समाचारं

यथा यथा अन्तः अन्तः बृहत् मॉडलाः लोकप्रियतायाः कालखण्डं प्रविशन्ति तथा स्वायत्तवाहनचालनं अन्तस्य आरम्भं कर्तुं शक्नोति वा?

2024-07-15

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

बैडु इत्यस्य स्वयमेव चालयति इति टैक्सी "Carrot Run" इति वृत्तात् बहिः आगत्य स्वायत्तवाहनचालनं वास्तवतः सामान्यजनानाम् कृते आगतं इव दृश्यते। परन्तु अधिकांश-अभ्यासकानां दृष्ट्या वर्तमानं L4 Robotaxi अथवा स्मार्ट-विद्युत्-वाहनानां कृते बुद्धिमान् चालन-सहायता-प्रणाल्याः अद्यापि उपयोगः सुलभः, बृहत्-परिमाणेन व्यावसायिकः च भवितुं दूरम् अस्ति

"वर्तमानकाले वयं पश्यामः यत् नगरीयक्षेत्रेषु वर्तमानस्य एनओए इत्यस्य अधिकांशः अद्यापि उपयोगयोग्यपदे एव अस्ति तथा च अद्यापि सुलभप्रयोगस्य चरणं न प्राप्तवान्। मुख्यसमस्याः अद्यापि न्यूनयातायातदक्षता अवैयक्तिकव्यवहारः च सन्ति। संख्यायां तीव्रवृद्धिः कारकम्पनीभिः नगरीयकवरेजस्य कारणात् प्रणाली उपलब्धतायां न्यूनता अभवत् ऑटोमोबाइल फोरम यत् स्वायत्तवाहनचालनं ChatGPT क्षणस्य आरम्भं करिष्यति।

२०२३ तमस्य वर्षस्य आरम्भात् आरभ्य टेस्ला इत्यनेन एफएसडी इत्यस्य V12 संस्करणस्य पूर्णतया अन्तः अन्तः बृहत्-परिमाणस्य प्रतिरूपं स्वीकृतम् इति दावितं, यत् तदनन्तरं, एक्सपेङ्ग्, वेइलाई इत्यादीनां कारकम्पनीनां, आपूर्तिकर्तायाः च व्यापकचर्चाम् आरब्धवान् Horizon तथा Yuanrong Qixing इत्यादीनां कम्पनीनां क्रमेण घोषितं यत् ते अन्तः अन्तः बुद्धिमान् चालनप्रणालीं परिनियोजयिष्यन्ति इति ।

अद्यैव चेन्ताओ कैपिटलः त्रयः पक्षाः च "अन्ततः अन्तपर्यन्तं स्वायत्तवाहनचालनउद्योगसंशोधनप्रतिवेदनं" (अतः परं "रिपोर्ट्" इति उच्यते" इति दर्शयति "रिपोर्ट्" दर्शयति यत् स्वायत्तक्षेत्रे ३० तः अधिकानां अग्रपङ्क्तिविशेषज्ञानाम् मध्ये driving industry interviewed by it, 90% सः अवदत् यत् सः यस्मिन् कम्पनीयाः कृते कार्यं करोति तस्याः कृते अन्त्यतः अन्तः प्रौद्योगिक्याः अनुसन्धानविकासे निवेशः कृतः, अधिकांशप्रौद्योगिकीकम्पनयः च मन्यन्ते यत् एतां प्रौद्योगिकीक्रान्तिं त्यक्तुं असह्यम् अस्ति।

किङ्ग्झौ ज़िहाङ्गस्य सहसंस्थापकः मुख्यकार्यकारी च यू कियान् इत्यस्य मतं यत् हाले एव अन्ततः अन्तः प्रौद्योगिक्याः बुद्धिमान् वाहनचालनप्रौद्योगिक्याः विकासे स्पष्टा प्रवृत्तिः प्राप्ता अस्ति

सार्वजनिकसूचना दर्शयति यत् गहनशिक्षणस्य अन्तः अन्तः एकः अवधारणा अस्ति, या एआइ मॉडलं निर्दिशति यत् अन्तिमपरिणामं यावत् मूलदत्तांशः इनपुट् भवति तावत् आउटपुट् कर्तुं शक्नोति एकं विशिष्टं उदाहरणं लोकप्रियं ChatGPT अस्ति स्वायत्तवाहनचालने अन्ततः अन्तः प्रौद्योगिक्याः अनुप्रयोगेन धारणा, भविष्यवाणी, योजना इत्यादीनां बहुविधप्रतिमानानाम् मूलवास्तुकला "एकीकृतबोधस्य निर्णयनिर्माणस्य च" एकप्रतिरूपवास्तुकलायां परिणतम् अस्ति सामान्यजनस्य दृष्ट्या पूर्वं स्वायत्तवाहनमार्गाः बहुजनाः कारं चालयन्ति इव आसन्, परन्तु अन्तः अन्तः प्रौद्योगिकी एकव्यक्तिवाहनचालनम् अस्ति, यत् वास्तविकमानववाहनचालनस्य समीपे अस्ति

"अन्ततः अन्तः बृहत् प्रतिरूपं संभाव्यतावादीप्रतिरूपस्य आधारेण प्रशिक्षितं भवति। तस्य एकः समस्या अस्ति यत् तुल्यकालिकरूपेण सरलस्य सुलभस्य च परिदृश्यस्य कृते तस्य उत्पादनं प्रायः तावत् सटीकं न भवति तथा च तलरेखा तुल्यकालिकरूपेण न्यूना भवति; टेस्ला अस्मिन् क्षेत्रे बहु किमपि कृतवान् अस्ति न दुष्टम्, परन्तु एषा समस्या पूर्णतया समाधानं न प्राप्तवती अस्ति अस्माकं विश्वासः अस्ति यत् वर्तमानस्य पर्याप्तदत्तांशस्य अभावस्य अन्तर्गतं अद्यापि अस्माकं क्रमेण अन्ततः अन्ते यावत्, मॉड्यूल् द्वारा मॉड्यूल् प्रतिस्थापनं, तथा च अन्ततः अन्ते यावत् पूर्णं भवति तथा च सुरक्षां सुनिश्चितं करोति यत् अपेक्षाकृतं ठोसः अभियांत्रिकी आधारभूतसंरचना तथा द्रुतपुनरावृत्तिविधिः क्रमेण प्रणालीप्रदर्शनस्य उपरितनसीमां वर्धयितुं शक्नोति तथा च प्रणालीप्रदर्शनस्य निम्नसीमाम् अपि सुनिश्चितं कर्तुं शक्नोति" इति चेन् लिमिंग् अवदत्।

Saiko Intelligent CTO Yu Qiankun इत्यनेन पत्रकारैः उक्तं यत् अन्ततः अन्तः मॉडलं स्मार्ट ड्राइविंग अनुप्रयोगं द्वयोः चरणयोः विभक्तुं शक्यते: प्रथमः चरणः द्वि-माडल-समाधानम् अस्ति, यत् वर्तमानकाले उद्योगे अधिका मुख्यधारा-दिशा अस्ति, परन्तु द्वौ- model यतो हि मध्ये स्पष्टं उत्पादनं भवति, अतः -model समाधाने किञ्चित् सूचनाहानिः अनिवार्यतया भविष्यति, येन संवेदकसूचनायाः पूर्णप्रयोगः कठिनः भवति द्वितीयः चरणः एक-प्रतिरूपसमाधानम् अस्ति, यत् एक- step solution Currently, there are बहवः जनाः प्रारम्भिकं शोधं कुर्वन्ति, यत् एजीआई-दिशायाः समीपे एव अस्ति, परन्तु एषा दिशा तुल्यकालिकरूपेण कठिना अस्ति, तथा च अनुमानं भवति यत् ३-५ वर्षाणाम् अनन्तरं यावत् केचन बृहत्-प्रमाणस्य अनुप्रयोगाः न पश्यन्ति . ज्ञातव्यं यत् बहवः कारकम्पनयः "अन्ततः अन्तः" वाहनप्रक्षेपणस्य घोषणां कृत्वा पारम्परिकं "नियमनियन्त्रणं" पूर्णतया न त्यक्तवन्तः

एकस्याः कारकम्पन्योः स्वायत्तवाहनचालन-एल्गोरिदम्-इञ्जिनीयरः अवदत् यत् यतः तंत्रिकाजालेन निर्गमितानां परिणामानां संभाव्यतायाः निश्चिता प्रमाणं भवति, तस्मात् उत्पादनपरिणामाः सर्वथा सुरक्षिताः इति गारण्टी नास्ति अतः अन्ततः अन्तः बृहत् प्रतिरूपस्य प्रक्षेपणानन्तरं नियमपद्धतेः आवश्यकता अद्यापि भविष्यति । वर्तमान समये अधिकांशः अन्त्यतः अन्तः बुद्धिमान् चालनप्रणाली अद्यापि तंत्रिकाजालस्य निर्गमस्य गौणसत्यापनार्थं केषाञ्चन नियमविधीनां उपयोगं करोति ।

वर्तमान समये सामान्यतया उद्योगस्य मतं यत् घरेलुकारकम्पनीनां टेस्ला-कम्पनीनां च मध्ये अनुसन्धानविकासप्रगतेः अन्तरं प्रायः १.५ तः २ वर्षाणि यावत् भवति । चेरी ऑटोमोबाइल कम्पनी लिमिटेड् इत्यस्य उपमहाप्रबन्धकः गु जुन्ली इत्यस्य मतं यत् व्यावसायिकप्रतिरूपस्य दृष्ट्या टेस्ला इत्यस्य सङ्गतिं कर्तुं उत्पादानाम् स्केल अप करणीयम्। "यदा आँकडा: टेस्ला-स्तरं दशलाखाधिकं प्राप्नोति तदा मॉडलस्य गहनप्रशिक्षणेन स्मार्ट-वाहनचालनं विडियो-धारां ज्ञातुं शक्नोति तथा च चालकं प्रत्यक्षतया वाहनचालनस्य दिशां वक्तुं शक्नोति, यथा वर्तमानकाले लोकप्रिय: चैट्जीपीटी-इत्यनेन उक्तम्।

विदेशेषु प्रायः एकमात्रं टेस्ला-संस्थायाः तुलने घरेलुबुद्धिमान् वाहनचालन-प्रणाल्याः एकस्मिन् चरणे सन्ति यत्र शतशः पुष्पाणि प्रफुल्लितानि सन्ति, भिन्न-भिन्न-माडल-विभिन्न-तकनीकी-समाधानयोः मध्ये आँकडानां संयोजनं कठिनम् अस्ति, येन अन्त-पर्यन्तं कतिपयानि कष्टानि आनयन्ति -अन्तं बृहत्-परिमाणस्य प्रतिरूपं दत्तांशैः चालितम् ।

चेन् लिमिङ्ग् इत्यनेन उक्तं यत् - "अधुना वयं यत् कठिनतां प्राप्नुमः तत् अस्ति यत् अनेकेषां मॉडल्-संवेदकानां वास्तुकला, संवेदकानां व्यवस्था, स्वीकरणं च इत्यादीनां निरन्तरं परिवर्तनं भवति । यद्यपि अस्माभिः बहु आँकडानां संग्रहः कृतः तथापि दत्तांशः उच्चैः सञ्चितः नास्ति गुणवत्तां च निरन्तरं उपयोक्तुं शक्यते हाँ, एषः प्रश्नः यस्य विषये अस्माभिः न केवलं कम्पनीरूपेण चर्चा कर्तव्या अन्येषु शब्देषु, OEMs तथा प्रौद्योगिकीकम्पनयः कथं मिलित्वा एतस्याः समस्यायाः समाधानं कर्तुं शक्नुवन्ति इति एकत्र चर्चां कर्तुं आवश्यकम्” इति ।

यू किआन्कुन् इत्यस्य मतम् अपि अस्ति यत् अन्ततः अन्तः अभियांत्रिकी-अनुप्रयोगाः वर्तमानकाले आँकडा-संग्रहणस्य दुर्बलपूर्णता, आँकडा-संग्रहणस्य दुर्बल-पुनः-उपयोग-क्षमता, न्यून-प्रशिक्षण-गणना-शक्तिः इत्यादीनां समस्यानां सामनां कुर्वन्ति