چرا تسلا به‌رغم ادعای ایلان ماسک شرکت هوش مصنوعی بزرگی نیست؟

ایلان ماسک، مدیرعامل تسلا، ادعا می‌کند تسلا به لطف حجم عظیمی از داده‌های ویدیویی که خودروهایش جمع‌آوری می‌کنند، در آینده باارزش‌ترین شرکت هوش مصنوعی جهان خواهد شد اما آیا واقعاً چنین داده‌هایی به شرکت مزیت رقابتی می‌دهند؟

اگر به گفته‌های ایلان ماسک باور دارید، دیگر نباید تسلا را تولیدکننده خودروهای الکتریکی در نظر بگیرید و باید به چشم شرکت هوش AI نیز نگاهش کنیم؛ ماسک به مجموعه داده‌هایی که از خودروهایش جمع‌آوری‌ کرده اعتماد دارد. حجم داده‌های جمع‌آوری‌شده از خودروهای تسلا به چندین پتابایت رسیده است؛ زیرا مشتریان خودروهای تسلا هر روز در سراسر جهان میلیون‌ها مایل رانندگی می‌کنند.

چرا تسلا واقعاً شرکت هوش مصنوعی بزرگی نیست؟

در تئوری، همه این داده‌های دنیای واقعی دقیقاً همان چیزی هستند که تسلا برای آموزش خودروهایش برای خودران شدن بدون نیاز به کمک انسانی، به آنها نیاز دارد؛ آموزش خودروهای تسلا برای خودران شدن، هدف کانونی چشم‌انداز ماسک برای آینده تسلا محسوب می‌شود اما دراین‌میان مشکلی هست؛ این داده‌ها لزوماً آن‌قدر هم که ماسک ادعا می‌کند مفید نیستند و برخی از آنها اصلاً کارایی ندارند.

ساخت سیستم هوش مصنوعی که بتواند به‌خوبی انسان رانندگی کند، چالشی است که به میزان قابل‌توجهی با ساخت چت‌بات پردازش زبان طبیعی مانند ChatGPT متفاوت است؛ ChatGPT با میلیاردها کلمه‌ای آموزش دیده که از اینترنت جمع‌آوری‌ شده‌اند. هدف از ایجاد ChatGPT و سیستم‌های رقیب مانند Grok از شرکت xAI استفاده از رویکرد تشخیص الگو برای ارائه اطلاعات قابل‌اعتماد و پاسخ به سؤالات است، در بدترین حالت نتایج اغلب بسیار ناامیدکننده می‌شوند اما اگر هوش مصنوعی کنترل‌کننده وسیله نقلیه اشتباه کند، جان انسان‌ها در خطر خواهد بود.

رانندگی خودرو مسئله‌ای کاملاً متفاوت است که تحت‌تأثیر متغیرهای متنوع قرار دارد؛ متغیرهایی مثل شرایط رانندگی، آب‌وهوا، ساخت‌وساز، تغییر الگوهای ترافیکی و نحوه حرکت سایر وسایل نقلیه. مدیریت موفق تمام این متغیرها و آمادگی برای واکنش به اتفاقات غیرمنتظره، ماهیت اصلی هوش مصنوعی مسئول رانندگی خودکار است. آموزش AI با ویدیوهای بی‌پایان از رانندگی در بزرگراه‌ها، کمک چندانی به یادگیری مهم‌ترین چیزهایی که این فناوری باید بداند، نمی‌کند؛ این داده‌ها فقط می‌توانند در یادگیری موارد نادری که منجر به تصادفات یا موقعیت‌های خطرناک می‌شوند، به هوش مصنوعی کمک کنند. 

این فناوری می‌تواند رانندگی شما را در شرایط عادی بسیار روان کند اما وقتی شرایط کمی غیرعادی شود، دیگر چیزی در چنته ندارید

این جمله دانشمند کامپیوتر و مدیر اجرایی شرکت فناوری خودران است که نخواست نامش فاش شود؛ زیرا نمی‌خواست علنی از تسلا انتقاد کند. وی در ادامه گفته‌هایش اذعان کرد:

شما فقط عادت‌های بد را یاد گرفته‌اید. ۹ نفر از هر ۱۰ نفر بدون توقف کامل از تابلو ایست عبور می‌کنند. اگر فقط از رفتار مردم الگو بگیرید، شما هم از تابلوهای ایست عبور خواهید کرد.

به همین دلیل رقبای تاکسی‌های رباتیک تسلا برای ثبت تصاویر سه‌بعدی و رادار برای تشخیص اجسام جامد در مسیر خودرو، از لیدار لیزری استفاده می‌کنند تا تصاویری غنی‌تر و دقیق‌تری از محیط اطراف به دست بیاورند. ممکن است استفاده صرف از داده‌های دوربین امکان‌پذیر باشد اما به «بهترین سیستم‌های دوربین برای مدیریت آن» نیاز دارید. «دراگو آنگوئلوف» (Drago Anguelov)، رئیس بخش تحقیقات، شرکت صاحب تاکسی‌های خودران «وِیمو» (Waymo)، چند سال پیش در کنفرانس توسعه‌دهندگان گوگل گفت:

این شرط‌بندی بسیار بزرگی است که می‌توانید آن را عملی کنید. این کار بسیار بسیار پرخطر است و نیازی نیست انجامش دهید.

«یان لکون» (Yann LeCun)، دانشمند ارشد هوش مصنوعی در متا و استاد علوم کامپیوتر دانشگاه نیویورک، نیز متقاعد نشده داده‌های تسلا به این شرکت مزیت رقابتی می‌دهد. او درباره این موضوع گفته است:

تأثیر داده‌ها عموماً بیش‌ازحد ارزیابی می‌شود؛ هرچه داده‌های بیشتری داشته باشید، عملکرد بهبود می‌یابد اما بازده آن کاهشی است. دوبرابرکردن حجم داده‌ها فقط بهبودهای جزئی ایجاد می‌کند که همچنان با قابل‌اعتماد بودن فاصله زیادی دارند.

هنوز هیچ شرکت به‌اصطلاح خودرانی با حجم عظیمی از داده‌ها سطح ۵ را توسعه نداده است؛ منظور از سطح ۵ مرحله‌ای است که در آن وسیله نقلیه بتواند در تمام شرایطی که انسان می‌تواند رانندگی کند، مستقل عمل کند.

لکون افزود:

هر نوجوان ۱۷ ساله‌ای می‌تواند با حدود ۲۰ ساعت تمرین رانندگی را یاد بگیرد. این نشان می‌دهد معماری‌های فعلی هوش مصنوعی در درک جهان و یادگیری از مقادیر محدود داده یا تجربیات قابلیتی اساسی را کم دارند.

باوجود اینکه فروش خودروهای برقی و ارزش سهام شرکت همچنان درحال سقوط است، هیچ‌یک از این مسائل باعث نشده حامیان تسلا از شرط‌بندی روی چشم‌انداز هوش مصنوعی ماسک دست بکشند. اعتراض معترضان مقابل فروشگاه‌های تسلا به نقش ماسک در جایگاه مدیر ارشد کاهش هزینه‌ها در طرح جنجالی دجِ (DOGE) رئیس‌جمهور ترامپ، نیز حامیان را ناامید نکرده است. برخی تحلیلگران بازار سهام همچنان فکر می‌کنند ماسک چیزی می‌داند که دیگران نمی‌دانند.

دن آیوز از شرکت خدمات مالی «وِدبوش سیکیوریتیس» (Wedbush Securities) به فوربس گفت:

معتقدیم فناوری خودران به‌تنهایی یک‌تریلیون دلار ارزش دارد و این فرضیه در سال‌های آینده اثبات خواهد شد.

ماسک و تسلا به درخواست‌ها برای اظهارنظر پاسخ ندادند. «آشوک اللوسوامی» (Wedbush Securities)، رئیس برنامه خودران تسلا، نیز به این موضوع واکنشی نشان نداد.

چشم‌انداز ایلان ماسک برای توسعه سیستم‌های هوش مصنوعی در تسلا

ماسک آینده تسلا را به کاربردهای هوش مصنوعی، ازجمله ربات‌های انسان‌نما و کارخانه‌های هوشمند، گره زده و از هدف بلندمدت شرکت برای فروش ۲۰ میلیون خودرو برقی در سال تا ۲۰۳۰ صرف‌نظر کرده است. یکی از دلایل احتمالی این تغییر افزایش رقابت در بازار خودروهای برقی، به‌ویژه با وجود شرکت‌هایی مانند خودروسازی بی‌وای‌دی چین است. دلیل دیگر این است که اگر تسلا بتواند مشکل رانندگی خودران را حل کند، استفاده از صدها هزار تاکسی رباتیک برقی بسیار ارزان‌تر و سودآورتر از تأسیس کارخانه‌های بیشتر برای تولید و فروش میلیون‌ها خودرو شخصی خواهد بود.

این موضوع آن‌قدر برای تسلا اساسی است که ماسک نمی‌خواهد افراد شکاک سهام این شرکت را بخرند. ماسک در تماسی که برای دریافت گزارش درآمدی سال ۲۰۲۴ با او گرفته‌ شده بود، گفت:

اگر کسی باور ندارد تسلا مسئله خودران را حل خواهد کرد، فکر می‌کنم نباید در این شرکت سرمایه‌گذاری کند.

ماسک ژانویه اعلام کرد برای بهبود نرم‌افزار «رانندگی خودران کامل» (Full Self-Driving یا FSD) از مخزن عظیم داده‌های تسلا در مرکز داده جدید این شرکت با نام «کورتکس» (Cortex) در آستین استفاده می‌شود. رانندگی خودران به‌رغم نامش، همچنان در تمام لحظات به نظارت انسانی نیاز دارد. این قابلیت مبتنی‌بر هوش مصنوعی و سیستم اولیه «اتوپایلوت تسلا»، قطعاً باید بهبود یابد؛ سیستم رانندگی خودران کامل و اتوپایلوت تسلا طی سال‌ها، با ۵۲ تصادف مرگبار در سراسر جهان مرتبط بوده‌اند.

«الکس راتنر» (Alex Ratner)، دانشمند کامپیوتر و مدیرعامل «اِسنورکل اِی‌آی» (Snorkel AI)، شرکت تولیدکننده نرم‌افزار خودکارسازی برچسب‌گذاری داده‌های خام درباره این موضوع گفته است:

حجم عظیم داده‌های دوربینی مفید است اما این داده‌ها تسلا را خودبه‌خود به رهبر بازار هوش مصنوعی تبدیل نمی‌کنند. «دسترسی به منابع داده منحصربه‌فرد قطعاً نوعی مزیت محسوب می‌شود.»

«راتنر» (Ratner) که یکی از اعضای خانواده‌اش در ویمو کار می‌کند، درباره استفاده از داده‌ها برای آموزش هوش مصنوعی به فوربس گفته است:

در زمینه انتخاب و مدیریت داده‌ها باید بگوییم اینکه ویدیوی دریافتی از راننده خوب آمده یا از رانند بد، مسئله‌ای ساده‌ای نیست و فوق‌العاده اهمیت دارد؛ زیرا این مدل‌ها از رایج‌ترین چیزهایی که می‌بینند، یاد می‌گیرند.

شرکت‌هایی که سال‌ها مشغول توسعه هوش مصنوعی برای رانندگی ایمن خودروها و کامیون‌ها بوده‌اند، مانند «آئورا» (Aurora)، «زوکس» (zoox) و «وابی» (Waabi) بر ایجاد داده‌های باکیفیت تمرکز کرده‌اند که شامل تعداد کافی از موارد نادر می‌شود. آنها از شبیه‌سازی‌های پیشرفته کامپیوتری و آزمایش‌های ساختاریافته دنیای واقعی برای تسلط بر موقعیت‌های جاده‌ای خطرناک یا غیرمعمول استفاده می‌کنند. داده‌های تسلا لزوماً بازتاب‌دهنده این رویدادهای بسیار نادر نیست.

«میسی کامینگز» (Missy Cummings)، متخصص هوش مصنوعی و استاد دانشگاه جورج میسون (George Mason University) که به نهادهای فدرال و قانون‌گذاران کالیفرنیا در زمینه فناوری خودروهای خودران مشاوره داده است، درباره این موضوع می‌گوید:

هیچ تضمینی وجود ندارد که برای آموزش تمام موارد نادر و پیچیده‌ای که خودروها باید یاد بگیرند، داده‌ها واقعی باشند تا به یادگیری واقعی منجر شود.

 به‌این‌ترتیب حل مشکلاتی را دشوار می‌کند که توسعه‌دهندگان خودروهای خودران هنگام تشخیص اشتباه شرایط جاده به‌عنوان خطر توسط هوش مصنوعی، با آن مواجه شده‌اند؛ مشکلاتی مانند ترمزگرفتن‌های ناگهانی و غیرمنتظره سیستم ترمز فانتوم تسلا.

حتی شناسایی مهم‌ترین بخش‌های داده‌های رانندگی برای آموزش، از میان حجم بی‌پایانی از ویدیوهای جاده‌ای، کار بسیار دشواری است. محقق خودروهای خودران و دانشمند کامپیوتر که با رویکرد تسلا آشناست اما نخواست نامش فاش شود، درباره این موضوع گفت:

 پس شما حجم عظیمی از داده‌های رانندگی را دارید اما کارشناسان آموزش چگونه مطمئن می‌شوند تمام بخش‌های مهم برای آموزش مدل انتخاب شده است؟

تشخیص آن دشوار است؛ زیرا تسلا درباره فرایندش شفاف نیست. مهندسان سایر شرکت‌های بزرگ فناوری مرتب مقالاتی منتشر می‌کنند و آخرین پژوهش‌هایشان را توضیح می‌دهد ولی نمی‌توان تسلا را عضو فعالی در جامعه تحقیقاتی هوش مصنوعی در نظر گرفت. 

 یان لکون گفت درباره فعالیت تسلا در دنیای هوش مصنوعی گفته است: 

تسلا در دنیای تحقیق و توسعه هوش مصنوعی، کنفرانس‌ها، مقالات علمی و غیره، تقریباً شرکت نمی‌کند؛ انگار اصلاً وجود خارجی ندارد.

کارنامه پر از شکست تسلا

دستاوردهای تسلا در زمینه رانندگی خودران بارها و بارها از اهدافی که ایلان ماسک اعلام‌ کرده، عقب مانده است.

سال ۲۰۱۶، ماسک وعده داد خودروی تسلا بدون مداخله انسانی می‌تواند از یک طرف آمریکا به‌ طرف دیگر رانندگی کند، اما این وعده هنوز محقق نشده است.

تسلا به هدف صاحبش در سال ۲۰۱۹ برای راه‌اندازی یک‌میلیون تاکسی رباتیک تا سال ۲۰۲۰ حتی نزدیک هم نشده.

 یان لکون دراین‌باره گفته است:

ایلان ماسک مداوم ادعاهای بزرگ و اغراق‌آمیز می‌کند و نتایج آنها بسیار کمتر از حد انتظار بوده است، تقریباً یک دهه. شاهد چنین موضوعی بوده‌ایم برای بسیاری از ما واضح بود که تمام این ادعاها یا دروغ بوده‌اند یا نشانه‌ای از توهم خود ماسک. نمی‌فهمم چطور هنوز کسی می‌تواند ادعاهای او در این موضوع باور کند.

اما این موضوع نتوانسته ماسک را از وعده‌دادن بیشتر و بیشتر بازدارد یا طرفداران متعصب او را از ادامه سرمایه‌گذاری منصرف کند. به نظر می‌رسد نمونه‌هایی که او تاکنون نشان داده، هنوز فاصله زیادی با واقعیت دارند.

اکتبر گذشته، ماسک تاکسی رباتیک شرکتش با نام «سایبرکب» (CyberCab) را به نمایش گذاشت. تاکسی تسلا شرکت‌کنندگان این رویداد را در محوطه استودیوهای فیلم‌سازی یونیورسال «Universal Studios» در لس‌آنجلس جابه‌جا می‌کرد اما حتی در چنین شرایطی که تاکسی در محوطه استودیویی بسته قرار داشت، تکنسین‌های تسلا حضور داشتند و بر رانندگی آن نظارت می‌کنند یا حتی کنترل از راه دور نمونه‌های اولیه با سرعت پایین را در اختیار داشتند.

نسخه‌های ربات انسان‌نمای «اپتیموس» (Optimus) تسلا که برای سرو نوشیدنی به شرکت‌کنندگان در نظر گرفته شده بودند، نیز از راه دور کنترل می‌شدند.

ماسک در تماسی که درباره دریافت نتیجه مالی با او گرفته شد، درمورد ربات اپتیموس گفت:

فکر می‌کنم اپتیموس در بلندمدت پتانسیل درآمدزایی بیش از ۱۰ تریلیون دلار را دارد، واقعاً دیوانه‌کننده است.

البته آزمایش واقعی تاکسی رباتیک تسلا در ژوئن با سرویس آزمایشی تاکسی رباتیک تسلا در آستین انجام خواهد شد؛ به شرطی که به‌موقع راه‌اندازی شود.

ماسک در تماس برای دریافت نتیجه‌های مالی گفت:

ما آن را بسیار دقیق بررسی می‌کنیم تا مطمئن شویم چیزی از دست نداده‌ایم. این سرویس خودران کرایه خودرو ابتدا برای کسب درآمد در آستین راه‌اندازی می‌شود، سپس در اسرع وقت در دیگر شهرهای آمریکا نیز رونمایی خواهد شد.

تسلا برای گرفتن مجوز راه‌اندازی سرویس مشابه تاکسی در کالیفرنیا نیز اقدام کرده است. این سرویس با خودروهایی که مالک و اپراتور آنها خود تسلاست اجرا می‌شود، نه تاکسی‌های رباتیک.

یان لکون درباره شرکت تسلا گفته است:

تسلا نمی‌تواند خودروهای خودران کاملاً مستقل از انسان تولید کند. این شرکت سازمانی تحقیقاتی با آزادی کافی و دانشمندانی با استعدادهای کافی برای رسیدن به این هدف ندارد.

ماسک می‌توانست در رقابت با شرکت ویمو متعلق به شرکت آلفابت که پیشتاز بلامنازع حوزه تاکسی رباتیک است، عقب نماند و ویمو از مدتی پیش سرویس تاکسی رباتیک خود را در فینیکس، سان‌فرانسیسکو، لس‌آنجلس و آستین راه‌ انداخته است. 

ویمو ماه گذشته اعلام کرد با ناوگانی حدود ۷۰۰ خودرو، بیش از ۲۰۰ هزار سفر پرداخت‌شده در هفته انجام می‌دهد. فعالیت این شرکت در پایان سال جاری در آتلانتا آغاز شد و مسئولان آن قصد دارد سال آینده سرویس خود را در میامی نیز راه‌ بیندازند. آلفابت درآمد ویمو را افشا نکرده، البته طبق تخمین‌ها درآمد آن با بیش از ۴ میلیون سفر رزروشده در سال ۲۰۲۴، ۱۰۰ میلیون دلار بوده است.

تاکنون حوادث کشنده‌ای برای ناوگان رباتیک ویمو ثبت نشده است اما شاهد حوادث جزئی مرتبط با آنها بوده‌ایم. در عین‌حال، مالکان تسلا مرتب ویدیوهایی از خودروهایشان در حالت رانندگی خودران کامل آپلود می‌کنند که خودرو در این حالت، حرکات خطرناکی انجام می‌دهد؛ مثل عبور از چراغ قرمز در خروجی آزادراه در نیوجرسی که نزدیک بود منجر به تصادف شود یا ردکردن چراغ قرمز در چین.

درنهایت، چشم‌انداز هوش مصنوعی ماسک برای تسلا به این بستگی دارد که این فناوری از نظر مالی تا چه حد برای شرکتش ارزش خواهد داشت؛ زیرا او پیش‌بینی می‌کند می‌تواند در سال‌های آینده با هوش مصنوعی، تریلیون‌ها دلار درآمد کسب کند.

 یان لکون، یکی از کارمندان شرکت متا، معتقد است برای اینکه ماشین‌ها از ویدیو بیاموزند جهان چگونه کار می‌کند، باید تغییری اساسی ایجاد شود و برای تحقق این تغییر حداقل یک دهه دیگر، باید تحقیق شود. او درباره این موضوع گفته است:

حس می‌کنم به هدف ساخت خودروهای خودران که سیستم‌هایشان بتوانند خود را درست مانند انسان کنترل کنند و ساخت ربات‌های انسان‌نمای عملی، دست نمی‌یابیم مگر اینکه بفهمیم چگونه می‌توان سیستم‌های هوش مصنوعی را به‌ گونه‌ای آموزش داد که مانند حیوانات و انسان‌ها کارکرد جهان را فرابگیرند.