INHOUDSOPGAWE[Versteek][Wys]
Die wêreld soos ons dit ken, kan verander as gevolg van kunsmatige intelligensie (KI). Met betrekking tot verbeterings in semi-outonome stelsels, gebruik Tesla dit baie.
Boonop beweer Elon Musk dat dit uiteindelik in ander velde toegepas sal word. Vir sy volledige selfbestuurtegnologie en outomatiese pilootstelsel,
Tesla gebruik rekenaarvisie, machine learning, en kunsmatige intelligensie (FSD).
In hierdie stuk sal ons bespreek wat Tesla 'n tegnologiefirma maak en hoe dit KI, rekenaarvisie, groot data en ander tegnologieë gebruik om selfbesturende motors te ontwikkel. Laat ons begin.
Ons sal eers ondersoek hoe Tesla 'n tegnologiefirma is.
Waarom is Tesla as 'n tegnologiemaatskappy beskou?
Tesla produseer 'n aansienlike hoeveelheid sagteware. Tesla se kenmerkende inligtingvermaakstelsel, gebruikerskoppelvlak, en outonome bestuursfunksies is almal gebaseer op sagteware.
Terwyl ander motorvervaardigers nou eers met oor-die-lug-opgraderings begin eksperimenteer, doen Tesla dit al jare. Tesla-werknemers het die bedryfstelsels vir Tesla-motors geskep en verbeter voortdurend.
Tesla vervaardig ook 'n verskeidenheid ander tegnologiese produkte, insluitend sonpanele, sonkragteëls op die dak, verskeie tipes batterye, laaistasies, rekenaars en sleutelrekenaarkomponente (vir Tesla-motors).
Alhoewel beide Nokia en Blackberry sagteware gehad het, het die iPhone 'n gebalanseerde kombinasie van albei gehad, en daarom het dit die selfoonbesigheid verower en verander hoe ons tans ons fone gebruik.
Dit is wat Tesla vir die motorbesigheid doen. Teslas is voertuie, ja (en SUV's en binnekort bakkies, semi-vragmotors en ATV's). Maar hierdie voertuie bevat sagteware vir alledaagse gebruik wat deur Tesla intern geskep is of in Tesla se stelsel opgeneem is.
Terwyl jy geparkeer is, het Tesla vermaaklikheidskeuses bekendgestel, insluitend TRAX, Caraoke en talle speletjies (en dalk eendag terwyl jy in vervoer is). Sekuriteitstelsel Sentry Mode, wat Tesla-hardeware en -sagteware kombineer, het wetstoepassing bygestaan om misdade soos vandalisme op te los. Jou slimfoon dien as jou Tesla se sleutel.
Deur jou foon te gebruik, kan jy jou Tesla bel om na jou toe te kom. Boonop sal die motor jou foon in kennis stel as daar 'n belangrike gebeurtenis is danksy Tesla se unieke Sentry Mode-tegnologie.
Aangesien Tesla die data sal gebruik wat hy ingesamel het oor die werklike bestuursgewoontes van Tesla-bestuurders (data-insameling is 'n sleutelelement van tegnologie, veral wanneer dit direk soos hierdie is en nie deur marknavorsingsopnames gedoen word nie), sal Tesla se versekering ook 'n uitbreiding wees van die tegnologiese kant.
Watter tegnologie gebruik Tesla vir Autopilot?
Hulle skep en gebruik outonomie op groot skaal in masjiene soos robotte en motors. Hulle voer aan dat die enigste metode wat 'n omvattende antwoord vir volledig kan verskaf outonome bestuur en verder is een wat staatmaak op die nuutste KI vir beplanning en visie, aangevul deur effektiewe hardeware vir afleiding.
Tesla FSD-skyfie
Tesla-stelsels kom met twee KI-verwerkers vir verbeterde werkverrigting en padveiligheid. Die Tesla-stelsel mik na foutvrye werking. As gevolg van die rugsteunkrag- en data-invoerbronne, kan die motor aanhou loop, selfs as een eenheid wanfunksioneer.
Tesla tref hierdie bykomende voorsorgmaatreëls om te verseker dat die voertuie goed voorbereid is om ongelukke te voorkom in die geval van 'n onverwagte mislukking.
Die enigste toestel wat meer bewerkings per sekonde as die nuwe Tesla-mikroverwerker kan uitvoer, is die menslike brein (1 kwadrilljoen bewerkings per sekonde). Dit is ongeveer 21 keer kragtiger as die voorheen gebruikte Tesla Nvidia-mikroskyfies.
Bou KI-afleidingsverwerkers om hul volledige selfbestuursagteware aan te dryf, met inagneming van elke klein argitektoniese en mikro-argitektoniese verbetering terwyl silikonprestasie-per-watt maksimeer word.
Alhoewel Tesla ongetwyfeld die mark lei vir heeltemal outonome lokomotiewe, is dit nog 'n lang pad van die ontwikkeling van 'n voorpunt-autopilot-voertuig.
Tesla Dojo Chip
Tesla het die Tesla D1 onthul, 'n nuwe verwerker met 362 TFLOP's krag in BF16/CFP8 wat spesiaal vir kunsmatige intelligensie. Dit is tydens 'n onlangse onthul Tesla AI Dagaanbieding.
'n Groot skyfie word geskep deur 'n netwerk van funksionele eenhede te koppel wat 'n netwerk van funksionele eenhede genoem word, waarby die Tesla D1 'n totaal van 354 opleidingsnodusse voeg. Elke funksionele eenheid het 'n vierkern, 64-bis ISA SVE met 'n pasgemaakte, gespesialiseerde ontwerp vir skakeldeurgang, uitsendings en transposisies. Die superskalêre implementering word deur hierdie SVE gebruik (4-wye skalêre en 2-wye vektorpyplyne).
Hierdie nuwe Tesla-silikon is kleiner as die GA100 GPU wat in die NVIDIA A100-versneller gevind word, wat 826 mm vierkantig groot is. Dit word vervaardig deur 'n 7nm-proses te gebruik, het 50,000 645 miljoen transistors in die algemeen, en beslaan 'n XNUMX mm vierkante oppervlakte.
Tesla beweer sy Dojo-skyfie sal rekenaarvisiedata vier keer vinniger as huidige stelsels verwerk, wat die maatskappy in staat stel om sy selfbestuurstelsel ten volle te outomatiseer.
Die twee mees uitdagende tegnologiese prestasies, naamlik die teël-tot-teël-verbinding en sagteware, is egter nog nie deur Tesla bereik nie.
Die topgraad-netwerkskakelaars kan nie met die eksterne bandwydte van enige teël meeding nie. Om dit te kan doen, het Tesla unieke verbindings geskep.
Dojo-stelsel
Skep die Dojo-stelsel, van die hoëvlak sagteware API's om dit te beheer tot die silikon-firmware-koppelvlakke. Gebruik die nuutste hoëkraglewerings- en verkoelingstegnologie om uitdagende situasies op te los, en skep skaalbare beheerlusse en moniteringsagteware.
Gebruik die hele kundigheid van hul meganiese, termiese en elektriese ingenieurspanne om die volgende generasie masjienleerrekenaars te ontwikkel vir gebruik in Tesla-datasentrums. Die enigste beperking is jou verbeelding.
Werk met elke komponent van stelsel ontwerp. Ontwikkel 'n publieke API wat Dojo vir almal toeganklik sal maak, en werk saam met Tesla-vlootleer om opleidingswerkladings te lewer deur hul enorme datastelle te gebruik.
Outonomie-algoritmes
Skep 'n hoëtrouwêreldmodel en teken trajek in daardie ruimte om die sleutelalgoritmes te ontwikkel wat die motor bestuur.
Deur data van die motor se sensors oor plek en tyd saam te voeg, kan 'n algoritme presiese en uitgebreide grondwaarheidsdata verskaf wat gebruik kan word om op te lei neurale netwerke om hierdie voorstellings te antisipeer.
Hulle bou 'n sterk beplannings- en besluitnemingstelsel deur die nuutste metodologieë te gebruik wat in uitdagende werklike scenario's met onsekerheid kan funksioneer.
Die ontleding van die algoritmes op die vlak van die hele Tesla-vloot is voordelig.
Neurale netwerke
Diep neurale netwerke kan opgelei word oor kwessies wat wissel van persepsie tot beheer deur gebruik te maak van die nuutste navorsing. Om semantiese segmentering, objekidentifikasie en monokulêre diepteskatting te bewerkstellig, ondersoek hul per-kamera-netwerke rou prente.
Hul voëlvlug-netwerke gebruik beeldmateriaal van alle kameras om die bo-na-onder perspektief van die paduitleg, statiese infrastruktuur en 3D-voorwerpe te genereer.
Hul netwerke word voortdurend gevoed met data van hul vloot van ongeveer 1 miljoen motors, wat die mees komplekse en uiteenlopende omstandighede ter wêreld insluit.
Die 48 netwerke wat die hele konstruksie van die Autopilot neurale netwerke uitmaak, benodig 70,000 1,000 GPU-ure om op te lei. Op elke tydstap produseer hulle XNUMX XNUMX verskillende tensors (voorspellings) gesamentlik.
Infrastruktuur-evaluering
Hulle het ook infrastruktuur en oop- en geslote-lus hardeware-in-die-lus assesseringsinstrumente op skaal geskep om die spoed van innovasie te versnel, prestasieverbeterings te monitor en regressies te stop.
Hulle gebruik hul vloot se anonieme kenmerkende snitte en inkorporeer dit in baie toetsscenario's. Skryf kode wat hul werklike omgewing simuleer, en genereer ongelooflike lewensgetroue beeldmateriaal en ander sensordata vir hul Autopilot-program om te gebruik vir outomatiese toetsing of regstreekse ontfouting.
Hoe gebruik Tesla groot data, kunsmatige intelligensie en masjienleer?
Big Data
Groot data word nie net deur Tesla gebruik om kwessies aan te spreek nie; dit word ook gebruik om verbruikersgeluk te verhoog. Hulle verkry inligting van hul kliënte se aanlyn gemeenskappe, en hulle gebruik dit om hul daaropvolgende vervaardiging te verbeter. Hierdie tipe kliëntinteraksie is ongehoord in besigheid.
Groot data ondersteun Tesla se pogings om koste te bespaar, nuwe markte te vind, verbruikers tevrede te stel, nuwe produkte te skep en sy voertuie te verbeter.
Die inligting word gebruik om uiters datadigte kaarte te skep wat enigiets wys van die ligging van risiko's wat bestuurders dwing om op te tree tot die gemiddelde styging in verkeerspoed oor 'n sekere stuk pad.
Edge computing bepaal watter aksie elke individuele motor nou moet neem, terwyl masjienleer in die wolk die opleiding van die hele vloot hanteer.
Daarbenewens is daar 'n derde vlak van besluitneming, waardeur motors met naburige Tesla-voertuie kan skakel om netwerke te bou en kennis oor die gebied te deel.
Hierdie netwerke sal waarskynlik ook kommunikeer met voertuie wat deur ander vervaardigers vervaardig word, sowel as ander stelsels soos verkeerskameras, grondgebaseerde sensors of fone in 'n nabye toekoms wêreld waar outonome motors alledaags is.
Kunsmatige Intelligensie
Om op hul eie te kan ry, evalueer outonome motors voortdurend data vanaf hul sensors en masjienvisiekameras. Hulle neem dan besluite op grond van hierdie inligting.
Hulle gebruik KI om die bewegings van fietse, voetgangers en motors te verstaan en te antisipeer. Hulle kan 'n split-sekonde oordeel vel en hul aktiwiteite vinnig beplan deur hierdie kennis te gebruik.
Moet die motor in die baan bly waarin dit nou is, of moet dit verander? Moet dit aanhou soos dit is of die kar voor hulle verbysteek? Wanneer moet die motor stadiger of versnel?
Om motors ten volle outonoom te maak, moet Tesla die nodige data insamel om die algoritmes op te lei en sy KI's te voed. Meer opleidingsdata sal altyd tot beter prestasie lei, en Tesla blink uit in hierdie opsig.
Tesla het 'n mededingende voordeel aangesien dit al sy data versamel van die honderdduisende Tesla-voertuie wat nou op die pad is. Interne en eksterne sensors hou dop hoe Teslas onder verskillende toestande werk.
Daarbenewens neem hulle waar hoe bestuurders optree, insluitend hul reaksies op verskeie situasies en hoe gereeld hulle aan die stuurwiel of paneelbord raak. Hulle het 'n baie gesofistikeerde opsporingstelsel.
Tesla neem byvoorbeeld 'n oomblik in tyd op, voeg dit by die dataversameling en gebruik dan gekleurde vorms om 'n abstrakte beeld van die omgewing te genereer waaruit die neurale netwerk kan leer.
Dit gebeur wanneer 'n Tesla-voertuig 'n onakkurate aanname maak oor hoe 'n motor of fiets sou optree.
masjienleer
Met die gebruik van interne en buite-sensors wat selfs inligting kan optel oor 'n bestuurder se hand se ligging op die kontroles en hoe dit steeds bedryf word, kry Tesla-masjienleer suksesvol sommige van sy sleuteldata van al sy voertuie sowel as hul bestuurders.
Die inligting word ook gebruik om baie data-digte kaarte te skep wat alles van die gemiddelde styging in verkeerspoed oor die loop van 'n bepaalde lengte pad tot die teenwoordigheid van gevare vertoon en selfs bestuurders aanspoor om op te tree.
Terwyl deel van die rand rekenaar op elke individuele motor bepaal watter aksie die motor nou moet neem, is Tesla se wolkgebaseerde masjienleer in beheer van die opleiding van die hele vloot.
Om sommige van die plaaslike insigte en inligting uit te ruil, kan motors met sekere ander Tesla-voertuie in die omgewing netwerk.
Gevolgtrekking
Tesla was nog altyd 'n besigheid wat data-insameling en -ontleding produseer wat die kragtigste instrument is vir wat dit ook al doen. Hulle het geen uitsonderings gemaak tydens die ontwerp van hul SVE's nie.
Die ontwikkeling van outonome voertuie en die ontleding van statistiese data deur die korporasie het dit moontlik gemaak om die manier waarop ons bestuur heeltemal te verander danksy kunsmatige intelligensie, data-analise, groot data, masjienleer, rekenaarvisie, neurale netwerke, FSD-skyfie en baie ander algoritmes.
Lewer Kommentaar