Tesla je americká společnost na výrobu automobilů založená společností Elon Musk v 2003.
Společnost je známá především svými elektromobily a specializací na solární panely a ukládání energie z lithium-iontových baterií.
Vozy Tesla přicházejí se spoustou revolučních funkcí včetně supernabíjení, přístupu pomocí karty a režimu autopilota.
Režim autopilota byl možný díky nápadům z umělé inteligence (AI) a Pokročilá architektura neuronové sítě Tesla.
Pojďme si podrobně probrat architekturu Tesla Neural Network.
Co jsou to neuronové sítě?
Neuronové sítě neboli NN jsou série algoritmů modelovaných podle biologické aktivity lidský mozek. Neuronové sítě sestávají z uzlů, nazývaných také neurony. Kolekce vertikálních uzlů se nazývá vrstvy.
Každá vrstva se skládá z uzlů, nazývaných také neurony, kde probíhají výpočty. Uzly jedné vrstvy jsou spojeny s další vrstvou prostřednictvím přenosových linek, jak je vidět níže.
V následujícím diagramu představují kruhy uzly a vertikální kolekce uzlů představuje vrstvy. V tomto modelu jsou tři vrstvy.
Jak se učí?
Data jsou do modelu přiváděna po jedné entitě spolu se štítkem. Data jsou rozdělena na části a procházejí každým uzlem modelu.
Uzly provádějí s těmito bloky matematické operace. Po sérii výpočtů v jedné vrstvě přecházejí data do další vrstvy a tak dále.
Po dokončení náš model předpovídá označení dat na výstupní vrstvě. Model pak pokračuje v porovnání této předpokládané hodnoty se skutečnou hodnotou štítku.
Pokud se hodnoty shodují, náš model převezme další vstup, ale pokud se hodnoty liší, model vypočítá rozdíl mezi oběma hodnotami, nazývaný ztráta, a upraví výpočty uzlů tak, aby příště vytvořil odpovídající štítky.
Teslova architektura neuronových sítí
Tesla využívá špičkový výzkum k trénování hlubokých neuronových sítí na problémy od vnímání po ovládání.
Sítě společnosti Tesla pro jednotlivé kamery analyzují nezpracované snímky, aby prováděly sémantickou segmentaci, detekci objektů a monokulární odhad hloubky.
Soubory dat
Neuronové sítě jsou trénovány na nezpracovaných obrazech, které jsou extrahovány z videí pořízených ze síťových kamer s ptačím pohledem, které vydávají rozložení silnice, statickou infrastrukturu a 3D objekty přímo v pohledu shora dolů.
Datové obrázky jsou neoznačené a pokrývají mnoho různých scénářů po celém světě a sestávají z jednoho milionu vozidel v reálném čase.
Jak to funguje?
Síť se skládá ze 70,000 48 grafických procesorových jednotek (GPU), které trénují XNUMX hluboké učení modely.
Hardwarové komponenty vozu včetně kamer a senzorů poskytují data bez dozoru, která jsou přenášena sítí těchto modelů.
Vůz se z daných dat dozví o možných objektech v prostředí, jako je chodec, strom atd.
Architektura se také skládá ze dvou AI čipů, které využívají principy hluboké učení. Tyto čipy pomáhají v reálném čase rozhodovat o voze, například kdy a jak zatočit za jízdy.
Architektura neuronové sítě zahrnuje mnoho výkonných zařízení a konceptů, které přispívají k jejímu fungování, včetně:
FSD čip
Plně samořídící (FSD) čipy jsou inferenční čipy AI, které provozují software autopilota společnosti Tesla. Tyto čipy byly navrženy s mikroarchitektonickými vylepšeními, která vytlačí maximální výkon křemíku na watt.
FSD implementují plánování podlaží, načasování a analýzu výkonu a zároveň píší robustní testy a hodnotící tabulky pro ověření funkčnosti a výkonu AI.
Čipy a systémy dojo
Dojo je superpočítačový systém společnosti Tesla, který řeší těžké problémy pomocí pokročilé technologie pro dodávku vysokého výkonu a chlazení.
Čipy Dojo zahrnují AI, která tyto systémy pohání, a jsou navrženy pro maximální výkon, propustnost a šířku pásma při každé granularitě.
Společně se čipy a systémy používají k optimalizaci napájení a výkonu pro NN od Tesly.
Autonomní algoritmy
Autonomní algoritmy jsou základními algoritmy, které řídí automobil tím, že vytvářejí vysoce věrné zobrazení světa a plánují trajektorie v daném prostoru.
Na trénovat neuronové sítě k předpovídání takových reprezentací Tesla algoritmicky vytváří přesná a rozsáhlá data skutečné pravdy tím, že kombinuje informace ze senzorů automobilu v prostoru a čase.
Tyto algoritmy využívají pokročilé techniky k vybudování robustního systému plánování a rozhodování, který funguje v komplikovaných situacích reálného světa za nejistoty.
Infrastruktura hodnocení
Vyhodnocovací infrastruktura společnosti Tesla zahrnuje nástroje a infrastrukturu pro vyhodnocování s otevřenou smyčkou, uzavřenou smyčkou a hardware-in-the-loop.
Tato infrastruktura umožňuje AI sledovat zlepšení výkonu a předcházet regresím.
Klíčové vlastnosti NN společnosti Tesla
- Kamery, ultrazvukové senzory a radar vnímají okolí
- Radar měří vzdálenost kolem auta
- Ultrafialové techniky měří blízkost a pasivní video rozpoznává předměty kolem vozu
- Využívá dva AI čipy postavené na principech hlubokých neuronových sítí
- AI čipy, které tvoří 6 miliard tranzistorů
- 21krát rychlejší než čipy Nvidia
- Čipy AI mají 32 MB vysokorychlostní paměti SRAM
- Skládá se ze 48 modelů hlubokého učení
- Obsahuje 70,000 XNUMX grafických procesorových jednotek (GPU)
- Výstupy 1000 různých tenzorů (předpovědí) v každém časovém kroku
Proč investovat do čističky vzduchu?
Špičková Tesla Neuronové sítě a architektura umělé inteligence proměnila myšlenku samořídících aut ve skutečnost.
Tento úspěch předního výrobce automobilů na bázi umělé inteligence je výsledkem jeho pokroku FSD čipy, čipy Dojo, algoritmy autonomie, infrastruktura hodnocení a další.
Pokud se chcete dozvědět více o AI, Deep Learning a nejnovějších technologických trendech, podívejte se na naše další zajímavé články.
Napsat komentář