MINER: pracoval jsi nekdy v korporatu ?

JIMIQ: mohli by jim platit i za to, aby používali blinkry :)

BMW bude platit majitelům plug-inů, aby jezdili více na elektřinu - Autobible.cz
https://autobible.euro.cz/bmw-bude-platit-majitelum-plug-inu-aby-jezdili-vice-na-elektrinu/

"EVs are the future of transportation and - so far - only Tesla has figured out how to make them profitably."

ostatni co zacali EV skumat len nedavno, budu na EV segmente asi este chvilu stratovi, nez sa im vratia tie obrovske naklady na research, preto stale tlacia tie jebnute PHEV na starych fosilnych platformach

COMODOR_FALKON: CTO Cruise (GM, Honda) Kyle Vogt by s tebou nesouhlasil. „It takes weeks to train and test a new version.“ jak se dozvíš tady nebo tady mimo dalších detailů.

DZODZO: KEB: ještě jsem si vzpomněl na tehle diagram procesu updatu sítě Tesly, na kterém je vidět, proč je to tak drahý a náročný:
– cokoliv Develop/Label/Enrich/Evaluate/Sign-off je hodně manuální práce
– cokoliv Train/Retrain je výkonově/časově/finančně náročný
Jediný, co je automatický, je Collect+Deploy.

chysta se EV HUMMER :)

GM announces electric vehicle-only 'Factory Zero' to produce GMC HUMMER EV pickup and more - Electrek
https://electrek.co/2020/10/16/gm-electric-vehicle-only-factory-zero-gmc-hummer-ev-pickup/amp/

MINER: tak ked je to take pomale tak jakto ze tu manik hovori:

“If a Tesla crashes,” he says, “the next morning, every Tesla rides two inches higher.”

ci to je len take zjednodusenie?

Inside The Hack Rod, The World’s First AI-Designed Car
https://www.fastcompany.com/3054028/inside-the-hack-rod-the-worlds-first-ai-designed-car

MINER: Tak ono nase AI je zatim Top Bottom a ML jen nahrava nove instrukce. Bottom Up AI je neco, na co zatim nemame vykon, ale potrebujeme pro L5 Self driving. Problem je, ze v nekterych ohledech je top bottom proste lepsi a co idealne potrebujeme je (pro nedostatek terminu) L6, ktera bude umet kombinovat benefity obou, cili vypocetni vykon top bottom a predvidavost bottom up. A tady dam za pravdu bobeshovi, ze to bude jeste dlouho trvat. Respektive az toho dosahneme, tak jsme na technological singularity se vsema moznejma dusledkama co z toho plynou.

Nicmene, pokud zmenime celou strukturu dopravy, tak i kdyz to bude stat dost, tak v dlouhodobym meritku vydelame vsichni a self driving muzeme nasadit uz nekde kolem L4, ale to bude hroznej problem u Petrolheads. Slo by to v klidu nasadit ted, ale znamenalo by to vyradit bezny auta z provozu.
(Pro bobashe, muzes mit svoje auto, ale musi byt uzpusobeny jizde ve full auto rezimu tam, kde to bude vyzadovany. (Mesta z pocatku, nasledne to bude expandovat).

To je realny uz ted, a proto to funguje v americkejch mestech, ktery jsou celkem sablonovy. Na starym meste - good luck.

Cimz se dostavame k hlavnimu problemu a to je to, ze problem neni v ai nebo autech samotnych, ale v infrastrukture.

MINER: přesně. já bych si ještě k tomu troufnul tvrdit, že by byl možný takový podvůdek, že bys měl jednu síť natrénovanou na dálnici, jinou na město atd a mezi nimi plynule přepínat. nepotřebuju, aby si se mnou auto dokázalo povídat o smyslu života, ale bylo by fajn, kdyby poznalo jistěji sloup od chodce i podle mapy toho, kde se dají sloupy nebo chodci čekat.

JAZZZ: V té paralele „Slow thinking“ rovná se obecné umělé inteligenci.
To zatím neumí udělat nikdo na celém světě, je to za hranicí současného poznání.
Veškerá ML je „Fast thinking“.

Jestli vás to zajímá, mrkněte se, kde jsou hranice poznání a pro co se používá machine-learning vs. Symbolic AI vs. obecná umělá inteligence a jak se učí neuronové sítě. To si tu na pár řádcích nevysvětlíme.

MINER: na rozpoznávání defektů na výrobní lince je taková implementace ML super, ale na řízení aut v neznámém prostředí to bude vždycky horší, než člověk. tady je vysvětleno proč:
Kahneman Fast and Slow Thinking: System 1 and 2 Explained by SUE
https://suebehaviouraldesign.com/kahneman-fast-slow-thinking/
máme v mozku rychlý a pomalý systém. rychlý jsou naučené reakce a automatismy, díky tomu dupnu na brzdu, když mi pod auto skočí chodec, aniž bych přemýšlel a ten pomalý vybírá kam zatočit a řeší kdo má přednost. ve skutečnosti se ale oba překrývají, takže když jedu prázdnou garáží, tak v panice nedupu na brzdu při průjezdu kolem sloupu a na dálnici to s klidem nenapálím do stojícího kamionu, protože v dálce tuším siluetu a začnu se chovat obezřetně. ten pomalý systém dokáže generalizovat a vytvářet koncepty, které je pak snadné sdílet a rychlý systém s nimi pak už umí pracovat (třeba, že v Itálii jezdí lidi jak magoři nebo, že v garáži jsou sloupy a na pěší zóně to nejsou sloupy, ale chodci)

jsem si celkem jistý, že chytré hlavy v tesle si to uvědomují, protože je to celkem obvious věc, bez které autonomní řízení nikdy fungovat pořádně nebude. to, co popisuješ ty, se hodí jako lepší lane assist a právě proto, že to je tak, jak popisuješ, se ještě o moc dál nedostali. ono je to totiž docela komplikovaný, ale zas až to dají dohromady, tak to bude pecka, která obrátí svět vzhůru nohama ve všech oblastech lidské činnosti.

COMODOR_FALKON: JAZZZ:
Takhle ML nefunguje. Nemáš žádné výjimky z výjimek, ani nerostou žádné segmenty.

Máš jen hierarchii klasifikátorů. Zjednodušeně: první klasifikátor rozřeže obraz na objekty, další řeší stavy různých objektů, jako třeba semafor.

Z celý hierarchie ti pak vyleze, kde je co v jakym stavu a hranice. Z toho další síť dělá predikce chování, a na to se teprv napojí fyzika. A tam je teprv něco, co bys mohl nazvat algoritmem nebo výjimkou. Ale problémy nebývaj tam, ale v klasifikaci.

Jakmile nějaká z těch síťí nefunguje dobře (např. nepoznalo to nějaký typ semaforu), musí se doučit. A to je to drahý.

Nikde žádné výjimky, je to „statistika“ počítaná neuronovými sítěmi.