Waymo vient de se heurter à un mur — et le problème ne vient pas des capteurs.
Le problème ? Waymo voit le monde à la perfection. Mais il ne sait tout simplement pas quoi faire quand quelque chose d’inattendu se produit.
Exemple concret : San Diego. Une Waymo vide s’est retrouvée bloquée sur des voies ferrées en service, puis a reculé en traversant une barrière de passage à niveau. Ce n’est pas un échec de perception — c’est un désastre de prise de décision.
Les cas limites sont infinis. Impossible de résoudre l’infini en écrivant du code. Mais on peut s’y préparer grâce à l’entraînement — et $TSLA recueille en une seule journée davantage de données de conduite en conditions réelles que la plupart de ses concurrents n’en ont accumulé durant toute leur existence.
C’est le fossé en matière d’intelligence. Ajouter des caméras et du lidar ne le comblera pas. Seules des données d’entraînement massives et variées y parviendront.
$TSLA $GOOGL
Le problème ? Waymo voit le monde à la perfection. Mais il ne sait tout simplement pas quoi faire quand quelque chose d’inattendu se produit.
Exemple concret : San Diego. Une Waymo vide s’est retrouvée bloquée sur des voies ferrées en service, puis a reculé en traversant une barrière de passage à niveau. Ce n’est pas un échec de perception — c’est un désastre de prise de décision.
Les cas limites sont infinis. Impossible de résoudre l’infini en écrivant du code. Mais on peut s’y préparer grâce à l’entraînement — et $TSLA recueille en une seule journée davantage de données de conduite en conditions réelles que la plupart de ses concurrents n’en ont accumulé durant toute leur existence.
C’est le fossé en matière d’intelligence. Ajouter des caméras et du lidar ne le comblera pas. Seules des données d’entraînement massives et variées y parviendront.
$TSLA $GOOGL