Pourquoi TeslaLe supercalculateur Dojo de pourrait ne pas alimenter le IA Révolution
Les récentes prévisions de Wall Street ont suscité un buzz important autour du supercalculateur Dojo de Tesla. Les analystes prédisent que cette machine de pointe pourrait potentiellement débloquer une manne de $500 milliards, semblable à l'impact révolutionnaire de ChatGPT dans le domaine de l'IA. En conséquence, l'action de Tesla a grimpé en flèche, ajoutant plus de 6% à sa valeur marchande, un bond impressionnant qui a suscité l'intérêt des investisseurs et des passionnés de technologie.
Morgan Stanley, dans son rapport de 66 pages, a ensuite présenté des arguments convaincants en faveur de l'impact potentiel de Dojo. Selon leur analyse, les processeurs personnalisés de Dojo et les énormes données de conduite réelles pourraient distinguer Tesla, non seulement dans l'industrie automobile, mais également dans des secteurs comme la santé, la sécurité et l'aviation, où la vision par ordinateur joue un rôle crucial.
Pourquoi la prudence est cruciale
Malgré les prévisions éblouissantes et le potentiel de percées révolutionnaires dans l’industrie, il existe des raisons impérieuses d’aborder ces grandes affirmations avec prudence. Alors que nous nous trouvons dans une époque fascinée par les progrès de l’IA, la stratégie de Tesla semble particulièrement attrayante. L'équation fondamentale derrière le succès de ChatGPT (plus de puissance de calcul combinée à plus de données équivaut à des capacités plus intelligentes) semble simple mais puissante.
OpenAI, la société à l'origine de ChatGPT, a considérablement investi dans l'idée selon laquelle tirer parti d'une puissance de calcul plus importante et d'ensembles de données plus volumineux conduirait à des avancées révolutionnaires. Ce principe s’est avéré vrai dans des domaines tels que la reconnaissance d’images, où les progrès en matière de puissance de calcul et de données ont abouti à des capacités étonnantes. Faut-il pour autant étendre cette même logique aux ambitions de Tesla en matière de conduite autonome ?
La réalité complexe de la conduite autonome
Les aspirations d'Elon Musk en matière de logiciel Full Self-Driving (FSD) reposent sur des techniques d'apprentissage automatique telles que ChatGPT. Bien qu'il soit tentant de corréler les deux, les défis de la conduite autonome sont fondamentalement différents de ceux du traitement du langage naturel. Comme l'ont révélé les ingénieurs de Tesla lors de leur événement AI Day, la conduite entièrement autonome se compose de plusieurs systèmes d'apprentissage automatique conçus pour une variété de tâches routières, de la conduite à la lecture des panneaux de signalisation.
Pour faire un véritable bond en avant dans la technologie de conduite autonome, il ne suffit pas de progresser dans un seul de ces systèmes. Contrairement à ChatGPT, où un seul algorithme monolithique peut produire du texte, la conduite entièrement autonome nécessite des progrès complets sur plusieurs sous-systèmes.
L’imprévisibilité des données et des besoins informatiques
L’un des points clés évoqués par les critiques est la différence fondamentale entre les données vidéo et textuelles. Même si davantage de données et de puissance de calcul peuvent conduire à des avancées significatives dans certains domaines, comme la conduite autonome, les exigences informatiques pour le traitement des données vidéo sont nettement plus élevées que pour le texte. La question de savoir quelle quantité de données et de puissance de calcul sont nécessaires pour une véritable avancée dans le domaine de la robotique reste ouverte, sans réponse claire de la part de Tesla ou des analystes du secteur.
Les experts dans le domaine, comme Christian Gerdes, codirecteur du Centre de recherche automobile de Stanford (CARS), se montrent prudents quant à l'évolutivité des capacités de conduite autonome avec davantage de données et de puissance de calcul. Bien que ses recherches soient prometteuses, il n’est pas garanti que davantage de données continueront à produire de meilleurs résultats.
Tesla fait-il encore trop de promesses ?
Tesla a l’habitude de faire des promesses ambitieuses, notamment en ce qui concerne les capacités de conduite autonome. Elon Musk, par exemple, a prédit qu’un million de robots-taxis Tesla seraient en circulation d’ici la fin de 2020 – un objectif qui reste incertain. Même si les efforts de Tesla pour développer des puces d'apprentissage automatique personnalisées et le supercalculateur Dojo peuvent réduire les coûts et potentiellement améliorer leurs algorithmes de conduite entièrement autonome, il est intrinsèquement incertain de prédire quand, ou même si, ces améliorations marqueront un moment charnière dans la conduite autonome ou la vision par ordinateur.
Le rapport de Morgan Stanley suggère que nous pourrions assister à des développements significatifs dès 2024. Cependant, étant donné les performances passées de Tesla et l'imprévisibilité des avancées en matière d'IA et d'apprentissage automatique, parier ou investir sur ces prévisions peut être plus un pari qu'un rendement garanti.
En résumé, même si le supercalculateur Dojo de Tesla est extrêmement prometteur et pourrait potentiellement révolutionner plusieurs secteurs, il serait sage d'aborder ces prévisions optimistes avec une bonne dose de scepticisme.
