Taula de continguts[Amaga][Espectacle]
Tesla és una empresa nord-americana de fabricació de vehicles fundada per Elon Musk en 2003.
L'empresa és més coneguda pels seus cotxes elèctrics i per especialitzar-se en panells solars i emmagatzematge d'energia de bateries d'ions de liti.
Els cotxes Tesla inclouen moltes funcions revolucionàries, com ara la supercàrrega, l'accés amb targeta de clau i un mode de pilot automàtic.
El mode de pilot automàtic ha estat possible gràcies a idees de la Intel·ligència Artificial (IA) i Arquitectura de xarxa neuronal avançada de Tesla.
Parlem en detall de l'arquitectura de la xarxa neuronal de Tesla.
Què són les xarxes neuronals?
Les xarxes neuronals, o NN, són una sèrie d'algorismes modelats a partir de l'activitat biològica del cervell humà. Xarxes neuronals consisteixen en nodes, també anomenats neurones. Una col·lecció de nodes verticals es coneix com a capes.
Cada capa està formada per nodes, també anomenats neurones, on es fan els càlculs. Els nodes d'una capa estan connectats a la següent capa mitjançant línies de transmissió tal com es veu a continuació.
En el diagrama següent, els cercles representen els nodes i la col·lecció vertical de nodes representen les capes. Hi ha tres capes en aquest model.
Com aprenen?
Les dades s'alimenten al model d'una entitat a la vegada juntament amb una etiqueta. Les dades es divideixen en trossos i es passen per cada node del model.
Els nodes duen a terme operacions matemàtiques sobre aquests trossos. Després d'una sèrie de càlculs en una capa, les dades passen a la següent capa i així successivament.
Un cop completat, el nostre model prediu l'etiqueta de dades a la capa de sortida. A continuació, el model procedeix a comparar aquest valor previst amb el del valor real de l'etiqueta.
Si els valors coincideixen, el nostre model prendrà la següent entrada, però si els valors són diferents, el model calcularà la diferència entre ambdós valors, anomenada pèrdua, i ajustarà els càlculs dels nodes per produir etiquetes coincidents la propera vegada.
Arquitectura de xarxes neuronals de Tesla
Tesla utilitza investigacions d'avantguarda per entrenar xarxes neuronals profundes sobre problemes que van des de la percepció fins al control.
Les xarxes per càmera de Tesla analitzen imatges en brut per realitzar segmentació semàntica, detecció d'objectes i estimació de la profunditat monocular.
Els conjunts de dades
Les xarxes neuronals s'entrenen amb imatges en brut que s'extreuen de vídeos fets de càmeres de xarxa amb vista d'ocell que emet el traçat de la carretera, la infraestructura estàtica i els objectes 3D directament a la vista de dalt a baix.
Les imatges de dades no estan etiquetades i cobreixen molts escenaris diversos arreu del món i consisteixen en un milió de vehicles en temps real.
Com funciona?
La xarxa consta de 70,000 unitats de processament gràfic (GPU), que en formen 48 aprenentatge profund models.
Els components de maquinari del cotxe, incloses les càmeres i els sensors, proporcionen dades no supervisades que passen per la xarxa d'aquests models.
El cotxe aprèn sobre possibles objectes en un entorn, com un vianant, un arbre, etc. a partir de les dades proporcionades.
L'arquitectura també consta de dos xips d'IA que utilitzen els principis de aprenentatge profund. Aquests xips ajuden a prendre decisions en temps real per al cotxe, com ara quan i com girar, mentre condueix.
L'arquitectura de la xarxa neuronal inclou molts dispositius i conceptes potents que contribueixen al seu funcionament, com ara:
Xip FSD
Conducció autònoma completa (FSD) els xips són xips d'inferència d'IA que executen el programari de pilot automàtic de Tesla. Aquests xips s'han dissenyat amb millores micro-arquitectòniques que comprimeixen el màxim rendiment de silici per watt.
Els FSD implementen l'anàlisi de la planificació, el temps i la potència mentre escriuen proves i taulers de puntuació sòlids per verificar la funcionalitat i el rendiment de l'IA.
Xips i sistemes Dojo
Dojo és el súper sistema informàtic de Tesla que resol problemes difícils amb tecnologia avançada per al lliurament i la refrigeració d'alta potència.
Els xips Dojo inclouen la intel·ligència artificial que impulsa aquests sistemes i estan dissenyats per obtenir el màxim rendiment, rendiment i amplada de banda a cada granularitat.
En conjunt, els xips i els sistemes s'utilitzen per optimitzar la potència i el rendiment de l'NN de Tesla.
Algoritmes d'autonomia
Els algorismes d'autonomia són els algorismes bàsics que condueixen el cotxe mitjançant la creació d'una representació d'alta fidelitat del món i la planificació de trajectòries en un espai determinat.
A entrenar xarxes neuronals per predir aquestes representacions, Tesla crea algorítmicament dades de veritat terrestre precises i a gran escala combinant informació dels sensors del cotxe a través de l'espai i el temps.
Aquests algorismes utilitzen tècniques avançades per construir un sistema robust de planificació i presa de decisions que funcioni en situacions complicades del món real sota incertesa.
Infraestructura d'avaluació
La infraestructura d'avaluació de Tesla inclou eines i infraestructura d'avaluació de bucle obert, tancat i maquinari en bucle.
Aquesta infraestructura permet que la IA faci un seguiment de les millores de rendiment i eviti regressions.
Característiques clau del NN de Tesla
- Les càmeres, els sensors ultrasònics i el radar perceben l'entorn
- Un radar mesura la distància al voltant del cotxe
- Les tècniques d'ultraviolat mesuren la proximitat i el vídeo passiu reconeix objectes al voltant del cotxe
- Utilitza dos xips d'IA basats en principis de xarxes neuronals profundes
- Xips AI formats per 6 milions de transistors
- 21 vegades més ràpid que els xips Nvidia
- Els xips AI tenen 32 megabytes de memòria SRAM d'alta velocitat
- Consta de 48 models d'aprenentatge profund
- Conté 70,000 unitats de processament gràfic (GPU)
- Emet 1000 tensors diferents (prediccions) a cada pas de temps
Conclusió
L'avantguarda de Tesla Xarxes neuronals i l'arquitectura d'IA ha fet realitat la idea dels cotxes autònoms.
Aquest èxit del fabricant líder d'automòbils basat en IA és el resultat del seu avançat Xips FSD, xips Dojo, algorismes d'autonomia, infraestructura d'avaluació i molt més.
Si voleu obtenir més informació sobre la IA, l'aprenentatge profund i les últimes tendències tecnològiques, consulteu els nostres altres articles interessants.
Deixa un comentari