoälyllä vaadittaisiin jokin aivan eri lähestymistapa.
Ei tuo Lidar ole itsessään sen voittavampi konsepti kuin kamerat, koska ihmiset silmät on periaatteessa kaksi kameraa ja me pystymme hyvin arvioimaan etäisyyksiä ja asioiden suhteita. Eli, jos Tesla saa tekoälyn tai millä tuota sitten ohjataankin, toimimaan riittävän hyvin, niin tulos on hyvä.
Jossain filosofisessa teoriassa ehkä, käytännössä ei.
Koulussa opetetaan, miten silmät havaitsevat saman objektin hieman eri kulmassa, ja sitten se kulma kertoo miten kaukana asia on. Periaatteessa toki näin, mutta mistä tiedetään, että kyseessä on sama objekti? Toisen silmänsä menettäneet ihmiset ovat myös melko hyviä arvioimaan asioiden etäisyyksiä.
Aivot tekevät todella paljon monimutkaisempaa työtä, kuin nykyisentyyliset neuroverkot, ja kompensoivat valtavasti tilanteita jotka olisivat monimutkaisia mallilla, jossa neuroverkko on koulutettu lisäämään arvio syvyysdatasta kahteen kuvaan. Merkittävin näistä on kohteen pysyvyys - ihmisaivot eivät aloita ympäristön kartoittamista jatkuvasti alusta, vaan niillä on malli ympäröivästä tilasta, jota sitten jatkuvasti korjataan ja täydennetään. Ja tämä malli vaikuttaa takaisinpäin myös siihen, miten näköaisti tulkitsee ympäristön. Esimerkiksi siihen, mitkä samannäköiset objektit kummankin silmän näkökentässä ovat itse asiassa samoja. Mallia täydennetään myös esim kuuloaistilla. Lisäksi ihminen käyttää aistiensa täydennykseen kaikkea oppimaansa meitä ympäröivästä todellisuudesta - minkä kokoisia mitkäkin asiat tyypillisesti ovat, millaisissa paikoissa ne esiintyvät jne. Otetaan esimerkiksi kaukana näkyvä pieni ikkuna sisätilassa, ja sen läpi näkyvät tasainen värikenttä. Ihminen osaa päätellä sen olevan kaukanaolevaa taivasta, tai vieläkin sisällä olevan tilan seinä esimerkiksi sen sävystä, ja tarvittaessa täydentää tätä arviota esim tiedolla siitä, mikä aika päivästä on, tai millainen sää oli ulkona ennen kuin hän tuli sisälle. Auton tekoälyn ei tietenkään tarvitse arvioida sitä, mihin kaukana oleva ikkuna aukeaa, käytän tätä esimerkkinä sentyyppisestä metodeista joilla aivot täydentävät näköaistimme rajoituksia.
Osa näistä on perustavanlaatuisia rajotteita joita ei voi ratkaista lisäämällä tehoa neuroverkkoon, joka yrittää arvata kuvista syvyysdataa. Niiden ratkaisemiseen tekoälyllä vaadittaisiin jokin aivan eri lähestymistapa.
Merkittävin näistä on kohteen pysyvyys - ihmisaivot eivät aloita ympäristön kartoittamista jatkuvasti alusta, vaan niillä on malli ympäröivästä tilasta, jota sitten jatkuvasti korjataan ja täydennetään. Ja tämä malli vaikuttaa takaisinpäin myös siihen, miten näköaisti tulkitsee ympäristön. Esimerkiksi siihen, mitkä samannäköiset objektit kummankin silmän näkökentässä ovat itse asiassa samoja. Mallia täydennetään myös esim kuuloaistilla. Lisäksi ihminen käyttää aistiensa täydennykseen kaikkea oppimaansa meitä ympäröivästä todellisuudesta - minkä kokoisia mitkäkin asiat tyypillisesti ovat, millaisissa paikoissa ne esiintyvät jne. Otetaan esimerkiksi kaukana näkyvä pieni ikkuna sisätilassa, ja sen läpi näkyvät tasainen värikenttä. Ihminen osaa päätellä sen olevan kaukanaolevaa taivasta, tai vieläkin sisällä olevan tilan seinä esimerkiksi sen sävystä, ja tarvittaessa täydentää tätä arviota esim tiedolla siitä, mikä aika päivästä on, tai millainen sää oli ulkona ennen kuin hän tuli sisälle. Auton tekoälyn ei tietenkään tarvitse arvioida sitä, mihin kaukana oleva ikkuna aukeaa, käytän tätä esimerkkinä sentyyppisestä metodeista joilla aivot täydentävät näköaistimme rajoituksia.
Tämä on kaikki totta, mutta periaatteelliselta kannalta kaksi kameraa on sama kuin kaksi silmää*. Kyse on kuvan prosessoinnista ja yhdistelystä aikaisemmin opitun kanssa. Aivot tulkitsevat etäisyyksiä myös värien kautta, koska kaueampana olevat objektit ovat väriltään haaleampia kuin lähempänä olevat. Tuollaisilla pienillä vertailuilla (ja varmaan tukulla muita) voidaan tulevaisuudessa saadaan tarkka tieto edessä olevasta topologiasta.
*Autossa voi olla useita kameroita, joiden korkeuserot voivat olla hyvinkin suuret, eli stereonäöstä tulee huomattavasti ihmistä parempi näitä kuvia yhdistelemällä.
Ps. Itselleni tuli juuri mieleen, että tuo harjoittelu/oppiminen pitäisi tehdä juuri niin, että samalla kun ajetaan kameroilla ja ai tulkitsee etäisyyksiä ja maastoa, niin kuitenkin myös mitataan laserilla ym. keinoin tarkasti kohteiden etäisyyksiä ja nämä mittaustulokset syötetään avuksi. Tuolla tavoin päästään varmaan nopeammin eteenpäin oppimisprosessissa ja löydetään tai ai löytää suoraan omat virheensä. Uskoisin, että Tesla tekee juuri tähän tyyliin kehitystyötä.
Pps. On muuten mielenkiintoinen aihe, jos lähtee hakemaan tietoa siitä miten ihmisen silmät ja aivot tulkitsevat ympäristöä. Lähtökohtaisesti voisi kuvitella, että skannaus on jatkuvasti päällä ja tietyssä mielessä näin on, mutta prosessi on kohtuullisen hidas. Meidän ympäristö ei vain muutu kovin nopeasti (ennen tietokoneita ja televisioruutuja), joten tätä ei ole tarvittu. Reaktioaika yllättävään asiaan tiellä on kohtuullisen pitkä. Vähän riippuen henkilöstä, niin useita sekunteja. Tältä pohjalta, jos annamme ajo-oikeuden ihmisille, niin koneiden tekemänä kriteerit ei tarvitse olla sen parempia.
