Kyllä eli neuroverkkoja on useita ja kaikilla voi olla valtava määrä sisääntuloja, jotka on skaalattava samaan koko luokkaan. Mahdollisesti tehtävä augmentointia jne. Eli ei ole yksiä aivoja vaan manuaalisesti suunniteltava neuroverkkoarkkitehtuuri jonka datan käsittely vaatii paljon manuaalista työtä.
Tunnen tuon Teslan kameroilla tehtävän 3D-mallin. Andrej on sitä monessa videossa esitellyt. Käytännössä tuon generointi kameroiden tiedoista vaatii luonnollisesti enemmän prosesointinopeutta.
Voin havainnollistaa sitä haastetta, jota itse tarkoitan, vaikka ei tämän jälkeen mitään neuroverkkokeskustelua jatkettaisikaan, koska ei kuulu sijoituskeskusteluun
-
Jos ihminen kääntyy vaikeassa X-risteyksessä vasemmalle, ihminen tekee jatkuvasti luovia ratkaisuja sitä mukaan kun näkee reitin tarkemmin. Ihminen kykenee käyttämään muistia ja assosiaatioita menneisiin tapahtumiin. Tämän vuoksi ei ole väliä vaikka ihminen ei risteystä heti näe kokonaisuutena, koska ihminen kykenee reaaliajassa ajattelemaan luovasti
-
Kun neuroverkon ohjaama auto kääntyy vasemmalla, ei sillä ole muistia vaan kaikki mahdolliset vaihtoehdot, joita se voi tehdä, on neuroverkon rakenteessa (ei muistissa).
Neuroverkon sisääntulossa voisi olla eri asioita, kuten sen näkemiä objekteja (kävelijä, auto, pyöräilijä…).
Riippuen mitä sisääntuloissa on, neuroverkko laskee yksinkertaiset yhteen ja kertolaskut ja lopputuloksena on todennäköisyys sille, mitä tulisi tehdä. Noiden laskutoimitusten kertoimet on saatu neuroverkon opetuksesta.
Koska neuroverkon rakenteessa on kaikki eri vaihtoehdot, tätä työtä voi helpottaa siten, että neuroverkko selkeästi tietää muitakin asioita kuin kameran näkemät, kuten vaikka AV-kartan kertomat tarkat tien muodot. Näin neuroverkon rakenteen ei tarvitse tukea niin montaa vaihtoehtoa.
Yllä oleva vain konseptimainen selitys, koska oikeasti on useita neuroverkkoja eri tehtäviä varten