Tesla pierde a un alto ejecutivo de IA que dirigía el equipo de visión de Autopilot

0
56

Andrej Karpathy, el experto en aprendizaje profundo y visión por ordenador que fue contratado hace cinco años como director de IA de Tesla y dirigió el equipo de visión de Autopilot, deja oficialmente la empresa.

Karpathy estaba en una licencia de cuatro meses, lo que alimentó la especulación generalizada sobre si volvería.

En un tuit publicado el miércoles por la tarde, Karparthy escribió: «Ha sido un gran placer ayudar a Tesla a alcanzar sus objetivos durante los últimos 5 años y una decisión difícil de separar. En ese tiempo, Autopilot se graduó del mantenimiento de carriles a las calles de la ciudad y espero ver al excepcionalmente fuerte equipo de Autopilot continuar ese impulso.»

Karpathy dijo que no tenía planes concretos sobre lo que podría hacer a continuación, añadiendo que busca pasar más tiempo «revisando mis pasiones a largo plazo en torno al trabajo técnico en la IA, el código abierto y la educación.»

Algunas fuentes han dicho anteriormente a TechCrunch que Karpathy está considerando la posibilidad de invertir en empresas.

El anuncio de Karpathy llega cuando Tesla dijo en una presentación regulatoria de California que estaba despidiendo a 229 empleados de anotación de datos que forman parte del equipo más grande de Autopilot de la compañía y cerrando la oficina de San Mateo, California, donde trabajaban.

Antes de unirse a Tesla en 2017, Karpathy fue investigador en OpenAI, la organización de inteligencia artificial respaldada por Elon Musk. Tiene una amplia experiencia en campos relacionados con la IA y fue el creador de uno de los cursos de aprendizaje profundo más respetados que se imparten en la Universidad de Stanford.

Su papel en Tesla, donde se centró en el sistema de visión por ordenador construido para apoyar el sistema de asistencia avanzada al conductor Autopilot, se vinculó a su anterior trabajo de disertación. En su tesis doctoral, Karpathy se centró en crear un sistema en el que una red neuronal pudiera identificar múltiples elementos discretos y específicos dentro de una imagen, etiquetarlos utilizando un lenguaje natural e informar al usuario. En particular, incluyó el desarrollo de un sistema que funciona a la inversa. Esto permitía a un modelo utilizar descripciones en lenguaje natural (por ejemplo, «vestido negro») y encontrar ese objeto en una imagen determinada.

CambioDigital OnLine |  Fuente WEB

Custom Text
Artículo anteriorComprender el panorama actual de las amenazas de ingeniería social
Artículo siguientePronto Meta podría permitir hasta cinco perfiles por usuario Facebook.