Waymo ist gerade an seine Grenzen gestoßen – und es liegt nicht an den Sensoren.
Das Problem? Waymo kann die Welt perfekt sehen. Es weiß nur nicht, was es tun soll, wenn etwas Unerwartetes passiert.
Ein Beispiel: San Diego. Ein leerer Waymo blieb auf aktiven Bahngleisen stecken und fuhr dann rückwärts direkt durch eine Bahnschranke. Das ist kein Wahrnehmungsfehler – das ist ein Desaster bei der Entscheidungsfindung.
Grenzfälle sind unendlich. Man kann sich nicht aus der Unendlichkeit herausprogrammieren. Aber man kann sich durch sie hindurchtrainieren – und $TSLA sammelt an einem einzigen Tag mehr reale Fahrdaten als die meisten Konkurrenten während ihrer gesamten Existenz.
Das ist die Intelligenzlücke. Mehr Kameras und Lidar werden sie nicht schließen. Das gelingt nur mit riesigen, vielfältigen Trainingsdaten.
$TSLA $GOOGL
Das Problem? Waymo kann die Welt perfekt sehen. Es weiß nur nicht, was es tun soll, wenn etwas Unerwartetes passiert.
Ein Beispiel: San Diego. Ein leerer Waymo blieb auf aktiven Bahngleisen stecken und fuhr dann rückwärts direkt durch eine Bahnschranke. Das ist kein Wahrnehmungsfehler – das ist ein Desaster bei der Entscheidungsfindung.
Grenzfälle sind unendlich. Man kann sich nicht aus der Unendlichkeit herausprogrammieren. Aber man kann sich durch sie hindurchtrainieren – und $TSLA sammelt an einem einzigen Tag mehr reale Fahrdaten als die meisten Konkurrenten während ihrer gesamten Existenz.
Das ist die Intelligenzlücke. Mehr Kameras und Lidar werden sie nicht schließen. Das gelingt nur mit riesigen, vielfältigen Trainingsdaten.
$TSLA $GOOGL