Аналитика
Тесла се повеќе се свртува кон машините наместо кон луѓето додека се обидува да развие самоуправувачки возила. Како дел од плановите на Тесла да намали 10% од платениот персонал, компанијата отпушти значителен број свои специјалисти кои работат на зајакнување на системите за вештачка интелигенција да се справат со сложени задачи како безбедно возење по градска улица. Отпуштањата првпат беа пријавени од Блумберг во вторникот и потврдени од CNN Business.
Специјалистите користат софтверски алатки за рачно етикетирање на предмети во видео клиповите собрани од возилата на Тесла. Овие специјалисти ги означуваат секојдневните патни објекти како што се ленти, знаци за застанување, сообраќајни конуси, рабници и сообраќајни сигнали. Обележаните податоци се внесуваат во системот за вештачка интелигенција за да научи точно да ја перцепира својата околина. Етикетирањето на слики му помага на самоуправувачкиот автомобил да ја разбере својата околина. Колку повеќе правилно означени податоци има системот за вештачка интелигенција, толку подобро ќе биде.
Тесла разви автоматизиран начин за извршување на дел од оваа работа на етикетирање во последниве години, што му овозможува на производителот на автомобили да ја рационализира својата работна сила. „Без етикетирањето на автомобилите, мислам дека не би можеле да го решиме проблемот со самоуправувањето“, рече извршниот директор на Тесла, Илон Маск, на Денот на вештачката интелигенција на компанијата во август 2021 година.
Директорите на Тесла сугерираат дека автоматизирањето на етикетирањето на податоците веќе ја забрзало неговата работа на самоуправувачките возила.
Ашок Елусвами, директор на софтверот Autopilot, на настанот Ден на вештачката интелигенција рече дека Тесла успеал да собере 10.000 видео клипови од своите автомобили и автоматски да ги означи за една недела. Клиповите се, генерално, видео сегменти од 45 до 60 секунди, како и поврзани GPS и податоци за километражата.
Уште нема јасен научен одговор за тоа дали рачно, човечко етикетирање или автоматизирано означување на податоци е попрецизно, според Раџ Рајкумар, професор на Универзитетот Карнеги Мелон кој ги проучува автономните возила. Компаниите како Тесла може да задржат некои луѓе вклучени за да ги откријат недостатоците на автоматизираното етикетирање, рече тој.
Андреј Карпати, кој раководи со вештачката интелигенција во Тесла вели: „За нас тоа многу повеќе станува приказна за „Како луѓето и компјутерите соработуваат за да ги создадат овие векторски вселенски множества на податоци?“. Експертите за вештачка интелигенција велат дека во иднина ќе има помала потреба од човечки анотатори бидејќи се развиваат техники кои не бараат скапа работа.
„Нема иднина за овој процес, кој го работат луѓе“, изјави Педро Домингос, професор по компјутерски науки на Универзитетот во Вашингтон, за CNN Business. Тој вели дека има системи со вештачка интелигенција за јазик кои самите учат од масите текстуални податоци.
