Nvidia кидає виклик Tesla, оскільки Дженсен Хуанг називає це «проривом ChatGPT» для автономного водіння

Світанок фізичного штучного інтелекту: прорив Nvidia в автономних технологіях

Генеральний директор Nvidia Дженсен Хуанг нещодавно заявив, що епоха фізичного штучного інтелекту — коли машини можуть сприймати, мислити й взаємодіяти з реальним світом — офіційно настала. Виступаючи на CES у Лас-Вегасі, Хуанг підкреслив останні досягнення компанії у сфері автономного водіння, що знаменує собою сміливий новий розділ для робототехніки та транспортних засобів з AI.

Ключовим елементом анонсу Nvidia став Alpamayo — складна модель vision-language-action (VLA), створена для самокерованих транспортних засобів і роботаксі. Ця система розроблена для безшовного поєднання сприйняття, розуміння мови та планування дій, що дозволяє транспортним засобам приймати обґрунтовані рішення на дорозі.

Під час своєї основної доповіді Хуанг продемонстрував, як Alpamayo керує тестовим автомобілем вулицями Сан-Франциско. Автомобіль орієнтувався у складних міських умовах з людською майстерністю, не потребуючи ручного втручання.

Після цього прориву галузеві спостерігачі задаються питанням, чи зможуть технології Nvidia перевершити поточні можливості Tesla та досягти рівня Alphabet Waymo, якого вважають лідером у сфері автономних сервісів таксі.

Бачення Nvidia щодо майбутнього самокерованих автомобілів

Хуанг надзвичайно оптимістично налаштований щодо потенціалу автономних транспортних засобів, уявляючи світ, де мільярд самокерованих авто ділять дороги. Nvidia розробляє технології автономного водіння понад десятиліття, і раніше Хуанг описував рішення фізичного ШІ, такі як автономне водіння, як ринок з потенціалом у кілька трильйонів доларів.

На CES Хуанг оголосив, що майбутній Mercedes CLA EV стане першим автомобілем, що отримає повний набір рішень Nvidia для автономного водіння, включаючи Alpamayo, вже в першому кварталі року. До 2027 року Nvidia планує впровадити автономні роботаксі у співпраці з такими партнерами, як Uber і Lucid. Наразі Alpamayo працює на рівні автономності 2, тобто автомобіль може їхати самостійно, але все ще потребує контролю людини.

Головна мета для всіх ключових гравців цієї галузі — досягти рівня автономності 4, коли авто можуть повністю керувати собою в межах визначених зон. Хоча Waymo вже досяг цього рівня у вибраних регіонах, як Tesla, так і система Nvidia DRIVE Hyperion наразі залишаються на рівні 2. Nvidia працює над тим, щоб підняти Alpamayo до рівня 4 в найближчому майбутньому.

Кеті Дріггс-Кемпбелл, професорка інженерії з Університету Іллінойсу, високо оцінила прогрес Nvidia, але застерегла, що PR-кампанії іноді випереджають реальні технологічні досягнення.

За словами Дріггс-Кемпбелл, Alpamayo — це крок уперед порівняно з власною системою Tesla Full Self-Driving (FSD), яка наразі вимагає нагляду водія. Nvidia прагне досягти 4 рівня автономності з Alpamayo, тоді як Tesla також намагається цього досягти шляхом постійних оновлень програмного забезпечення.

Підхід Tesla до автономії на основі нейронних мереж

Система Tesla FSD використовує комплексну нейронну мережу, навченою на величезних обсягах реальних даних про водіння. Цей підхід end-to-end дозволяє обробляти дані з камер і сенсорів безпосередньо в команди керування транспортом, усуваючи потребу в явному міркуванні чи модульних правилах.

Попри ефективність, система Tesla залишається здебільшого непрозорою, а публічна інформація про її роботу обмежена. Після презентації Alpamayo від Nvidia, CEO Tesla Ілон Маск заявив, що останній реліз FSD Tesla використовує подібні методи на основі міркувань, хоча незалежна перевірка цього складна.

Відомо, що нейронна мережа Tesla навчається на мільйонах відеозаписів водіння, що дозволяє виконувати завдання керування без прозорих пояснень прийнятих рішень. Така «чорна скринька» означає, що інженери можуть тільки оцінювати результати, але не бачать логіку у прийнятих рішеннях.

Дріггс-Кемпбелл зазначила, що підхід Tesla базується на традиційному глибокому навчанні, де вхідні зображення і сенсорні дані відображаються у дії керування на основі великої кількості навчальних прикладів. Однією з переваг Tesla є її велика автопаркова база — майже 9 мільйонів вироблених авто — більшість з яких постачають візуальні дані для постійного покращення моделі.

Основний недолік — відсутність інтерпретованості: складно зрозуміти чи коригувати процес прийняття рішень системи, окрім як спостерігати за результатами.

Моделі міркувань: парадигма «Думаючи швидко й повільно»

На відміну від реактивної нейронної мережі Tesla, Alpamayo від Nvidia та системи Waymo включають явне міркування у свої процеси прийняття рішень.

Наприклад, якщо автомобіль з Alpamayo натрапляє на несправний світлофор, він може проаналізувати ситуацію, інтерпретувати її за допомогою мовного міркування (наприклад, вирішити зупинитися, перевірити наявність перешкод і безпечно продовжити рух), а потім виконати відповідний маневр.

Waymo застосовує підхід «двох систем», який часто описують як «думати швидко й повільно». Перша система реагує інстинктивно на сигнали сенсорів, тоді як друга розмірковує та аналізує складні завдання. Обидві системи подають інформацію у «декодер світу», який визначає оптимальний курс дій. Важливо, що явні правила можуть перекрити міркування системи, якщо це необхідно.

Дріггс-Кемпбелл пояснила, що більшість автономних систем містять запобіжники — жорстко закодовані правила для ситуацій, що не потребують міркувань, наприклад, залишатися на дорозі. Проте інтеграція кількох систем іноді може призводити до несподіваних поведінок чи конфліктів.

Реальний приклад стався у Сан-Франциско, коли роботаксі Waymo мали труднощі з перетином перехресть під час відключення електроенергії, що вивело з ладу світлофори, підкресливши виклики моделей на основі правил та міркувань.

Ілон Маск зазначив, що роботаксі Tesla з FSD, які зараз тестуються у Сан-Франциско, не постраждали від знеструмлення. Однак, оскільки система Tesla не надає міркувань, інженерам складно зрозуміти чи вдосконалити те, як автомобілі впоралися із ситуацією.

Порівняння підходів: автономія на основі даних проти автономії на основі міркувань

Моделі міркувань, як Alpamayo та архітектура двох систем Waymo, забезпечують більшу прозорість і потенційно безпечніше вирішення складних сценаріїв, але стикаються з викликами швидкості й роботи у реальному часі. З іншого боку, нейронні мережі Tesla, що базуються на даних, можуть реагувати швидко та ефективно, однак їм бракує інтерпретованості.

Дріггс-Кемпбелл визнала, що нейронні мережі Tesla мають переваги у швидкості й обчислювальній ефективності, але складно однозначно сказати, який підхід кращий. Вона зауважила, що фундаментальні моделі, які використовуються Waymo та Nvidia, демонструють багатообіцяючі результати, але ще залишаються значні перешкоди.

Вона наголосила, що перенесення можливостей великих моделей міркування у реальний час водіння залишається головною проблемою, оскільки сам процес міркування може займати кілька секунд — набагато повільніше, ніж миттєві рішення, необхідні на дорозі.

Підсумовуючи, Tesla FSD наразі задає стандарт для передових систем допомоги водієві, використовуючи величезні масиви даних і широке впровадження. Проте це все ще реактивна, контрольована людиною система. Alpamayo та подібні моделі на основі міркувань є наступним поколінням, орієнтованим на більшу безпеку, передбачуваність і прозорість, але їм ще потрібно вдосконалити швидкість і точність.

У підсумку як Tesla FSD, так і моделі міркування на кшталт Alpamayo переслідують одну мету: повністю автономне водіння — завдання, яке деякі порівнюють із труднощами висадки на Місяць.

Як зазначив Ілон Маск, вирішення рідкісних і складних «довгохвостих» сценаріїв реального водіння є надзвичайно складним, але він висловив підтримку зусиллям Nvidia, хоча і залишається впевненим у підході Tesla.

Будьте в курсі

Дізнайтеся останні технологічні новини, що впливають на ринки

Читайте актуальні фінансові та бізнес-новини від Yahoo Finance