Ο CEO της Nvidia πιστεύει ότι μέσα σε 4 χρόνια θα υπάρχουν πλήρως αυτόνομα οχήματα

[whoever81]

Παιδιά είναι φανερό ότι φτιάχνουμε τις μηχανές καθομοίωσή μας. Οραση, haptics, αισθητήρες. Τους δώσαμε ένα αισθητηριακό σύστημα και έναν εγκέφαλο τα οποία συνεχώς βελτιώνουμε/αυτοβελτιώνονται. Στη Σαουδική Αραβία δόθηκε τις προάλλες η πρώτη υπηκοότητα σε ανθρωπόμορφο ρομπότ. Η Google κατάφερε να μάθει σε ΑΙ να παίζει videogames. Πάμε καλά, πάμε καλά θα έλεγα. 

"...Έτσι, ό,τι έχουμε ηλεκτροδοτήσει, τώρα θα του δώσουμε αντίληψη..." (τεχνητή νοημοσύνη-τεχνητή αντίληψη στην ουσία).

https://www.youtube.com/watch?v=IjbTiRbeNpM

[De@th L0rd]

Τι σημαίνει αυτό πρακτικά για ένα σύστημα οδήγησης; Σημαίνει ότι αν έρχεται κατά πάνω σου ένα άγνωστο για το neural network αντικείμενο, δεν θα το αντιληφθεί ΚΑΘΟΛΟΥ και θα συγκρουστείτε.  Ένα θανατηφόρο δυστύχημα με TESLA έγινε περίπου έτσι. Δεν μπόρεσε το ΑΙ να αναγνωρίσει νταλίκα εξαιτίας των ιδιαίτερων συνθηκών φωτισμού.

Το τεσλα ήταν ακόμη σε πιλοτικό στάδιο όταν έγινε αυτό. Πέρα από τους υπερ εξελιγμένους αλγόριθμους που χρειάζεται να βλέπουν το αντικείμενο, πιστεύεις ότι δεν θα έχουν πλεονασμούς , ας πούμε έναν μετρητή απόστασης με laser έτσι ώστε αν το Lidar ή η κάμερα δε το αντιληφθεί να ειδοποιήσει για έκτακτο φρενάρισμα λόγω εμποδίου. Εγώ σε ξαναρωτώ λοιπόν, πόσοι από τα βλήματα που είναι στους δρόμους νομίζεις ότι είναι καλύτεροι από το ΤΡΕΧΩΝ αυτόνομο σύστημα; Σε αντανακλαστικά και μόνο. Όταν δεν είναι στο κινητό κτλ.

[BILL5]

Αμήν και πότε να βγουν τα αυτόνομα οχήματα για να σταματήσουν τα ανθρώπινα λάθη στην οδήγηση που στοιχηζουν ανθρώπινες ζωές να τα συμβατικά αυτοκίνητα θα τα κάνουμε θα τα μετατρέψουμε σε αυτόνομα ?

[possiz]

Θα έχεις ακούσει σίγουρα για το σύστημα deep learning "Alpha Go" της Deep Mind που κατάφερε να νικήσει παγκόσμιους πρωταθλητές μαθαίνοντας νέες στρατηγικές από μόνο του.

Πώς θα σου φαινόταν αν μάθαινες ότι αυτές οι "state of the art" τεχνολογίες δεν μπορούν να καθοδηγήσουν ένα ρομπότ να μπει στο Χ τυχαίο σπίτι, να βρει την κουζίνα, να βάλει νερό σε ένα ποτήρι και να στο φέρει; Θα ένιωθες καθόλου εξαπατημένος από "διψασμένους" για επιδοτήσεις επιστήμονες;

 

Η οδήγηση οχημάτων αυτόνομα είναι strong AI, όχι weak AI task. Δηλαδή θέλει μηχανές με επίπεδο αντίληψης του έξω κόσμου στα επίπεδα των ανθρώπων ή έστω εξελιγμένων θηλαστικών/πτηνών. Δεν φαντάζεσαι πόσο απέχουμε από αυτό.

 

Ίσως όμως με διάφορες man made λύσεις να γίνει εφικτό για χώρες με υπερασφαλείς δρόμους και τέλεια σήμανση.

 

Αυτά που μου έδειξες είναι το κλασσικό machine learning της δεκαετίας του 60-70 απλά με ισχυρότερους υπολογιστές, περισσότερα παραδείγματα και επίλυση του exploding gradient problem(ο μέγας βραχνάς των παλιών νευρωνικών δικτύων). Ενός προβλήματος που εμπόδιζε τα νευρωνικά δίκτυα από το να βελτιώνονται συνεχώς καθώς αυξανόταν το πλήθος των παραδειγμάτων με τα οποία τροφοδοτούνταν.

Η διαίρεση της εικόνας σε αντικείμενα γίνεται μόνο για τα αντικείμενα εκείνα που το δίκτυο έχει εκπαιδευτεί να αναγνωρίζει.

 

Να στο πω με ένα απλό παράδειγμα; Σκέψου ότι δεν έχεις δει ποτέ αναπτήρα στη ζωή σου. Αν δεις όμως έναν μεταλλικό αναπτήρα πάνω σε ένα πράσινο πανί αμέσως θα καταλάβεις ότι υπάρχουν δύο αντικείμενα μπροστά σου. Το πράσινο πανί και ο αναπτήρας. Όχι ένα αντικείμενο, το πανί.

 

Πώς μπόρεσε ο εγκέφαλός σου να καταλάβει ότι τα πίξελ που αποτελούν τον αναπτήρα είναι κάτι διαφορετικό από τα πίξελ του πράσινου πανιού. Πρώτα απ'όλα το διαφορετικό χρώμα(άλλο χρωματικό μοτίβο). Μετά τα λαμπιρίζοντα πίξελ του μεταλλικού αναπτήρα(άλλο μοτίβο στο χρόνο). Τέλος, ο όγκος του αναπτήρα που προεξέχει(σύγκριση εικόνων των δύο ματιών).

 

Σου φαίνονται γελοία και απλά αυτά τα πράγματα; Ε λοιπόν κανένα μυαλό της πληροφορικής και του δήθεν AI δεν έχει φτιάξει σύστημα ικανό να κάνει την ίδια ομαδοποίηση, εξίσου αποτελεσματικά.

Τι σημαίνει αυτό πρακτικά για ένα σύστημα οδήγησης; Σημαίνει ότι αν έρχεται κατά πάνω σου ένα άγνωστο για το neural network αντικείμενο, δεν θα το αντιληφθεί ΚΑΘΟΛΟΥ και θα συγκρουστείτε. Ένα θανατηφόρο δυστύχημα με TESLA έγινε περίπου έτσι. Δεν μπόρεσε το ΑΙ να αναγνωρίσει νταλίκα εξαιτίας των ιδιαίτερων συνθηκών φωτισμού.

Νομίζω υπερβάλλεις. Το να καταλάβει ένα εξελιγμένο σύστημα ένα αντικείμενο που κινείται δεν είναι δύσκολο. Μπορεί να μην ξέρει τι είναι, ότι είναι κάτι σίγουρα θα το αντιληφθεί. Και το παράδειγμα με τον αναπτήρα μου φαίνεται εντελώς basic για να μην μπορεί ένα απλοϊκό σύστημα να τον ξεχωρίσει. Μόνος σου άλλωστε περιέγραψες ένα απλοϊκό αλγόριθμο αναγνωρισης.

[dali13gr]

Να ρωτήσω, ο Tom Jones είναι ο CEO;

[pirmen56]

Το τεσλα ήταν ακόμη σε πιλοτικό στάδιο όταν έγινε αυτό. Πέρα από τους υπερ εξελιγμένους αλγόριθμους που χρειάζεται να βλέπουν το αντικείμενο, πιστεύεις ότι δεν θα έχουν πλεονασμούς , ας πούμε έναν μετρητή απόστασης με laser έτσι ώστε αν το Lidar ή η κάμερα δε το αντιληφθεί να ειδοποιήσει για έκτακτο φρενάρισμα λόγω εμποδίου. Εγώ σε ξαναρωτώ λοιπόν, πόσοι από τα βλήματα που είναι στους δρόμους νομίζεις ότι είναι καλύτεροι από το ΤΡΕΧΩΝ αυτόνομο σύστημα; Σε αντανακλαστικά και μόνο. Όταν δεν είναι στο κινητό κτλ.

 

Ακριβώς γι 'αυτό μίλησα για man made λύσεις οι οποίες θα μπορούσαν να κάνουν εφικτά τα πλήρως αυτόνομα οχήματα χωρίς strong AI.

Κάποιος εδώ μέσα ανέφερε ότι θα μπορούσαμε αίφνης να περάσουμε όλη τη σήμανση των δρόμων στο ΑΙ ώστε να ξέρει π.χ. σε ποιά σημεία υπάρχει ΣΤΟΠ χωρίς να χρειάζεται να αναλύει εικόνες για να εντοπίζει τις αντίστοιχες πινακίδες.

 

Αυτά όμως προϋποθέτουν κάποια προεργασία, άμεσο update για κάθε αλλαγή και χώρες με καλό οδικό δίκτυο. Όχι το χάος που βλέπουμε στην Αθήνα π.χ. Μάλιστα, ακριβώς για το λόγο ότι οι άνθρωποι οδηγοί συχνά συμπεριφέρονται απρόβλεπτα, επιβάλλεται να κινούνται στους δρόμους μόνο αυτόνομα οχήματα, ώστε να εκλείψει το ενδεχόμενο λάθος αντίδρασης του ρομπότ σε κάποια περίεργη κίνηση άλλου οδηγού.

 

Όπως καταλαβαίνεις, αυτά ναι μεν γίνονται και χωρίς ιδιαίτερα strong AI, αλλά απαιτούνται ριζικές αλλαγές από την πλευρά του κράτους. Άρα μιλάμε για 10 χρόνια+(ειδικά για Ελλάδα).

 

 

Νομίζω υπερβάλλεις. Το να καταλάβει ένα εξελιγμένο σύστημα ένα αντικείμενο που κινείται δεν είναι δύσκολο. Μπορεί να μην ξέρει τι είναι, ότι είναι κάτι σίγουρα θα το αντιληφθεί. Και το παράδειγμα με τον αναπτήρα μου φαίνεται εντελώς basic για να μην μπορεί ένα απλοϊκό σύστημα να τον ξεχωρίσει. Μόνος σου άλλωστε περιέγραψες ένα απλοϊκό αλγόριθμο αναγνωρισης.

Σου φαίνεται basic αλλά δεν είναι, αν διαβάσεις όσα λένε οι ειδικοί του χώρου. Ας πάμε σε κάτι πιο advanced και απόλυτα ρεαλιστικό.

Όταν δίνουμε σε έναν άνθρωπο μια φωτογραφία με πλήθος άγνωστων αντικειμένων, μετά από πολυετές unsupervised learning μπορεί να "σπάσει" την εικόνα στα αντικείμενα αυτά. Μπορεί με λίγα λόγια να ανακαλύψει μόνος του κριτήρια για την ομαδοποίηση των πίξελ.  Εδώ ακριβώς βρίσκεται η μαγεία του ανθρώπινου εγκεφάλου. Εντοπίζει μόνος του τις ομοιότητες εκείνες με βάσει τις οποίες ομαδοποιούνται τα διάφορα δεδομένα(aka unsupervised learning).

 

Σίγουρα μπορείς να φτιάξεις έναν αλγόριθμο ο οποίος θα αναγνωρίζει κινούμενα αντικείμενα κάθε φορά που βλέπει μια ομάδα πίξελ να κινούνται όλα μαζί προς μία κατεύθυνση, με τον ίδιο ρυθμό. Πώς θα σου φαινόταν όμως αν το κριτήριο αναγνώρισης αντικειμένων βάσει της ομαδικής μετακίνησης των πίξελ το ανακάλυπτε το ίδιο το ΑΙ σύστημα, χωρίς ίχνος νέου προγραματισμού; !!!!!!

Ακριβώς αυτό κάνει ο εγκέφαλος ακόμα και σε επίπεδο αφηρημένων εννοιών. Αν σου δώσω τους αριθμούς 3000, 1000, 4000, 5000 και σε ρωτήσω αν μοιάζουν σε κάτι, μόνος σου αντιλαμβάνεσαι ότι έχουν ίδιο αριθμό ψηφίων(μία ομοιότητα) ή είναι όλοι θετικοί(άλλη ομοιότητα). Σκέψου τώρα αν μας προγραμμάτισε η φύση με την έννοια του θετικού αριθμού ή την δημιουργήσαμε ΕΝΤΕΛΩΣ μόνοι μας. Όπως και την έννοια του αριθμού. 

 

Οι έννοιες για τον εγκέφαλο είναι μοτίβα που ανακαλύπτονται μέσα από τη λειτουργία του. Έννοια=μοτίβο

Σαν μωρό πιάνεις διάφορα αντικείμενα στα χέρια σου. Όταν ο εγκέφαλος σου αντιληφθεί ότι κάθε φορά που πιάνεις κάτι το χέρι σου δέχεται μια πίεση προς τα κάτω(ομοιότητα που συνδέει όλες τις εμπειρίες), τότε γεννιέται το κόνσεπτ του βάρους ως ιδιότητα όλων των αντικειμένων. Πες μου ποιό σύστημα AI σήμερα γεννάει νέα κόνσεπτ. Κανένα, γιατί δεν έχει unsupervised learning. Ευτυχώς πάντως υπάρχουν ερευνητές οι οποίοι έργάζονται πάνω του.

[qwerty99]

Όταν δίνουμε σε έναν άνθρωπο μια φωτογραφία με πλήθος άγνωστων αντικειμένων, μετά από πολυετές unsupervised learning μπορεί να "σπάσει" την εικόνα στα αντικείμενα αυτά. 

 

Τα πολυετή και πολυδιάστατα ερεθίσματα κατά την ανάπτυξη του ανθρώπινου εγκεφάλου (και όχι μόνο) οδηγούν σε ειδικές συνδέσεις τους νευρώνες, οι οποίοι εξιδεικεύονται στην αναγνώριση στοιχείων (πχ γωνίες). Στέρηση αυτών των οπτικών ερεθισμάτων οδηγεί στη μη ανάπτυξη συγκεκριμένων κυκλωμάτων, με αποτέλεσμα αν μετά από έτη εκτεθούν σε αυτά, να τους είναι εντελώς αόρατα. Για παράδειγμα (έχουν γίνει πειράματα), αν μεγαλώσεις γάτες σε χώρο χωρίς γωνίες, δεν μπορούν στη συνέχεια να δουν αντικείμενα που κινούνται κάθετα (ούτε θα μπορέσουν ποτέ, γιατί τα νευρικά κυκλώματα έχουν αναπτυχθεί). Επίσης μεταξύ των άλλων και τα έντομα μπορούν να ξεχωρίζουν αντικείμενα άμεσα από τη γέννησή τους, απαραίτητο για να έχουν ικανότητα πτήσης, και ο εγκέφαλός τους δεν έχει την πολυπλοκότητα του ανθρώπου, ούτε χρειάζονται καμία εκπαίδευση.

 

Πάρε ανθρώπους από τη ζούγκλα, δείξε του τους αριθμούς, ούτε θα τους αναγνωρίσουν, ούτε θα δουν patterns στα νούμερα που λες. Το πολυετές learning είναι απαραίτητο για να αρχίσει κανείς να βλέπει πράγματα. Το ίδιο κάνουν με τα ΑΙ στο βαθμό που επιτρέπει σήμερα η επιστήμη (τεχνολογία & θεωρητικό υπόβαθρο).

 

Καταλαβαίνω ότι το point σου είναι ότι κινούνται σε λάθος κατεύθυνση εντελώς και θα αποτύχουν, ή πως θα είναι ανασφαλή τα συστήματα. Η πραγματικότητα όμως δείχνει ότι τα υλοποιημένα προγράμματα οδήγησης είναι αρκετά προχωρημένα, έτη φωτός σε σχέση με μια 5ετία πριν. Κάνουν λάθη ? Ναι. Θα εξελιχθούν.

 

Για να δούμε από που ξεκίνησε αυτή η συζήτηση, η πρόβλεψη πως σε 4 χρόνια θα δούμε πλήρως αυτόνομα οχήματα (ναι, σε δρόμους με καλή/ειδική σήμανση, συμφωνώ). Τώρα αν υπάρχει ταβάνι σε αυτή τη προσέγγιση, ίσως, θα δείξει τα επόμενα χρόνια.