Wietse

Kunnen we het uitrollen? Kunnen we het gaan verkopen? Is het veilig genoeg? Is het snel genoeg? Is het betaalbaar genoeg? Dat moet er allemaal aan voldoen. En om zo'n technology readiness levels die beginnen bij iemand heeft een uitvinding gedaan in een laboratorium. En die eindigen bij je kunt het bestellen. En er zitten een flink aantal fases tussen. Ik denk dat die technology readiness level van self-driving cars is overschat destijds. Zij denken we blazen nog wel door die laatste drie trapjes heen. Maar wat blijkt, zeker als het om

lerende processen gaat... om machine learning... en wat dan vandaag de dag meer... beschreven wordt als AI... en zelflerende algoritme... dat daar heel moeilijk houvast is... op voorspellen. Daar komt de bekende uitspraak van... de eerste 90% bouw je vrij snel... en die laatste 10% duurt 90% van de tijd. Dus je hebt een soort raar... fenomeen dat wanneer jij iets ontwikkelt... een stuk software wat nog niet eerder gedaan is... het moet wel iets zijn waar we nog niet... zoveel ervaring mee hebben...

Is dat vaak, nou ja, iedere week maak je progressie waardoor je op een gegeven moment negen van de tien stappen gemaakt hebt. En dan bij stap acht begint iemand al te beweren in de media. Nou, we zijn er bijna jongens. En dan blijkt ineens van stap negen naar stap tien 90% van de tijd te kosten die je daarvoor al hebt gedaan. En dat is nu met de zelfrijdende auto. Dat lijkt toen moeilijk te zijn.

Wat er heel vaak misging zijn de edge cases. Dus de dingen die niet in de trainingsdata zaten. Het weer is nog steeds tot de dag van vandaag best wel een uitdaag. Schaduwen. Schaduwen, reflecties, de zon die op de achterkant van een vrachtwagen schijnt. Regen. Regen, ijs. En dan blijkt toch ineens dat wij worden eigenlijk... Want dat is wel een grappige conclusie die je ook kan trekken aan deze hele historie van de zelfrijdende auto. Dat we onszelf hebben onderschat als mens.

Want wij kunnen het wel. Ga maar naar de snelweg toe. We rijden met elkaar. De meesten van ons kunnen het. Laat ik het dan zo zeggen. En er zit een stukje overschatting van onszelf in als bestuurder. En een onderschatting van hoe groot de, wat ze dan de problem space noemen. De ruimte waarin dat probleem zich afvindt. En alle potentiële mogelijkheden. En daarmee dus ook problemen die in die ruimte zitten.

En dan blijkt dat op het moment dat jij statistieken gaat meten en iemand meestuurt in zo'n auto, dat die op een dag tien uur lang eigenlijk uitmuntend tot het verkeer heen bewoog. Ik praat dus nu over zeven jaar geleden al. En dan sporadisch ineens zichzelf een boom in reed. Of ineens gewoon over een mens heen reed. Want die verhalen zijn er ook. Ja, en daar moest er ook gewoon iemand bij zitten. Er was echt nog geen sprake van dat het ding zou rijden zonder een veiligheidsmedewerker. Samenvattend...

Dit is een beetje het verhaal wat je ook kan toepassen op andere AI-achtige takken van die boom die ik net eerder beschreef. Waar bijvoorbeeld JetGPT bij zit. Wat begon als een beetje knullig worden voor spellen en nu een deel van deze show voorbereid. Het is best wel hard gegaan de laatste drie jaar.

Aan het eind van deze serie zitten we hier niet meer. Ja, zo hard gaat het voor ons, voelt het ook voor ons een beetje. Het zou wel kunnen dat die synthetische podcast host trouwens diezelfde laatste 10% blijkt 90% van de tijd te duren. Ik hoop het. Ik hoop het zo. Iets doet aan coping op dit moment. Maar goed, we pakken even terug op jouw vraag.

Er is best wel een enorme golf aan compute. De mogelijkheid om transistors te verpakken op een kleiner oppervlak en betaalbaar te maken. Dit is wel een heel groot deel van dit verhaal. Omdat in essentie heeft eigenlijk wat we kunnen... Zo zelfrijdende auto is niet prettig als die via 5G naar een datacenter moet verbinden om te rijden. Ik weet niet of jij wel eens in de trein zit op je telefoon, maar daar heb je niet altijd verbinding mee.

Sterker nog, een telefoongesprek voeren op de snelweg is ook niet altijd prettig. Omdat die handover tussen die verschillende radiotorens niet altijd perfect gaat. Duik daar eens in trouwens als nerd. Want het is geniaal hoe ze dat gebouwd hebben. Als het wel goed gaat. Dus je wilt eigenlijk een auto hebben die een brein heeft dat lokaal is. Precies. Je moet niet afhankelijk zijn van een verbinding. Ook al verliest hij nog maar een halve seconde de verbinding. Niet best man. Niet best in het geval van een snelweg. Ja.

Dus dat betekent dat de hardware aan boord moet zijn van de machine. Dat moet die dus passen binnen de energy envelope van die wagen. Want ja, dat moet wel op de accu kunnen. Ook al is dat een hele grote zelfrijdende of een hele grote elektrische auto. Dat moet passen. Dat moet ook passen fysiek. Letterlijk, anders zit je met een supercomputer op de bank. Die eerste video's van Google stond er ook best wel wat in de achterbak, kan ik me herinneren. Los van die dakkoffer die ze hadden met allemaal LIDAR erop.

En dan heb je nog oké we hebben het voor elkaar qua energy envelope we hebben het voor elkaar het past in de achterbak sterker nog we kunnen het verstoppen onder de stoelen en dan is het nog kunnen we dit wel betalen want als het een auto is van een miljoen trouwens vind ik nog slecht voorbeeld want een zelfrijdende auto van een miljoen zou je nog in specifieke markten kunnen verkopen want je zit geen chauffeur in.

Maar als het een 10 miljoen auto is, werkt dat ook niet. Dus er moeten een aantal dingen lukken. Al deze dingen die ik net noemde, zijn inmiddels afgecheckt. De chips zijn kleiner geworden. Het energieverbruik is daardoor ook, dat gaat vaak samen met grote, kleiner geworden. Daardoor past het. Er is massaproductie, dus het is betaalbaarder geworden.

Gezien de portefeuille van Alphabet is het hebben van hele goede hardware... om AI-modellen op te draaien wel prettig. Daar gaan alle teams blij mee zijn. Waaronder de auto's. Ook het autoteam. Dus het is een stuk hardware. Dat betekent gewoon dat we wel dingen eigenlijk al een beetje konden... maar nog niet op het niveau om het te kunnen laten rondrijden. Maar daarnaast zijn er ook wel fundamentele uitvindingen gedaan... wat betreft object recognition. Je wil eigenlijk auto's laten trainen.

Ja, dus dan moet je eigenlijk allemaal trainingsdata hebben om weer virtuele wereld te kunnen genereren waar je die auto's laat trainen voor scenario's die nog niet gebeurd zijn op beeld. Dat moet je even uitleggen. Nou, je kunt natuurlijk die camerabeelden die je dan hebt, kun je allemaal in grote datasets stoppen. Dus dit zijn camerabeelden van auto's? Ja. Dus gewoon alsof er een GoPro op een camera gezet wordt? Ja, de Ultimate Dashcam Dataset.

Dus alle dashcam, dataset, maar in die zelfrijdende auto's en die allemaal miljoenen miles hebben gemaakt in testomgevingen met iemand met een toetsenbord ernaast of achter het stuur. Die data daarvan, dus dat is en visueel, gewoon sensoren zoals je die kent uit een smartphone camera, maar ook LiDAR, dus diepte met point clouds die de 3D ruimte hebben geïndexeerd zeg maar.

Ja, een soort 3D-scanner van de ruimte. Ja, de oude Kinect voor de kenners van de Xbox destijds. Als je dat dan... Daar moet je veel data van hebben. Maar op een gegeven moment heb je nooit genoeg data om iedere edge case. Die specifieke... Een kraai vliegt voor een stoplicht langs terwijl een bal rolt. Dit soort gekkigheid. Dat wil je dan eigenlijk aanvullen door synthetische simulaties. Dus dat zijn een soort droomomgevingen waarin je...

de missende data... bijcreëert, simuleert... zodat je daar een auto laat rondrijden... in een simulatie. Is dat echt wat ze hebben gedaan? Dat is wat er nu gebeurt met de world models. Ja, zeker. En ik moet zeggen... het interessante is hier wel dat... want ik zit niet... extreem diep in deze materie... maar ik heb me wel vrij breed ingelezen. Wat heel boeiend is om te zien... is dat er eigenlijk een aantal jaar geleden... zeg...

Tweeënhalf, drie jaar geleden. Best wel omwentelingen zijn gemaakt binnen die partijen die met zelfrijden bezig zijn. En ze zeiden oké, net als met die Lama 4. Die training daarvan zijn we gestart in een eerder paradigmaatje. Waar we nog dachten dat we het zo moesten doen. Terwijl dat ding in de overlag is er weer van alles uitgevonden. We moeten eigenlijk een paar van onze grondaannames alweer aanpassen. En wat je dus nu...

Dit is bijvoorbeeld ook de reden dat iets als Comma AI van George Hotz, die enkel werkt, gaan we het later nog even over hebben, die heeft gezegd we hebben geen LiDAR nodig, een mens heeft twee ogen, dus twee camera's zouden genoeg moeten zijn. Dat zij met al die nieuwe uitvindingen in de breedte van AI, van hoe je zelf traint, hoe je simuleert, hoe je synthetische data maakt, et cetera, best wel vers gekomen als het gaat om zelfrijdende auto's.