ಟೆಸ್ಲಾದಲ್ಲಿ AI ನ ಉಪಾಧ್ಯಕ್ಷ ಅಶೋಕ್ ಎಳ್ಳುಸ್ವಾಮಿ, ಸ್ವಾಯತ್ತ ಚಾಲನೆಗೆ ಮುಖ್ಯ ತಡೆಗೋಡೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಾಗಿದೆ, ಹಾರ್ಡ್ವೇರ್ ಸಂವೇದಕಗಳಲ್ಲ. ಸಮ್ಮೇಳನವೊಂದರಲ್ಲಿ ಮಾತನಾಡಿದ ಅವರು, ಆಧುನಿಕ ಕ್ಯಾಮೆರಾ ವ್ಯವಸ್ಥೆಗಳು ಈಗಾಗಲೇ ಕಾರುಗಳು ಸ್ವತಃ ಚಾಲನೆ ಮಾಡಲು ಸಾಕಷ್ಟು ಡೇಟಾವನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತವೆ ಎಂದು ವಾದಿಸಿದರು. ಆ ಡೇಟಾವನ್ನು ಸರಿಯಾಗಿ ಅರ್ಥೈಸುವಲ್ಲಿ ತೊಂದರೆ ಇದೆ ಎಂದು ಅವರು ಹೇಳಿದರು.
“ಸೆಲ್ಫ್ ಡ್ರೈವಿಂಗ್ ಸಮಸ್ಯೆ ಸಂವೇದಕ ಸಮಸ್ಯೆ ಅಲ್ಲ, ಇದು AI ಸಮಸ್ಯೆ,” ಎಳ್ಳುಸ್ವಾಮಿ ಹೇಳಿದರು. “ಕ್ಯಾಮರಾಗಳು ಈಗಾಗಲೇ ಸಾಕಷ್ಟು ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿವೆ. ಇದು ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯುವಲ್ಲಿ ಸಮಸ್ಯೆಯಾಗಿದೆ, ಇದು AI ಸಮಸ್ಯೆಯಾಗಿದೆ.”
ಟೆಸ್ಲಾದ ವ್ಯವಸ್ಥೆಯು ಬಹು ವಿಶೇಷ ಸಂವೇದಕಗಳಿಗಿಂತ ಹೆಚ್ಚಾಗಿ ಕ್ಯಾಮೆರಾ ಇನ್ಪುಟ್ ಮತ್ತು ನರಮಂಡಲದ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ ಎಂದು ಅವರು ಹೇಳಿದರು. ಅವರ ಪ್ರಕಾರ, ಕಂಪನಿಯು ಎಂಡ್-ಟು-ಎಂಡ್ AI ಮಾದರಿಯನ್ನು ಬಳಸುತ್ತದೆ ಅದು ಕಚ್ಚಾ ವೀಡಿಯೊ, ವಾಹನ ಚಲನೆಯ ಡೇಟಾ ಮತ್ತು ನ್ಯಾವಿಗೇಷನ್ ಇನ್ಪುಟ್ಗಳನ್ನು ನೇರವಾಗಿ ಸ್ಟೀರಿಂಗ್ ಮತ್ತು ಬ್ರೇಕಿಂಗ್ನಂತಹ ಡ್ರೈವಿಂಗ್ ಕ್ರಿಯೆಗಳಿಗೆ ಪರಿವರ್ತಿಸುತ್ತದೆ.
ಈ ವಿಧಾನವು ಸಾಂಪ್ರದಾಯಿಕ ಮಾಡ್ಯುಲರ್ ವ್ಯವಸ್ಥೆಗಳ ಮಿತಿಗಳನ್ನು ತಪ್ಪಿಸುತ್ತದೆ ಎಂದು ಎಳ್ಳುಸ್ವಾಮಿ ಹೇಳಿದರು, ಅಲ್ಲಿ ಗ್ರಹಿಕೆ, ಭವಿಷ್ಯ ಮತ್ತು ಯೋಜನೆಯನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ. ನಿಯಮ-ಆಧಾರಿತ ಅಥವಾ ವಿಭಜಿತ ಸಾಫ್ಟ್ವೇರ್ ವಿನ್ಯಾಸಗಳಿಗೆ ನೈಜ-ಪ್ರಪಂಚದ ಚಾಲನಾ ಸಂದರ್ಭಗಳು ತುಂಬಾ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿವೆ ಎಂದು ಅವರು ಹೇಳಿದರು.
ಟೆಸ್ಲಾ ವಾಹನಗಳು ಅಸಾಧಾರಣ ರಸ್ತೆ ಸನ್ನಿವೇಶಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಿದ ಉದಾಹರಣೆಗಳನ್ನು ಸಹ ಅವರು ತೋರಿಸಿದರು, ಪ್ರಾಣಿಗಳು ದಾಟುವುದು ಮತ್ತು ಮುಂದೆ ಹಠಾತ್ ವಾಹನ ಅಪಘಾತಗಳು ಸೇರಿದಂತೆ. ಈ ಪ್ರತಿಕ್ರಿಯೆಗಳಿಗೆ ಉದ್ದೇಶ ಮತ್ತು ಚಲನೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಅಗತ್ಯವಿದೆ ಎಂದು ಅವರು ಹೇಳಿದರು, ಅವರು ಸಂವೇದಕ ಪತ್ತೆಗಿಂತ ಹೆಚ್ಚಾಗಿ AI ತೀರ್ಮಾನ ಎಂದು ವಿವರಿಸಿದರು.
ಟೆಸ್ಲಾ ತನ್ನ ಮಾದರಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ತನ್ನ ಜಾಗತಿಕ ಫ್ಲೀಟ್ನಿಂದ ಅಪರೂಪದ ಡ್ರೈವಿಂಗ್ ಸನ್ನಿವೇಶಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ ಎಂದು ಅವರು ಹೇಳಿದರು. ಹೆಚ್ಚಿನ ಚಾಲನಾ ಡೇಟಾವು ವಾಡಿಕೆಯಾಗಿದೆ, ಆದ್ದರಿಂದ ಕಂಪನಿಯು ಸುರಕ್ಷತೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸಲು ಅಸಾಮಾನ್ಯ ಅಥವಾ ಅಪಾಯಕಾರಿ ಘಟನೆಗಳಿಗೆ ಫಿಲ್ಟರ್ ಮಾಡುತ್ತದೆ.
ಕಾರಿನ ಸುತ್ತಲಿನ 3D ಪರಿಸರವನ್ನು ರೂಪಿಸುವ ಮತ್ತು ಭವಿಷ್ಯದ ಸನ್ನಿವೇಶಗಳನ್ನು ಅನುಕರಿಸುವ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗಳ ಟೆಸ್ಲಾ ಬಳಕೆಯನ್ನು ಎಲ್ಲುಸ್ವಾಮಿ ವಿವರಿಸಿದರು. ಈ ವ್ಯವಸ್ಥೆಗಳು ತರಬೇತಿ ಮತ್ತು ಸುರಕ್ಷತಾ ಮೌಲ್ಯಮಾಪನ ಎರಡಕ್ಕೂ ಹಿಂದಿನ ಘಟನೆಗಳನ್ನು ಮರುಪ್ಲೇ ಮಾಡುವ ಮೂಲಕ ಮತ್ತು ಹೊಸ ಪರೀಕ್ಷಾ ಸಂದರ್ಭಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಎಂದು ಅವರು ಹೇಳಿದರು.
ಹೆಚ್ಚಿನ ಸಂವೇದಕಗಳು ಅಥವಾ ರಸ್ತೆಬದಿಯ ಮೂಲಸೌಕರ್ಯವನ್ನು ಸೇರಿಸುವ ಬದಲು ಟೆಸ್ಲಾ ಕ್ಯಾಮೆರಾಗಳ ಮೇಲೆ ಏಕೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತಾರೆ ಎಂದು ಕೇಳಿದಾಗ, ಮಾನವರು ದೃಷ್ಟಿಯನ್ನು ಬಳಸಿಕೊಂಡು ನ್ಯಾವಿಗೇಟ್ ಮಾಡುತ್ತಾರೆ ಮತ್ತು ಸ್ವಾಯತ್ತ ವ್ಯವಸ್ಥೆಗಳು ಅದೇ ಪ್ರಮುಖ ಗ್ರಹಿಕೆ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಬೇಕು ಎಂದು ಹೇಳಿದರು.
“ನೀವು ಕ್ಯಾಮೆರಾಗಳೊಂದಿಗೆ ಇದನ್ನು ಪರಿಹರಿಸಬಹುದು ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ” ಎಂದು ಅವರು ಹೇಳಿದರು. “ನೀವು ಕ್ಯಾಮೆರಾಗಳೊಂದಿಗೆ ಏಕೆ ಪರಿಹರಿಸಬಾರದು? ಇದು 2026 ಆಗಿದೆ.” ಹಿಂದಿನ ಸ್ವಾಯತ್ತ ವ್ಯವಸ್ಥೆಗಳು ಹೆಚ್ಚುವರಿ ಸಂವೇದಕಗಳನ್ನು ಅವಲಂಬಿಸಿವೆ ಎಂದು ಅವರು ಹೇಳಿದರು ಏಕೆಂದರೆ ಆ ಸಮಯದಲ್ಲಿ AI ಸಾಕಷ್ಟು ಮುಂದುವರಿದಿರಲಿಲ್ಲ.
“ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ, ಬುದ್ಧಿವಂತಿಕೆಯು ಮಹತ್ತರವಾಗಿ ಬೆಳೆದಿದೆ. ನೀವು ನಿಸ್ಸಂಶಯವಾಗಿ ಈ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯಬಹುದು ಮತ್ತು ಒಮ್ಮೆ ನೀವು AI ಹೊಂದಿದ್ದರೆ, ನಿಮಗೆ ಇತರ ಸಂವೇದಕಗಳ ಅಗತ್ಯವಿಲ್ಲ.”
