समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

टेस्ला-सङ्घस्य मुख्यकार्यकारी एलोन् मस्कः २०२३ तमे वर्षे टेस्ला-इत्यस्य बुद्धिमान् चालन-सॉफ्टवेयरस्य fsd v12 इत्यस्य लाइव-प्रसारणं प्रारब्धवान् - विडियो-मध्ये टेस्ला-इत्येतत् नवीनतम-अन्ततः-अन्त-प्रौद्योगिक्याः आधारेण अस्ति, तथा च सॉफ्टवेयरेन बहूनां अभियंतानां विलोपनं कृतम् अस्ति, तस्य स्थाने rule code इत्यस्य उपयोगं करोति मुख्यं तंत्रिकाजालस्य एल्गोरिदम् । वाहनं स्वायत्तदृष्टिषु तंत्रिकाजालेषु च आधारितं भवति यत् कुत्र मन्दं कर्तव्यं इति सूचयति, यातायातप्रकाशान्, मार्गे स्थितानां कस्यापि अभिनेतानां च परिचयं कर्तुं, स्वायत्तनिर्णयान् च कर्तुं शक्नोति

तदनन्तरं एषा प्रौद्योगिक्याः उद्योगस्य, प्रौद्योगिकी-उत्साहिनां, साधारणकार-उपभोक्तृणां च महती चर्चा, रुचिः च प्रेरिता ।

बुद्धिमान् वाहनचालनस्य कृते प्रतिमानपुनर्प्राप्तेः एषः नूतनः दौरः अस्ति । अद्यपर्यन्तं चीनीयविपण्ये बहवः मताः उद्भूताः सन्ति- १.

अन्त्यतः अन्तः प्रौद्योगिक्याः उद्भवेन स्मार्टड्राइविंग् इत्यत्र संलग्नानाम् अनेकानां कारकम्पनीनां प्रारम्भरेखा समतलं जातम्, अधुना सर्वे पुनः आरम्भबिन्दौ सन्ति, येन आँकडानां, कम्प्यूटिंग्-शक्तेः च दीर्घदूर-दौडः आरभ्यते |.

अन्ततः अन्तः प्रौद्योगिकी सशक्तदत्तांशैः प्रभाविता भवति तथा च आँकडा-अधिग्रहणस्य परिमाणं विशेषतः प्रभावी गुणवत्ता-आँकडानां अधिग्रहणं प्रौद्योगिक्याः द्रुतपुनरावृत्तिं प्रभावितं करोति

चीनीयविपण्ये "गृहक्षेत्रलाभयुक्ताः स्वतन्त्राः वाहननिर्मातारः स्मार्टवाहनचालनार्थं अन्यां दीर्घदूरदौडं प्रारब्धवन्तः तस्मिन् एव काले टेस्ला-संस्थायाः fsd-अग्रता अस्मिन् स्तरे निर्मूलितः भविष्यति इति बहवः मताः सन्ति

ली ऑटो इत्यस्य इंटेलिजेण्ट् ड्राइविंग् आर एण्ड डी इत्यस्य उपाध्यक्षः डॉ. लैङ्ग् ज़ियान्पेङ्गः अपि मन्यते यत्,तकनीकीवास्तुकलायां ideal इत्यस्य नवीनतमं समाधानं tesla इत्यस्य समाधानात् बहु भिन्नं नास्ति, किञ्चित् अग्रे अपि अस्ति । यतः आदर्शरूपेण vlm मॉडल् तथा सिस्टम् २ अस्ति, टेस्ला केवलं सिस्टम् १ अन्त्यतः अन्ते यावत् अस्ति ।

ली ऑटो इत्यस्य अन्त्यतः अन्ते यावत् मॉडल् वन मॉडल् एकीकृतं अन्त्यतः अन्ते यावत् अस्ति, यत् विपण्यां अन्येषां वाहनकम्पनीनां अन्त्यतः अन्ते यावत् किञ्चित् भिन्नम् अस्ति ।

पारम्परिकः अन्तः अन्तः प्रौद्योगिकी केवलं कृत्रिमबुद्धिप्रतिमानानाम्, यांत्रिकस्व-शिक्षणस्य च उपयोगं करोति यत् बुद्धिमान् चालनप्रक्रियायां धारणा, योजना, नियन्त्रणमॉड्यूलस्य स्थाने, दृश्य "इनपुट" अन्तः आरभ्य बुद्धिमान् चालनप्रणालीपर्यन्तं वाहनस्य अन्तिमनियन्त्रणं च भवति .वाहनस्य "निर्गम" पक्षः पूर्णतया मॉडलेन सम्पादितः भवति । शुद्धा "अन्ततः अन्तः" प्रौद्योगिकी अस्मिन् प्रक्रियायां नियम-आधारित-सङ्केतान् न सेट् करोति, सम्पूर्णं कृष्णपेटी च भवति ।

परन्तु टेस्ला, हुवावे, एक्सपेङ्ग इत्यादीनां तुल्यकालिकरूपेण उन्नतनिर्मातृणां सहितं विपण्यां बहवः वाहनकम्पनयः अद्यापि सुरक्षा-अतिरिक्ततायाः उत्तरदायी कतिपयानि अन्तर्निहित-एल्गोरिदम्-इत्येतत् स्थापयन्ति बोधः योजनानियन्त्रणं च तुल्यकालिकरूपेण स्वतन्त्राणि मॉड्यूलानि भवितुम् अर्हन्ति, तथा च अन्तरफलकानि अद्यापि हस्तचलितरूपेण परिभाषितुं संयोजयितुं च आवश्यकाः सन्ति ।

एकीकृतः अन्तः अन्तः one model इत्यस्य उद्देश्यं धारणानियोजननियन्त्रणमॉड्यूलानि एकत्र स्थापयितुं आदर्शरूपेण आन्तरिकरूपेण system 1 इति कथ्यते तथा च अन्ततः अन्तः निर्णयान् शीघ्रं निष्पादयितुं चालकस्य इव अधिकं भवति

पूर्वं बुद्धिमान् वाहनचालनस्य क्षेत्रे अन्त्यतः अन्ते यावत् अनुप्रयोगाः प्रायः उच्चोच्चसीमायाः परन्तु न्यूननीचसीमायाः समस्यायाः सामनां कुर्वन्ति स्म यथा, टेस्ला, उद्योगस्य नेता, अमेरिकादेशस्य कैलिफोर्निया-नगरे अतीव सुचारुतया परीक्षणं कृतवान्, मानवचालकस्य इव व्यवहारं च कृतवान् तथापि एकदा अपरिचितक्षेत्रे प्रवेशं कृत्वा तस्य नियामकनिर्णयाः कठिनाः भविष्यन्ति

एषः अन्त्यतः अन्ते यावत् दोषेषु अन्यतमः अस्ति ।

आदर्शः उपायः अस्ति यत् system 2 इति vlm दृश्यभाषाप्रतिरूपस्य परिचयं कृत्वा अन्यत् पदं अग्रे गृह्णीयुः ।

आदर्शतः, vlm दृश्यभाषाप्रतिरूपं विश्वस्य प्रथमं विशालं प्रतिरूपं कार-पक्षे चिप् इत्यत्र सफलतया नियोजितम् अस्ति, तथा च जटिलपरिदृश्येषु तार्किकचिन्तनं निर्णयं च नियन्त्रयितुं क्षमता अस्ति

one model end-to-end इत्यस्य अतिरिक्तं system 2 - vlm इति मॉडल् एल्गोरिदम् इत्यस्य अन्यः समुच्चयः अस्ति यः system 1 इत्यस्य योजनायां निर्णयनिर्माणे च सहायकः भवति । vlm आधारितं प्रणाली 2 जटिलवातावरणानां अवगमनस्य क्षमता, नेविगेशननक्शानां पठनस्य क्षमता, यातायातनियमानाम् अवगमनस्य क्षमता च प्रदातुं शक्नोति ।

लैङ्ग ज़ियान्पेङ्ग् इत्यनेन अस्य संयोजनस्य अधिकं लोकप्रियं व्याख्यानं दत्तम् यत् सिस्टम् १ चालकः इव अस्ति, सिस्टम् २ च वाहनचालनविद्यालयस्य प्रशिक्षकः अस्ति । प्रणाली १ कार्याणि कर्तुं पूर्णतया स्वस्य दृश्यबोधस्य उपरि निर्भरं भवति प्रणाली २ प्रणाली १ इत्यस्य स्मरणार्थं सूचयितुं च दीर्घकालं यावत् ज्ञानसञ्चयस्य आवश्यकता वर्तते ।

ली ऑटो इत्यस्य बुद्धिमान् चालनार्थं उन्नत-एल्गोरिदम्-विशेषज्ञः झान् कुन् तस्य दलेन सह प्रथमतया एतां अवधारणां प्रस्तावितवन्तौ । संज्ञानात्मकमनोवैज्ञानिकस्य नोबेल् पुरस्कारविजेता च डैनियल काहनेमैन् इत्यस्य उदाहरणम् अनुसृत्य सः मन्यते यत् मानवमस्तिष्कस्य द्वौ प्रणाल्याः सन्ति प्रथमा प्रणाली अनुभवे अन्तर्ज्ञानस्य च आधारेण भवति, द्वितीया प्रणाली व्यापकरूपेण ज्ञानं शिक्षते, सञ्चयति च

द्वे प्रणाल्याः सम्पूर्णं आदर्शं बुद्धिमान् वाहनचालनं सेवन्ते, यत् आदर्शबुद्धिमत्वाहनचालनसमाधानं अन्यकारकम्पनीभ्यः अपि सर्वथा भिन्नं करोति

अमेरिकी-विपण्ये कम्प्यूटिङ्ग्-शक्तेः, आँकडानां च दृष्ट्या टेस्ला-एफएसडी-संस्था अग्रणी अस्ति ।

परन्तु चीनीयविपण्ये आदर्शरणनीतिः इव दृश्यते यत् "चीन टेस्ला स्मार्ट ड्राइविंग् रोड्" इत्यस्य पुनः निर्माणं कृत्वा स्वं अधिकं अग्रे स्थापयितुं शक्यते।

लाङ्ग ज़ियान्पेङ्गः अवदत्, "चीनस्य प्रशिक्षणगणनाशक्तेः प्रशिक्षणदत्तांशस्य च दृष्ट्या वयं मन्यामहे यत् न्यूनातिन्यूनम् इतः परं वयं टेस्लातः अग्रे स्मः, यतोहि टेस्ला अद्यापि चीनदेशे आँकडानां अनुपालनस्य दृष्ट्या केषाञ्चन बाधानां अधीनः अस्ति तथा च प्रशिक्षणगणनाशक्तिः अद्यापि आवश्यकी अस्ति चीनदेशे निर्मितं भवेत्।”

आदर्शः आँकडापरीक्षणप्रक्रियायां विश्वप्रतिरूपप्रणालीं अपि प्रवर्तयति ।

आदर्शेन उक्तं यत् विश्वप्रतिरूपं आदर्शबुद्धिमत्वाहनस्य नूतनपीढीयाः बृहत्-परिमाणस्य उच्चगति-पुनरावृत्तेः समर्थनं करोति, स्वचालित-एआइ-क्षमता-मूल्यांकन-प्रणालीं प्रदाति, उपयोक्तृभिः सम्मुखीभूतानां समस्या-परिदृश्यानां "गलत-प्रश्न-समूहेषु" परिणतुं पुनर्निर्माण-प्रौद्योगिक्याः उपयोगं करोति । , तथा च उपयोक्तृभ्यः "गलतप्रश्नसमूहेषु" परिवर्तनार्थं जनरेशनप्रौद्योगिक्याः उपयोगं करोति ।वास्तविकचालनदृश्यानां उपयोगः "अनुकरणप्रश्नानां" रूपेण भवति .

ideal one model+vlm+world model इत्यस्य तकनीकीसमाधानस्य आधारेण, एतत् ideal intelligent driving उत्पादानाम् एकां नूतनां पीढीं "supervised autonomous driving" इत्यस्य नूतनपदे अपि आनयति

आदर्शः प्रथमा कम्पनी अस्ति या ओरिन्-एक्स चिप्स् इत्यत्र vlm परिनियोजयति तथा च प्रथमा कारकम्पनी अस्ति या द्वय-प्रणाली-आर्किटेक्चरं स्वीकरोति । चीनदेशे आदर्शस्य विक्रयमात्रा पूर्वमेव दशलाखस्य समीपे अस्ति, येन प्रभावीदत्तांशस्य अनुपातः अवश्यमेव वर्धते । ली ऑटो इत्यस्य वर्तमानसञ्चितप्रशिक्षणमाइलेजः २.२ अर्बकिलोमीटर् अतिक्रान्तः अस्ति, तथा च २०२४ तमस्य वर्षस्य अन्ते ३ अरबकिलोमीटर् अतिक्रान्तः भविष्यति ।ली ऑटो इत्यस्य वर्तमानप्रशिक्षणगणनाशक्तिः ५.३९ eflops इत्येव अस्ति, तथा च ८ eflops इत्यस्मात् अधिकः भविष्यति इति अपेक्षा अस्ति २०२४ तमे वर्षे ।

परन्तु उद्योगः अद्यापि अन्तः अन्तः प्रौद्योगिक्याः अनुप्रयोगस्य सम्भावनायाः च विषये कलहं कुर्वन् अस्ति - केचन जनाः मन्यन्ते यत् ५० अरबं विना स्मार्ट-वाहनचालनं प्राप्तुं न शक्यते, अन्ये तु मन्यन्ते यत् न्यूनातिन्यूनं आगामिषु कतिपयेषु वर्षेषु अन्त्यतः अन्तः यावत् नियम-आधारित-माडल-एल्गोरिदम् अपि च एकल-मॉड्यूल्-कार्यं च अद्यापि समानान्तरं भविष्यति, शुद्ध-अन्ततः अन्तः अद्यापि बकवासः अस्ति ।

किञ्चित्पर्यन्तं आदर्शप्रयोक्तृअनुभवसमूहस्य परीक्षणपरिणामेन अस्य मार्गस्य वर्तमानतर्कसंगततायाः सत्यापनम् अभवत् । सर्वथा ली ऑटो इत्यनेन एतत् पदं स्वीकृत्य अग्रणीत्वं कृतम् ।

ली ऑटो इत्यस्य इंटेलिजेण्ट् ड्राइविंग आर एण्ड डी इत्यस्य उपाध्यक्षः डॉ. लैंग ज़ियान्पेङ्गः, ली ऑटो इंटेलिजेण्ट् ड्राइविंग् इत्यस्य वरिष्ठः एल्गोरिदम् विशेषज्ञः झान कुन् च

ली ऑटो इत्यस्य बुद्धिमान् वाहनचालनसंशोधनविकासस्य उपाध्यक्षः डॉ. लैङ्ग ज़ियानपेङ्गः, ली ऑटो इंटेलिजेण्ट् ड्राइविंग् इत्यस्य वरिष्ठः एल्गोरिदमविशेषज्ञः च झान कुन् इत्यनेन सह आदानप्रदानस्य आशुलिपिः निम्नलिखितम् अस्ति

प्रश्नः- विपण्यां सर्वे वदन्ति यत् ते अन्तः अन्तः सन्ति इति वास्तविकः अन्तः अन्तः किम्।

झान कुन् : १.अन्ततः अन्ते यावत् एकः शोधः विकासः च प्रतिमानः अस्ति यथा नाम सूचयति, एतत् प्रारम्भिकनिवेशान्ततः अन्तिमनिर्गमान्तपर्यन्तं कार्यं कर्तुं निर्दिशति मध्ये अन्यः कोऽपि प्रक्रिया नास्ति input from output.

अधुना आदर्शः कारः एकीकृतः one model अन्तः अन्तः अस्ति प्रत्यक्षसंवेदकनिवेशस्य माध्यमेन, मॉडलस्य अनुमानस्य समाप्तेः अनन्तरं, प्रक्षेपवक्रनियोजनस्य प्रत्यक्षतया उपयोगः भवति यत् कारस्य नियन्त्रणं भवति, यत्र न अन्तरे अन्ये पदानि । अन्त्यतः अन्तः यावत् पद्धतिः अपि अस्ति, या मध्ये द्वयोः आदर्शयोः विभाजनं भवति निवेशः बोधप्रतिरूपः भवति ततः नियन्त्रणप्रतिरूपे निवेशः भवति । तथा च ते मॉड्यूलर-अन्त-अन्त-प्रतिरूपे संयोजिताः भवन्ति, एतत् अन्तः-अन्त-पर्यन्तं अपि उच्यते, परन्तु वयं मन्यामहे यत् एतादृशः अन्तः-अन्त-पर्यन्तं यथार्थतया अन्तः-अन्त-पर्यन्तं न भवति . ली ऑटो इत्यस्य अन्तः अन्तः एव मध्यवर्ती सूचनायाः हानिः समाधानं कर्तुम् इच्छति यदि मध्ये कृत्रिमसूचनापाचनप्रक्रिया योजिता भवति तर्हि कार्यक्षमता एतावता उच्चा न भवेत् अथवा क्षमतानां उच्चसीमा बाध्यतां प्राप्नुयात् अतः वयं मन्यामहे यत् एकीकृतः अन्तः अन्तः अधिकं आवश्यकः अन्तः अन्तः अस्ति।

प्रश्नः- किं वयं टेस्ला-संस्थायाः प्रेरिताः स्मः ?

झान कुन् : १.टेस्ला इत्यनेन २०२३ तमस्य वर्षस्य आरम्भे अन्त्यतः अन्ते यावत् उल्लेखः कृतः एव, तथा च मस्कः ट्विट्टरे अवदत् यत् एतत् इनपुट् तः आउटपुट् यावत् प्रत्यक्षकारनियन्त्रणस्य सम्पूर्णं प्रतिरूपं मूर्तरूपं ददाति । एतत् वार्ताम् दृष्ट्वा सर्वे स्तब्धाः अभवन्, यतः ते केवलं एतत् वस्तु न प्रस्तावितवन्तः २०१६ तमे वर्षे एनवीडिया इत्यस्य एकः मॉडलः आसीत् यस्मिन् अन्तः अन्तः उल्लेखः कृतः, परन्तु तस्य प्रभावः औसतः आसीत् तथा च एतेन केवलं समस्यायाः समाधानं कृतम्। विशेषतया सरलपरिदृश्ये तत्कालीनगणनाशक्तिं, आदर्शपरिमाणं च दृष्ट्वा सर्वेषां मनसि एषः मार्गः असम्भवः इति ।

२०२३ तमे वर्षे नूतनस्य ट्रांसफार्मर-वास्तुकलायां सुपर-बृहत् कम्प्यूटिङ्ग्-शक्तिः योजितः भविष्यति । अन्त्यतः अन्ते यावत् प्रथमं वस्तु न भवति यत् टेस्ला इत्यनेन प्रस्तावितं, परन्तु सः अधिकवृद्धिदिशि उन्नतिं कुर्वन् अस्ति । एतत् दृष्ट्वा वयं आन्तरिकरूपेण अपि चिन्तयामः पूर्वस्य मॉड्यूलर-प्रतिरूपस्य तुलने विविध-सूचनायाः अतिरेकस्य न्यूनीकरणाय अन्त-अन्त-पद्धतिः अधिका आवश्यकी अस्ति आलेखरहितप्रतिरूपे वयं मॉड्यूलर-अन्ततः अन्ते यावत् समीपस्थाः स्मः अस्माकं कृते एकं बोधात्मकं विशालं प्रतिरूपं वर्तते, यत् वस्तुतः मॉड्यूलर-अन्ततः अन्तः प्रतिरूपम् अस्ति । तदपि वयं पश्यामः यत् अन्त्यतः अन्तः प्रतिरूपस्य अद्यापि नियमानाम् आवश्यकता वर्तते, अद्यापि च मॉड्यूलेषु विभक्ताः दत्तांशाः सन्ति, मॉड्यूलेषु विभक्ताः नीतिकार्यं च अस्ति ।

अस्मिन् समये नूतनसमाधानस्य चर्चायां परिकल्पने च वयं प्रस्तावयामः यत् अन्त्यतः अन्तः समाधानं अधिकं सम्यक् अत्यावश्यकं च भवितुमर्हति। li auto इत्यत्र अतीव समृद्धाः दत्तांशाः सन्ति, अस्माकं विश्वासः अस्ति यत् एषः दत्तांशः अस्मान् उत्तमं कार्यं कर्तुं समर्थयितुं शक्नोति। अतः वयं एकं अन्ततः अन्तः एकीकृतं आर्किटेक्चरं चयनं कृतवन्तः यत् अधिकं चुनौतीपूर्णं कठिनं च भवति तस्य उपरितनसीमा अतीव उच्चा अस्ति, परन्तु तस्य दोषः अस्ति यत् स्कोरमॉड्यूलस्य प्रशिक्षणं अधिकं कठिनं भवति, यत्र आँकडा अनुपातः प्रशिक्षणविधयः च सन्ति अन्वेषणं कर्तुं बहु ज्ञानं च, परन्तु वयं अद्यापि दृढतया कठिनं किन्तु सम्यक् मार्गं चिनोमः।

प्रश्नः- अधुना बहवः ब्राण्ड्-संस्थाः अग्रणीः इति दावान् कुर्वन्ति, तथा च ली ऑटो इत्ययं बुद्धिमान्-वाहनचालनस्य प्रथम-स्तरं प्रविष्टवान् इति अपि वदति यत् एतेषां कम्पनीनां अन्त्यतः अन्ते यावत् तकनीकी-स्तरस्य मूल्याङ्कनं विपण्यां कथं करणीयम्?

लाङ्ग ज़ियान्पेङ्ग : १.तान्त्रिकदृष्ट्या साधारणग्राहकानाम् कृते चित्राणि सन्ति वा नास्ति वा इति तेषां चिन्ता नास्ति, अन्ततः अन्तः वा अन्ततः अन्तः वा यस्मिन् विषये सर्वे ध्यानं ददति तत् उत्पादः उपयोगस्य अनुभवः च तत्, तथैव उत्पादमूल्यं च । अतः वयं केनापि सह स्पर्धां कर्तुं न प्रयत्नशीलाः स्मः, परन्तु अस्माकं उपयोक्तृभ्यः उत्तमाः उत्पादाः सेवाः च प्रदातुं आशास्महे । पूर्वं उच्चगति-एनओए-इत्यस्य उपयोगः उच्च-सटीक-नक्शैः सह भवति स्म, उच्च-गति-एनओए-अनुभवः च उपयोक्तृणां आवश्यकतां पूरयति स्म । तदनन्तरं नगरस्य एनओए-निर्माणस्य प्रक्रियायां वयं बहवः पद्धतयः प्रयत्नशीलाः आसन् तथापि नगरस्य उच्च-सटीक-नक्शान् प्रदातुं शक्नोति इति नक्शा-विक्रेता नासीत् । प्रकाशप्रतिमाः प्रदातव्याः। परन्तु वयं मन्यामहे यत् प्रकाशलेखाः सम्भवाः न सन्ति, यतः एकदा पुनरावर्तनीयलेखानां आवश्यकता भवति तदा समये एव विषयाः उत्पद्यन्ते, तेषां वास्तविकरूपेण उपयोगः कर्तुं शक्यते वा इति च अद्य यत् स्थानं उपलब्धं तत् श्वः न उपलब्धं भविष्यति इति उपयोक्तृभ्यः अनुभूयते इति वयं न शक्नुमः।

अन्ते वयं केवलं चित्राणि विना एव कर्तुं निश्चयं कृतवन्तः। पूर्वं चित्ररहितं समाधानं धारणा, योजना, उप-मॉड्यूल-समाधानयोः आधारेण आसीत्, यस्मिन् बहुसंख्याकाः मैनुअल् नियमाः वास्तविकवाहनपरीक्षणं च समाविष्टम् आसीत्, बजटनिवेशस्य उल्लेखः न करणीयः, समयस्य दृष्ट्या अतीव कठिनम् आसीत् यदा मॉडल् पुनरावृत्तिः भवति तदा यदि भवान् वर्षे पूर्णे विविधानि परिस्थितयः धावितुम् इच्छति तर्हि एकवर्षद्वये वा सम्भवं न भविष्यति, उपयोक्तारः तावत्कालं प्रतीक्षितुं न शक्नुवन्ति अतः वयं अन्त्यतः अन्तः + vlm तकनीकी आर्किटेक्चरं प्रति पुनरावृत्तिम् अकरोम मम विचारेण एतत् तकनीकी समाधानं मूलतः कृत्रिमबुद्धिसमाधानम् अस्ति यत् इदं डिजाइनं न कृतम्, अपितु स्वयमेव वर्धितम्।

तदतिरिक्तं अद्य मया भवद्भ्यः विश्वप्रतिरूपस्य विषयवस्तु परिचयः कृतः। मम मते स्वायत्तवाहनस्य द्रुतपुनरावृत्तिः प्राप्तुं एषा क्षमता सर्वाधिकं महत्त्वपूर्णा आवश्यका च गारण्टी अस्ति ।एकस्य आदर्शपुनरावृत्तेः पारम्परिकरीत्या परीक्षणार्थं बहूनां वाहनानां, जनानां, समयस्य च आवश्यकता भविष्यति, परन्तु अधुना वयं पूर्वं यत्र समस्याः अभवन् तत्र दृश्यानां संग्रहणार्थं, गलत् दृश्यपरिदृश्यानां पुस्तकालयं निर्मातुं जनरेशन-पुनर्निर्माण-प्रौद्योगिक्याः उपयोगं कुर्मःप्रत्येकं विमोचनात् पूर्वं सरल-असत्य-प्रश्नेषु एककोटि-किलोमीटर्-अधिकं परीक्षणं कृतम् आसीत्, अयं च गलत-प्रश्नानां प्रभावी समुच्चयः, न तु यादृच्छिक-मार्गपरीक्षा तदतिरिक्तं वयं परिदृश्यानि जनयितुं परिदृश्यानां अनुकरणं च कर्तुं शक्नुमः, ये अपि दशकोटि परिदृश्यपरीक्षाः सन्ति । एवं प्रकारेण आदर्शपुनरावृत्तिः अधुना मूलवाहनस्य अथवा मार्गपरीक्षणपद्धत्याः अपेक्षया बहु अधिकं विश्वसनीयं भवति, तथा च वर्षे पूर्णे विविधानि परिदृश्यानि आच्छादयितुं शक्नोति एषः अस्माकं उपायः अस्ति यत् अन्ये ब्राण्ड्-संस्थाः एतत् कुर्वन्ति वा इति वयं न जानीमः, परन्तु वयं पूर्णतया उपयोक्तृ-आवश्यकतानां आधारेण स्मः । वयं प्रौद्योगिक्याः विषये पुनरावृत्तिं कुर्मः, न तु प्रौद्योगिक्याः कृते, अपितु यतोहि एषा प्रौद्योगिकी वास्तवतः उपयोक्तृणां आवश्यकतानां समाधानं कर्तुं शक्नोति तथा च उत्तमं उत्पादस्य अनुभवं आनेतुं शक्नोति, तदा वयं एतत् करिष्यामः।

प्रश्नः- बहुकालपूर्वं कश्चन "५० अरबं विना स्मार्टड्राइविंग् कर्तुं असम्भवम्" इति विचारं प्रस्तौति स्म ।

लाङ्ग ज़ियान्पेङ्ग : १.५० अरबस्य विषये भवद्भिः न्यायः करणीयः यत् एतत् एकवारं निवेशः अस्ति वा दीर्घकालीननिवेशः यथा अद्य उक्तं यत् वयं प्रतिवर्षं स्मार्टड्राइविंग् अनुसन्धानविकासे १ अरब अमेरिकीडॉलर् निवेशयामः यदि एतत् क्रमशः १० वर्षाणि यावत् स्थास्यति। ५० कोटिभ्यः अधिकं भविष्यति ।

अन्त्यतः अन्तः + vlm तकनीकी वास्तुकला जलप्रवाहः अस्ति ।पूर्वं वयं स्वायत्तवाहनचालनार्थं पारम्परिकपद्धतीनां उपयोगं कुर्वन्तः आसन् अस्मात् पीढीतः आरभ्य वयं स्वायत्तवाहनचालनार्थं यथार्थतया कृत्रिमबुद्धेः उपयोगं कुर्मः। तदनन्तरं स्वायत्तवाहनचालनस्य अनुसन्धानविकासे मूलप्रतियोगिता अस्ति यत् अधिकाधिकं उत्तमं च दत्तांशं अस्ति वा, प्रतिरूपं प्रशिक्षितुं मेलकरगणनाशक्तिः च अस्ति वा इति। कम्प्यूटिंगशक्तिः, आँकडानां च अधिग्रहणं कियत् धनं व्ययितम्, कियत् संसाधनं निवेशितं च इति विषये निर्भरं भवति । एतेषु केचन वस्तूनि धनेन क्रेतुं न शक्यन्ते, यथा प्रशिक्षणदत्तांशः प्रशिक्षणमाइलेजः च प्रत्येकं कारकम्पनी स्वकीयं दत्तांशं धारयति, परस्परं न साझां करोति ।

अन्यत् यत् निवेशस्य आवश्यकता वर्तते तत् कम्प्यूटिंग् शक्तिः ।अस्माकं वर्तमानगणनाशक्तिः ५३९ मिलियन eflops अस्य वर्षस्य अन्ते ८० कोटि eflops भविष्यति इति अपेक्षा अस्ति एतत् अधुना १ अरब युआन् न भवति, अपितु २ अरब युआन् व्ययः अस्ति, यस्य उपभोगः वर्षे २ अरब युआन् भविष्यति। भविष्ये l4-पदे प्रवेशे वार्षिकदत्तांशवृद्धिः कम्प्यूटिंगशक्तिवृद्धिः च घातीयः भविष्यति, यस्य अर्थः अस्ति यत् प्रतिवर्षं न्यूनातिन्यूनं १ अरब अमेरिकी-डॉलर् (षड्-सप्त-अर्ब-युआन्)-रूप्यकाणां आवश्यकता भविष्यति तथा च ५ वर्षाणां अनन्तरं तस्य पुनरावृत्तिः निरन्तरं कर्तुं आवश्यकता भविष्यति यदि कस्यापि कम्पनीयाः लाभः लाभः च निवेशस्य समर्थनं कर्तुं न शक्नोति। अतः इदानीं स्वायत्तवाहनचालने कियत् अरब-रूप्यकाणां निवेशः भवति इति विषये ध्यानं दातुं आवश्यकता नास्ति तस्य स्थाने वयं सारतः आरभ्य पश्यामः यत् पर्याप्तं कम्प्यूटिंग्-शक्तिः, आँकडा-समर्थनं च अस्ति वा, ततः कियत् धनं निवेशयितुं आवश्यकम् इति पश्यामः | .

प्रश्नः- यदा दत्तांशस्य परिमाणं बहु विशालं नास्ति तदा मॉडलस्य सुरक्षां कथं सुनिश्चितं कर्तव्यम्?

लाङ्ग ज़ियान्पेङ्ग : १."सुरक्षा" एकः विषयः अस्ति यः बहु ध्यानं आकर्षितवान्, समन्वयसमस्याः सन्ति वा, स्वतन्त्राः सुरक्षामॉड्यूलाः सन्ति वा इत्यादयः । सर्वेषां एताः समस्याः यस्मात् कारणं भवति तस्य कारणं अस्ति यत् सर्वे अतीतानां गैर-एआई स्वायत्तवाहनचालनसंशोधनविकासस्य दृष्ट्या चिन्तयन्ति। यथा अहं अश्वं आरुह्य गच्छामि स्म सः मां पृच्छति स्म यत् याने काठी अस्ति वा इति। यतोहि सर्वेषां कृते एआइ-प्रथाः किम्, अ-एआइ-अभ्यासाः किम् इति न अवगतवन्तः एषः प्रथमः बिन्दुः ।

द्वितीयं, इदानीं बहवः जनाः वदन्ति यत् तेषां अन्तः अन्तः प्रतिरूपं अस्ति, परन्तु वास्तविकं अन्तः अन्तः प्रतिरूपं अद्यापि द्वयोः क्षमतायोः उपरि निर्भरं भवति यत् पर्याप्तदत्तांशः अस्ति वा, पर्याप्तं गणनाशक्तिः अस्ति वा इति अन्यथा अहं मन्ये यत् सत्यं अन्तः अन्तः प्राप्तुं कठिनं भविष्यति, यतः अन्तः अन्तः ai उपायः अस्ति ।

तृतीयम्, अन्त्यतः अन्तः क्षमतायाः ऊर्ध्वनीचसीमा अतीव उच्चा भवति । अहं उपमां करोमि cnn (deep neural network model) इत्यस्य बहिः आगमनात् पूर्वं सर्वे अद्यापि किञ्चित् कार्यं कर्तुं पारम्परिकयन्त्रशिक्षणपद्धतीनां उपयोगं कुर्वन्ति स्म, यथा तस्मिन् समये वयं परिचिताः चित्रवर्गीकरणकार्यं, svm एल्गोरिदम्स् इत्यस्य अड़चनानां सामनां कृतवन्तः परन्तु cnn बहिः आगत्य एव ते अभिभूताः अभवन् स्वस्य 10%+ सुधारं दमितवान्। अहं यत् व्यक्तं कर्तुम् इच्छामि तत् अस्ति यत् सर्वेषां अन्तः अन्तः क्षमताः यथार्थतया न अवगताः, वयं च आन्तरिक-बीटा-उपयोक्तृभ्यः तत् धक्कायितुं न त्वरिष्यामः ।

यदा वयं गैर-ai पद्धतीनां उपयोगं कुर्मः तदा अस्माभिः ऊर्ध्वाधरनियन्त्रणविवरणानां दृष्ट्या बहु परिदृश्यानां विचारः करणीयः भवति एवं प्रकारेण दृश्यनियमानां परिकल्पनायां निश्चितानां अन्तर्गतं काः क्रियाः कर्तव्याः इति निर्धारयितुं बहुशर्ताः निर्धारयितुं आवश्यकाः सन्ति शर्ताः। परन्तु यदा अस्माकं प्रथमं संस्करणं अन्त्यतः अन्ते यावत् प्रशिक्षितं तदा अहं ज्ञातवान् यत् प्रत्येकस्मिन् चौराहे अथवा दीर्घकालीननियन्त्रणस्य आवश्यकतां जनयति इति परिस्थितौ अतीव आरामदायकं भविष्यति विशेषस्थितीनां कृते वयं त्रुटिनिवारणं न कृतवन्तः, तत् मॉडलस्य स्वयमेव प्रशिक्षितुं क्षमता आसीत् । नियमनिर्माणकाले अस्माकं महती समस्या भवति इति ज्ञातुं शक्यते यतोहि परिदृश्यानि अतिविविधाः सन्ति तथा च सर्वेषां परिदृश्यानां नियमनिर्धारणं अस्माकं कृते असम्भवम्। परन्तु यदा वयं ए.आइ , परन्तु इदं प्रतिरूपस्य महत्त्वपूर्णं सुधारं कर्तुं शक्नोति। यद्यपि अद्यापि तस्य स्वकीयाः सीमाः सन्ति तथापि वयं यथा समाधानं कुर्मः तत् नियमनिर्धारणं न भवति, अपितु अधिकाधिकं उत्तमं च दत्तांशं दातुं भवति ।

तथैव अस्माकं नियन्त्रणमॉड्यूले नो-ब्रेनर् रणनीतिः अपि अस्ति । यतः अस्माकं अन्त्यतः अन्तः संवेदकनिवेशः प्रक्षेपवक्रनिर्गमस्य निवेशः भवति, प्रक्षेपवक्रनिर्गमः च सुगति-ब्रेकिंग-मॉड्यूलेषु दत्तः भवति उदाहरणार्थम्, यदि एतत् तीक्ष्णं १८०°-मोड़ं कर्तुं योजनां करोति । we will constraints are implemented, परन्तु एतादृशाः समानाः नियमाः अत्यल्पाः सन्ति, येषां पूर्वपद्धतेः तुलने उपेक्षितुं शक्यते ।

तस्मिन् एव काले वयं सुरक्षायाः तलरेखायां क्षमतायाः उपरितनसीमायां च सुधारं कृतवन्तः अस्माकं दृष्टिकोणः अस्ति यत् तस्मै उच्चगुणवत्तायुक्तानि आँकडानि निरन्तरं प्रदातुं शक्नुमः, तथा च एतत् निश्चितरूपेण बहु सुरक्षितवाहनचालन-अभ्यासान् ज्ञास्यति |.

प्रश्नः- अन्तः अन्तः + vlm दत्तांशः स्वच्छः इति कथं सुनिश्चितं कर्तव्यम्?

झान कुन् : १.अन्त्यतः अन्ते वा vlm इति कृत्वा दत्तांशः सर्वाधिकं महत्त्वपूर्णः अस्ति, बृहत् मॉडल् इत्यनेन सर्वदा उच्चगुणवत्तायुक्तदत्तांशस्य उपरि बलं दत्तम् अस्ति ।अतः अस्माकं प्रथमं सोपानं दत्तांशस्रोतानां स्वच्छता अस्ति ।अस्माकं वाहनचालनदत्तांशस्य चयनम् अतीव कठोरम् अस्ति अस्माकं प्रत्येकस्य कारस्वामिनः कृते आन्तरिकः स्कोरः अस्ति, यस्मिन् विविधाः आयामाः सन्ति तथा च भारितम् अस्ति, यथा वाहनचालनस्य उल्लङ्घनं अस्ति वा, रेखा दीर्घकालं यावत् दबाविता अस्ति वा, विरामः वा line has been parked, and whether the driving process is शीर्ष 3% उपयोक्तारः विभिन्नैः सूचकैः दत्ताङ्कानां आधारेण "अनुभविताः चालकाः" इति चयनिताः भविष्यन्ति यथा यदा सुगतिचक्रं मध्यमरूपेण अथवा तात्कालिकरूपेण भ्रमति अथवा असुविधां अनुभवति। आदर्शबृहत्-प्रमाणस्य दत्तांशस्य सन्दर्भे प्रथमः ३% अपि अतीव विशालः दत्तांशः अस्ति यत् अस्माभिः प्राप्तः दत्तांशः अतीव उत्तमः अस्ति इति सुनिश्चितं कर्तुं शक्नोति न्यूनातिन्यूनं वाहनचालनव्यवहारः मानकीकृतः, आरामदायकः, उचितः च अस्ति यदि दत्तांशः अन्तः अन्ते दत्तः भवति।

द्वितीयस्तरस्य अपि परीक्षणं भवति, अस्माभिः केषुचित् परिदृश्येषु आदर्शनमूनानां मेलनं वर्गीकरणं च करणीयम् अस्ति, तथा च मूल्याङ्कनप्रतिमानाः, मूल्याङ्कनविधयः, केचन नियमाः च भविष्यन्ति दत्तांशं स्वच्छं कर्तुं शक्नोति तथा च प्रत्येकं प्रकारस्य दत्तांशस्य अत्यन्तं विस्तृतेषु टैग्-मध्ये वर्गीकरणं कर्तुं शक्नोति ।

अन्तिमस्तरस्य मध्ये वयं ज्ञास्यामः यत् प्रशिक्षणप्रक्रियायाः समये के नमूनाः ज्ञातुं कठिनाः सन्ति तथा च शिक्षणरणनीतिं समायोजयिष्यामः, यत्र सुदृढीकरणशिक्षणस्य विपरीतशिक्षणस्य च कृते केचन कृत्रिमदत्तांशस्य जानी-बुझकर निर्माणं भवति। अस्माकं दत्तांशस्य कृते शिक्षणविधिषु किञ्चित् समायोजनं कुर्वन्तु, येन अस्माकं सम्पूर्णः अन्तः अन्तः दत्तांशः vlm दत्तांशः च सुसत्यापितः स्वच्छः च भविष्यति, तथा च परिणामी प्रतिरूपं श्रेष्ठं भविष्यति एषा प्रक्रिया रात्रौ एव न भवति ।

लाङ्ग ज़ियान्पेङ्ग : १.अन्यत् समस्या अस्ति, मलिनदत्तांशस्य समस्या । प्रशिक्षणार्थं अस्माकं दत्तांशमात्रा अद्यापि तुल्यकालिकरूपेण बृहत् अस्ति यद्यपि पश्चात् अस्माकं समीपे अत्यल्पाः मलिनदत्तांशः अस्ति, यतः एआइ क्षमताप्रशिक्षणस्य एतादृशः दागः नास्ति यः सम्पूर्णं प्रभावं प्रदूषयितुं शक्नोति, अतः यावत् सटीकदत्तांशस्य परिमाणं पर्याप्तं विशालं भवति, तत्र will be a little interference दत्तांशस्य अपि बहु महत्त्वं नास्ति।

प्रश्नः - विगतकेषु वर्षेषु स्मार्टड्राइविंग् इत्यस्य प्रौद्योगिकीयुद्धे तीव्रगत्या परिवर्तनं जातम् अस्ति तथा च अनेकाः प्रमुखाः पुनरावृत्तयः अभवन् किं अन्ततः अन्तः + vlm दीर्घकालीनजीवनशक्तियुक्तः रूपरेखा भविष्यति?

लाङ्ग ज़ियान्पेङ्ग : १.अन्ततः अन्तः + vlm एकः वास्तुकला अस्ति या मानवीयचिन्तनस्य संज्ञानस्य च अनुकरणं करोति, यतः यदा वयं कृत्रिमबुद्धिं कुर्मः तदा अन्ततः वयं मानवरूपतां वा मानवसदृशतां प्राप्तुं आशास्महे। "चिन्तनम्, द्रुतं मन्दं च" इति पुस्तकं पठित्वा अहं बहु प्रेरितः अभवम्, अन्ते च ज्ञातुम् इच्छामि यत् जनाः कथं संज्ञानं चिन्तनं च कुर्वन्ति वयं मन्यामहे वर्तमानस्य कृत्रिमबुद्धेः रूपरेखा अतीव युक्तियुक्ता अस्ति, तथा च वयं तदनन्तरं तत् दृष्ट्वा अपि अतीव प्रसन्नाः अस्मि वयं तत् प्रस्तावितवन्तः, उद्योगे बहवः कम्पनयः द्वय-प्रणाली-सिद्धान्तस्य लाभस्य उल्लेखं कर्तुं आरब्धवन्तः, अनुवर्तनं च कर्तुं प्रयतन्ते च। अपि च, द्वयतन्त्रसिद्धान्तस्य उपयोगः न केवलं स्वायत्तवाहनचालने कर्तुं शक्यते, अपितु भविष्यस्य कृत्रिमबुद्धेः बुद्धिमान् रोबोट्-इत्यस्य अपि प्रतिमानम् अस्ति स्वायत्तवाहनचालनं चक्रयुक्तः बुद्धिमान् रोबोट् इति वक्तुं शक्यते, परन्तु तस्य कार्यव्याप्तिः मार्गः एव । अतः अहं मन्ये यत् अस्य कतिपयानि दीर्घकालीनक्षमतानि सन्ति, परन्तु प्रौद्योगिकीविकासः अनन्तः अस्ति वयं उन्नतप्रौद्योगिकीनां विषये तीक्ष्णजागरूकतां स्थापयिष्यामः, यदि नूतनाः प्रौद्योगिकयः सन्ति तर्हि तान् अपि अनुसरणं करिष्यामः।

प्रश्नः- आदर्शः सम्प्रति मन्यते यत् मम टेस्ला-इत्यस्य स्मार्ट-वाहनचालनस्य च मध्ये महत् अन्तरम् अस्ति, अहं च कदा तत् ग्रहीतुं शक्नोमि?

लाङ्ग ज़ियान्पेङ्ग : १.गतवर्षे अहं उत्तरितवान् यत् अर्धवर्षात् न्यूनम् अस्ति, अस्मिन् वर्षे किञ्चित् न्यूनं भवेत्। प्रथमं, तकनीकी वास्तुकलानां दृष्ट्या वयं टेस्लातः बहु भिन्नाः न स्मः, अपि च किञ्चित् अग्रे अपि स्मः, यतः अस्माकं कृते vlm तथा system 2 अस्ति, यदा तु tesla इत्यस्य केवलं system 1 अस्ति, अन्तः अन्तः द्वितीयं, चीनस्य प्रशिक्षणगणनाशक्तिः प्रशिक्षणदत्तांशस्य च दृष्ट्या वयं मन्यामहे यत् न्यूनातिन्यूनम् इतः परं वयं टेस्लातः अग्रे स्मः, यतः टेस्ला अद्यापि चीनदेशे आँकडानुपालनस्य दृष्ट्या, तथैव प्रशिक्षणस्य the deployment इत्यस्य दृष्ट्या केषाञ्चन बाधानां अधीनः अस्ति of computing power इत्यस्य अद्यापि चीनदेशे स्थापनायाः आवश्यकता वर्तते। अस्मात् दृष्ट्या चीनदेशे टेस्ला-देशे च अस्माकं मध्ये अन्तरं तावत् महत् न भवेत् इति वयम् अपि विशेषतया आशास्महे यत् टेस्ला-सङ्घः सम्मिलितुं शक्नोति, परस्परं शिक्षितुं शक्नोति, स्वस्य उन्नतिं कर्तुं च केन्द्रीक्रियते |.

प्रश्नः- बुद्धिमान् वाहनचालनस्य कृते ai मार्गः सर्वथा सम्यक् नास्ति इति मतम् अस्ति, तथा च अहं न मन्ये यत् एषः मार्गः कार्यं कर्तुं शक्नोति, यतः l2 न्यूनव्ययस्य बहुमुखी प्रतिभायाः वा अधिकं ध्यानं ददाति, परन्तु l4 केवलं सार्वत्रिकतां प्राप्तुं शक्नोति सुरक्षा समाधानं प्राप्नोति, अतः सामूहिकं उत्पादनं कारः l4 भवितुम् अर्हति वा?

लाङ्ग ज़ियान्पेङ्ग : १.प्रथमः,वयं मन्यामहे यत् सर्वं उपयोक्तुः आवश्यकताभ्यः उपयोक्तृमूल्यात् च आरभ्यत इति ।li auto द्वारा निर्मितं किमपि उत्पादं उपयोक्तृमूल्यं अतिक्रमितुं वा सन्तुष्टं वा कर्तव्यं यदा उपयोक्तारः तत् मूल्यवान् इति पश्यन्ति। वयं मन्यामहे यत् उपयोक्तृभ्यः स्वायत्तवाहनचालनस्य माङ्गल्यं भवितुमर्हति, अतः अस्माकं कृते एतत् डिजाइनं कर्तुं असम्भवं यत् उपयोक्तारः केवलं चेङ्गडुनगरे l4 चालयितुं शक्नुवन्ति अन्यत्र न।

द्वितीयं, प्रगतिशीलः अथवा लीप्-फोरवर्ड-तकनीकीमार्गः प्रत्येकं ब्राण्ड्-विषये चर्चां कर्तुं स्वस्य तकनीकीमार्गस्य चयनं च कर्तुं शक्नोति ।परन्तु li auto निश्चितरूपेण एकं तान्त्रिकं मार्गं चिनोति यत् उपयोक्तृणां आवश्यकतां पूरयति।वयम् अधुना स्वायत्तवाहनचालनार्थं कृत्रिमबुद्धेः उपयोगं कर्तुं चयनं कुर्मः । पूर्वं सहायकवाहनचालनम् इति कथ्यते स्म, एषा व्यवस्था जनान् चालयितुं साहाय्यं करोति स्म, विषयः च जनाः आसीत् । परन्तु अन्त्यतः अन्तः + vlm चरणस्य अनन्तरं वयं मन्यामहे यत् कारः स्वयमेव चालयिष्यति। एकं सम्पूर्णं मॉडलं प्रशिक्षयित्वा, मॉडलः कारं सम्यक् चालयितुं समर्थः भविष्यति अहं पर्यवेक्षणं करिष्यामि यत्र कारः कार्यं न करोति अथवा यदि संकेताः सन्ति यत् तस्य अधिग्रहणस्य आवश्यकता अस्ति तथापि विषयः कारः एव भवितुमर्हति पर्यवेक्षणे सहायकभूमिकारूपेण कार्यं करिष्यति यदि एतत् स्तरं प्राप्नोति तर्हि अस्मान् स्वायत्तवाहनचालनस्य उपयोक्तृणां माङ्गल्यं तृप्तं करिष्यति।

प्रश्नः- किं li auto इत्यस्य उच्चस्तरीयस्मार्टड्राइविंग् इत्यस्य शुल्कं ग्रहीतुं किमपि योजना अस्ति?

लाङ्ग ज़ियान्पेङ्ग : १.मानकं निःशुल्कं च द्वौ रणनीतौ स्तः यत् आदर्शेन स्मार्टड्राइविंग् इत्यस्य प्रथमदिनात् एव निर्मितम् अस्ति “supervised autonomous driving” सर्वेषां ad max स्वामिनः कृते निःशुल्कम् अस्ति। वितरणस्य मात्रा तुल्यकालिकरूपेण उत्तमः अस्ति तथा च कम्पनीयाः कार्याणि स्थिराः सन्ति स्मार्ट-ड्राइविंग-अनुसन्धान-विकासयोः निवेशार्थं पर्याप्ताः संसाधनाः अपि अस्याः सन्ति । वितरणस्य मात्रा अतीव महत्त्वपूर्णः मेट्रिकः अस्ति अस्माकं कृते केवलं वितरणस्य मात्रायाः विषये एव नास्ति, अपितु स्वायत्तवाहनचालनार्थं अधिकानि वाहनप्रशिक्षणमाइलानि अपि प्रदातुं शक्नोति।