Oggi alle 19 sarò in diretta streaming su YouTube con Tesla Owners Italia per parlare di auto elettriche, viste le ultime notizie di cronaca sugli incendi di questi veicoli, sul “richiamo” di due milioni di Tesla, sulla produzione delle batterie che emette più CO2 di un’auto termica e sull’aumento dei consumi di carbone che sarebbe legato alle auto elettriche. Parleremo insomma della malinformazione e le fake news in circolazione sul tema, e ci sarà spazio per parlare delle conclusioni della COP28 con chi ha vissuto dal vivo a Dubai le fasi finali della conferenza: Domenico Vito di Climate Reality Project. Si parlerà anche del Cybertruck e del mercato delle auto elettriche con Carlo Bellati di Automoto.it, e parteciperanno anche Daniele Invernizzi e Pierpaolo Zampini. La diretta sarà coordinata da Luca De Bo.

Ci sono case automobilistiche che spendono milioni in campagne pubblicitarie per esaltare gli attributi più inutili dei loro veicoli sempre più ingombranti, e ci sono case automobilistiche che non spendono nulla in pubblicità ma spendono soldi in altre cose che fanno parlare dei loro prodotti. Oggi Tesla offre cariche gratuite in tutte le sue colonnine rapide Supercharger europee, comprese quelle compatibili con auto di altre marche (qualunque auto con connettore di ricarica standard CCS può usarle). L’occasione è il decennale dell’installazione dei primi Supercharger europei, in Norvegia.

Btw, Supercharging in Europe is free to all today! This includes locations open to all EVs (70% of our network!)

✌️⚡️✌️

— Tesla Europe (@teslaeurope) August 29, 2023

Chiamatemi quando troverete una rete di distributori che offre carburante gratis (tasse, accise e IVA incluse). Intanto non dimenticate che tutti quei bei poster pubblicitari, quei compensi da favola a calciatori e tennisti già strapagati, li pagate voi quando comprate l’auto e ogni volta che andate al distributore. Se potete, cambiate.

Questi sono i dettagli pubblicati da Tesla (grazie a Vaielettrico per averli segnalati):

Tesla Supercharger anniversary in Europe

Free charging for all EVs on August 29, 2023

To celebrate 10 years of Tesla Charging in Europe Tesla will organise a 1-day promotion event during which all Superchargers in the following markets will be providing charging services for free: Austria, Belgium, Croatia, Czech Republic, Denmark, Finland, France, Germany, Greece, Hungary, Iceland, Ireland, Israel, Italy, Liechtenstein, Luxembourg, Netherlands, Norway, Poland, Romania, Slovakia, Slovenia, Spain, Sweden, Switzerland, United Kingdom.

Charging session must be started between 09.00 CEST and 23h59 CEST the latest.

The event is organised by Tesla’s local entities operating Superchargers in the listed markets (Tesla).

No purchase necessary.

The event is open to Tesla owners and the non-Tesla owners with and without membership and customers paying via Chargemap in France. Photography and filming of the event will be taking place for promotional purposes. Please let the photographer onsite know if you do not wish to be photographed or filmed.

Tesla reserves the right to hold void, suspend, cancel, or amend all or any part of the event where it becomes necessary to do so. Any changes to these terms and conditions, or cancellation of the event, will be posted on the Tesla website.

È disponibile subito il podcast di oggi de Il Disinformatico della Radiotelevisione Svizzera, scritto, montato e condotto dal sottoscritto: lo trovate presso www.rsi.ch/ildisinformatico (link diretto) e qui sotto.

Le puntate del Disinformatico sono ascoltabili anche tramite feed RSS, iTunes, Google Podcasts e Spotify.

Buon ascolto, e se vi interessano il testo di accompagnamento e i link alle fonti di questa puntata, sono qui sotto.

---

[CLIP: Gente che grida perché crede di aver visto fantasmi - da YouTube]

Su TikTok e YouTube ci sono molti video che mostrano persone che percorrono lentamente una strada interna di un cimitero a bordo di una Tesla e si spaventano perché l’auto segnala sul proprio schermo che vicino al veicolo c’è qualcuno che loro non vedono. Di solito questi video sono accompagnati da musica inquietante e da reazioni esagerate, che non si sa se siano sincere o recitate. Ma il tema è sempre lo stesso: le Tesla vedono i fantasmi. Perlomeno secondo chi pubblica questi video.

[CLIP: Persone che gridano perché credono di aver visto fantasmi]

Questa è la storia di come un TikTok Challenge in salsa paranormale ha creato un mito, spaventa gli animi sensibili ed è un’occasione per capire meglio come funziona realmente il riconoscimento delle immagini tramite intelligenza artificiale, perché sbaglia e vede “fantasmi”, e soprattutto perché è importante essere consapevoli che questi suoi sbagli possono diventare realmente pericolosi.

Benvenuti alla puntata del 19 maggio 2023 del Disinformatico, il podcast della Radiotelevisione Svizzera dedicato alle notizie e alle storie strane dell’informatica. Io sono Paolo Attivissimo.

[SIGLA di apertura]

Prima di tutto, è importante chiarire che i video di “fantasmi” avvistati dalle auto Tesla mostrano un fenomeno reale, nel senso che è davvero possibile che sullo schermo principale di queste automobili, quello che mostra l’ambiente intorno al veicolo, compaiano sagome di persone che non esistono. Ma non c’è nulla di ultraterreno o paranormale: si tratta di un effetto frequente delle tecnologie usate da questo tipo di auto.

Le auto di Tesla e di molte altre marche sono dotate di telecamere perimetrali che guardano in tutte le direzioni. Le immagini di queste telecamere vengono inviate al computer di bordo, che le analizza e, nel caso di Tesla, mostra sullo schermo in cabina un’animazione tridimensionale schematica degli oggetti che sono stati identificati da questa analisi: le strisce di delimitazione della corsia, i cartelli stradali, i semafori, i veicoli e i pedoni.

Questa animazione è basata sul riconoscimento automatico delle immagini. Il software di bordo è stato addestrato a riconoscere gli oggetti mostrandogli moltissime fotografie di vari oggetti e indicandogli il tipo di oggetto mostrato, esattamente come si fa con un bambino per insegnargli a riconoscere le cose che gli stanno intorno. Ma le somiglianze finiscono qui, perché il software usa un sistema molto differente da quello umano per identificare gli oggetti.

La differenza fondamentale, semplificando molto, è che il software si basa esclusivamente sulle immagini, cioè sulle forme e i colori, mentre una persona usa anche il contesto, ossia informazioni come la distanza, il tipo di ambiente in cui si trova, le regole fondamentali della realtà: per esempio un camion non può fluttuare a mezz’aria, gli oggetti non appaiono e scompaiono di colpo e una persona non può camminare a cento chilometri l’ora.

È questa mancanza di contesto a causare l’apparizione dei fantasmi sullo schermo delle Tesla: il software sbaglia a interpretare l’immagine che gli è stata inviata dalle telecamere, non ha modo di “rendersi conto” del proprio errore valutando la plausibilità della sua interpretazione, e così mostra sullo schermo il risultato del suo sbaglio. L’automobile non sta rivelando cose che i nostri occhi umani non possono vedere; le sue telecamere non stanno ricevendo emanazioni dall’aldilà. I presunti “fantasmi” sono semplicemente errori momentanei di interpretazione automatica delle immagini.

[CLIP da Ghostbusters]

Anche le persone che credono alla natura ultraterrena di questi avvistamenti commettono a loro volta un errore di interpretazione, a un livello molto differente, perché non sanno come funzionano questi software. Ovviamente, se il contesto è un cimitero, magari di notte, la fantasia galoppa e l’unica giustificazione che viene in mente a chi non conosce queste tecnologie è la presenza di un fantasma.

Però tutto questo non spiega come faccia un computer a sbagliare così clamorosamente, per esempio riconoscendo una sagoma umana in un’immagine in cui non c’è nessuno ma si vedono solo prati, fiori e qualche lapide. Scambiare una statua per una persona avrebbe senso, per esempio, ma nei video dei presunti fantasmi si vede chiaramente che intorno all’auto non ci sono oggetti di forma umana. Come fa un computer a sbagliare così tanto?

Confondere sedie a dondolo e occhiali

Alexander Turner, assistente universitario presso la facoltà di scienze informatiche all’Università di Nottingham, nel Regno Unito, spiega in un video della serie Computerphile su YouTube che il riconoscimento delle immagini fatto oggi dai computer in sostanza assegna a ciascuna immagine un valore di probabilità di identificazione.

[CLIP: dal video di Turner per Computerphile]

Per esempio, se si mostra a uno di questi software una foto di un paio di occhiali, il software risponde che rientra nella categoria “occhiali” con una probabilità del 93%, ma non esclude che si tratti di una sedia a dondolo o di un corrimano di una scala, con probabilità però molto più basse. 

Questo è il meglio che riesce a fare: bisogna ricordare che il software non “sa” cosa siano gli occhiali o le sedie a dondolo, ma si sta basando esclusivamente sulle forme e sui colori presenti nell’immagine e li sta confrontando con i milioni di campioni di immagini di occhiali, sedie a dondolo e corrimano sui quali è stato addestrato, misurando quanto l’immagine proposta si avvicini a una delle categorie che conosce e poi scegliendo la categoria che ha la maggiore probabilità di corrispondenza, cioè di somiglianza. Tutto qui.

Questo approccio probabilistico, così lontano dalla certezza umana, porta a una vulnerabilità inaspettata di questi sistemi di riconoscimento delle immagini. Come spiega Alexander Turner, di solito il software assegna una probabilità molto alta a una singola categoria e alcune probabilità molto basse ad altre categorie, ma è possibile influenzare fortemente queste assegnazioni con un trucco: basta cambiare qualche pixel a caso dell’immagine e vedere se la probabilità di identificazione corretta aumenta o diminuisce di qualche decimale. Se diminuisce, si mantiene quel pixel cambiato e si prova a cambiarne anche un altro, e così via, ripetutamente, tenendo i pixel alterati che fanno scendere la probabilità di identificazione esatta e fanno salire quella di identificazione errata.

La cosa sorprendente di questa tecnica è che i pixel cambiati che alterano il riconoscimento non hanno niente a che vedere con l’oggetto nell’immagine ma sono una nuvola di punti colorati apparentemente casuali. Per esempio, si può prendere una foto di una giraffa, che il software identifica correttamente come giraffa al 61%, cambiare alcuni pixel qua e là, magari anche solo sullo sfondo, e ottenere che il software identifichi l’immagine come cane al 63%. Ai nostri occhi la foto mostra ancora molto chiaramente una giraffa, ma agli occhi virtuali del software quella giraffa è ora altrettanto chiaramente un cane. 

Turner prosegue la sua dimostrazione con una foto di un telecomando per televisori su uno sfondo bianco, che viene riconosciuta correttamente dal software: ma spargendo opportunamente dei pixel colorati sull’immagine, il software dichiara che si tratta di una tazza, e assegna a questa identificazione addirittura il 99% di probabilità. Il ricercatore ripete l’esperimento con altri pixel sparsi e il software dice con la stessa certezza che si tratta di una tastiera, di una busta, di una pallina da golf o di una fotocopiatrice. Eppure noi, guardando le immagini alterate, continuiamo a vedere chiaramente che si tratta sempre di un telecomando.

La conclusione di questo esperimento è che non solo i computer riconoscono gli oggetti in maniera molto differente da noi, ma esistono delle immagini che li confondono completamente anche se ai nostri occhi non sono ambigue e sembrano semplicemente foto di un oggetto sporcate da qualche puntino disposto a caso. Noi prendiamo lucciole per lanterne, loro scambiano telecomandi per palline da golf.

[CLIP da video di presunti fantasmi visti dalle Tesla]

Nel caso dei presunti fantasmi avvistati dalle Tesla, è probabile che una specifica inquadratura di un particolare punto del prato di un cimitero contenga momentaneamente un insieme di pixel sparsi qua e là, come quelli usati nell’esperimento di Turner, che al nostro sguardo non spiccano affatto ma che per il software spostano la probabilità di identificazione verso la categoria “persona”.

Bisogna ricordare, infatti, che non è necessario che l’immagine sia riconosciuta con il 100% di certezza: è sufficiente che il software assegni alla categoria “persona” una probabilità anche solo leggermente più alta rispetto a tutte le altre categorie. E così sullo schermo comparirà improvvisamente e per un istante la sagoma di un essere umano.

Mistero risolto, insomma. Ma un fantasma, comunque, in questa storia c’è lo stesso.

Il fantasma in autostrada

Gli avvistamenti di presunti fantasmi nei cimiteri a causa di errori del software di riconoscimento delle immagini ovviamente fanno parecchia impressione e generano video molto virali, ma c’è un altro tipo di avvistamento fantasma da parte delle automobili dotate di telecamere che è reale ed è importante conoscerlo perché ha conseguenze molto concrete.

Le telecamere di questi veicoli vengono usate per l’assistenza alla guida, per esempio per il mantenimento di corsia, per la lettura dei limiti di velocità e per l’identificazione degli ostacoli. L’auto adatta la propria velocità in base alla segnaletica e alla presenza di barriere, veicoli o altri oggetti lungo la strada. Ma se il software di riconoscimento delle immagini sbaglia ad assegnare categorie agli oggetti che vede, le conseguenze possono essere pericolose.

Questi sbagli possono essere spesso comprensibili e anticipabili da parte del conducente, come in un video molto popolare che circola su Twitter e mostra una Tesla che sbaglia a identificare una carrozza che le sta davanti e la mostra come camion, come furgone, poi di nuovo come autoarticolato ma rivolto in senso contrario alla direzione di marcia, e infine aggiunge un inesistente essere umano che cammina in mezzo alla strada. Fortunatamente tutta la scena avviene a bassissima velocità e in modalità di guida manuale; ma se fosse stata attiva la guida assistita, come avrebbe reagito l’auto a quel pedone fantasma?

La Tesla non riconosce una carrozza.. Deficenza artificiale.. 🙄😒 pic.twitter.com/e0WN8HEbXc

— Mauro Granati (@granati_mauro) May 13, 2023

In altre circostanze, invece, lo sbaglio del software può essere completamente incomprensibile e imprevedibile. Se il riconoscimento delle immagini del sistema di assistenza alla guida identifica erroneamente che c’è un ostacolo che in realtà non esiste, e lo fa perché in quell’istante l’immagine inviata dalle telecamere contiene per caso dei pixel che spostano la probabilità di identificazione verso la categoria “ostacolo”, l’auto potrebbe frenare di colpo senza motivo apparente. È quello che gli utenti di questi veicoli chiamano phantom braking, ossia “frenata fantasma”, e se avviene nel traffico può aumentare la probabilità di tamponamenti, perché il conducente del veicolo che sta dietro non si aspetta che l’auto che ha davanti freni improvvisamente e senza motivo quando la strada è libera. Le versioni più recenti dei software di guida assistita hanno ridotto questo fenomeno, ma non è ancora scomparso del tutto.

Si può anche immaginare uno scenario in cui vengono create intenzionalmente situazioni che sembrano innocue ai nostri occhi ma producono errori nei sistemi di riconoscimento delle immagini. Per esempio, per le auto a guida assistita è facile pensare a immagini speciali, applicate al retro di furgoni o camion o cartelli stradali, oppure sul manto stradale, che hanno un aspetto normale ma contengono uno schema di pixel apparentemente casuali che forza i veicoli a frenare, accelerare o cambiare corsia, con intenti ostili oppure protettivi.

Uscendo dal settore automobilistico, sono già in vendita indumenti che hanno colorazioni e forme che all’osservatore umano sembrano prive di significato ma che mettono in crisi i sistemi di riconoscimento facciale delle telecamere di sorveglianza. In campo medico, l’uso crescente di sistemi di riconoscimento automatico delle immagini per la diagnosi può portare a sviste devastanti se il software non ha un approccio prudente, ossia genera falsi positivi invece di falsi negativi, e se il medico non conosce e non considera queste debolezze del software.

Insomma, non vi angosciate: le anime dei defunti non hanno deciso di rendersi visibili solo a chi ha un’automobile di una specifica marca. Almeno per ora.

[CLIP: Risata di Vincent Price da Thriller di Michael Jackson]

Fonti aggiuntive: Makeuseof.com, Ricoh, Carscoops.com, Science Times, IFLScience.

Ultimo aggiornamento: 2023/04/13 13:40. L’articolo è stato estesamente riscritto per tenere conto degli sviluppi della vicenda.

Sta creando comprensibilmente scalpore la notizia che dei dipendenti di Tesla hanno dichiarato che fra il 2019 e il 2022 alcuni video ripresi dalle telecamere di bordo di cui sono dotate le auto di questa marca sono stati fatti circolare per divertimento all’interno dell’azienda, violando le regole interne di privacy. A seguito di questa notizia, un proprietario statunitense di una di queste auto ha avviato una class action contro Tesla (RSI.ch).

Le descrizioni dei video fatti circolare dai dipendenti includono per esempio un uomo che si è avvicinato a una Tesla mentre era completamente nudo, incidenti, animali, cartelli stradali e immagini riprese all’interno dei garage degli utenti, che mostrano oggetti intimi. Fra queste immagini c’è anche la Lotus Esprit “sommergibile” usata nel film della serie di James Bond La spia che mi amava del 1977. Questa famosissima Lotus è oggi di proprietà di Elon Musk.

Nella concitazione di riferire la notizia, la cui fonte originale è un lungo e dettagliato articolo di Reuters, molte delle testate che l’hanno riportata hanno tralasciato informazioni molto importanti e pubblicato notizie tecnicamente scorrette.

Prima di tutto, le immagini descritte da Reuters provengono dalle telecamere esterne dei veicoli, non dalla telecamera interna, che è montata sui modelli più recenti per monitorare l’attenzione del conducente durante la guida assistita, come fanno anche altre marche [Ford, per esempio]. Ma molte testate giornalistiche hanno scritto erroneamente che si tratta di immagini “prese all’interno dei veicoli” [ANSA, 2023/11/04, copia permanente, ho chiesto spiegazioni pubblicamente] o che “dentro le auto i conducenti venivano filmati” (La Regione, copia permanente; ho segnalato l’errore).

Mi sono procurato e letto anche i documenti pubblici della class action: non contengono alcun riferimento a immagini prese all’interno dei veicoli.

Il problema, insomma, non riguarda chi sta dentro il veicolo e che probabilmente come proprietario sa di guidare un’auto dotata di telecamere di sorveglianza, ma riguarda le persone che passano vicino a un’auto di questo tipo e che possono essere facilmente inconsapevoli delle sue dotazioni tecnologiche.

Questi veicoli, infatti, hanno numerose telecamere esterne, poco visibili, che guardano in tutte le direzioni e sono attive durante la marcia, per consentire le funzioni di guida assistita e per fungere da dashcam, e anche durante la sosta, se il conducente ha attivato la cosiddetta modalità Sentinella per proteggere l’auto contro furti e vandalismi [funziona].

Se vi siete mai avvicinati a una Tesla parcheggiata e avete notato che i suoi fanali hanno iniziato a lampeggiare, è perché il veicolo aveva attiva la modalità Sentinella e quindi vi ha avvisato discretamente di avervi visto e potenzialmente registrato.

Un altro aspetto importante che è stato spesso tralasciato è che le immagini delle telecamere vengono trasmesse a Tesla e alle aziende che collaborano con Tesla solo se l’utente dà il proprio consenso. Questo viene detto esplicitamente nell’articolo originale di Reuters [“if a customer agrees to share data”] ed è indicato nell’informativa sul trattamento dati di Tesla, che specifica che “È possibile controllare i dati che si condividono toccando Comandi > Software > Condivisione dati”. Lo stesso vale per la telecamera interna, secondo quanto indicato dal manuale: “Per impostazione predefinita, le immagini e i video registrati dalla telecamera restano all'interno del veicolo e non vengono trasmessi a nessuno, nemmeno a Tesla, a meno che non sia stata abilitata la condivisione dei dati”. Questi video possono essere visti dal proprietario e, se il proprietario ha dato il consenso, anche dai dipendenti di Tesla e delle sue affiliate. Se avviene un incidente, le immagini delle telecamere vengono inviate a Tesla.

[Inoltre l’informativa sulla privacy parla specificamente dei dati delle telecamere, precisando ancora una volta che è necessario il consenso opt-in dell’utente: “In order for camera recordings for fleet learning to be shared with Tesla, your consent for Data Sharing is required and can be controlled through the vehicle’s touchscreen at any time. Even if you choose to opt-in, unless we receive the data as a result of a safety event (a vehicle collision or airbag deployment) — camera recordings remain anonymous and are not linked to you or your vehicle”. I tipi di dati raccolti da Tesla sono schematizzati bene in questo articolo di Electrek]

In sintesi: indubbiamente l’articolo di Reuters denuncia una violazione inaccettabile delle regole di confidenzialità da parte dei dipendenti di Tesla e rivela una cultura aziendale di disinvolta condivisione interna di queste immagini. Ma va anche considerato che se uno va in giro nudo e lo fa davanti a un’auto dotata di telecamere, sua o altri, che lo avvisa della presenza di quelle telecamere lampeggiando, forse il problema non è soltanto di Tesla.

Più in generale, questa vicenda mette bene in luce un problema di moltissimi dispositivi connessi a Internet, dagli assistenti vocali alle dashcam alle telecamere di sorveglianza che salvano le registrazioni nel cloud alle automobili di qualunque marca che trasmettono dati e immagini ai loro produttori. Se avete Alexa o Google Home in casa, pezzi delle vostre conversazioni vengono inviati ad Amazon o Google, rispettivamente, e quindi i dipendenti possono ascoltare quelle registrazioni. E se possono farlo, conoscendo la natura umana è probabile che lo faranno e le condivideranno, e non solo per motivi di lavoro.

Per questo da anni si raccomanda agli utenti di questi dispositivi di chiedersi quali dati vengano raccolti e come sia possibile evitare questa raccolta, scegliendo prodotti che minimizzano la raccolta di dati o che permettono all’utente di rifiutarla o limitarla; per questo esistono i Garanti per la privacy, che spesso vengono visti dall’opinione pubblica come un pedante ostacolo (come si è visto con la vicenda del cosiddetto “blocco” di ChatGPT in Italia). 

Leggete, una volta tanto, i manuali dei dispositivi connessi che acquistate e scoprite come si impostano le funzioni di blocco della condivisione dei dati che non volete far circolare. Farete un favore a voi stessi e agli altri.

[Piccola precisazione personale: ho una Tesla Model S, ma essendo un modello del 2016 non è dotata di telecamere perimetrali ma solo di telecamere frontali e posteriori, che non registrano nulla e non inviano nulla a Tesla. Però ho installato una dashcam che registra costantemente quello che avviene esternamente; questa telecamera tiene i dati per sé e non li condivide con nessuno]

Fonti aggiuntive: Teslarati, Gizmodo, Ars Technica, Electrek.

Ultimo aggiornamento: 2023/03/06 12:55.

Questa sera alle 19 ora italiana sarò ospite di Tesla Owners Italia, su YouTube, per due chiacchiere in libertà con Carlo Bellati, Luca Del Bo e Daniele Invernizzi sulla recente presentazione del cosiddetto Master Plan 3 di Tesla nel corso dell’Investor Day, che ha deluso chi si aspettava grandi annunci ma contiene dati molto interessanti, alcune novità intriganti e soprattutto una parola che è raro sentire di questi tempi: speranza. Se vi interessa, le slide della presentazione sono qui; l’embed di stasera è qui sotto.

Questa, invece, è la lunga registrazione della presentazione di Tesla, già posizionata sul momento di inizio, saltando l’ormai immancabile ritardo.

Questa sera alle 19 sarò ospite di Tesla Owners Italia per una mezz’oretta di diretta streaming su vari argomenti, da SpaceX a Elon Musk alle prossime novità sulle auto elettriche e/o autonome. Potete seguirla qui sotto: l’immagine di anteprima è tratta da un meme piuttosto discutibile diffuso di recente da Elon Musk. Buona visione!

C’è una particolarità poco conosciuta di tutte le Tesla: l’interfaccia web dei loro account contiene dei codici nascosti che rivelano molte caratteristiche importanti dell’auto, fra le quali si annida, nel mio caso, un dato particolarmente interessante.

Questi codici si chiamano option code, e li ho scoperti grazie a questo video di Matteo Valenza, che presenta Ginger e la sua dettagliatissima guida all’acquisto di una Tesla Model S usata. Fra le tante cose che racconta la guida ci sono questi codici e le istruzioni su come ottenerli per il proprio veicolo.

In estrema sintesi, per ottenerli si entra nel proprio account Tesla e si fa clic destro sull’immagine della propria auto per visualizzarla in una scheda separata, come mostro qui sotto con il mio account:

Gli option code non sono nascosti nell’immagine: sono nel suo URL, che inizia con https://static-assets.tesla.com/v1/compositor/?model=[tipo del modello di Tesla] e prosegue con $BP00, $ADPX2, $AU00 eccetera: questa lunghissima serie di sigle che iniziano con il simbolo di dollaro è costituita appunto dagli option code.

Questi codici sono decodificabili immettendoli per esempio in questa pagina di Tesla-info.com e sono spiegati (anche in italiano) in tutte le loro variazioni qui su Pub.dev o presso Teslascout.com. Rivelano molte informazioni utili sia ai possessori di una Tesla sia a chi sta valutando di acquistarne una usata e vuole assicurarsi che il venditore gli stia dando informazioni corrette e complete: per esempio, questi codici indicano se l’esemplare specifico di auto ha la ricarica gratuita a vita sulle colonnine Tesla, la connettività dati gratuita, le sospensioni standard o evolute, la potenza del caricatore di bordo, il paese e l’area geografica originali, le finiture interne ed esterne e molto altro ancora.

Nel mio caso personale, ho trovato con particolare interesse la conferma di un dato tecnico che avevo sospettato sin dall’acquisto, quando ho fatto un po’ di calcoli sui consumi in ricarica e sull’autonomia: la batteria della mia Tesla (una Model S 70 del 2016) è limitata a livello firmware in modo da rendere disponibili solo 60 dei 70 kWh della capacità di carica nominale, riportata in un’etichetta un po’ nascosta. 

Questa limitazione è indicata dall’option code $BR03, che significa Firmware limit (60kwh). In altre parole, nella mia auto ci potrebbero essere 10 kWh, ossia circa 50 km di autonomia extra, sbloccabili in qualche modo (per esempio chiedendo a Tesla). L’autonomia che ho (circa 340 km) è comunque sufficiente, ma se fosse possibile aumentarla senza troppe spese o tribolazioni lo farei volentieri: un po’ di margine extra non fa mai male. Nei prossimi giorni esplorerò questa possibilità.

Se vi interessa saperne di più, ho trascritto tutti gli option code della mia Tesla in questo articolo su Fuoriditesla.ch.

Da pochi giorni alcuni dei punti di ricarica rapida di Tesla, i cosiddetti Supercharger, accettano anche veicoli elettrici di altre marche anche in Italia. Questo è un grande bonus per tutti gli utenti di auto elettriche, che potranno così approfittare anche della vasta rete di ricarica rapida dell’azienda, con oltre 35.000 stalli in tutto il mondo che offrono potenze fino a 250 kW e sono situati presso alberghi e ristoranti ideali per una pausa di viaggio.

Fino a novembre 2021, solo i veicoli Tesla potevano caricare presso le colonnine rapide di Tesla. Poi l’azienda ha iniziato ad abilitare alcune colonnine in Olanda nell’ambito di un progetto pilota (come ho raccontato su Fuori di Tesla: News). A giugno 2022 sono state abilitate altre colonnine rapide di Tesla in Danimarca, Finlandia, Germania, Lussemburgo e Svizzera (FdTN). Attualmente il progetto pilota è operativo anche in Francia, Norvegia, Regno Unito, Spagna, Svezia, Belgio, Austria, Islanda e Italia, secondo l’aggiornamento della pagina informativa di Tesla.

In Italia, i Supercharger abilitati alla carica di veicoli non-Tesla sono quelli indicati su questa mappa, ottenibile visitando https://www.tesla.com/it_IT/findus e disattivando tutte le opzioni tranne Supercharger disponibili per i veicoli non Tesla:

La mappa è consultabile anche nell’app di Tesla entrando nel proprio account e selezionando Carica il veicolo non Tesla, ma in questo caso mostra soltanto i Supercharger abilitati nelle vicinanze dell’utente.

Questa è invece la mappa di tutti i punti di ricarica rapida di Tesla in Italia (abilitati e non abilitati alla carica di veicoli di altre marche):

Per usare le colonnine abilitate con un’auto diversa da una Tesla, è necessario che l’auto abbia un connettore CCS Combo per la ricarica rapida (ce l’hanno quasi tutti i modelli recenti) e che l’utente sia residente in uno dei paesi inclusi nel progetto pilota e abbia installato sul proprio smartphone l’app di Tesla, abbinandola a una carta di credito e creando un account.

Fatto questo, l’utente può recarsi a uno dei Supercharger abilitati, collegare l’auto allo stallo, selezionare lo stallo nell’app e avviare la carica. Gli utenti di auto Tesla non hanno bisogno di usare l’app: semplicemente collegano l’auto allo stallo e la carica si avvia automaticamente. I prezzi sono indicati nell’app e variano a seconda del sito e dell’orario.

L’apertura della rete di ricarica Tesla a tutte le marche potrebbe eliminare alcune delle riluttanze attualmente esistenti verso le installazioni dei Supercharger, per esempio presso le aree di servizio delle autostrade italiane. Finora si poteva obiettare che installare un Supercharger favoriva solo le auto elettriche di Tesla: ora comincia a non essere più così. Inoltre l’uso a pagamento da parte di utenti di altre marche (a tariffe maggiori rispetto agli utenti Tesla) porterebbe a Tesla maggiori ricavi, investibili in una ulteriore espansione della rete di ricarica.

Per contro, questa apertura toglie ai proprietari di auto Tesla il vantaggio di disporre di una rete di ricarica esclusiva e garantita: ora gli stalli saranno maggiormente contesi.

Il progetto pilota procede con una certa cautela anche perché sono emersi alcuni problemi strettamente pratici: per esempio, gli utenti delle auto non-Tesla che hanno la presa di ricarica situata lungo la fiancata anziché verso il muso o la coda si sono accorti che i cavi di alcuni Supercharger sono troppo corti per raggiungere la loro presa, e quindi si trovano a parcheggiare di traverso, occupando più stalli, per poter caricare.

Questo problema si presenta presso i Supercharger che hanno le colonnine disposte di traverso, in fondo allo stallo, mentre quelli che hanno le colonnine disposte di taglio, come divisori dei vari stalli, non comportano alcun ostacolo per chi ha la presa sulla fiancata.

Tuttavia un’auto che ha la presa sulla fiancata sinistra, come per esempio la Audi e-tron mostrata qui sotto, si trova a usare la colonnina che invece verrebbe usata da una Tesla parcheggiata nello stallo alla sua sinistra. Lo stallo a sinistra di quello occupato è quindi inutilizzabile per una Tesla (ma è accessibile per un’altra Audi).

Nessun problema, insomma, se le auto in ricarica presso questi Supercharger “di taglio” sono tutte Tesla o tutte non-Tesla, ma se si mescolano si perde l’accessibilità di qualche stallo.

Questo articolo è disponibile anche in versione podcast audio.

Man mano che l’elettronica si diffonde nelle automobili aumenta la quantità di dati digitali che questa elettronica raccoglie, e capita sempre più spesso che questi dati vengano anche trasmessi in tempo reale alle case costruttrici. È la cosiddetta telemetria, resa popolare dalle corse automobilistiche, le cui dirette televisive vengono arricchite dalla condivisione con gli spettatori della velocità, dell’accelerazione e di vari altri dati che arrivano via radio dalle singole vetture.

Di recente ho avuto la possibilità di esaminare da vicino quali dati vengono raccolti da uno di questi sistemi di telemetria installati su auto da strada, ed è stata un’esperienza illuminante: il livello di dettaglio è impressionante, e le implicazioni in termini di privacy personale e di analisi degli incidenti meritano decisamente di essere valutate con molta attenzione.

I dati di telemetria che ho esaminato si riferiscono a Tesla, che è una delle marche che maggiormente punta sulla connettività e sul software per le proprie automobili, ma anche altre case produttrici adottano soluzioni analoghe. Sono dati che risiedono in una memoria locale, a bordo del veicolo, e vengono trasmessi sostanzialmente in tempo reale alla casa costruttrice, che li custodisce, conserva e analizza. Ogni proprietario di un’auto di questa marca può richiederli accedendo alla pagina apposita del sito di Tesla con le proprie credenziali e seguendo le apposite istruzioni. Esiste anche un’opzione di richiesta dei dati dell’Event Data Recorder, un registratore di bordo paragonabile alla “scatola nera” usata in aviazione, che è accessibile all’utente tramite cavi appositi e un software gratuito per Windows, fornito dalla casa automobilistica.

Il file che si ottiene è in formato CSV standard e può essere letto da qualsiasi applicazione compatibile, come Excel, Numbers o LibreOffice. È enorme e dettagliatissimo: un solo giorno di telemetria può contenere decine di migliaia di righe e occupare vari megabyte.

Ogni riga include un’indicazione della data e dell’ora precisa di ciascun evento registrato. E gli eventi sono davvero tanti: vengono memorizzati oltre 240 parametri distinti, che permettono di ricostruire la dinamica di un incidente in estremo dettaglio. Istante per istante, la telemetria annota diligentemente dati ovvi, come la velocità, la direzione di marcia o l’azionamento del freno o dell’acceleratore, e dati meno intuitivi, come il rilevamento della presenza delle mani sul volante, l’accelerazione laterale e longitudinale, la velocità di rotazione del veicolo intorno all’asse verticale (in pratica la direzione nella quale sta curvando), la posizione del volante, l’attivazione dell’ABS, le impostazioni delle funzioni di guida assistita e persino le regolazioni dell’aria condizionata, dello sbrinatore e delle luci interne.

Ma ci sono anche dati che riguardano la sfera personale: per esempio, vengono registrate la presenza o assenza di persone sui vari sedili, l’apertura e chiusura delle portiere, la regolazione dei sedili e la chiusura delle cinture di sicurezza. Sorprendentemente, nel campione che ho potuto esaminare mancano le coordinate GPS.

Comunque sia, con una varietà di dati del genere è possibile ricostruire gli eventi con grande precisione, istante per istante, documentando quante persone erano a bordo, a che velocità effettiva stava viaggiando il veicolo in un dato momento, quando e con che forza è stato premuto il pedale del freno, e così via, ma è anche possibile ricostruire i comportamenti privati delle persone, attraverso l’analisi dell’apertura delle portiere o della presenza di persone sui vari sedili.

Non c’è scampo, insomma, per chi dice per esempio che non stava correndo troppo o che era solo in auto quando in realtà superava i limiti di velocità in complice compagnia. Ma allo stesso tempo c’è un supporto prezioso e oggettivo per documentare come sono andate realmente le cose in caso di incidente, come in un caso recente avvenuto in Italia proprio con una Tesla, o per qualunque altra controversia.

Per esempio, la storia delle automobili di quasi tutte le marche è ricca di casi di accelerazione improvvisa e incontrollata dovuti a fattori tecnici in alcuni casi e a fattori umani in altri: avere un registratore di bordo permette di chiarire una volta per tutte le responsabilità delle parti.

Questo è l’elenco completo (refusi compresi) dei parametri in un file di telemetria di Tesla: ho evidenziato alcuni dei più significativi.

1. VIN

2. DATE (UTC)

3. Charge Handle Communication Signal

4. Charge Cable Connected

5. Charge Cable Secured

6. Charge Port Door Button Pressed

7. Auto Lane Change State

8. Autosteer Driver Hands On Detection

9. Autosteer State (Unavailable is recorded when Autosteer is not available, SNA is recorded when system state is not available)

10. Accelerator Pedal Position (%)

11. Brake Pedal Application

12. Cruise Control Set Speed (mph / kph)

13. Cruise Control State

14. Gear Selection

15. Vehicle Speed (kph) (Positive is forward direction)

16. UI Setting - Steering Sensitivity

17. Primary Steering Angle Sensor (degrees) (Positive indicates right turn)

18. Primary Steering Torque Sensor (Nm) (Positive indicates right turn)

19. ABS Brake Event

20. Brake Master Cylinder Pressure (bar)

21. Brake Pedal Manual Application

22. Passenger Seat Occupant Classification

23. Accelerator Pedal Position Maximum - Sensor A (%) (max since previous sample)

24. Frontal Collision Detected

25. Left-side Collision Detected

26. Rear Collision Detected

27. Right-side Collision Detected

28. Rollover Detected

29. Deployment Type

30. Crash Algorithm Wake-Up

31. Lateral Acceleration (m/s^2)

32. Longitudinal Acceleration (m/s^2)

33. Near Deploy Front Collision Detected

34. Near Deploy Left-side Collision Detected

35. Near Deploy Rear Collision Detected

36. Near Deploy Right-side Collision Detected

37. Near Deploy Rollover Detected

38. Driver Seat Track Position Status

39. Passenger Seat Track Position Status

40. Vehicle Yaw Rate (Positive indicates left turn)

41. Gear Selector Stalk Status

42. UI Setting - PIN to Drive

43. PIN Tto Drive accepted

44. Requested Charge Current (Amps)

45. UI Setting - Automatic Emergency Braking

46. UI Setting - Automatic High Beam

47. UI Setting - Vehicle Alarm

48. UI Setting - Automatic High/Low Beams Enabled

49. UI Setting - Automatic Lane Change

50. Request Automatic Parking

51. UI Request - Enable Charging

52. UI Setting - Door Child Locking

53. UI Request - close Charge Port Door

54. UI Setting - Navigate on Autopilot

55. UI Request - Factory Reset

56. UI Setting - Forward Collision Warning

57. UI Setting - Forward Collision Warning Sensitivity

58. UI Request - Follow Navigate on Autopilot Route

59. UI Request - Front Trunk Open

60. UI Setting - Disable Air Conditioning

61. Air Conditioning - Air Distribution Mode

62. Air Conditioning - Cabin Blower Setting

63. Air Conditioning - Cabin Defog Mode

64. Air Conditioning - Cabin Air Recirculation Mode

65. Air Conditioning - Rear Cabin Blower Setting

66. Seating - Left Front Temperature

67. Seating - Right Front Temperature

68. Air Conditioning - State

69. UI Setting - Autosteer

70. UI Setting - Lane Departure Warning

71. UI Setting - Headlamps

72. UI Request - Vehicle Lock/Unlock

73. UI Setting - Mirror Fold

74. Navigation Route Active

75. Navigating to Supercharger

76. Odometer (Kilometers)

77. UI Request - Open Charger Port Door

78. UI Request - Park Brake

79. UI Setting - Acceleration Mode

80. Mobile App - Remote Closure Request

81. Mobile App - Remote Start Request

82. UI Setting - Headlamps After Exit

83. Auto Summon Status

84. UI Setting - Steering Mode

85. UI Setting - Stopping Mode

86. Summon State

87. UI Request - Track Mode

88. UI Request - Trunk Open/Close

89. UI Setting - Lane Change Mode

90. UI Setting - Unlock On Park

91. Air Conditioning - Left Side, Split/Focus

92. Air Conditioning - Left Side, Split Percentage

93. Air Conditioning - Left Side, Vertical Position

94. Air Conditioning - Left Side, Horizontal Position

95. Air Conditioning - Right Side, Split/Focus

96. Air Conditioning - Right Side, Split Percentage

97. Air Conditioning - Right Side, Vertical Position

98. Air Conditioning - Right Side, Horizontal Position

99. UI Setting - Walk Away Door Locking

100. UI Setting - Winch Mode

101. UI Request - Wiper Mode

102. Wiper Speed

103. Daytime Running Light Status - Left

104. Daytime Running Light Status - Right

105. Seat Occupancy Status - Left Side, Front

106. Front Trunk Access Post Usage

107. Front Trunk Release - Interior Switch

108. Front Passenger Present

109. Cabin Preconditioning Status

110. Overhead Map Light - Front Left Switch

111. Overhead Map Light - Front Right Switch

112. Overhead Map Light - Rear Left Switch

113. Overhead Map Light - Rear Right Switch

114. Left Brake Light

115. Left Rear Window Auto-Down Switch

116. Left Rear Window Auto-Up Switch

117. Left Rear Window Down Switch

118. Left Front Window Auto-Down Switch

119. Left Rear Window Auto-Down Switch

120. Right Front Window Auto-Down Switch

121. Right Rear Window Auto-Down Switch

122. Left Front Window Auto-Up Switch

123. Left Rear Window Auto-Up Switch

124. Right Front Window Auto-Up Switch

125. Right Rear Window Auto-Up Switch

126. Left Front Window Down Switch

127. Left Rear Window Down Switch

128. Right Front Window Down Switch

129. Right Rear Window Down Switch

130. Left Front Window Up Switch

131. Left Rear Window Up Switch

132. Right Front Window Up Switch

133. Right Rear Window Up Switch

134. Left Rear Window Up Switch

135. Steering Column Profile Recall

136. Front Left Seatbelt Buckle Status

137. Door External Release - Left side, Front

138. Front Left Seat - Backrest Position

139. Switch Request - Front Left Seat Backrest Back

140. Switch Request - Front Left Seat Backrest Forward

141. Switch Request - Front Left Seat Lift Down

142. Front Left Seat - Lift Position

143. Switch Request - Front Left Seat Switch Lift Up

144. Switch Request - Front Left Seat Switch Lumbar Down

145. Switch Request - Front Left Seat Switch Lumbar In

146. Switch Request - Front Left Seat Switch Lumbar Out

147. Switch Request - Front Left Seat Switch Lumbar Up

148. Switch Request - Front Left Seat Switch Tilt Down

149. Front Left Seat - Tilt Position

150. Switch Request - Front Left Seat Switch Tilt Up

151. Switch Request - Front Left Seat Track Back

152. Switch Request - Front Left Seat Track Forward

153. Front Left Seat - Track Position

154. Hazard Warning Switch Status

155. Horn Switch Status

156. Seat Occupancy Status - Rear, Centre

157. Rear Air Conditioning Control Switch Status

158. Door External Release - Left side, Rear

159. Door Internal Release - Left side, Rear

160. Seatbelt Buckle Status - Left Side, Rear

161. Seat Occupancy Status - Left Side, Rear

162. Seat Occupancy Status - Right Side, Rear

163. Seat Profile Recall - Left Side, Front

164. Left Steering Wheel Switch - Pressed

165. Left Steering Wheel Switch - Scroll

166. Left Steering Wheel Switch - Tilt Left

167. Left Steering Wheel Switch - Tilt Right

168. Right Steering Wheel Switch - Pressed

169. Right Steering Wheel Switch - Scroll

170. Right Steering Wheel Switch - Tilt Left

171. Right Steering Wheel Switch - Tilt Right

172. Right Brake Light

173. Right Front Window, Auto-Down Switch

174. Right Rear Window, Auto-Down Switch

175. Right Front Window, Auto-Up Switch

176. Right Rear Window, Auto-Up Switch

177. Right Front Window, Down Switch

178. Right Rear Window, Down Switch

179. Left Front Window, Auto-Down Switch

180. Left Rear Window, Auto-Down Switch

181. Right Rear Window, Auto-Down Switch

182. Left Front Window, Auto-Up Switch

183. Left Rear Window, Auto-Up Switch

184. Right Rear Window, Auto-Up Switch

185. Left Front Window, Down Switch

186. Left Rear Window, Down Switch

187. Right Rear Window, Down Switch

188. Left Front Window, Up Switch

189. Left Rear Window, Up Switch

190. Right Rear Window, Up Switch

191. Right Front Window, Up Switch

192. Right Rear Window, Up Switch

193. Seatbelt Buckle Status - Right Side, Front

194. Door External Release - Right Side, Front

195. Door Internal Release - Right Side, Front

196. Front Right Seat - Backrest Position

197. Switch Request - Front Right Seat Backrest Back

198. Switch Request - Front Right Seat Backrest Forward

199. Switch Request - Front Right Seat Lift Down

200. Front Right Seat - Lift Position

201. Switch Request - Front Right Seat Switch Lift Up

202. Switch Request - Front Right Seat Switch Lumbar Down

203. Switch Request - Front Right Seat Switch Lumbar In

204. Switch Request - Front Right Seat Switch Lumbar Out

205. Switch Request - Front Right Seat Switch Lumbar Up

206. Switch Request - Front Right Seat Switch Tilt Down

207. Front Right Seat - Tilt Position

208. Switch Request - Front Right Seat Switch Tilt Up

209. Switch Request - Front Right Seat Track Back

210. Switch Request - Front Right Seat Track Forward

211. Front Right Seat - Track Position

212. Seatbelt Buckle Status - Centre, Rear

213. Door External Release - Right Side, Rear

214. Door Internal Release - Right Side, Rear

215. Seatbelt Buckle Status - Right, Rear

216. Seat Profile Recall - Front Right

217. Bluetooth Device 0 Status

218. Bluetooth Device 1 Status

219. Bluetooth Device 2 Status

220. Bluetooth Device 3 Status

221. Multiple NFC Cards Detected at Left Pillar

222. Multiple NFC Cards Detected at Right Pillar

223. ID of NFC card at Left Reader

224. ID of NFC card at Right Reader

225. Multiple NFC Cards Detected at Centre Console

226. ID of NFC card at Centre Console Reader

227. Lock/Unlock Authentication from Pillar Reader

228. Drive Authentication from Centre Console Reader

229. Identity of the Active Key Device

230. Vehicle Alarm Status

231. Vehicle Authentication Status

232. Charge Port Door Lock Status

233. Charge Port Door Request

234. Lock Request Type

235. Summon Request Status

236. Trunk Movement Status

237. Mobile App Request - Left Front Window

238. Mobile App Request - Left Rear Window

239. Mobile App Request - Right Front Window

240. Mobile App Request - Right Rear Window

241. Mobile App Window Request Type

Come preannunciato, sarò ospite e relatore al Tesla Club Italy Revolution, la conferenza nazionale dedicata alla casa automobilistica Tesla e a tutto il mondo della mobilità elettrica, che si terrà a Bologna al FICO Eataly. 

Fino a domani sera l’ingresso è scontato al 50%. I biglietti si prendono qui. Caso mai dovesse venire il dubbio, l’evento è aperto a tutti; non è necessario essere proprietari di auto elettriche, men che meno di Tesla.

Io parlerò di bufale elettriche e di come comunicare con gli elettroscettici, e se venite potremo scambiare due chiacchiere in giro e ascoltare i tanti relatori esperti in programma, che affrontano questioni come la durata e il riciclaggio delle batteria, i consumi di energia e altro ancora. Verrò con TESS (la mia Tesla Model S), ovviamente!

È un’occasione per conoscere da vicino il mondo della mobilità elettrica attraverso le esperienze dirette di chi la usa, per vedere da vicino e provare le varie auto offerte da Tesla attualmente e in passato e anche per conoscere quali sono le realtà attuali e le prospettive a breve dello sviluppo di questo tipo di trasporto sostenibile, grazie alle relazioni degli esperti del settore.

Io ci vado per incontrare dal vivo tanti possessori di Tesla e comunicatori del settore e per scambiare idee e soluzioni con loro. Nella mia relazione parlerò delle principali bufale che circondano l’auto elettrica, di chi le fabbrica attivamente, di come comunicare efficacemente con chi è stato ingannato da queste bufale e parte da una posizione elettroscettica, e di come proporre la necessaria transizione alla mobilità elettrica senza passare per snob o fighetti in stile “che mangino brioches”, cosa oggettivamente piuttosto difficile per chi si presenta con auto sportive di lusso o comunque di fascia alta.

Se volete saperne di più, il sito della manifestazione è Teslarevolution.net e il programma è qui. I primi 200 biglietti hanno il 50% di sconto. L’evento è organizzato da Tesla Club Italy e non è affiliato a Tesla, Inc. o ad altre aziende del gruppo.

---

Fra l’altro, oggi (22 giugno 2022) si celebra il decennale del debutto della Tesla Model S, la prima berlina elettrica progettata da zero, un’auto che sembrava impossibile, che ha dimostrato che le auto elettriche potevano non solo competere con le auto a carburante ma anche superarle, e che ha dato concretamente il via alla transizione dell’industria automobilistica verso veicoli meno insostenibili prodotti in massa.

E giusto per ricordare quanto cambiano in fretta le cose, vorrei ricordare che solo due anni prima di questo debutto impazzava la tesi di complotto secondo la quale le auto elettriche erano già pronte ma venivano insabbiate dai poteri forti. Mi chiedo dove siano finiti tutti quelli che all’epoca reclamavano a gran voce quelle auto elettriche, ora che potrebbero comprarne una semplicemente andando da un concessionario di qualunque marca.

A partire da novembre 2021, Tesla ha avviato in Olanda un progetto pilota che consente l’uso di alcune delle sue colonnine di ricarica rapida (fino a 250 kW), i Supercharger, anche ad auto di altre marche. Ora ce ne sono anche in Svizzera e in vari altri paesi europei.

Prima di questo progetto, solo le Tesla potevano ricaricare alle stazioni di ricarica Tesla. Questa apertura cambia radicalmente le cose, eliminando una delle critiche più frequenti ma introducendo anche alcuni svantaggi. Se volete saperne di più, ho scritto un articolo sul mio blog apposito Fuori di Tesla News.

Ultimo aggiornamento: 2021/12/28 21:40.

In queste ore (la sera del 24/12/21 mentre scrivo inizialmente questo articolo) Tesla sta rilasciando progressivamente un aggiornamento software molto esteso, denominato V11.0, che introduce numerose novità interessanti e dimostra la potenza e la flessibilità di un’architettura che consente di aggiornare il software del veicolo su connessione sicura via Internet, senza dover andare in officina, e di un’automobile software-defined.

Come sempre, non tutte le nuove funzioni sono disponibili su tutti i veicoli, a seconda delle dotazioni hardware del singolo esemplare. Per l’occasione, Tesla ha pubblicato un raro aggiornamento del suo blog ufficiale.

Cambia parecchio l’interfaccia utente per tutti i veicoli dotati di processore di infotainment Atom o superiore: fra le varie novità, viene introdotto il dark mode, ossia la possibilità di scegliere di avere sempre schermate con sfondo scuro, anche di giorno, per ridurre l’abbagliamento in galleria (finora il display adottava sfondi scuri automaticamente solo quando il sole tramontava e aveva solo una regolazione automatica della luminosità in base all’illuminazione ambientale).

Nel navigatore è ora possibile riordinare i waypoint, ossia le tappe intermedie, che prima dovevano essere selezionate in un ordine preciso e non modificabile.

Si può personalizzare il contenuto della barra menu inferiore per mettere immediatamente a disposizione le funzioni più desiderate:

Drag & drop your favorite apps along the bottom menu bar for easy access pic.twitter.com/GpD2HzB4GY

— Tesla (@Tesla) December 24, 2021

Se l’auto è dotata di telecamere laterali (lo sono tutte quelle da fine 2016 in poi), quando si aziona la freccia per cambiare corsia o per girare viene mostrata automaticamente sullo schermo la visuale dell’angolo cieco:

Automatically see a live camera view of your blind spot when activating your turn signal pic.twitter.com/FG9EOPe95D

— Tesla (@Tesla) December 24, 2021

Questa è una funzione estremamente utile in termini di sicurezza e ricorda quella presente già da qualche tempo sulla Hyundai Ioniq 5.

Le Tesla dotate di altoparlante esterno possono ora utilizzare i microfoni di bordo per comunicare all’esterno della vettura:

Talk through your Tesla with Boombox Megaphone 📢 pic.twitter.com/8xMO2bHP7L

— Tesla (@Tesla) December 24, 2021

Le telecamere perimetrali sono ora interrogabili in diretta via app anche in buona parte dell’Europa (prima questa funzione esisteva solo negli Stati Uniti). In pratica è possibile vedere sullo smartphone in tempo reale cosa vedono le telecamere dell’auto. Non è ancora chiaro quali siano i paesi europei nei quali viene attivata questa funzione: mi dicono che in Svizzera non è attiva, mentre in Italia lo è.

Passando ad aggiornamenti molto frivoli ma sempre divertenti, ora è disponibile il sudoku, si può consultare TikTok e si può anche giocare a Sonic (collegando un normale controller da console di giochi a una delle prese USB dell’auto):

Defeat Dr. Eggman as the fastest hedgehog of all time 🎮 pic.twitter.com/jrLjYTV6ne

— Tesla (@Tesla) December 24, 2021

Lo “spettacolo di luci”, ossia una sequenza automatica di accensioni di tutte le luci e di azionamenti di varie parti dell’auto (finestrini e specchietti) accompagnati dalla musica, è ora disponibile su tutti i modelli: prima era offerto solo sulla Model X. Inoltre è ora programmabile e personalizzabile con questo software, che genera anche scritte (per chi ha i fanali anteriori a matrice) e a quanto pare può essere utilizzato anche su auto di altre marche.

Program your own light show to make your Tesla dance! → https://t.co/nFm8ES2Zlv pic.twitter.com/Rc4q7RuDu0

— Tesla (@Tesla) December 24, 2021

Queste sono solo alcune delle principali novità. I dettagli sono, appunto, nel blog di Tesla.

Sto aspettando che arrivi anche a me questo aggiornamento per vedere quali di queste novità vengono supportate da Tess, la mia Model S del 2016, che si avvia ai sei anni di vita con su quasi 100.000 km e continua a ricevere aggiornamenti anche grazie al fatto che ho sostituito il processore di infotainment (quello che gestisce il “tablettone” centrale).

Se si potessero aggiungere le telecamere laterali (che Tess non ha), la visualizzazione dell’angolo cieco sarebbe comodissima, anche per i parcheggi a filo marciapiede. Tess non ha l’altoparlante esterno (e quindi non emette rumore durante la marcia a bassa velocità), ma sto pensando di far fare un retrofit apposito, come ho già fatto per il processore di infotainment e per la compatibilità con le colonnine CCS.

2021/12/25 00:01. Buon Natale!

2021/12/27 20:30. L’aggiornamento è arrivato anche a me. Ho visto che funzionano il dark mode, la personalizzazione dei widget sullo schermo e i nuovi layout delle funzioni.

2021/12/28 21:40. Arrivano le prime valutazioni degli utenti, e molte sono negative: alcune funzioni importanti richiedono più pressioni di pulsanti rispetto a prima e questo riduce la sicurezza, perché aumenta il tempo di distrazione dalla guida. Inoltre non è possibile usare la funzione di personalizzazione delle icone immediatamente disponibili per mettere in primo piano cose importanti come lo sbrinamento del parabrezza. Anche alcune scelte di interfaccia non sembrano affatto pratiche e sensate (sono spariti quasi tutti i pulsanti “X” di chiusura delle finestre). Speriamo che, come consueto, le critiche portino a miglioramenti e correzioni.

Ultimo aggiornamento: 2021/11/21 16:30.

Molti giornali e siti hanno pubblicato la notizia di un guasto informatico ai server di Tesla che avrebbe appiedato tutti gli utenti di queste auto elettriche, chiudendoli fuori dai loro veicoli. Non è vero.

Semplicemente, ha smesso di funzionare per alcune ore il controllo remoto tramite app. Chi aveva con sé la chiave (telecomando come quello nella foto oppure tessera) ha potuto continuare a usare la propria Tesla. Lo so perché durante il guasto dei server di Tesla, avvenuto intorno alle 21:40 GMT, ero in giro con la mia e non mi sono nemmeno accorto del guasto. L’ho chiusa, aperta e avviata tranquillamente usando il telecomando apposito.

Ma l’idea degli utenti appiedati a causa delle loro auto troppo tecnologiche era giornalisticamente troppo ghiotta. Per esempio, BleepingComputer ha titolato “Tesla owners unable to unlock cars due to server errors” (poi ha corretto premettendo “Some”). Poi l’articolo stesso spiegava come stavano realmente le cose: “However, users can still unlock their cars using their phones over Bluetooth, via key card, or via key fobs.”

Anche la BBC ha titolato in modo ingannevole “Tesla drivers left unable to start their cars after outage”.

Una volta tanto, Repubblica ha invece tweetato correttamente: “Tesla, interruzione sul server: molte auto del marchio non si avviano con la app in diversi paesi del mondo. Musk: "Ora ok, faremo controlli"”. 

I server di Tesla sono ora di nuovo online e tutto è tornato alla normalità.

Lasciando da parte la non-notizia, può essere utile chiarire il funzionamento delle “chiavi” di una Tesla per chi non ha una di queste auto ed è stato fuorviato da dicerie e scarsa chiarezza delle informazioni diffuse da molte fonti.

In sostanza, le auto di Tesla non hanno una chiave propriamente detta per aprire le portiere o per avviarle: non hanno un oggetto metallico sagomato da infilare in una serratura (e non hanno serrature o blocchetti di avviamento dotati di toppa). Come molte altre marche, hanno una chiusura esterna (di portiere, cofano e bagagliaio) e un avviamento che sono elettronici e possono essere comandati in molti modi.

Per esempio, possono essere azionati usando un telecomando (keyfob) oppure una tessera (keycard). Entrambi funzionano comunicando direttamente con l’auto via radio se si è vicini al veicolo. Se il telecomando o la tessera si trova dentro l’auto, consente di guidarla: non c’è una chiave di avviamento da inserire in un blocco a serratura. Il telecomando e la tessera funzionano anche senza Internet e senza copertura cellulare. 

Fra l’altro, il telecomando funziona anche se la batteria è scarica: basta appoggiarlo in un punto specifico della carrozzeria, dove c’è un apposito sensore che riconosce i componenti passivi presenti nel telecomando. La keycard non ha batteria e funziona passivamente, come fanno le carte di credito contactless.

Ma c'è anche un altro modo per aprire, chiudere e avviare una Tesla: l’app, da installare su uno smartphone. Se si è vicini all’auto, l’app comunica direttamente con essa via Bluetooth, senza aver bisogno di Internet. Se invece si è lontani dal veicolo, l’app comunica via Internet attraverso i server di Tesla.

Pertanto l’unico caso in cui un guasto ai server di Tesla impedisce l’uso dell’auto è se l’utente ha con sé soltanto il telefonino e vuole comandare l’auto da remoto. Il comando remoto è utile, per esempio, per accendere il riscaldamento o l’aria condizionata prima di arrivare all’auto. 

A parte questo, una Tesla rimane perfettamente guidabile e tutti i comandi di bordo essenziali (luci, condizionatore, riscaldamento, eccetera) continuano a funzionare anche se i server di Tesla non sono accessibili. Del resto, può capitare di viaggiare in zone non coperte dalla rete cellulare o semplicemente di lasciare l’auto in un parcheggio molto schermato, per cui è ovvio che l’auto deve poter funzionare anche senza connettività cellulare.

Chi è rimasto a piedi durante l’interruzione del servizio dei server Tesla si è probabilmente affidato soltanto all’app, invece di portare con sé il telecomando e/o la tessera, e non sapeva come usare l’app via Bluetooth.

Andare in giro in auto contando su un’app e lasciando a casa il telecomando o la tessera è una totale sconsideratezza. Con qualunque marca di auto.

Fonti aggiuntive: Engadget, Electrek.

Questo articolo vi arriva gratuitamente e senza pubblicità grazie alle donazioni dei lettori. Se vi è piaciuto, potete incoraggiarmi a scrivere ancora facendo una donazione anche voi, tramite Paypal (paypal.me/disinformatico) o altri metodi.

Ultimo aggiornamento: 2021/11/14 9:30.

È disponibile subito il podcast di oggi de Il Disinformatico della Rete Tre della Radiotelevisione Svizzera, condotto dal sottoscritto: lo trovate presso www.rsi.ch/ildisinformatico (link diretto). Questa è la versione Story, dedicata all’approfondimento di un singolo argomento. 

Questa puntata è una riedizione aggiornata e ampliata di un mio articolo di giugno 2021, che contiene informazioni di sicurezza automobilistica che credo meritino di essere ripetute e soprattutto diffuse anche a chi ascolta i podcast, magari in auto, ma non legge i blog, ora che le auto a guida assistita, specialmente le Tesla, stanno avendo un picco di vendite.

I podcast del Disinformatico di Rete Tre sono ascoltabili anche tramite feed RSS, iTunes, Google Podcasts e Spotify.

Buon ascolto, e se vi interessano il testo e i link alle fonti della storia di oggi, sono qui sotto!

---

Si parla tanto di intelligenza artificiale applicata alla guida autonoma, e YouTube è piena di pubblicità e dimostrazioni di come le auto più moderne siano, almeno in apparenza, in grado di viaggiare da sole. Nomi come Waymo, Cruise, Tesla annunciano l’imminenza dei robotaxi: alcune aziende già offrono il servizio a livello sperimentale. Ma questi video possono essere molto ingannevoli.

Questa è la storia di tre princìpi che possono creare un’illusione di competenza di questi robotaxi annunciati, che può portare a gravi incidenti in cui l’informatica incompresa ha un ruolo centrale, e di come le menti migliori del settore stanno cercando di risolvere questo problema.

---

Ci sono tre princìpi fondamentali per capire il motivo e il pericolo degli attuali sistemi di guida assistita, quella in cui il conducente resta comunque responsabile, e di guida autonoma, quella in cui il conducente non conduce ma è semplice passeggero passivo.

Il primo principio è questo: l’intelligenza artificiale usata per la guida autonoma o assistita, più precisamente la sua parte denominata machine learning, è semplicemente un riconoscimento di schemi e non costituisce “intelligenza” in alcun senso significativo della parola.

Secondo principio: il riconoscimento di schemi fallisce in maniera profondamente non umana e in situazioni che un umano invece sa riconoscere in maniera assolutamente banale. Questo rende difficilissimo prevedere e gestire i fallimenti del machine learning e quindi rende pericolosa la collaborazione umano-macchina.

Terzo principio: qualunque sistema di guida autonoma o assistita basato esclusivamente sul riconoscimento degli schemi è destinato a fallire in maniera imbarazzante e potenzialmente catastrofica.

Prima di spiegare i dettagli di questi tre princìpi, riassumo cosa si intende per machine learning: in estrema sintesi, si danno in pasto a un software tantissimi esempi di una cosa, tantissimi esempi di cose differenti (ossia che non sono quella cosa) e lo si “premia” quando riconosce correttamente la cosa in questione.

Questo apprendimento automatico può raggiungere livelli di affidabilità altissimi e in molti casi funziona egregiamente. Il riconoscimento ottico dei caratteri e il riconoscimento vocale sono esempi di grande successo del machine learning. 

Ma si può dire che un sistema di riconoscimento di testi sia intelligente? Capisce che sta leggendo un sonetto di Shakespeare o una mail di spam, e può quindi adeguarsi di conseguenza? È in grado di considerare il contesto e di usarlo per risolvere ambiguità?

No, perché non ha conoscenza del mondo reale; conosce soltanto delle forme (le lettere) e assegna loro una probabilità di corrispondere a uno dei modelli che conosce. Non sa nulla del loro significato e quindi non può correggersi di conseguenza. E non importa quanti miliardi di campioni di lettere o di parole gli si danno: non acquisirà mai la comprensione del testo.

Ogni tanto questi sistemi di riconoscimento sbagliano, ma non è un problema. Se un sistema di riconoscimento di testi “legge” una parola al posto di un’altra non muore nessuno. Se Alexa crede che l’abbiate chiamata, quando invece stavate pronunciando il nome della vostra spasimata Alessia durante un momento di passione, il peggio che può succedere è che la registrazione del vostro amplesso finisca nel cloud di Amazon e venga scambiata fra i dipendenti dell’azienda che fanno il monitoraggio dei campioni audio. Imbarazzante, ma probabilmente non letale.

La ragazza che si chiama Alessia è un cosiddetto edge case: un caso limite, una situazione rara che però fa sbagliare clamorosamente il sistema di riconoscimento.

Questi sbagli avvengono in modi strani, perché l’addestratore umano, quello che insegna al software a riconoscere una forma o un suono, non riesce a calarsi nella “visione del mondo” che ha quel software e non riesce ad anticipare tutti i modi possibili nei quali potrebbe prendere un granchio, e non riesce quindi a insegnargli a riconoscere tutti questi casi limite.

Lo ha spiegato benissimo uno che di queste cose ne capisce a pacchi, Andrej Karpathy. È direttore del reparto di intelligenza artificiale di Tesla, un’azienda che sta basando i propri sistemi di guida assistita (per ora) e autonoma (in futuro) sul riconoscimento visivo degli oggetti. In una sua lezione magistrale del 2018 ha mostrato due esempi fra i tanti. 

[Mi correggo rispetto a quello che dico nel podcast: gli esempi del 2018 sono quelli qui sotto; l’esempio della bici è tratto invece da una sua conferenza del 2019, linkata più avanti]

Un’auto caricata a coda in avanti su una bisarca: è un’auto in contromano?

Una bici montata di traverso sul retro di un’auto: è una bici che sta tagliando la strada al conducente, che quindi deve frenare?

Un altro esempio molto concreto di questi edge case viene successivamente pubblicato con clamore e divertimento su Reddit: un camion ha dei cartelli di stop dipinti sul portellone posteriore, e il sistema di riconoscimento ottico dei cartelli di una Tesla li etichetta e li mostra come se fossero cartelli reali.

Cosa succede se il sistema di decisione dell’auto ritiene che quei cartelli disegnati siano reali e quindi inchioda in mezzo alla strada, creando la situazione perfetta per un tamponamento a catena? 

Ìl sistema è sufficientemente sofisticato da tenere conto del contesto e quindi “sapere” che i cartelli stradali normalmente non si muovono lungo le strade, e quindi è in grado di rigettare il riconoscimento e ignorarlo nelle sue decisioni di guida?

Un conducente umano, avendo conoscenza del mondo, non avrebbe la minima esitazione: “sono chiaramente cartelli dipinti sul retro di un camion, li posso tranquillamente ignorare”. Un sistema di guida autonoma o assistita non è necessariamente altrettanto consapevole. E soprattutto il conducente potrebbe essere in difficoltà nell’anticipare questi possibili errori che lui non commetterebbe mai.

Si potrebbe pensare che incontrare un veicolo con dei cartelli stradali disegnati sul retro sia un caso raro. Ma è stato pubblicato online un altro caso ancora più bizzarro: una Tesla Model 3 viaggia a 130 km/h e mostra un flusso costante di semafori che appaiono dal nulla sulla corsia del conducente.

Che cosa ha causato questo clamoroso errore di riconoscimento? Un camion che trasportava semafori.

E non è l’unico caso segnalato dagli utenti di queste auto: altri conducenti hanno citato addirittura camion che trasportavano semafori accesi, che sono stati riconosciuti come impossibili semafori volanti dalle loro auto.

Per non parlare delle bandiere verticali della Coop, nelle quali la forma circolare delle lettere viene scambiata per quella delle luci di un semaforo.

[Ho aggiunto i due esempi seguenti, che mostrano la Luna scambiata per un semaforo e un camion il cui retro è uno schermo che mostra la strada davanti al camion stesso, dopo la chiusura della registrazione del podcast]

Think this could catch on 👌pic.twitter.com/z5SB3JrrW1

— CCTV_IDIOTS (@cctv_idiots) November 14, 2021

Questo è esattamente il tipo di errore che un conducente umano non commetterebbe mai e che invece un sistema di guida basato esclusivamente sul riconoscimento delle immagini farà, e farà in circostanze imprevedibili. Con conseguenze potenzialmente mortali. Se state valutando un’auto dotata di questi sistemi, pensateci bene. Se ne avete una, pensateci ancora di più.

Certo, gli umani commettono altri tipi di errori, per cui alla fine l’obiettivo di questi sistemi non è creare una soluzione di guida assolutamente infallibile, ma semplicemente una che fallisca mediamente meno (ossia causi meno incidenti) della media dei conducenti umani.

Ma tutto questo vuol dire che la guida autonoma basata sul riconoscimento puro degli schemi è impossibile? Non è detto.

Una soluzione potrebbe essere semplificare l’ambiente operativo, creando strade su misura, rigidamente normate, accessibili soltanto a veicoli autonomi o assistiti. Per esempio, un ascensore (che in sostanza è un treno verticale in una galleria verticale chiusa) è un sistema di “guida autonoma” affidabilissimo, che richiede pochissima “intelligenza” grazie a un ambiente operativo ipersemplificato.

Allo stesso tempo, va notato che ci sono esempi di sistemi che interagiscono egregiamente con un ambiente operativo complesso pur avendo una “intelligenza” molto limitata: le api. Con un solo milione di neuroni riescono a navigare, interagire con i fiori, comunicare con le altre api, gestire gli aggressori e avere una società complessa e organizzata. hanno persino delle “votazioni”).

Noi abbiamo cento miliardi di neuroni, cioè centomila cervelli d’ape, a testa e a volte non riusciamo a capire come indossare una mascherina o perché. Chiaramente c’è un margine di ottimizzazione che le api sfruttano e noi no, ma è anche vero che un’ape va in crisi quando incontra l’edge case di una cosa che non esiste in natura, tipo una barriera trasparente: il vetro di una finestra.

È anche possibile che estendendo il concetto di riconoscimento degli schemi all’asse del tempo (ossia imparando a riconoscere come cambia un oggetto nel corso del tempo) ed estendendo il concetto di schema a oggetti complessi come incroci, rotatorie e attraversamenti pedonali, si riesca a ottenere risultati accettabili.

[Aggiungo un esempio di tentativo di ricostruzione dell’ambiente 3D tramite riconoscimento di immagini lungo l’asse del tempo, proposto da Karpathy di Tesla nel 2019. Il video dovrebbe partire già posizionato nel momento esatto, altrimenti andate a 2:16:40]

Ma tutto questo richiede un database di esempi colossale, una classificazione vastissima e una potenza di calcolo ancora più colossale. Nessuno dei sistemi attualmente in commercio ci si avvicina. Siate prudenti e non fidatevi dei video su YouTube.