reuixiy
commented
3 years ago https://www.youtube.com/watch?v=j0z4FweCy4M
- 计算机视觉的软件实现
- 路线规划和决策控制
- frequency/keep trying/solve local problem by global scope/不过增大 scope 利于预测，但因随机事件每中断一次，也要在更大的 scope 重新计算一次，不过最后的问题都是两点之前的路径，只不过有一点不断尝试计算合理路径接触另一点
- Manual labeling
- People and computers have different pros and cons, so people are extremely good at things like semantics but computers are very good at geometry, reconstruction, triangulation, tracking.
- Auto labeling
- 将个体的所感组成一个计算机理解的世界
- 两种途径，一是让计算机拥有人类理解；二是让计算机理解世界。第二种可能会构建一个全新的计算机世界，更高效的自动化世界，计算机成为了人类的仆人，不同阶级
- 对于这个世界，人类理解的是一个物体，计算机理解的是点和几何
- 可以看到 labeling 的演进，从最先的需要专业知识才能看懂的数字标注，到现在的同时人类可直观（通过颜色和图标等注解）理解的视图和机器可理解的数据
- 通过人工标注也即通过人类理解转化成机器理解，固然没有机器自动理解高效，因为机器无需休息，工作量也即计算力还可以横向扩展。理想的设计是，机器理解然后自行学习，这是一个线团变积木的过程，另一方面来说也是个越来越高效可控的过程
- Simulation 软件模拟测试，更迅速且全面极化地测试以演进，且更可信赖
- And It Works! 设计好，实现完，结果符合设计预期！
- Dojo 硬件的原子堆积组合
- Software
- Compute Cluster
- System
- Chip
- Tesla Bot
- 需求来自市场而不是制造商
- 具体情况是不一样的，但是归结的问题是通用已知的（如果你能发现一个这个世界未知的问题，那么这也许会是一件历史上的大事），归结到问题后，解决方案可以从该问题的研究成果中应用下来
- Machines are good at predicting
- All cars will be automatic
整个的流层：
传感器输入
人类理解
计算机输出难度在于中间的人类理解，怎么让人类理解的各种规则成为计算机理解的规则，然后再让计算机做出决策？
- How do we make a car autonomous
- How do we generate training data
- How do we run it in the car
- How do we iterate quickly
特斯拉的发布会和苹果的气质不同，特斯拉很多技术设计和工程实现细节，更像技术峰会，但对普通观众来说可能直白枯燥，苹果更加激动人心。
https://www.tesla.com/AI
完全的自动驾驶的实现过程中发现，当实现完全自动化时也就是实现 AI 时，所以自然抽上来，单独设计实现 AI，并注入到人形机器人 Humanoid 成为灵魂。
加上 Neuralink #96 脑机接口对大脑的研究，加上已经在造血的电动汽车带来的资本、硬件、工厂，加上未来 SpaceX 的 The Final Frontier!
WOW! COOL! 21 世纪的第三个十年，属于 Elon Musk 的理念体系！第一个十年发展了现在的众多互联网巨头，它们构建虚拟平台彻底改变现实生活和社交娱乐，睹目的是乔布斯将一个产品做到极致并发布 iPhone 这个艺术品，乔布斯及苹果的产品和设计理念已经很大改善提高了整个世界人类计算机产物的艺术水准；第二个十年苹果影响力持续扩张，而上个十年末的一篇论文已在悄然给这个经济世界带来翻天覆地的变化，不知这种变化在第三个十年是否会通过全新互联网让我们每个人感知，触发黑客帝国的现实虚拟梦蝶元宇宙，智能的自由觉醒和人权的重新定义，分化对立的社会担忧和极权享乐的崩裂担忧，以及在上帝之镜前意义的再次重思——无论如何，我们始终不忘那银河帝国的畅想！哦！银河在上！