Elon hat Hinweise auf reale KI fallen gelassen – das könnte bedeuten

0

Seit einigen Jahren habe ich eine Frage aufgeschrieben, die ich mir gesagt habe, als wir Elon interviewen dürfen (jederzeit für Sie verfügbar, übrigens), wir sollten ihn fragen. Wo ist der Roboter, der den Roboter baut?

Dieser Artikel erklärt diese Frage und unser kürzlich erneutes Interesse an diesem Thema. Für eine kurze Einführung basiert die Überschriftenfrage auf der Kombination einiger sehr spezifischer Puzzleteile. Das erste sind die Methoden, mit denen Tesla das Problem des Selbstfahrens löst, das zweite sind Elons Ambitionen für die Maschine, die die Maschine baut, das dritte ist sein Wunsch, die Menschheit zum Mars zu bringen, und unser erneutes Interesse kommt von Elons jüngsten subtilen Hinweisen über reale KI in ein paar seiner Tweets.

Beginnen wir zunächst mit Autopilot. Wie Elon es mehrfach beschrieben hat, besteht ein Mensch nur aus zwei Kameras (den Augen), die mit einem Bordcomputer (dem Gehirn) auf einem Kardanring (dem Hals) platziert sind, und wir sind in der Lage, ein Fahrzeug mit so wenigen Unfällen zu fahren, dass Eine Versicherung kann den Unterschied abdecken und ermöglicht diese komplexe Transportwelt, die wir heute haben. Ein Tesla-Fahrzeug hat Kameras und mehrere andere Sensoren auf allen Seiten und sollte theoretisch in der Lage sein, die gleiche Arbeit besser zu erledigen als zwei Kameras auf einem Kardanring. Das größte Problem ist jedoch, dass die KI einfach kein Verständnis für die sie umgebende reale Welt beherrschen konnte. Für die KI ist dies eines der schwierigsten Probleme auf dem Markt, und eine Lösung könnte die Welt in vielerlei Hinsicht vollständig verändern, als nur das autonome Fahren, und darauf hat Elon kürzlich hingewiesen.

Teslas Ansatz ist der Schlüssel

Anstatt eine KI so zu trainieren, dass sie wie eine Person oder ein Fahrer denkt, trainieren Konkurrenten wie Waymo eine KI, indem sie sie viele Male auf einer Straße fahren. Dabei lernen sie dem Auto, wie man auf dieser Straße fährt. Danach ist es in der Lage, es selbst zu tun. Es wird im Allgemeinen nicht in der Lage sein, auf Straßen zu arbeiten, auf denen es nicht trainiert wurde, und ist im Vergleich dazu nicht in der Lage, mit unerwarteten Situationen umzugehen. In gewisser Weise sind die Technologien und einzigartigen Methoden für das Training von KI, die Tesla entwickelt, wichtiger als alles andere. Die meisten Journalisten werden gezwungen sein, auf die Datenmenge hinzuweisen, für die ein neuronales Netz trainiert wurde. In Wirklichkeit speichern Sie jedoch nicht das gesamte Fahrmaterial, wenn Sie so viele Fahrzeuge auf der Straße haben wie Tesla. t.

Wie Andrej Karpathy in zahlreichen Präsentationen hervorgehoben hat, wählt das Autopilot-Team einen Bereich aus, der verbessert werden soll, z. B. STOP-Schilder, und beauftragt dann alle Fahrzeuge, ihnen Clips von möglichen Stoppschildern zu senden. Diese Daten werden für eine Weile gesammelt, trainiert und am Ende gelöscht. Das Team fährt dann mit der nächsten Aufgabe fort. Wenn sie einige sehr gute und seltene Eckfälle sehen, können sie diese retten, aber das ist wahrscheinlich ein ziemlich kleiner Prozentsatz von dem, was sie erhalten. Mit dieser Strategie bringen sie der KI Schritt für Schritt neue Dinge bei. Ähnlich wie am Fließband adressieren sie immer wieder das schwächste Glied.

Das Wichtigste ist, die Zeit zu reduzieren, die benötigt wird, um diese spezifischen Aspekte und Situationen zu trainieren, denen die Fahrzeuge begegnen werden. Wenn Dojo irgendwann online geht, wird das wieder ein Stück weiter gehen, aber ein Supercomputer allein wird ohne einen automatisierten Verbesserungsprozess nicht so viel bewirken.

Um die Worte von Andrej Karpathy und Elon Musk zu paraphrasieren: Sie versuchen, den Prozess so weit wie möglich zu automatisieren, und genau deshalb hat das Autopilot-Kernteam nur 10 bis 20 Mitarbeiter. Zufälligerweise, wenn CleanTechnica Als wir in der Tesla-Fabrik in Fremont auf Tour waren, sahen wir aus etwa 10 Metern Entfernung, wie Elon sich mit diesem Team von ungefähr 15 Leuten traf.

Je automatisierter es ist, desto schneller ist die Lernzeit, desto schneller verbessert sich die KI. Es gibt zwei wichtige Einschränkungen für dieses Problem. Dies ist die Anzahl der Autos auf Straßen, die Daten sammeln können, und mit einer ausreichend großen Flotte erhalten Sie das nächste Problem, die Rechenleistung. Im Folgenden finden Sie 3 Beispiele dafür, wie dies funktioniert oder aussehen könnte. Sammeln Sie genügend Aufnahmen von STOP-Zeichen, die:

Nicht-Dojo:

  • Das Filmmaterial kann innerhalb angemessener Zeit vom Computer verarbeitet werden, was die Zuverlässigkeit verbessert ein paar Prozentpunkte eine angemessene Menge, um festzustellen, wo es nicht mehr das schwächste Glied ist, und zum nächsten überzugehen?

Dojo:

  • Sammeln Sie so viel Filmmaterial, wie Ihre gesamte Flotte Ihnen über einen längeren Zeitraum zur Verfügung stellen kann, und verarbeiten Sie es in angemessener Zeit mit dem Dojo-Supercomputer?
  • Sammeln Sie so viele Daten wie jetzt, verarbeiten Sie sie jedoch viel schneller als zuvor und fahren Sie schneller mit dem nächsten Aspekt fort?
  • Ein Mittelweg zwischen den letzten beiden.

Dies passt perfekt zu dem, was Elon darüber sagte, dass Dojo keine Einschränkung für das Erreichen der Autonomie der Stufe 4 oder 5 darstellt, sondern dass es den Prozess beschleunigen kann. Das schwächste Glied in diesem Prozess ist tatsächlich der Mensch, der etwas tun muss. Wenn Sie das Team jedoch weiter ausbauen, wird es kein Ende geben. Die Automatisierung ist der einzige Weg, um schnell genug eine Verbesserungsrate zu erzielen, um schließlich die Zuverlässigkeit zu erreichen, die für die Autonomie der Stufen 4 und 5 erforderlich ist.

Elons Hinweise zur realen KI

Jetzt kommen wir zum wirklich aufregenden Teil. Elon hat kürzlich einige Tweets veröffentlicht, die etwas implizieren, worüber ich mich schon sehr lange gewundert habe, und das uns zurück zur Frage des Roboters bringt, der den Roboter baut. Hier sind die Tweets:

KI der realen Welt, KI der physischen Welt. Was Elon bedeutet, ist der Schritt von der Objekterkennung zum wirklichen Verständnis der umgebenden Welt. Idealerweise möchten wir mehr Roboter in Lagern, Fabriken und vielen anderen Orten platzieren. Diese Beispiele sind eine ganz andere reale Welt als die Straßen, auf denen ein Auto fährt. Das Gleiche gilt für ein hypothetisches Robotermädchen / Butler zu Hause oder einen Roboterkoch in einer Küche. Dies sind alles reale KI-Probleme, und die Automatisierung des Lernprozesses der KI ist die einzig realistische Lösung, wenn Sie über die Grundfunktionalität hinausgehen möchten, bei der ein Team die KI bei jedem Schritt auf dem Weg zur Grundfunktionalität in der Hand halten muss. In fast allen dieser Anwendungen ist das Sammeln einer Menge Daten äußerst schwierig, da sich nicht Millionen von Menschen freiwillig melden, um eine KI zu babysitten, wie dies mit Teslas Autopilot der Fall ist.

Wenn jemand ein leeres Lager mit Prototypen und Küchen von Roboterkocharmen füllen und sie alle Tag und Nacht automatisch lernen lassen könnte, um in ein paar Jahren ein verkaufsfähiges Produkt kontinuierlich zu verbessern und zu erhalten, würden Investoren so viel Geld auf sie werfen, dass die Entwickler ertrinken würden drin. Je weniger menschliche Eingaben erforderlich sind, desto skalierbarer wird es.

Alles, was Tesla für FSD gelernt und entwickelt hat, könnte eines Tages verwendet werden, um alle Arten von realer KI zu trainieren. Es ist lustig, weil einige Leute bereits etwas skeptisch sind, ob FSD jemals funktionieren wird und ob eine Tesla FSD Robotaxi-Zukunft bereits in der aktuellen Aktienbewertung enthalten ist. Was wäre, wenn ich Ihnen sagen würde, dass Tesla der Schlüssel zum realen KI-Problem sein könnte? Wenn Tesla diesen Prozess weiterhin automatisiert, muss sich der reale KI-Markt möglicherweise auf eine größere Störung einstellen. Der obige Tweet hängt davon ab, wie Sie ihn interpretieren. Wenn unsere Theorie richtig ist, könnte Tesla viel mehr bieten als nur rohe Verarbeitungsleistung. In gewisser Weise funktioniert dies wie AutoML (automatisches maschinelles Lernen) von Google Cloud, aber anstelle eines kleinen maschinellen Lernvorgangs, mit dem Sie aus einer Reihe von Bildern etwas Nützliches lernen können, ist dies ein Toolkit, für das Sie eine KI trainieren können Betrieb in der realen Welt, sei es eine Küche oder ein Lagerlieferungssystem.

Es ist nicht der Roboter, es ist die KI

Wir haben inzwischen alle die erstaunlichen Dinge gesehen, von denen die Laufroboter sprechen Boston Dynamics sind dazu in der Lage, sei es mit vier oder zwei Beinen. Tatsächlich hat SpaceX kürzlich eine verwendet, um die Absturzstelle des Starship SN10 zu inspizieren. Der Fortschritt dort ist, dass Boston Dynamics es geschafft hat, das Problem des Gehens wie Tiere zu lösen, ausgeglichen zu bleiben, nicht umzufallen und in jüngerer Zeit zu verstehen, wo sie gehen können und wie man Hindernisse überwindet.

Wenn es jedoch darum geht, ihre Umgebung tatsächlich zu verstehen und mit ihnen zu interagieren, sind sie nicht allzu klug und brauchen dringend Training. Möglicherweise fehlt ihnen auch die erforderliche Rechenleistung an Bord, aber hauptsächlich ist die KI das Problem, da keine KI das reale KI-Problem, das im Wesentlichen ein Lernproblem ist, wirklich gelöst hat. Die Lösung dieses Problems bei Robotern kann unglaubliche neue Dinge ermöglichen.

Der Karosseriebau in Teslas Fremont Factory. Bildnachweis: Chanan Bos | CleanTechnica

Der Roboter, der den Roboter baut

Tesla arbeitet seit Jahren an der Maschine, die die Maschine baut, die im Wesentlichen eine hochautomatisierte Fabrik ist. Wenn wir jedoch zu einem Punkt kommen, an dem ein Roboter einen anderen Roboter bauen kann, wird ein exponentielles Wachstum möglich. Leider ist eine solche direkte Robotermultiplikation noch sehr weit entfernt. Wenn jedoch eine Gruppe von Robotern so programmiert werden kann, dass sie eine Fabrik auf dem Mond oder auf einem Asteroiden aus lokalen Rohstoffen mit minimalem Input von der Erde bauen, eine Fabrik, die mehr Roboter bauen kann, werden plötzlich massive Projekte im Kardaschew-Maßstab 1 * möglich. In gewisser Weise ähnelt es der von Neumann-Sonde *, aber jetzt in Form von Arbeiterrobotern, die in der Lage sind, die Rohstoffe des Sonnensystems in alles zu verwandeln, was wir brauchen.

* Die Kardaschew-Skala ist ein Maß dafür, wie weit fortgeschritten eine Zivilisation ist, in der wir derzeit Typ 0 sind und Typ 1 technisch in der Lage ist, die gesamte auf seinem Planeten verfügbare Energie zu nutzen und zu speichern.

* Von Neumann-Sonde – die Idee eines sich selbst replizierenden Raumfahrzeugs, das bei Erreichen eines neuen Sonnensystems lokale Rohstoffe zur Replikation verwendet und Repliken an nahegelegene Sterne sendet, um dasselbe zu tun. Mit konventioneller langsamer Raumfahrt könnten die Sonden unsere Galaxie in nur einer halben Million Jahren vollständig erforschen. Selbstreplikation oder sogar regelmäßige Replikation ermöglicht bei der Konstruktion exponentielles Wachstum und unglaubliche Megaprojekte.

Seit Jahren frage ich mich, warum Elon kein Unternehmen wie Boston Dynamics hat, das sich auf das Problem des Roboters konzentriert, der den Roboter baut. Unter der Annahme, dass er darauf hinarbeitet, hat er möglicherweise das größere Problem vorausgesehen, bei dem es sich nicht um Hardware, sondern um die KI handelte, die es antreibt. In diesem Fall fand er den rentabelsten und realistischsten Weg, um die Entwicklung der Methoden zu finanzieren benötigt, um reale KI zu knacken. Ich frage mich allerdings wirklich, wie viel davon tatsächlich Teil des Plans war, als er sich 2012/2013 entschied, Autopilot zu verfolgen.

Wie reale KI in Elons großen Plan passen könnte

Elon Musks Ziel ist es, wie er bereits einige Male gesagt hat, die Existenz des Bewusstseins zu bewahren. Dies kann in nur 3 verschiedene Unterziele und verschiedene Technologien unterteilt werden, die zur Erreichung des Ziels erforderlich sind. Am einfachsten zu definieren ist es, das Leben mithilfe der schnell wiederverwendbaren Raketen von SpaceX multiplanetarisch zu gestalten, um eine Zivilisation auf dem Mars aufzubauen. Die zweite besteht darin, die Erde und die Menschheit darauf zu bewahren. Dies würde mit Teslas Hilfe geschehen, die dazu beitragen wird, die Welt auf erneuerbare Energien umzustellen und sicherzustellen, dass diese Welt bewohnbar bleibt. Dann hat der letzte mit der Übernahme der KI zu tun.

OpenAI sollte ursprünglich verhindern, dass KI das Bewusstsein auslöscht. Obwohl sie nicht der Retter sind, den wir brauchen, könnten sie selbst der Bösewicht geworden sein, vor dem sie uns retten sollten, ziemlich viel Ironie dort. Was sagt Elon immer wieder? Das Schicksal liebt Ironie? Die andere Seite dieser Medaille, die ungefähr zur gleichen Zeit gegründet wurde, ist, dass Elon Neuralink gegründet hat, damit wir uns der KI anschließen können, wenn wir sie nicht schlagen können. Dies ist etwas, das das Bewusstsein zumindest neben den Köpfen der KI relevant bleiben kann.

Die Boring Company und Starlink können beide Tesla und SpaceX dabei helfen, ihre jeweiligen Ziele zu erreichen. Starlink durch die Bereitstellung von Finanzmitteln und The Boring Company durch die Vermeidung von Verkehr auf der Erde und möglicherweise durch die Schaffung von Orten, an denen wir unterirdisch auf dem Mars leben können, da die gesamte Strahlung die Oberfläche gefährlich macht.

Wenn wir jedoch das Problem der realen KI lösen können, können wir Roboter dazu bringen, einen Großteil der Drecksarbeit zu erledigen. Das Besiedeln des Mars ohne sie würde viel länger dauern. Wieder einmal können Roboter und reale KI den Fortschritt beschleunigen.

Schätzen Sie die Originalität von CleanTechnica? Erwägen Sie, ein CleanTechnica-Mitglied, Unterstützer oder Botschafter zu werden – oder ein Benutzer von Patreon.
Haben Sie einen Tipp für CleanTechnica, möchten Sie Werbung schalten oder einen Gast für unseren CleanTech Talk-Podcast vorschlagen? Kontaktieren Sie uns hier.

Neuer Podcast: Prognose von EV-Verkäufen und EV-Batterie- und Metallpreisen – Interview mit BloombergNEFs Leiter Clean Power Research