Ich versuche mal das „Problem“ zu erklären.
Wenn ich zu Hause eine Heizung haben, dann kann ich einstellen, dass im ganzen Haus 20 Grad Innentemperatur sein soll.
Da gibt es einen Temperarturfühler der die Temperatur misst und dann die Heizung entsprechend rauf oder runter regelt.
Jetzt kann ich noch weitere Temperaturfühler anbringen und das auch noch pro Raum steuern. Damit würden z.b. die in der Sonne gelegenen Räume weniger stark aufgeheizt als die im Schatten.
Das kann ich jetzt beliebig komplex machen. Mehr Fühler mehr Daten, z.b. Wettervorhersage etc. Am Ende bekomme ich aber immer die Temperatur die ich eingestellt habe. Mehr nicht.
Das könnte ich jetzt alles programmieren, mit Zeittabellen, Temperaturfühler etc. Da hätte ich ein funktionierendes System.
Das System würde aber nie in der Lage sein selbst zu entscheiden was der Bewohner gerade in der entsprechenden Situation möchte oder Situationen einzuschätzen und Temperaturänderungen vorherzusehen.
Wenn jetzt das System Situationen erkennen könnte, z.b. wer befindet sich gerade im Raum und welche Raumtemperatur stellt er ein, dann könnte das System entsprechend „lernen“. Z.b. das im Schlafzimmer von mir eher 18 Grad gewünscht sind oder ich es morgens im Bad gern 22 Grad warm habe, am Wochenende aber eher erst um 10:00 und in der Woche eher um 8:00.
Genauso könnte das System dieses auch von den anderen Hausbewohnern lernen. Es könnte auch lernen, wer z.b. der „Hausherr“ ist, also wer, wenn mehrer Personen im Raum sind, die Temperatur angibt oder sich auf ein Kompromiss geeinigt wurde, sprich; wie eine Konfliktsituation aufgelöst wurde, oder wenn mehrer Personen im Raum sind die Temperatur der Gruppe anpassen, was auch immer.
Jetzt wird das System am Anfang nicht perfekt funktionieren, weil ich mich mal für 20 Grad entscheide, mal für 21 oder mal auch nur für 18 Grad, z.b. wenn ich das Haus verlasse. Das System muss eben erst lernen in welcher Situation wie zu reagieren ist. Es wird mal zu warm sein, mal zu kalt und ab und zu wird es auch mal die richtige Temperatur treffen.
Wenn das System das lernt, dann könnte es auch die Temperatur, z.b. wenn ich in einem Hotelzimmer bin, in einer anderen Wohnung oder in einem Ferienhaus an meine Gewohnheiten anpassen. Es müsste nur die Situation erkennen und es lernt auch, wenn sich meine Gewohnheiten ändern.
Das System könnte Situationen vorhersehen, wie ich oder andere in ähnliche Situationen reagiert haben. z.b die Temperatur ändern, wenn ich im Begriff bin das Haus oder Zimmer zu verlassen.
Mit anderen Worten; Das Haus könnte autonom die Heizung steuern ohne das ich als Mensch etwas dafür einstellen oder programmieren müsste. Das System kann dieses gelernte auch für andere Häuser mit anderen Situationen lernen, er kann auch das verhalten anderer Häuser und Bewohner in seine Situationsbeurteilung einfließen lassen.
Das Erste sind die „low-hanging fruits“, welche man so wunderbar bei BMW, AUDI, Mercedes und anderen bestaunen kann. Funktioniert und gut. Das System kann aber ohne menschlichen Eingriff weder besser noch schlechter werden.
Das Zweite sind die „high-hanging fruits“ und das ist es, was man bei Tesla miterleben kann.
Aus meiner Sicht ist es ein wenig wie ein Kind lernen sehen. Da die Fortschritte in kleine Schritten erfolgen, es auch Rückschritte gibt, man diese täglich erlebt, nimmt man den Fortschritt in größeren Intervallen nicht war. Es gibt jeden Monat ein Update. „Gefühlt“ ändert sich nicht viel. Vergleicht man es allerdings mit dem Status von vor einem Jahr, dann nimmt man schon große Fortschritte war.
Deshalb werden „gefühlt“ auch die System von BMW, AUDI, Mercedes „immer besser“, weil der Horizont von Update zu Update i.d.R. ein Modelzyklus ist. „Toll was der Neue alles kann“. Bei Tesla ist das eben nicht so.
Ich finde es jedenfalls spannend „meinem“ Tesla beim lernen zuzusehen.