टेस्ला एआई प्रमुख का कहना है कि सेल्फ-ड्राइविंग प्रगति के लिए बेहतर एआई की जरूरत है, न कि अधिक सेंसर की

टेस्ला में एआई के उपाध्यक्ष अशोक एलुस्वामी ने कहा कि स्वायत्त ड्राइविंग में मुख्य बाधा कृत्रिम बुद्धिमत्ता है, हार्डवेयर सेंसर नहीं। एक सम्मेलन में बोलते हुए, उन्होंने तर्क दिया कि आधुनिक कैमरा सिस्टम पहले से ही कारों को स्वयं चलाने के लिए पर्याप्त डेटा कैप्चर करते हैं। उन्होंने कहा, कठिनाई उस डेटा की सही व्याख्या करने में है।

एलुस्वामी ने कहा, “सेल्फ-ड्राइविंग समस्या सेंसर समस्या नहीं है, यह एआई समस्या है।” “कैमरों में पहले से ही पर्याप्त जानकारी है। यह जानकारी निकालने की समस्या है, जो एक एआई समस्या है।”

उन्होंने कहा कि टेस्ला की प्रणाली कई विशेष सेंसरों के बजाय मुख्य रूप से कैमरा इनपुट और तंत्रिका नेटवर्क पर निर्भर करती है। उनके अनुसार, कंपनी एक एंड-टू-एंड एआई मॉडल का उपयोग करती है जो कच्चे वीडियो, वाहन गति डेटा और नेविगेशन इनपुट को सीधे स्टीयरिंग और ब्रेकिंग जैसी ड्राइविंग क्रियाओं में परिवर्तित करती है।

एलुस्वामी ने कहा कि यह दृष्टिकोण पारंपरिक मॉड्यूलर प्रणालियों की सीमाओं से बचता है, जहां धारणा, भविष्यवाणी और योजना को अलग से नियंत्रित किया जाता है। उन्होंने कहा कि वास्तविक दुनिया की ड्राइविंग स्थितियाँ नियम-आधारित या खंडित सॉफ़्टवेयर डिज़ाइन के लिए बहुत अधिक परस्पर जुड़ी हुई हैं।

उन्होंने ऐसे उदाहरण भी दिखाए जहां टेस्ला वाहनों ने असामान्य सड़क स्थितियों पर प्रतिक्रिया की, जिसमें जानवरों का सड़क पार करना और अचानक वाहन दुर्घटनाग्रस्त होना शामिल है। उन्होंने कहा कि इन प्रतिक्रियाओं के लिए इरादे और गति को समझने की आवश्यकता होती है, जिसे उन्होंने सेंसर डिटेक्शन के बजाय एआई अनुमान के रूप में वर्णित किया है।

उन्होंने यह भी कहा कि टेस्ला अपने मॉडलों को प्रशिक्षित करने के लिए अपने वैश्विक बेड़े से दुर्लभ ड्राइविंग परिदृश्य एकत्र करता है। उन्होंने कहा, अधिकांश ड्राइविंग डेटा नियमित है, इसलिए कंपनी सुरक्षा प्रदर्शन में सुधार के लिए असामान्य या जोखिम भरी घटनाओं को फ़िल्टर करती है।

एलुस्वामी ने टेस्ला के तंत्रिका नेटवर्क के उपयोग का वर्णन किया जो कार के चारों ओर 3डी वातावरण का मॉडल बनाता है और भविष्य के परिदृश्यों का अनुकरण करता है। उन्होंने कहा कि ये प्रणालियाँ पिछली घटनाओं को दोहराकर और नई परीक्षण स्थितियाँ उत्पन्न करके प्रशिक्षण और सुरक्षा मूल्यांकन दोनों में मदद करती हैं।

जब उनसे पूछा गया कि टेस्ला अधिक सेंसर या सड़क के किनारे के बुनियादी ढांचे को जोड़ने के बजाय कैमरों पर ध्यान क्यों केंद्रित करता है, तो उन्होंने कहा कि मनुष्य दृष्टि का उपयोग करके नेविगेट करते हैं और स्वायत्त प्रणालियों को समान मूल धारणा समस्या का समाधान करना चाहिए।

“यह इतना स्पष्ट है कि आप इसे कैमरों से हल कर सकते हैं,” उन्होंने कहा। “आप कैमरे से समाधान क्यों नहीं करेंगे? यह 2026 है।” उन्होंने कहा कि पहले स्वायत्त सिस्टम अतिरिक्त सेंसर पर निर्भर थे क्योंकि उस समय एआई पर्याप्त उन्नत नहीं था।

“आजकल, बुद्धिमत्ता काफी बढ़ गई है। आप स्पष्ट रूप से यह जानकारी निकाल सकते हैं, और एक बार जब आपके पास एआई हो, तो आपको अन्य सेंसर की आवश्यकता नहीं होती है।”