JR wrote:

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.

Artsipappa wrote:

Kuva

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.