¿Qué te hace pensar que los “algoritmos están todos abiertos”?
Google no ha hablado sobre los algoritmos o hardware empleados en sus vehículos / sistemas. He asistido personalmente a unas 4 charlas de diferentes líderes de equipo de la división relevante de Google (incluidas las de CVPR y HotChips 2016). Todas esas charlas simplemente repiten el anuncio genérico que podría haber visto en Youtube: el orador literalmente reproduce el video de Youtube y permanece en silencio durante 15 minutos (!), Y luego dice algunas cosas muy superficiales sobre sus sistemas.
De hecho, las capacidades que han demostrado hasta ahora han demostrado ser increíblemente difíciles de replicar para laboratorios académicos e industriales. Los algoritmos que están disponibles en la literatura no son sólidos en absoluto, y es realmente difícil de ensamblar / administrar / motivar a los mejores ingenieros de investigación que están dispuestos a resolver todos los pequeños problemas del software.
- ¿Cuál es el problema de 'morir ReLU' en las redes neuronales?
- ¿Cuáles son las diferencias clave entre las redes neuronales artificiales y las neuronas reales del cerebro humano?
- ¿Cuál es una buena manera de entender un buen descuento?
- ¿Es la computadora IBM Watson realmente inteligente?
- ¿Está loco Ray Kurzweil?
Lo mismo ocurre con los datos etiquetados y los casos de esquina documentados que Google ha recopilado: nadie más los tiene. Todos, excepto quizás una o dos excepciones notables como MobilEye, están muy rezagadas.
En el frente del equipo, es increíblemente difícil lograr el equilibrio correcto entre investigación e ingeniería, desde el punto de vista de la administración. Los mejores investigadores generalmente no quieren hacer un esfuerzo para hacer que las cosas realmente funcionen. Eso no les permite obtener documentos en las principales conferencias o patentes. Los ingenieros, incluso los grandes, actualmente no entienden realmente la metodología orientada a la investigación necesaria para construir estos sistemas. No es su ingeniería de software de rutina. Hay una gran cantidad de pruebas y errores sistemáticos involucrados, muchos datos de entrada, intermedios y de salida. Google es único porque su posición de liderazgo / exageración, y sus líderes (Sebastian Thrun y Chris Urmson) atrajeron a los mejores talentos y de alguna manera lo retuvieron durante el tiempo suficiente para crear un software que vale su peso en oro (¡incluso si se almacena en disquetes!). ¡No es trivial para otras compañías replicar ese tipo de equipo, o al menos retener ese tipo de talento incluso si logran comprarlos!
Muchas de las afirmaciones que ves en los medios de comunicación de diferentes compañías (los “varios autos sin conductor” que mencionas) son falsas y extremadamente publicitadas. ¿Has visto realmente el informe de un periodista del prototipo de Uber? Su auto “autónomo” es bastante limitado. Ni siquiera puede identificar autos detenidos, y los esperará indefinidamente. Aparentemente, los estacionamientos son un gran problema. Y, sin embargo, Uber tiene quizás uno de los equipos más fuertes de la industria: ¡ha comprado los ingenieros CMU / NREC más talentosos! Esto es muy revelador.
Por otro lado, si bien Google está mucho más avanzado en los frentes técnicos que cualquier otro competidor potencial, la tecnología de vehículos autónomos tiene demasiados problemas de investigación sin resolver hoy en día. Además, Google ha elegido una estrategia técnica (alineación de los flujos de datos entrantes con las reconstrucciones 3D preconfiguradas, también conocidos como mapas) que limita el funcionamiento de sus vehículos a regiones geográficas donde ya han recopilado toneladas de datos y puede seguir actualizando su base de datos (solo CA , ¡hasta ahora!), mientras que otros, como MobilEye o Daimler, que están rezagados en la búsqueda de la autonomía total, tienen tecnología que es de aplicación universal. Por lo tanto, Google no comercializará un vehículo totalmente autónomo en el corto plazo. Por otro lado, los fabricantes de automóviles que ya tienen grandes bases de clientes pueden implementar pequeñas características de ADAS gradualmente y tal vez alcanzar la plena autonomía en dos décadas. Google tiene un (importante) problema de modelo de negocio.