Lühidalt: Füüsikalise tehisintellekti kitsaskoht ei ole mudeli intelligentsus, vaid selle rakendamine ohutus-, latentsi- ja tõhususpiirangute tingimustes päris riistvaral.
Applied Intuition on kasvanud autonoomsuse tarkvaratööriistade ettevõttest 15 miljardi dollari väärtuseks füüsikalise tehisintellekti platvormiks. Asutajad Qasar Younis ja Peter Ludwig selgitavad, miks tegelik väljakutse ei peitu enam mudeli intelligentsuses, vaid rakendamises ressursipiiratud riistvaral, mis peab vastama ohutus- ja latentsinõuetele.
Applied Intuition on viimase kümnendi jooksul oma fookust pidevalt laiendanud. Ettevõte alustas simulatsiooniinfrastruktuuri ja andmetööriistana robottakso-ettevõtetele ning kasvas platvormiks, mis hõlmab üle 30 toote — simulatsioonist ja tugevdusõppest kuni sõidukite operatsioonisüsteemide ja autonoomsuse tehisintellektimudeliteni. Tänapäeval töötab ettevõtte tehnoloogia autonoomsetel sõidukitel, veoautodel, kaevandus- ja ehitusmasinatel, põllumajanduses, kaitsesüsteemides ning juhita 4. taseme veoautodel Jaapanis.
Peamine erinevus ekraanipõhistest tehisintellektisüsteemidest seisneb selles: vead vestlusrakendustes või koodigeneraatorites on ebamugavused, kuid vead ohutuskriitilistes masinates, näiteks autonoomsetes veoautodes või robotites, on õnnetused. See eeldab mitte ainult suuremat töökindlust, vaid ka põhimõttelisi erinevusi arhitektuuris, reaalajas juhtimises, anduriandmete voogedastuses, latentsi haldamises, veataluvuses ja uuendusmehhanismides. Ebaõnnestunud tarkvarauuendus sõidukil on kvalitatiivselt hoopis midagi muud kui tahvelarvutil.
Applied Intuition positsioneerib end füüsikaliste süsteemide operatsioonisüsteemi pakkujana — võrreldavalt Androidi ja iOS-iga, mis konsolideerisid 2000ndate killustunud telefoniturgu. Praegu töötab sõidukite ja masinate tarkvara mitme erineva operatsioonisüsteemi killustunud pinu peal. Platvorm koondab simulatsiooni, taju- ja maailmamõistmise tehisintellektimudelid ning tõelised operatsioonisüsteemid, mis tagavad millisekundilise latentsi, mälu haldamise ja töökindluse.
Valideerimine ja verifitseerimine liiguvad binaarsetest läbi-läbikukkumine testidest statistiliste ohutusmõõdikute suunas — mida mõõdetakse töökindluse tasemetes („üheksate” arvus) ja keskmises rikketevahelises ajas. Kuna mudelid muutuvad võimekamaks, kaotavad traditsioonilised hindamisstsenaariumid oma informatiivsuse. Simulatsioon jääb keskseks vahendiks, kuid ei suuda kunagi tegelikkust täielikult kajastada, mistõttu on reaalsetes tingimustes testimine hädavajalik. Sõidukisiseste mudelite puhul kehtivad ranged nõuded: millisekundiline latents, minimaalne energiatarve, väike mudeli maht — mida ei lahenda üksnes mudeli suurus, vaid destilleerimine ja tõhususe optimeerimine.
Kodeerimisele suunatud tehisintellektitööriistade (nagu Claude Code ja Cursor) lähenemine on tuntav ka manussüsteemide ja ohutuskriitilise tarkvaraarenduse valdkonnas. Samal ajal näitab tööstus — näiteks Waymo kõrgete standardite kaudu —, et autonoomsusega seotud õnnetused ei ole ainult tehnilised, vaid ka usaldus- ja regulatsiooniküsimused. Kaevandus- ja põllumajandussektori pärandsüsteemid, mis põhinesid RTK-GPS-il ja jäigalt kodeeritud teekonna-algoritmidel, ei vasta enam tänapäeva dünaamilistele nõuetele; nende asemel võtab traditsiooniliste meetodite koha üle intelligentne taju ja planeerimine.
Allikas: ainews.lumi-systems.io · Avaldatud 28. aprillil 2026
Lumi AI News — tehisintellekti abil kureeritud vastavalt tehisintellektimääruse artiklile 50. Parafraseerimine ja klassifitseerimine Lumi News Pipeline v1.5.2 poolt.