Tesla Inc. (TSLA)

[Holgerli]

vor 1 Minute von dreizehn:

Vielen Dank für die Erklärung. Ein Beispiel hätte gereicht.

Die Einfahrt in eine Autobahnfahrt wird im gesamten besser.

Das Ausschehren bei einem eingeleiteten Überholvorgang wird besser.

...

 

Aber nochmal zurück zur von Dir vorgeschlagenen fachlichen Diskussion:

Woher nimmst Du Deine Expertise?

 

[reko]

vor 16 Minuten von Holgerli:

Die Tatsache, dass im Bereich FSD genau in dem gleichen Bereich tätig ist wie mobilEye (Komplett) und nVidea (mit seinen Komponenten für autonomes Fahren).

nur haben sich diese Firmen keinen Klotz ans Bein gebunden und wollen mir wertlose Daten verkaufen.

 

Aber bleiben wir dabei. Der Wert von Tesla wäre also der von Mobileye minus die Abwicklungskosten für die Autoproduktion minus Rückstellungen für Regressforderungen - richtig? Intel hat Mobileye für 15 Mrd$ gekauft.

 

[Lynch]

vor 2 Minuten von Holgerli:

Die Einfahrt in eine Autobahnfahrt wird im gesamten besser.

Das Ausschehren bei einem eingeleiteten Überholvorgang wird besser.

...

 

Aber nochmal zurück zur von Dir vorgeschlagenen fachlichen Diskussion:

Woher nimmst Du Deine Expertise?

 

Woher nimmst du die Expertise, einen teurer Hardwareproduzent mit einem Softwareanbieter zu verwechseln und dann darauf zu beharren - die Zahlen zeigen woher aktuell der Umsatz stammt

 

Automobilfertigung bzw Verkauf das Softwaregeschäft ist quasi nicht existent(prozentuell gesehen)

[Holgerli]

vor 1 Minute von reko:

Aber bleiben wir dabei. Der Wert von Tesla wäre also der von Mobileye minus die Abwicklungskosten für die Autoproduktion minus Rückstellungen für Regressforderungen - richtig? Mobileye hat Intel für 15 Mrd$ gekauft.

Und? Du nimmst einen 3 Jahre alten Preis und vergleichst damit Tesla mit MobilEye 1 zu 1?

Was willst Du sagen? Dass die hohen Bewertungen von Tech-Unternehmen nicht gerechtfertigt ist?

[reko]

vor 2 Minuten von Holgerli:

Und? Du nimmst einen 3 Jahre alten Preis und vergleichst damit Tesla mit MobilEye 1 zu 1?

Was willst Du sagen? Dass die hohen Bewertungen von Tech-Unternehmen nicht gerechtfertigt ist?

Dann gehen wir am besten all in Intel

[Der T]

vor 2 Stunden von Holgerli:

Und? Bei Google kommen auch 80 bis 90% der Umsätze und Gewinne aus Werbung? Also ist Google auch kein Tech-Unternehmen, sondern 'ne Werbe-Klitsche?

Für mich ist Google (genau wie Facebook) kein Tech-Unternehmen, eben weil sie ihren Umsatz mit Werbung verdienen.

 

vor 2 Stunden von Holgerli:

Ok, jetzt ist das Internet schon ein Branche. Sehr interessant.

Die Niveaupolizei ist wieder da. Geil. Die Fanboys wehren sich alle gleich.

 

vor 2 Stunden von Holgerli:

Aber mal ganz doof gefragt:

Ist SAP kein Tech-Unternehmen? Weil kostenlos sind deren Produkte auch nicht und Werbung gibt es auch nicht und aus dem Internet stammen die Umsätze nur sehr begrenzt.

Noch so ein Fall von fehlender Diskussionskultur/-niveau. Jetzt wird behauptet, dass ausschließlich Internet die Tech-Branche darstellt.

 

vor 2 Stunden von Holgerli:

Ich glaube, dass was Du nicht verstehen willst ist, dass Tesla Unmengen an Daten bei den Fahrern abgreift und damit ihr Produkt stetig verbessert.

Daraus wird Vorsprung und Umsatz und Cash generiert.

Um mal in bekannte Argumentationsmuster zu verfallen: glaubst Du, dass irgendein (seriöse geführtes) Unternehmen keine Daten sammelt, um ihre Produkte zu verbessern? Das bedeutet auch BASF ist Tech! Wahnsinn, wer ist dann kein Tech-Unternehmen?

 

Also verkauft Tesla kein Tech (keine Software), sondern nutzt nur Technik und Daten um ihr Auto zu verbessern. Wir kommen langsam aber sicher näher...

[Holgerli]

vor 4 Minuten von Lynch:

Woher nimmst du die Expertise, einen teurer Hardwareproduzent mit einem Softwareanbieter zu verwechseln und dann darauf zu beharren

 

Nun, dreiehn hat mir eine fachliche und technische Diskussion angeboten. Da darf man dann doch wohl fragen woher seine Expertise kommt?

[Der T]

Gerade eben von Holgerli:

Nun, dreiehn hat mir eine fachliche und technische Diskussion angeboten. Da darf man dann doch wohl fragen woher seine Expertise kommt?

Und woher kommt deine Expertise?

[reko]

Wie viele Verkehrszeichen kann Tesla inzwischen erkennen? Gab es da nicht ein Patent von Mobileye das im Weg steht? Mobileye will mit Tesla nicht mehr zusammenarbeiten, also Lizenz unwahrscheinlich. Werden inzwischen Feuerwehrautos erkannt?

2020/05/01 Tesla überall führend? Fan-Behauptungen im Fakten-Check!

Zitat

Fakt ist, dass Tesla in Sachen autonomen Fahren der gesamten Konkurrenz hinterher hinkt. Wie bei den Batterien werden die geringen Fähigkeiten nur maximal ausgereizt, statt wie bei der Konkurrenz auf Sicherheit zu setzen.

Software Update 2020.24.6.4 - wieder keine Verkehrszeichenerkennung und wieder keine Karten Updates!

[Lynch]

vor 36 Minuten von Holgerli:

 

Nun, dreiehn hat mir eine fachliche und technische Diskussion angeboten. Da darf man dann doch wohl fragen woher seine Expertise kommt?

Verdrehe mir nicht die Worte im Mund ich habe nicht behauptet das Tesla nicht Tech ist weil es nicht im Internet ist das waren nur beispiele aktueller Profiteure im Softwarebereich die hohe Margen fahren eben weil sie Datenhandel betreiben und somit nicht so anfällig sind wie die Automobilbranche dazu zählen eben FB oder auch Alphabet. ;-)

[Chips]

vor 1 Stunde von reko:

Man kann die Daten eines neuen Sensors nicht ergänzen um damit dann ein neuronales Netz anzulernen. Alle alten Daten incl manueller Aufbereitung ohne diesen neuen Sensor sind wertlos.

Also es gibt eine Fülle an neuronalen Netzen. Ein Sensor zu ersetzen oder zu tauschen kann durchaus kompatibel zu alten Daten sein. Man muss dann eben erstmal evaluieren, was der neue Sensor bringen soll. Hängt wohl sehr vom Fall ab.

Aber auch sonst, so hat Waymo das gleiche Problem. Nur wenn Tesla einen neuen Sensor einsetzt, haben sie nen Monat drauf schon wieder irre viele Daten, und Waymo eben nicht.

[reko]

vor 3 Minuten von Chips:

Also es gibt eine Fülle an neuronalen Netzen. Ein Sensor zu ersetzen oder zu tauschen kann durchaus kompatibel zu alten Daten sein. Man muss dann eben erstmal evaluieren, was der neue Sensor bringen soll. Hängt wohl sehr vom Fall ab.

Aber auch sonst, so hat Waymo das gleiche Problem. Nur wenn Tesla einen neuen Sensor einsetzt, haben sie nen Monat drauf schon wieder irre viele Daten, und Waymo eben nicht.

Wenn du die alten Anlerndaten weiter verwendest, dann kann der neue Sensor auch nichts zur Verbesserung dieses Netzwerks beitragen. Logisch oder?

[The Statistician]

vor 5 Minuten von reko:

Wenn du die alten Anlerndaten weiter verwendest, dann kann der neue Sensor auch nichts zur Verbesserung dieses Netzwerks beitragen. Logisch oder?

Bei Tesla werden verschiedene Neuronale Netzwerke trainiert (glaube über 40 o.Ä.), wodurch eine Änderung des Inputs nur für einen Teil problematisch werden könnte, jedoch nicht alles über den Haufen geworfen werden müsste. Ebenso kann man in solchen Fällen durchaus bestehende Modelle weiter trainieren, kommt jedoch stark auf den Sachverhalt an. Die Handhabung mit fehlenden Werten ist schließlich ein Thema für sich, bei welchen es recht viele Möglichkeiten gibt. Und wenn das nicht in Frage käme (was ich an dieser Stelle mal für Wahrscheinlich erachte) könnte man für die betroffenen Modelle  auch in Richtung Ensemble Learning gehen. Das ist bei Tesla ja auch aktuell bereits der Fall.

[reko]

vor 9 Minuten von The Statistician:

Bei Tesla werden verschiedene Neuronale Netzwerke trainiert (glaube über 40 o.Ä.), wodurch eine Änderung des Inputs nur für einen Teil problematisch werden könnte, jedoch nicht alles über den Haufen geworfen werden müsste.

Wenn ich den Sensor in irgend einen neuronalen Netz verwenden will, dann brauche ich für alle möglichen Fahrsituationen neue Daten. Dann speichert man natürlich die Daten aller Sensoren ab. Außer der Sensor hat mit dem autonomen Fahren überhaupt nichts zu tun.

[Chips]

vor 1 Stunde von reko:

Wenn ich den Sensor in irgend einen neuronalen Netz verwenden will, dann brauche ich für alle möglichen Fahrsituationen neue Daten. Dann speichert man natürlich die Daten aller Sensoren ab. Außer der Sensor hat mit dem autonomen Fahren überhaupt nichts zu tun.

Nein, so funktioniert das nicht. Stell dir vor, es gibt noch einen toten Winkel, der von den bisherigen Kameras nicht erfasst wird. Das bisherige neuronale System kann noch nicht unterscheiden, ob da in dem toten Winkel ein Kind ist oder Keines ist.

zB. gibt es zwei Fälle:

1. Input "Schwarz" -> Analysiere Input und treffe Entscheidung.   Ziel: Anhalten, weil da ist Kind

2. Input "Schwarz" -> Analysiere Input und treffe Entscheidung.   Ziel: Weiterfahren, weil kein Kind

Aus einem anderen Winkel gibt es dann weitere Inputs:

3. Input Kamera 4, Bild -> Analysiere Input und treffe Entscheidung.   Ziel: Anhalten, weil da ist Kind

4. Input Kamera 4, Bild -> Analysiere Input und treffe Entscheidung.   Ziel: Weiterfahren, weil kein Kind

 

Du kannst das neuronale Netzwerk noch so gut trainieren, es wird nie das Ziel rauskommen. Bei 3 und 4 schon, aber bei 1 und 2 wäre die Entscheidung immer gleich zB. Anhalten.

Nun fügen wir die Kamera dazu. Bei Punkt 1 und 2 gibt es nun einen unterscheidbaren Input und es kann die richtige Entscheidung getroffen werden.

 

Der zusätzliche Sensor für das neuronale Netzwerk kann das Ergebnis verbessern

[reko]

vor 10 Minuten von Chips:

Der zusätzliche Sensor für das neuronale Netzwerk kann das Ergebnis verbessern

Ja, wenn das ganze neuronale Netz neu angelernt wird und dazu braucht man die neuen Daten. Ein neuronales Netz liefert keinerlei Erkenntnis die man später wiederverwenden könnte. Es ist entweder richtig (mit den richtigen Daten von den richtigen Sensoren) angelernt oder eben strohdumm.

[Holgerli]

vor 3 Stunden von Lynch:

Verdrehe mir nicht die Worte im Mund ich habe nicht behauptet das Tesla nicht Tech ist weil es nicht im Internet

Sorry, jetzt bin ich etwas verwirrt: Mit Referenz auf ein POst von mir, in dem ich dreizehn zitiere fragst Du mich, woher meine Expertise kommt.

Ich antworte mit Verweis auf eine Aussage von dreizehn. Wie kann ich Dir da die Worte im Mund verdrehen?

Oder ist dieser Thread mittlerweile Socken-Puppen-City?

 

Ich hoffe mal nicht...

[Chips]

vor 21 Minuten von reko:

Ja, wenn das ganze neuronale Netz neu angelernt wird und dazu braucht man die neuen Daten. Ein neuronales Netz liefert keinerlei Erkenntnis die man später wiederverwenden könnte. Es ist entweder richtig (mit den richtigen Daten von den richtigen Sensoren) angelernt oder eben strohdumm.

Also mein Verständnis von neuronalen Netzwerken ist da auf alle Fälle anders. Neu anlernen ja, das macht man aber ständig. Immer wenn neue Daten dazu kommen. Aber ansonsten sind die Daten brauchbar.

 

 

 

[Desinfect]

vor 3 Minuten von Chips:

Also mein Verständnis von neuronalen Netzwerken ist da auf alle Fälle anders. Neu anlernen ja, das macht man aber ständig. Immer wenn neue Daten dazu kommen. Aber ansonsten sind die Daten brauchbar.

 

 

 

Bin auf absolutem Hobby-Level was MachineLearning und die Programmierung von Neuronalen Netzen angeht, aber dieses Verständnis deckt sich auch mit meinem.

 

Wir bekommen zusätzlich zu den alten Daten bei denen das Feature "neuer Sensor" immer "0" ist nochmal weitere neue Trainingsdaten, bei denen diese Werte != 0 sind.

Mit diesen neuen und alten Daten wird dann das Netz wieder angelernt.

Also neu anlernen: Ja

Alte Daten wegschmeissen: Nein

[The Statistician]

vor 22 Minuten von reko:

Ja, wenn das ganze neuronale Netz neu angelernt wird und dazu braucht man die neuen Daten. Ein neuronales Netz liefert keinerlei Erkenntnis die man später wiederverwenden könnte. Es ist entweder richtig (mit den richtigen Daten von den richtigen Sensoren) angelernt oder eben strohdumm.

Es wird nicht nur ein Neuronales Netzwerk trainiert, sondern viele. Was hindert dich denn daran mit einem neuen Sensor ein neues Neuronales Netzwerk zu trainieren und dies einfließen zu lassen? Du musst doch nicht bestehende Modelle über verwerfen, nur weil es einen neuen möglichen Input gibt. Ich habe schon zuvor das Thema Ensemble Learning angesprochen, das ist bei DL keine Seltenheit (vielleicht helfen die Ressourcen zu CS231n etwas). Ebenso kann man auch ein Ensemble mit verschiednen Subsets der Inputdaten erstellen, was indirekt auch in eine ähnliche Richtung gehen würde.

 

Am Ende dürften neue Sensoren o.Ä. nur bei entsprechend neuen Modellen vorhanden sein. Zumindest erachte ich es an dieser Stelle für unwahrscheinlich, dass neue Sensoren in alten Fahrzeugen nachgerüstet werden. Daher müsste man wohl in langfristiger Perspektive generell differenzieren.

[The Statistician]

vor 7 Minuten von Desinfect:

Wir bekommen zusätzlich zu den alten Daten bei denen das Feature "neuer Sensor" immer "0" ist nochmal weitere neue Trainingsdaten, bei denen diese Werte != 0 sind.

Mit diesen neuen und alten Daten wird dann das Netz wieder angelernt.

Also neu anlernen: Ja

Alte Daten wegschmeissen: Nein

Nein, für den Zeitraum, in welchen der Sensor noch keine Daten gesammelt hat, liegen Missings vor. Bedeutet du hast einen Datensatz mit zahlreichen NAs und dann kommt ein Zeitpunkt ab welchen Werte vorliegen. Wir reden hier ja auch von Bildern als Input, also Matrizen. Da kann man ja nicht einfach mal alles stumpf auf 0 transformieren und das ins Training reinschmeißen. Das ist auch der Punkt, auf welchen @reko nach meinem Verständnis hinaus möchte. Man müsste also entweder die Missings imputieren (was in diesem Fall wohl eher ungünstig ist) oder man trainiert zwei Modelle und bastelt ein Ensemble aus diesen. 

[Desinfect]

@The Statistician Du warst schneller und präziser als mein edit

Ich war mir nach dem Posting unsicher, ob mit meiner Idee wirklich bessere Ergebnisse herauskommen, da man dem Netz durch die 0en vorgaukelt, dass Messdaten vorhanden waren.

Die 0en hätte ich gerade zum ermöglichen d. Matritzen-Rechnungen eingefügt. Naja war wohl doch zu viel halbwissen im Spiel...

 

[reko]

vor 36 Minuten von Chips:

Also mein Verständnis von neuronalen Netzwerken ist da auf alle Fälle anders. Neu anlernen ja, das macht man aber ständig. Immer wenn neue Daten dazu kommen. Aber ansonsten sind die Daten brauchbar.

 

 

 

Nur solange kein neuer Input dazu kommt.

Das Netz kann man mit unterschiedlichen Ebenen und Knoten strukturieren, das ist aber bekannt und in vielen Programmbibliotheken verfügbar. Das Problem ist nicht das Programmieren sondern das Anlernen. Kommen neue Situationen dazu, kann das Netz dazulernen. Kommt ein neuer Sensor dazu, muß alles komplett neu gelernt werden.

Wird eine Aufgabe auf mehrere neuronale Netze verteilt, dann ist ein Netzausgang der Eingang für ein anderes Netz. Ändert sich das erste Netz, muß auch das folgende Netz wieder neu angelernt werden. Das Anlernen ist aber nicht das Problem, man braucht neue Datensätze. Man kann nicht die Daten eines Sensors dazugeben sonden man braucht komplette Datensätze für alle Fahrsituationen. Der Aufwand wäre auch der gleiche ob man einen Sensor für alle Fahrsituationen nachträglich erfaßt oder alle Sensoren neu erfaßt.

 

Das Netz mit Nullen füllen bedeutet neu anfangen. Das Netz hat keinerlei Nutzen aus den neuen Sensor.

Eine Entscheidung die nur mit Kameras gelernt wurde kann mit einen neuen Lidar Sensor völlig unsinnig sein. Würde man die alten Lerninhalte (Knotenwichtungen) beibehaten, dann wären die Kameradaten extrem übergewichtet.

[Chips]

vor 8 Minuten von reko:

Nur solange kein neuer Input dazu kommt.

Das Netz kann man mit unterschiedlichen Ebenen und Knoten strukturieren, das ist aber bekannt und in vielen Programmbibliotheken verfügbar. Das Problem ist nicht das Programmieren sondern das Anlernen. Kommen neue Situationen dazu, kann das Netz dazulernen. Kommt ein neuer Sensor dazu, muß alles komplett neu gelernt werden.

Wird eine Aufgabe auf mehrere neuronale Netze verteilt, dann ist ein Netzausgang der Eingang für ein anderes Netz. Ändert sich das erste Netz, muß auch das folgende Netz wieder neu angelernt werden. Das Anlernen ist aber nicht das Problem, man braucht neue Datensätze. Man kann nicht die Daten eines Sensors dazugeben sonden man braucht komplette Datensätze für alle Fahrsituationen. Der Aufwand wäre auch der gleiche ob man einen Sensor für alle Fahrsituationen nachträglich erfaßt oder alle Sensoren neu erfaßt.

 

Das Netz mit Nullen füllen bedeutet neu anfangen. Es hat keinerlei Nutzen aus den neuen Sonsor.

Es gibt bestimmt Modelle beim ML, die nicht damit umgehen können. Aber sonst wäre das ja Wahnsinn. Meinst du, ein Ingenieur bei Waymo kommt auf seinen Chef zu und sagst "Hey, dieser neue Sensor hier ist voll gut", dann sagt sein Chef: "Sorry, Sohn, aber den können wir nicht verwenden. Dazu hätten wir 0 Testkm mit diesem Sensor und müssten nochmal von vorne anfangen. ML ist ein sehr komplexes Gebiet, da ist viel möglich.

[reko]

vor 2 Minuten von Chips:

Meinst du, ein Ingenieur bei Waymo kommt auf seinen Chef zu und sagst "Hey, dieser neue Sensor hier ist voll gut", dann sagt sein Chef: "Sorry, Sohn, aber den können wir nicht verwenden.

genau so ist es. Deshalb nimmt Waymo so viele Sensoren wie möglich. Einen Datensatz weglassen und alles nochmal durchlaufen lassen ist leicht.