all_in
Nuovo Utente
- Registrato
- 17/2/07
- Messaggi
- 2.931
- Punti reazioni
- 967
Martin Viecha
Ashok, vuoi intervenire sul processo e sulla sicurezza?
Ashok Elluswamy -- Direttore, Software Autopilot
Sì. Abbiamo diversi anni di convalida della sicurezza, ogni settimana addestrando centinaia di reti neurali che possono produrre diverse traiettorie su come guidare l'auto, riprodurle attraverso i milioni di clip che abbiamo già raccolto dai nostri utenti e dalla nostra QA, che sono eventi critici, come qualcuno che salta fuori davanti o altri eventi critici che abbiamo raccolto nel database nel corso di molti, molti anni, e riproduciamo tutto per assicurarci che stiamo migliorando nettamente la sicurezza. Abbiamo sistemi di simulazione che cercano anche di creare e testare questo in modo quasi accurato. E alcune di queste sono convalidate, le diamo alle nostre reti di QA.
Ne abbiamo centinaia in città diverse, a San Francisco, Los Angeles, Austin, New York, in molte diverse località. Anche loro stanno guidando questo e raccogliendo miglia reali, e abbiamo un'idea di quali siano gli eventi critici, se migliorino nettamente rispetto alle versioni della settimana precedente. E una volta che siamo certi che la versione sia un miglioramento netto, allora iniziamo a distribuirla agli utenti iniziali, come 2.000 dipendenti inizialmente che gradirebbero costruire, daranno feedback su se c'è un miglioramento lì o se notano nuovi problemi che non abbiamo catturato nel nostro processo di QA. E solo dopo che tutto questo è convalidato, allora andiamo ai clienti esterni.
E anche quando andiamo esterni, abbiamo come dashboard in tempo reale per monitorare ogni evento critico che accade nella flotta ordinata per criticità. Quindi, abbiamo un costante controllo sulla qualità della build e sull'incremento della sicurezza lungo il percorso. E poi, qualsiasi fallimento, come ha accennato Elon, otteniamo i dati indietro, li aggiungiamo all'addestramento e ciò migliora il modello nel ciclo successivo. Quindi, abbiamo questo costante ciclo di feedback di problemi, correzioni, valutazioni e poi ripetiamo.
E soprattutto con la nuova architettura V12, tutto questo si sta automaticamente migliorando senza richiedere molte interferenze ingegneristiche nel senso che gli ingegneri non devono essere creativi e decidere come codificare gli algoritmi. È principalmente apprendimento basato sui dati. Quindi, si vede che, ok, ogni fallimento o qualcosa del genere, ecco come una persona sceglie di guidare l'incrocio o qualcosa del genere, ottiene i dati indietro. Li aggiungiamo alla rete neurale, e impara da quei dati addestrati automaticamente invece che qualche ingegnere che dice che, oh, qui devi ruotare il volante di tanto o qualcosa del genere.
Non ci sono condizioni di inferenza rigide. Tutto è rete neurale. È abbastanza morbido. È probabilistico, quindi adotterà una distribuzione probabilistica basata sui nuovi dati che sta ricevendo.
Ashok, vuoi intervenire sul processo e sulla sicurezza?
Ashok Elluswamy -- Direttore, Software Autopilot
Sì. Abbiamo diversi anni di convalida della sicurezza, ogni settimana addestrando centinaia di reti neurali che possono produrre diverse traiettorie su come guidare l'auto, riprodurle attraverso i milioni di clip che abbiamo già raccolto dai nostri utenti e dalla nostra QA, che sono eventi critici, come qualcuno che salta fuori davanti o altri eventi critici che abbiamo raccolto nel database nel corso di molti, molti anni, e riproduciamo tutto per assicurarci che stiamo migliorando nettamente la sicurezza. Abbiamo sistemi di simulazione che cercano anche di creare e testare questo in modo quasi accurato. E alcune di queste sono convalidate, le diamo alle nostre reti di QA.
Ne abbiamo centinaia in città diverse, a San Francisco, Los Angeles, Austin, New York, in molte diverse località. Anche loro stanno guidando questo e raccogliendo miglia reali, e abbiamo un'idea di quali siano gli eventi critici, se migliorino nettamente rispetto alle versioni della settimana precedente. E una volta che siamo certi che la versione sia un miglioramento netto, allora iniziamo a distribuirla agli utenti iniziali, come 2.000 dipendenti inizialmente che gradirebbero costruire, daranno feedback su se c'è un miglioramento lì o se notano nuovi problemi che non abbiamo catturato nel nostro processo di QA. E solo dopo che tutto questo è convalidato, allora andiamo ai clienti esterni.
E anche quando andiamo esterni, abbiamo come dashboard in tempo reale per monitorare ogni evento critico che accade nella flotta ordinata per criticità. Quindi, abbiamo un costante controllo sulla qualità della build e sull'incremento della sicurezza lungo il percorso. E poi, qualsiasi fallimento, come ha accennato Elon, otteniamo i dati indietro, li aggiungiamo all'addestramento e ciò migliora il modello nel ciclo successivo. Quindi, abbiamo questo costante ciclo di feedback di problemi, correzioni, valutazioni e poi ripetiamo.
E soprattutto con la nuova architettura V12, tutto questo si sta automaticamente migliorando senza richiedere molte interferenze ingegneristiche nel senso che gli ingegneri non devono essere creativi e decidere come codificare gli algoritmi. È principalmente apprendimento basato sui dati. Quindi, si vede che, ok, ogni fallimento o qualcosa del genere, ecco come una persona sceglie di guidare l'incrocio o qualcosa del genere, ottiene i dati indietro. Li aggiungiamo alla rete neurale, e impara da quei dati addestrati automaticamente invece che qualche ingegnere che dice che, oh, qui devi ruotare il volante di tanto o qualcosa del genere.
Non ci sono condizioni di inferenza rigide. Tutto è rete neurale. È abbastanza morbido. È probabilistico, quindi adotterà una distribuzione probabilistica basata sui nuovi dati che sta ricevendo.