تصویرسازی توسط امیلی شرر برای فوربس؛ عکس‌ها از آپو گومز/گتی ایمیجز؛ جاپ آرینز/نورفوتو؛ وانگ ژائو/AFP؛ هانس پی آلبرت/پیکچر آلیانس
تصویرسازی توسط امیلی شرر برای فوربس؛ عکس‌ها از آپو گومز/گتی ایمیجز؛ جاپ آرینز/نورفوتو؛ وانگ ژائو/AFP؛ هانس پی آلبرت/پیکچر آلیانس

چرا تسلا آن قدرت هوش مصنوعی که ایلان ماسک می‌گوید نیست

ایلان ماسک ادعا می‌کند که این خودروساز به لطف انبوه داده‌های ویدیویی جمع‌آوری‌شده توسط خودروهایش، روزی ارزشمندترین شرکت هوش مصنوعی در جهان خواهد بود. آیا این همه داده واقعاً به شرکت یک مزیت رقابتی می‌دهد؟

تسلا دیگر نباید به عنوان یک تولید کننده خودروی الکتریکی در نظر گرفته شود. اگر حرف مدیرعامل آن، ایلان ماسک، را باور کنید، این یک شرکت هوش مصنوعی است. اعتماد به نفس او به یک مجموعه داده منحصر به فرد گره خورده است: پتابایت‌ها (petabytes) ویدیو که از خودروهای این شرکت جمع‌آوری شده است، زیرا مشتریان تسلا میلیون‌ها مایل رانندگی در سراسر جهان را ثبت می‌کنند.

از لحاظ تئوری، تمام آن داده‌های دنیای واقعی دقیقاً همان چیزی است که تسلا برای آموزش خودروهای خود برای کارکردن بدون هیچ گونه کمک انسانی نیاز دارد، هدفی که هسته اصلی چشم‌انداز ماسک برای آینده تسلا است. اما یک مشکل وجود دارد: این داده‌ها لزوماً به اندازه ادعای ماسک مفید نیستند. برخی از آنها اصلاً مفید نیستند.

ساختن هوش مصنوعی (AI) که بتواند یک خودرو را به خوبی یک انسان براند، چالشی به مراتب متفاوت‌تر از ساختن یک ربات گفتگوی پردازش زبان طبیعی (natural language processing chatbot) مانند ChatGPT است که بر روی میلیاردها کلمه جمع‌آوری شده از اینترنت آموزش داده شده است. در حالی که هدف از ChatGPT و سیستم‌های رقیب مانند Grok متعلق به xAI این است که از تشخیص الگو برای ارائه اطلاعات قابل اعتماد و پاسخ به سؤالات استفاده شود، نتایج اغلب به طرز شرم‌آوری کم می‌آورند. اما اگر هوش مصنوعی که یک وسیله نقلیه را کنترل می‌کند، اشتباه کند، ممکن است افراد بمیرند.

«هر نوجوان ۱۷ ساله‌ای می‌تواند رانندگی را در حدود ۲۰ ساعت تمرین یاد بگیرد»

رانندگی یک خودرو یک پیشنهاد بسیار متفاوت با متغیرهای بسیار بیشتر است - شرایط رانندگی، آب و هوا، ساخت و ساز، تغییر الگوهای ترافیکی، نحوه حرکت سایر وسایل نقلیه. به طور موفقیت‌آمیز درگیر کردن تمام آن متغیرها، و آماده بودن برای واکنش به تحولات غیرمنتظره، در قلب هوش مصنوعی رانندگی خودکار است. آموزش آن بر روی فیلم‌های بی‌پایان از رانندگی مردم در بزرگراه‌ها کمکی نمی‌کند تا هوش مصنوعی یاد بگیرد که چگونه با آنچه که بیشتر به آن نیاز دارد مقابله کند: موارد حاشیه‌ای که باعث تصادف یا سایر سناریوهای خطرناک می‌شوند.

یک دانشمند علوم کامپیوتر و مدیر اجرایی در یک شرکت فناوری خودران می‌گوید: «این می‌تواند باعث شود که شما در شرایط عادی بسیار روان رانندگی کنید، اما وقتی اوضاع کمی عجیب می‌شود، هیچ چیز ندارید.» او خواست نامش فاش نشود زیرا نمی‌خواست علناً از تسلا انتقاد کند. «و شما فقط عادت‌های بد را یاد گرفته‌اید. ۹ نفر از ۱۰ نفر از علامت ایست رد می‌شوند. اگر تمام کاری که انجام می‌دهید یادگیری کاری است که مردم انجام می‌دهند، از علامت ایست رد خواهید شد.»

به همین دلیل است که رقبای رباتاکسی تسلا از لیدار لیزری (laser lidar)، برای تصاویر سه بعدی، و رادار برای تشخیص اشیاء جامد در مسیر یک وسیله نقلیه استفاده می‌کنند - تا تصاویر غنی‌تر و دقیق‌تری از جهان به دست آورند. دراگو آنگلوف، رئیس تحقیقات ویمو، چند سال پیش در کنفرانس توسعه دهندگان گوگل گفت: «این یک شرط‌بندی بسیار بزرگ است که می‌توانید به آن دست یابید. این بسیار، بسیار خطرناک است و ضروری نیست.»

یان لکان (Yann LeCun)، دانشمند ارشد هوش مصنوعی متا (Meta) و استاد علوم کامپیوتر در دانشگاه نیویورک، نیز متقاعد نشده است که داده‌های تسلا به آن یک مزیت رقابتی می‌دهد.

او گفت: «تأثیر داده‌ها به طور کلی بیش از حد برآورد می‌شود: با به دست آوردن داده‌های بیشتر، عملکرد بهبود می‌یابد، اما بازدهی کاهشی وجود دارد. دو برابر شدن حجم داده‌ها، بهبودهای حاشیه‌ای را به همراه دارد که هنوز با قابلیت اطمینان انسانی فاصله زیادی دارد.» حتی با مقادیر زیادی داده، هیچ شرکتی به اصطلاح خودمختاری سطح ۵ (Level-5 autonomy) را توسعه نداده است، نقطه‌ای که در آن یک وسیله نقلیه می‌تواند خود را در تمام شرایطی که یک انسان می‌تواند رانندگی کند.

لکان گفت: «با این حال، هر نوجوان ۱۷ ساله‌ای می‌تواند رانندگی را در حدود ۲۰ ساعت تمرین یاد بگیرد. این به شما می‌گوید که معماری‌های فعلی هوش مصنوعی در توانایی خود برای درک جهان و یادگیری از مقادیر محدود داده یا آزمایش‌ها، چیز بزرگی را از دست می‌دهند.»

«اگر کسی باور ندارد که تسلا قصد دارد مشکل رانندگی خودکار را حل کند، فکر می‌کنم نباید سرمایه‌گذار این شرکت باشد»

هیچ یک از اینها مانع از شرط‌بندی طرفداران تسلا بر روی چشم‌انداز هوش مصنوعی ماسک نشده است، حتی در حالی که فروش خودروهای الکتریکی - و سهام این شرکت - همچنان رو به کاهش است و معترضان در خارج از فروشگاه‌های تسلا تظاهرات می‌کنند بر سر نقش ماسک به عنوان رئیس کاهش بودجه برای طرح DOGE بحث‌برانگیز رئیس جمهور ترامپ. برخی از تحلیلگران سهام همچنان متقاعد شده‌اند که ماسک چیزی می‌داند که دیگران نمی‌دانند. دن ایوز (Dan Ives) از Wedbush Securities به فوربس گفت: «ما معتقدیم که رانندگی خودکار به تنهایی ۱ تریلیون دلار ارزش دارد و این تز در سال‌های آینده ثابت خواهد شد.»

ماسک و تسلا به درخواست‌ها برای اظهار نظر پاسخ ندادند. آشوک اللوسوامی (Ashok Elluswamy)، رئیس برنامه AV تسلا نیز پاسخ نداد.

«آشغال وارد شود، آشغال خارج می‌شود»

ماسک آینده تسلا را به برنامه‌های کاربردی هوش مصنوعی، از جمله ربات‌های انسان‌نما و کارخانه‌های هوشمند، گره زده است و هدف دیرینه این شرکت برای فروش سالانه ۲۰ میلیون خودروی الکتریکی تا سال ۲۰۳۰ را کنار گذاشته است. یک دلیل احتمالاً تشدید رقابت خودروهای الکتریکی، به ویژه از سوی شرکت‌هایی مانند BYD چین است. دلیل دیگر این است که اگر تسلا بتواند رانندگی خودکار را حل کند، استقرار صدها هزار رباتاکسی برقی درآمدزا در سراسر جهان ارزان‌تر و سودآورتر از افزودن کارخانه‌های بیشتر برای ساخت و فروش میلیون‌ها وسیله نقلیه شخصی است.

این برای شرکت آنقدر اساسی است که ماسک نمی‌خواهد تردیدکنندگان سهام آن را بخرند. ماسک در یک تماس تلفنی در سال ۲۰۲۴ گفت: «اگر کسی باور ندارد که تسلا قصد دارد مشکل رانندگی خودکار را حل کند، فکر می‌کنم نباید سرمایه‌گذار این شرکت باشد.»

او در ژانویه اعلام کرد که مخزن عظیم داده‌های تسلا در مرکز داده جدید «کورتکس» (Cortex) در آستین برای بهبود نرم‌افزار رانندگی خودکار کامل (Full Self-Driving) آن مورد استفاده قرار می‌گیرد - که علی‌رغم نامش، در تمام مدت نیاز به نظارت انسانی دارد. این ویژگی مبتنی بر هوش مصنوعی، به همراه سیستم Autopilot اصلی تسلا، قطعاً نیاز به بهبود دارد: در طول سال‌ها، FSD و Autopilot به 52 تصادف مرگبار در سراسر جهان مرتبط بوده‌اند.

مقادیر زیادی داده‌های دوربین مفید است، اما فوراً تسلا را به یک رهبر بازار هوش مصنوعی تبدیل نمی‌کند. الکس رتنر (Alex Ratner)، دانشمند علوم کامپیوتر و مدیرعامل Snorkel AI، که نرم‌افزاری برای کمک به خودکارسازی برچسب‌گذاری داده‌های خام می‌سازد، گفت: «دسترسی به فیدهای داده منحصر به فرد قطعاً نوعی مزیت است.»

«هیچ تضمینی وجود ندارد که تمام موارد حاشیه‌ای که خودروها برای یادگیری نیاز دارند، در داده‌ها به تعداد کافی وجود داشته باشند تا رفتار آموخته شده ایجاد شود»

رتنر، که یکی از اعضای خانواده‌اش برای ویمو (Waymo) کار می‌کند، به فوربس گفت: «اما ضرب المثل قدیمی "آشغال وارد شود، آشغال خارج می‌شود"، به همان اندازه همیشه در اینجا صدق می‌کند. در انتخاب داده‌ها، فید ویدیویی از یک راننده خوب در مقابل یک راننده بد از کجا می‌آید؟ این غیربدیهی و فوق‌العاده مهم است زیرا این مدل‌ها... از رایج‌ترین چیزی که می‌بینند یاد می‌گیرند.»

شرکت‌هایی که سال‌ها را صرف اصلاح هوش مصنوعی برای رانندگی ایمن خودروها و کامیون‌ها کرده‌اند، از جمله ویمو (Waymo)، زوکس (Zoox)، آئورا (Aurora) و وابی (Waabi)، بر ایجاد داده‌های خوب تمرکز کرده‌اند که بر موارد حاشیه‌ای کافی متمرکز است، تسلط بر انواع شدید یا خطرناک موقعیت‌های جاده‌ای با استفاده از شبیه‌سازی رایانه‌ای پیشرفته و آزمایش‌های ساخت‌یافته در دنیای واقعی. داده‌های تسلا لزوماً نماینده آن رویدادهای بسیار نادر نیستند.

میسی کامینگز (Missy Cummings)، کارشناس هوش مصنوعی و استاد دانشگاه جورج میسون (George Mason University) که به تنظیم‌کننده‌های فدرال و کالیفرنیا در مورد فناوری خودروهای خودران مشاوره می‌دهد، گفت: «هیچ تضمینی وجود ندارد که تمام موارد حاشیه‌ای که خودروها برای یادگیری نیاز دارند، در داده‌ها به تعداد کافی وجود داشته باشند تا رفتار آموخته شده ایجاد شود.» این امر حل مشکلاتی را که همه توسعه‌دهندگان AV با آن مواجه بوده‌اند دشوار می‌کند، مانند رویدادهای ترمزگیری «شبحی» (phantom) غیرمنتظره زمانی که هوش مصنوعی شرایط جاده‌ای را که به عنوان خطر تشخیص می‌دهد، اشتباه متوجه می‌شود.

یک محقق AV و دانشمند علوم کامپیوتر که در مورد رویکرد تسلا توجیه شده بود و خواست نامش فاش نشود، گفت: حتی شناسایی معنادارترین بیت‌های داده‌های رانندگی برای اهداف آموزشی از مایل‌های بی‌پایان ویدیوی جاده‌ای بسیار دشوار است.

این شخص گفت: «بنابراین شما میلیاردها مایل داده دارید. چگونه اطمینان حاصل می‌کنند که تمام چیزهایی را که برای آموزش مهم هستند انتخاب می‌کنند؟»

گفتن این سخت است زیرا تسلا در مورد روند خود باز نبوده است. نه اینکه عضو فعالی از جامعه تحقیقاتی هوش مصنوعی باشد، جایی که مهندسان از تمام بزرگترین شرکت‌های فناوری به طور مرتب مقالاتی را منتشر می‌کنند که جزئیات آخرین تحقیقات خود را شرح می‌دهند.

لکان گفت: «تسلا تقریباً هیچ حضوری در مدار تحقیق و توسعه هوش مصنوعی ندارد - کنفرانس‌ها، نشریات و غیره. انگار وجود ندارند.»

سابقه لکه‌دار

دستاورد‌های تسلا در رانندگی خودکار بارها و بارها از اهداف ماسک عقب مانده است. وعده او در سال ۲۰۱۶ مبنی بر اینکه یک تسلا می‌تواند بدون دخالت انسان در سراسر ایالات متحده رانندگی کند، هنوز محقق نشده است. هدف او در سال ۲۰۱۹ برای داشتن یک میلیون رباتاکسی در حال کار تا سال ۲۰۲۰؟ حتی نزدیک هم نیست.

لکان گفت: «ایلان به طور مداوم تقریباً به مدت یک دهه در مورد "رانندگی خودکار کامل" به طور وحشیانه‌ای ادعا کرده و کمتر از آن تحویل داده است. برای بسیاری از ما واضح بود که همه آن ادعاها یا دروغ یا نشانه‌های خودفریبی بودند. من نمی‌فهمم چگونه هنوز کسی می‌تواند هر چیزی را که او در مورد این موضوع ادعا می‌کند باور کند.»

اما این مانع از آن نشده است که ماسک وعده‌های بیشتر و بیشتری بدهد - یا مشتاق‌ترین طرفدارانش به سرمایه‌گذاری در او ادامه دهند. با این حال، نمونه‌های اولیه‌ای که او تاکنون به نمایش گذاشته است، به نظر می‌رسد بسیار دور از دسترس هستند. اکتبر گذشته، او میزبان یک نمایش صحنه‌سازی شده از CyberCab این شرکت بود که شرکت کنندگان در رویداد را در اطراف فیلم استودیوی یونیورسال لس آنجلس جابه‌جا می‌کرد. اما حتی در یک استودیوی بسته، تکنسین‌های تسلا دیده می‌شدند که در حال نظارت، اگر نه کنترل از راه دور، نمونه‌های اولیه کم سرعت بودند. به همین ترتیب، نسخه‌های ربات انسان‌نمای "Optimus" تسلا که برای سرو نوشیدنی به شرکت کنندگان در دسترس بود، از راه دور کنترل می‌شدند.

ماسک در تماس نتایج گفت: «من فکر می‌کنم در درازمدت، Optimus این پتانسیل را دارد که [تولید] بیش از ۱۰ تریلیون دلار درآمد داشته باشد - انگار واقعاً دیوانه‌کننده است.»

آزمایش واقعی در ماه ژوئن با سرویس آزمایشی رباتاکسی تسلا در آستین انجام می‌شود - با این فرض که به موقع عرضه شود. ماسک در تماس نتایج گفت: «ما آن را با دقت بسیار زیادی بررسی خواهیم کرد تا مطمئن شویم چیزی را از دست نداده‌ایم. این خدمات مستقل حمل و نقل پولی در آستین در ماه ژوئن خواهد بود، و سپس در اسرع وقت در شهرهای دیگر آمریکا.» (تسلا همچنین درخواست مجوز برای راه‌اندازی سرویس تاکسی مانند در کالیفرنیا داده است، با وسایل نقلیه‌ای که مالک آن است و آنها را راه‌اندازی می‌کند، اگرچه کمیسیون خدمات عمومی کالیفرنیا به فوربس گفت که برای رباتاکسی نیست.)

لکان گفت: تسلط بر خودمختاری «از تسلا نخواهد آمد. آنها به سادگی یک سازمان تحقیقاتی با یک افسار بلند و دانشمندان با استعداد کافی برای انجام این کار ندارند.»

ماسک باید به ویمو (Waymo) آلفابت، که با اختلاف زیاد رهبر کشور در رباتاکسی‌ها است، برسد. این شرکت خدمات حمل و نقل خودکار خود را در ققنوس، سان فرانسیسکو، لس آنجلس و آستین، از هفته گذشته، راه‌اندازی می‌کند. ماه گذشته اعلام کرد که این شرکت بیش از ۲۰۰,۰۰۰ سفر پولی در هفته را با ناوگانی متشکل از تنها حدود ۷۰۰ وسیله نقلیه رزرو می‌کند. در اواخر سال جاری، به آتلانتا گسترش می‌یابد و قصد دارد سال آینده در میامی راه‌اندازی شود. آلفابت درآمد ویمو را فاش نکرده است، اگرچه فوربس تخمین می‌زند که از ۴ میلیون سفری که در سال ۲۰۲۴ رزرو شده بود، بیش از ۱۰۰ میلیون دلار بوده است.

ویمو تصادفات جزئی داشته است، اگرچه تاکنون ناوگان رباتیک آن به تصادفات مرگبار مرتبط نبوده است. در همین حال، صاحبان تسلا به طور معمول ویدیویی از وسایل نقلیه خود در حال انجام مانورهای خطرناک در حین کار در حالت FSD آپلود می‌کنند، مانند نزدیک به برخورد با وسایل نقلیه دیگر در یک رمپ خروجی بزرگراه در نیوجرسی یا برخورد با یک خودروی پلیس پارک شده.

کامینگز گفت: ماسک "همیشه یک رویا داشته است، اما واقعیت چیز دشواری است".