Съдържание[Крия][Покажи]
Светът, какъвто го познаваме, може да се промени в резултат на изкуствения интелект (AI). По отношение на подобренията в полуавтономните системи, Tesla ги използва усилено.
Освен това Илон Мъск твърди, че в крайна сметка ще бъде приложен и в други области. За своята технология за пълно самостоятелно шофиране и система за автопилот,
Тесла използва компютърно зрение, машинно обучение, и изкуствен интелект (FSD).
В тази част ще обсъдим какво прави Tesla технологична фирма и как използва AI, компютърно зрение, големи данни и други технологии за разработване на самоуправляващи се автомобили. Нека да започнем.
Първо ще разгледаме как Tesla е технологична фирма.
Защо Tesla се смята за технологична компания?
Tesla произвежда значително количество софтуер. отличителната информационно-развлекателна система на Tesla, потребителски интерфейс, а функциите за автономно шофиране са базирани на софтуер.
Докато други автомобилни производители едва сега започват да експериментират с надстройки по въздуха, Tesla го прави от години. Служителите на Tesla създадоха и непрекъснато подобряват операционните системи за автомобилите на Tesla.
Tesla също така произвежда различни други технологични продукти, включително слънчеви панели, слънчеви плочки за покрива, няколко вида батерии, зарядни станции, компютри и ключови компютърни компоненти (за автомобили Tesla).
Въпреки че и Nokia, и Blackberry имаха софтуер, iPhone имаше балансирана комбинация от двете, поради което завладя бизнеса с мобилни телефони и промени начина, по който използваме телефоните си в момента.
Това е, което Tesla прави за автомобилния бизнес. Tesla са превозни средства, да (и SUV, а скоро и пикапи, полукамиони и ATV). Но тези превозни средства включват софтуер за ежедневна употреба, който е създаден от Tesla вътрешно или е включен в системата на Tesla.
Докато сте паркирани, Tesla въведе избор за забавление, включително TRAX, караоке и многобройни игри (и може би някой ден, докато сте в движение). Системата за сигурност Sentry Mode, която съчетава хардуер и софтуер на Tesla, подпомогна правоприлагащите органи при разкриването на престъпления като вандализъм. Вашият смартфон служи като ключ на вашата Tesla.
Използвайки телефона си, можете да се обадите на вашата Tesla, за да дойде при вас. Освен това автомобилът ще уведоми телефона ви, ако има значимо събитие, благодарение на уникалната технология Sentry Mode на Tesla.
Тъй като Tesla ще използва данните, които е събрала за действителните навици на шофиране на шофьорите на Tesla (събирането на данни е ключов елемент от технологиите, особено когато е директно като това и не се прави чрез проучвания на пазара), застраховката на Tesla също ще бъде разширение от техническата страна.
Каква технология използва Tesla за автопилот?
Те създават и използват автономия в голям мащаб в машини като роботи и автомобили. Те твърдят, че единственият метод, който може да даде изчерпателен отговор за напълно автономно шофиране и отвъд е такъв, който разчита на авангарден AI за планиране и визия, допълнен от ефективен хардуер за изводи.
Чип Tesla FSD
Системите на Tesla се доставят с два AI процесора за подобрена производителност и безопасност на пътя. Системата Tesla има за цел да работи без грешки. Благодарение на резервното захранване и източниците на входни данни, автомобилът може да продължи да работи, дори ако едно устройство не работи.
Tesla взема тези допълнителни предпазни мерки, за да гарантира, че превозните средства са добре подготвени за предотвратяване на катастрофи в случай на непредвидена повреда.
Единственото устройство, което може да извършва повече операции в секунда от новия микропроцесор на Tesla, е човешкият мозък (1 квадрилион операции в секунда). Това е около 21 пъти по-мощно от използваните преди това микрочипове Tesla Nvidia.
Изградете процесори за изводи с изкуствен интелект, за да захранвате техния напълно самоуправляващ се софтуер, като вземете предвид всяко малко архитектурно и микроархитектурно подобрение, като същевременно максимизирате производителността на силиций на ват.
Въпреки че Tesla безспорно води пазара за напълно автономни локомотиви, все още е далеч от разработването на авангардно превозно средство с автопилот.
Чип Tesla Dojo
Tesla представи Tesla D1, нов процесор с 362 TFLOP мощност в BF16/CFP8, който е създаден специално за изкуствен интелект. Това беше разкрито по време на скорошно Tesla AI Дневна презентация.
Огромен чип се създава чрез свързване на мрежа от функционални единици, наречена мрежа от функционални единици, към която Tesla D1 добавя общо 354 тренировъчни възли. Всяка функционална единица има четириядрен, 64-битов ISA CPU с индивидуален, специализиран дизайн за преминаване на връзки, излъчвания и транспозиции. Суперскаларната реализация се използва от този процесор (4-широки скаларни и 2-широки векторни конвейери).
Този нов силикон на Tesla е по-малък от графичния процесор GA100, намиращ се в ускорителя NVIDIA A100, който е с квадратен размер 826 mm. Произвежда се по 7nm процес, има общо 50,000 645 милиона транзистора и заема XNUMX mm квадратна площ.
Tesla твърди, че нейният чип Dojo ще обработва данни за компютърно зрение четири пъти по-бързо от настоящите системи, което позволява на компанията да автоматизира напълно своята система за самоуправление.
Въпреки това двете най-предизвикателни технологични постижения, а именно свързването между плочките и софтуерът, все още не са постигнати от Tesla.
Мрежовите комутатори от най-висок клас не могат да се конкурират с външната честотна лента на която и да е плочка. За да направи това, Тесла създаде уникални връзки.
Доджо система
Създайте системата Dojo, от софтуерните API на високо ниво, за да я контролирате, до интерфейсите на силиконовия фърмуер. Използвайте авангардни технологии за доставка и охлаждане с висока мощност, за да разрешите предизвикателни ситуации и създайте мащабируеми контролни вериги и софтуер за наблюдение.
Използвайте целия опит на техните механични, термични и електрически инженерни екипи, за да разработите следващото поколение изчисления за машинно обучение за използване в центровете за данни на Tesla. Единственото ограничение е вашето въображение.
Работете с всеки компонент на дизайн на системата. Разработете публичен API, който ще направи Dojo достъпен за всеки, и си сътрудничете с Tesla fleet learning, за да предоставите обучителни натоварвания, като използвате техните огромни набори от данни.
Алгоритми за автономност
Създайте модел на света с висока точност и начертайте траектория в това пространство, за да разработите ключовите алгоритми, които управляват автомобила.
Чрез обобщаване на данни от сензорите на автомобила за място и време, алгоритъмът може да предостави прецизни и обширни данни за истината на земята, които могат да се използват за обучение невронни мрежи да предвиди тези представяния.
Те изграждат силна система за планиране и вземане на решения, използвайки авангардни методологии, които могат да функционират в предизвикателни сценарии от реалния свят с несигурност.
Анализирането на алгоритмите на ниво целия парк на Tesla е от полза.
Невронни мрежи
Дълбоките невронни мрежи могат да бъдат обучени по въпроси, вариращи от възприятие до контрол чрез използване на авангардни изследвания. За да извършат семантична сегментация, идентификация на обекти и оценка на монокулярната дълбочина, техните мрежи за всяка камера изследват необработени снимки.
Техните мрежи за наблюдение от птичи поглед използват кадри от всички камери, за да генерират перспектива отгоре надолу на пътното оформление, статичната инфраструктура и 3D обектите.
Техните мрежи постоянно получават данни от техния автопарк от около 1 милион автомобили, което включва най-сложните и разнообразни обстоятелства в света.
48-те мрежи, които изграждат цялата конструкция на невронните мрежи на Autopilot, се нуждаят от 70,000 1,000 GPU часа за обучение. На всяка времева стъпка те произвеждат XNUMX различни тензора (прогнози) колективно.
Оценка на инфраструктурата
Те също така са създали инфраструктура и инструменти за оценка на хардуер в цикъла с отворен и затворен цикъл в мащаб, за да ускорят скоростта на иновациите, да наблюдават подобренията в производителността и да спрат регресиите.
Те използват анонимните характерни клипове на своя флот и ги включват в много тестови сценарии. Напишете код, който симулира тяхната действителна среда, генерирайки невероятно реалистични визуални ефекти и други сензорни данни за тяхната програма Autopilot, която да използва за автоматизирано тестване или отстраняване на грешки на живо.
Как Tesla използва Big Data, изкуствен интелект и машинно обучение?
Голямо количество от данни
Големите данни не се използват само от Tesla за справяне с проблеми; използва се и за повишаване на потребителското щастие. Те получават информация от онлайн общностите на своите клиенти и я използват, за да подобрят последващото си производство. Този тип взаимодействие с клиенти е нечувано в бизнеса.
Големите данни подкрепят усилията на Tesla да спести разходи, да намери нови пазари, да угоди на потребителите, да създаде нови продукти и да подобри своите превозни средства.
Информацията се използва за създаване на изключително наситени с данни карти, които показват всичко - от местоположението на рисковете, които принуждават шофьорите да предприемат действия, до средното увеличение на скоростта на трафика на определен участък от пътя.
Крайни изчисления определя какво действие трябва да предприеме всяка отделна кола в момента, докато машинното обучение в облака управлява обучението на целия автопарк.
Освен това има трето ниво на вземане на решения, при което автомобилите могат да се свързват със съседни превозни средства на Tesla, за да изграждат мрежи и да споделят знания за района.
Тези мрежи вероятно ще комуникират и с превозни средства, произведени от други производители, както и с други системи като камери за трафик, наземни сензори или телефони в свят от близко бъдеще, където автономните автомобили са нещо обичайно.
Изкуствен интелект
За да могат да шофират сами, автономните автомобили непрекъснато оценяват данните от своите сензори и камери за машинно виждане. След това те вземат решения въз основа на тази информация.
Те използват AI, за да разберат и предвидят движенията на велосипеди, пешеходци и автомобили. Те могат да правят преценки за части от секундата и бързо да планират своите дейности, използвайки това знание.
Трябва ли колата да остане в лентата, в която е в момента, или трябва да се смени? Трябва ли да продължи както си е или да изпревари колата пред тях? Кога колата трябва да намали или да ускори?
За да направи автомобилите напълно автономни, Tesla трябва да събере необходимите данни, за да обучи алгоритмите и да захранва своя AI. Повече данни за обучение винаги ще доведат до по-добро представяне, а Tesla превъзхожда в това отношение.
Tesla има конкурентно предимство, тъй като събира всички свои данни от стотиците хиляди превозни средства на Tesla, които сега са на пътя. Вътрешни и външни сензори следят как Teslas работят при различни условия.
Освен това те наблюдават как се държат шофьорите, включително реакциите им в различни ситуации и колко често докосват волана или таблото. Имат много сложна система за проследяване.
Например Tesla записва момент във времето, добавя го към колекцията от данни и след това използва цветни форми, за да генерира абстрактен образ на средата, от който невронната мрежа може да се учи.
Това се случва, когато автомобил на Tesla направи неточно предположение за това как би се държал автомобил или велосипед.
Machine Learning
С използването на вътрешни и външни сензори, които дори могат да събират информация за местоположението на ръката на водача върху контролите и как те продължават да се управляват, машинното обучение на Tesla успешно събира някои от ключовите си данни от всички свои превозни средства, както и от техните драйвери.
Информацията се използва и за създаване на карти с голямо количество данни, които показват всичко - от средното увеличение на скоростта на трафика по време на определена дължина на пътя до наличието на опасности и дори подканват водачите да предприемат действия.
Докато част от крайни изчисления за всяка отделна кола определя какво действие трябва да предприеме колата в момента, базираното в облак машинно обучение на Tesla отговаря за обучението на целия автопарк.
За да обменят някои от местните прозрения и информация, автомобилите могат да се свържат в мрежа с определени други превозни средства на Tesla наблизо.
Заключение
Tesla винаги е бил бизнес, който произвежда събиране и анализ на данни, което е най-мощният инструмент за каквото и да прави. Те не направиха изключения при проектирането на своите процесори.
Разработването на автономни превозни средства и анализът на статистическите данни от корпорацията направиха възможно напълно да променим начина, по който шофираме, благодарение на изкуствения интелект, анализ на данни, големи данни, машинно обучение, компютърно зрение, невронни мрежи, FSD чип и много други алгоритми.
Оставете коментар