Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Trent Eady
Tecnología, fabricantes de automóviles, horizonte a largo plazo.
Sigueme en Medium
Resumen
”La pregunta clave para los inversores ... es si Tesla puede realmente
aprovechar su flota de entrenamiento de aproximadamente 450,000
automóviles para producir un rendimiento de conducción autónoma
significativamente mejor que otras compañías. El recurso que
diferencia a Tesla son los datos de entrenamiento. Pero este recurso
solo decide la competencia, si el enfoque técnico ganador requiere
mucha información de entrenamiento, sin el cuello de botella del
etiquetado humano que es costoso y lento.”
Implicaciones financieras
Si la respuesta a ambas preguntas es afirmativa, si no se produce un
cambio importante en el panorama competitivo, Tesla será el primero en
resolver la autonomía total, si alguien lo hace. Un despliegue exitoso de
robotaxi, a escala y ante cualquier competidor, justificaría una valuación
a largo plazo de $ 75 mil millones a $ 250 mil millones, si se creen los
modelos analistas de Waymo. Según los informes de The Information,
Waymo actualmente está buscando inversiones externas con una
valoración de más de $ 100 mil millones.
El agresivo y optimista modelo de ARK Invest para Tesla sitúa la
capitalización de mercado de Tesla en $ 909 mil millones en 2023 y su
precio de la acción en $ 4,100, teniendo en cuenta un aumento de
capital de $ 20 mil millones. Esta valoración puede sonar extrañamente
grande, pero se sigue naturalmente de un modelo detallado que el
analista de ARK Tasha Keeney ha generado generosamente.
Aprendizaje imitacion
Este resultado es particularmente relevante para Tesla porque en el Día
de la autonomía, Andrej Karpathy confirmó que Tesla está utilizando el
aprendizaje por imitación. (Este es un tema sobre el que previamente he
escrito mucho ). Cuando un humano está manejando un Tesla y el piloto
automático está apagado, a veces recopila datos que se usan para
entrenar una red neuronal para emular el comportamiento del conductor
humano. Aquí es cómo Karpathy describió el proceso:
La diferencia entre una flota que recorre millones de millas al año y otra
que recorre miles de millones de millas al año no es solo la diferencia
entre los datos y más datos. También es la diferencia entre no datos y
datos. Algunos fenómenos de larga cola no ocurrirán para una flota de
entrenamiento de unos pocos cientos de autos. Una flota de
entrenamiento de cientos de miles o millones de autos se encontrará
con muchas categorías de eventos, objetos, condiciones de la carretera,
interacción entre los usuarios de la carretera, etc. que una flota de
cientos nunca verá. Sin datos, un enfoque de aprendizaje automático es
imposible. Con los datos, es posible. Con más datos, es más efectivo.
Predicción
El aprendizaje por imitación para la predicción de la trayectoria (también
llamada planificación de la trayectoria) es un área donde la flota de Tesla
presenta una ventaja. Otra área es predecir el comportamiento de otros
usuarios de la carretera.
En el Día de la Autonomía, Karpathy describió cómo cada automóvil de
Hardware 2 de la flota de Tesla, usa una red neuronal para predecir si un
vehículo de adelante va a entrar en su carril, dado que la visión de la red
neuronal puede detectar cuándo un automóvil se introduce en el carril, y
puede etiquetar automáticamente los ejemplos en los que esto ocurre.
Estos ejemplos pueden utilizarse para entrenar una red neuronal para
predecirlos antes de que ocurran. Este ejemplo ilustra cómo Tesla puede
aprovechar los datos de su flota sin estar limitado por el costo del
etiquetado humano. En palabras de Karpathy:
Percepción de profundidad
Tesla también está aprovechando los datos de la flota para la percepción
de la profundidad basada en cámara. Karpathy explicó dos técnicas que
no requieren ningún etiquetado humano: el aprendizaje supervisado por
radar y el aprendizaje auto supervisado. (Antes del Día de la autonomía,
en realidad especulé que Tesla podría estar usando un aprendizaje auto-
supervisado).
Andrej Karpathy: cómo Tesla entrena las redes neuronales para percibir la
profundidad (https://www.youtube.com/watch?v=LR0bDLCElKg)
Detección de objetos
La detección de objetos es un área en la que Tesla (como otras
compañías) usa un costoso etiquetado humano, pero aún aprovecha los
datos de la flota. Al diseñar activadores de carga basados en el
aprendizaje automático, Tesla puede recopilar instantáneas de objetos
raros.
1. Cómo se recoge.
https://seekingalpha.com/article/4256796-teslas-data-advantage
Divulgación: Yo soy / somos largos TSLA. Escribí este artículo yo mismo, y expresa mis propias
opiniones. No estoy recibiendo compensación por ello (excepto por parte de Seeking Alpha). No
tengo ninguna relación comercial con ninguna compañía cuyas acciones se mencionan en este
artículo.