Πίνακας περιεχομένων[Κρύβω][Προβολή]
Ο κόσμος όπως γνωρίζουμε θα μπορούσε να αλλάξει ως αποτέλεσμα της τεχνητής νοημοσύνης (AI). Όσον αφορά τις βελτιώσεις στα ημιαυτόνομα συστήματα, η Tesla τα χρησιμοποιεί σε μεγάλο βαθμό.
Επιπλέον, ο Elon Musk βεβαιώνει ότι τελικά θα εφαρμοστεί και σε άλλους τομείς. Για την τεχνολογία Full Self-Driving και το σύστημα αυτόματου πιλότου,
Η Tesla χρησιμοποιεί όραση υπολογιστή, μάθηση μηχανήςκαι τεχνητής νοημοσύνης (FSD).
Σε αυτό το άρθρο, θα συζητήσουμε τι κάνει την Tesla μια εταιρεία τεχνολογίας και πώς χρησιμοποιεί την τεχνητή νοημοσύνη, την όραση υπολογιστών, τα μεγάλα δεδομένα και άλλες τεχνολογίες για την ανάπτυξη αυτοοδηγούμενων αυτοκινήτων. Ας ξεκινήσουμε.
Θα εξετάσουμε πρώτα πώς η Tesla είναι μια εταιρεία τεχνολογίας.
Γιατί η Tesla θεωρείται εταιρεία τεχνολογίας;
Τέσλα παράγει σημαντική ποσότητα λογισμικού. Το χαρακτηριστικό σύστημα ψυχαγωγίας της Tesla, διεπαφή χρήστη, και οι λειτουργίες αυτόνομης οδήγησης βασίζονται όλες σε λογισμικό.
Ενώ άλλες αυτοκινητοβιομηχανίες μόλις τώρα αρχίζουν να πειραματίζονται με αναβαθμίσεις over-the-air, η Tesla το κάνει εδώ και χρόνια. Οι εργαζόμενοι της Tesla δημιούργησαν και βελτιώνουν συνεχώς τα λειτουργικά συστήματα για τα αυτοκίνητα Tesla.
Η Tesla παράγει επίσης μια ποικιλία άλλων τεχνολογικών προϊόντων, όπως ηλιακούς συλλέκτες, ηλιακά πλακάκια ταράτσας, διάφορους τύπους μπαταριών, σταθμούς φόρτισης, υπολογιστές και βασικά εξαρτήματα υπολογιστών (για αυτοκίνητα Tesla).
Αν και τόσο η Nokia όσο και η Blackberry διέθεταν λογισμικό, το iPhone είχε έναν ισορροπημένο συνδυασμό και των δύο, γι' αυτό κατέκτησε τον κλάδο των κινητών τηλεφώνων και άλλαξε τον τρόπο που χρησιμοποιούμε αυτήν τη στιγμή τα τηλέφωνά μας.
Αυτό κάνει η Tesla για την αυτοκινητοβιομηχανία. Τα Tesla είναι οχήματα, ναι (και SUV και σύντομα pickup trucks, semi-trucks και ATV). Αλλά αυτά τα οχήματα ενσωματώνουν λογισμικό για καθημερινή χρήση που δημιουργήθηκε από την Tesla εσωτερικά ή ενσωματώθηκε στο σύστημα της Tesla.
Ενώ είστε σταθμευμένοι, η Tesla έχει εισαγάγει επιλογές ψυχαγωγίας, όπως TRAX, Caraoke και πολλά παιχνίδια (και ίσως κάποια μέρα κατά τη μεταφορά). Το σύστημα ασφαλείας Sentry Mode, το οποίο συνδυάζει υλικό και λογισμικό Tesla, έχει βοηθήσει τις αρχές επιβολής του νόμου στην επίλυση εγκλημάτων όπως ο βανδαλισμός. Το smartphone σας χρησιμεύει ως κλειδί του Tesla.
Χρησιμοποιώντας το τηλέφωνό σας, μπορείτε να καλέσετε την Tesla για να έρθει σε εσάς. Επιπλέον, το αυτοκίνητο θα ειδοποιήσει το τηλέφωνό σας εάν υπάρχει κάποιο σημαντικό γεγονός χάρη στη μοναδική τεχνολογία Sentry Mode της Tesla.
Δεδομένου ότι η Tesla θα χρησιμοποιεί τα δεδομένα που έχει συγκεντρώσει για τις πραγματικές συνήθειες οδήγησης των οδηγών της Tesla (η συλλογή δεδομένων είναι βασικό στοιχείο της τεχνολογίας, ειδικά όταν είναι απευθείας όπως αυτή και δεν γίνεται μέσω ερευνών αγοράς), η ασφάλιση της Tesla θα είναι επίσης μια επέκταση από την πλευρά της τεχνολογίας.
Ποια τεχνολογία χρησιμοποιεί η Tesla για τον αυτόματο πιλότο;
Δημιουργούν και χρησιμοποιούν αυτονομία σε μεγάλη κλίμακα σε μηχανές όπως ρομπότ και αυτοκίνητα. Υποστηρίζουν ότι η μόνη μέθοδος που μπορεί να δώσει μια ολοκληρωμένη απάντηση για την πλήρη αυτόνομη οδήγηση και πέρα από αυτό, βασίζεται σε τεχνητή νοημοσύνη αιχμής για σχεδιασμό και όραμα, που συμπληρώνεται από αποτελεσματικό υλικό για εξαγωγή συμπερασμάτων.
Τσιπ FSD Tesla
Τα συστήματα Tesla διαθέτουν δύο επεξεργαστές AI για βελτιωμένη απόδοση και οδική ασφάλεια. Το σύστημα Tesla στοχεύει σε λειτουργία χωρίς σφάλματα. Λόγω της εφεδρικής τροφοδοσίας και των πηγών εισαγωγής δεδομένων, το αυτοκίνητο μπορεί να συνεχίσει να λειτουργεί ακόμα και αν μια μονάδα δυσλειτουργεί.
Η Tesla λαμβάνει αυτές τις πρόσθετες προφυλάξεις για να διασφαλίσει ότι τα οχήματα είναι καλά προετοιμασμένα για την αποφυγή ατυχημάτων σε περίπτωση απρόβλεπτης βλάβης.
Η μόνη συσκευή που μπορεί να εκτελέσει περισσότερες λειτουργίες ανά δευτερόλεπτο από τον νέο μικροεπεξεργαστή Tesla είναι ο ανθρώπινος εγκέφαλος (1 τετράδισεκατομο λειτουργίες ανά δευτερόλεπτο). Αυτό είναι περίπου 21 φορές πιο ισχυρό από τα μικροτσίπ Tesla Nvidia που χρησιμοποιήθηκαν στο παρελθόν.
Κατασκευάστε επεξεργαστές συμπερασμάτων AI για να τροφοδοτήσετε το λογισμικό Full Self-Driving τους, λαμβάνοντας υπόψη κάθε μικρή αρχιτεκτονική και μικροαρχιτεκτονική βελτίωση, μεγιστοποιώντας παράλληλα την απόδοση πυριτίου ανά watt.
Αν και η Tesla ηγείται αναμφισβήτητα στην αγορά για πλήρως αυτόνομες ατμομηχανές, απέχει ακόμη πολύ από την ανάπτυξη ενός οχήματος αυτόματου πιλότου αιχμής.
Τσιπ Tesla Dojo
Η Tesla παρουσίασε τον Tesla D1, έναν νέο επεξεργαστή με ισχύ 362 TFLOP σε BF16/CFP8 που δημιουργήθηκε ειδικά για τεχνητή νοημοσύνη. Αυτό αποκαλύφθηκε κατά τη διάρκεια πρόσφατης Tesla AI Παρουσίαση ημέρας.
Ένα τεράστιο τσιπ δημιουργείται συνδέοντας ένα δίκτυο λειτουργικών μονάδων που ονομάζεται δίκτυο λειτουργικών μονάδων, στο οποίο το Tesla D1 προσθέτει συνολικά 354 κόμβους εκπαίδευσης. Κάθε λειτουργική μονάδα διαθέτει τετραπύρηνο επεξεργαστή ISA 64-bit με προσαρμοσμένο, εξειδικευμένο σχεδιασμό για διέλευση συνδέσμων, εκπομπές και μεταθέσεις. Η υπερκλιμακωτή υλοποίηση χρησιμοποιείται από αυτήν την CPU (διανυσματικές διανυσματικές αγωγές 4 πλάτους και διανυσματικές γραμμές πλάτους 2).
Αυτό το νέο πυρίτιο Tesla είναι μικρότερο από την GPU GA100 που βρίσκεται στον επιταχυντή NVIDIA A100, με τετράγωνο μέγεθος 826 mm. Παράγεται με διαδικασία 7 nm, έχει συνολικά 50,000 εκατομμύρια τρανζίστορ και καταλαμβάνει τετραγωνική επιφάνεια 645 mm.
Η Tesla ισχυρίζεται ότι το τσιπ Dojo της θα επεξεργάζεται δεδομένα όρασης υπολογιστή τέσσερις φορές πιο γρήγορα από τα τρέχοντα συστήματα, επιτρέποντας στην εταιρεία να αυτοματοποιήσει πλήρως το σύστημα αυτόνομης οδήγησης.
Ωστόσο, τα δύο πιο απαιτητικά τεχνολογικά επιτεύγματα, δηλαδή η διασύνδεση πλακιδίου σε πλακίδιο και το λογισμικό, δεν έχουν ακόμη ολοκληρωθεί από την Tesla.
Οι διακόπτες δικτύου κορυφαίας ποιότητας δεν μπορούν να ανταγωνιστούν το εξωτερικό εύρος ζώνης οποιουδήποτε πλακιδίου. Για να γίνει αυτό, ο Tesla δημιούργησε μοναδικές διασυνδέσεις.
Σύστημα Dojo
Δημιουργήστε το σύστημα Dojo, από τα API λογισμικού υψηλού επιπέδου για να το ελέγξετε μέχρι τις διεπαφές υλικολογισμικού πυριτίου. Χρησιμοποιήστε προηγμένες τεχνολογίες παροχής και ψύξης υψηλής ισχύος για να επιλύσετε δύσκολες καταστάσεις και δημιουργήστε επεκτάσιμους βρόχους ελέγχου και λογισμικό παρακολούθησης.
Χρησιμοποιήστε όλη την τεχνογνωσία των ομάδων μηχανικών, θερμικών και ηλεκτρολόγων μηχανικών τους για να αναπτύξετε την επόμενη γενιά υπολογιστών μηχανικής εκμάθησης για χρήση στα κέντρα δεδομένων Tesla. Ο μόνος περιορισμός είναι η φαντασία σας.
Εργαστείτε με κάθε στοιχείο του σχεδιασμός συστήματος. Αναπτύξτε ένα δημόσιο API που θα κάνει το Dojo προσβάσιμο σε οποιονδήποτε και συνεργαστείτε με την εκμάθηση του στόλου της Tesla για την παροχή φόρτου εργασίας εκπαίδευσης χρησιμοποιώντας τα τεράστια σύνολα δεδομένων τους.
Αλγόριθμοι Αυτονομίας
Δημιουργήστε ένα παγκόσμιο μοντέλο υψηλής πιστότητας και σχεδιάστε την τροχιά σε αυτόν τον χώρο για να αναπτύξετε τους βασικούς αλγόριθμους που λειτουργούν το αυτοκίνητο.
Συγκεντρώνοντας δεδομένα από τους αισθητήρες του αυτοκινήτου σε τόπο και χρόνο, ένας αλγόριθμος μπορεί να παρέχει ακριβή και εκτενή δεδομένα εδάφους αλήθειας που μπορούν να χρησιμοποιηθούν για την εκπαίδευση νευρωνικά δίκτυα για να προλάβουμε αυτές τις αναπαραστάσεις.
Κατασκευάζουν ισχυρό σύστημα σχεδιασμού και λήψης αποφάσεων χρησιμοποιώντας μεθοδολογίες αιχμής που μπορούν να λειτουργήσουν σε προκλητικά σενάρια πραγματικού κόσμου με αβεβαιότητα.
Η ανάλυση των αλγορίθμων σε επίπεδο ολόκληρου του στόλου της Tesla είναι επωφελής.
Νευρωνικά δίκτυα
Τα βαθιά νευρωνικά δίκτυα μπορούν να εκπαιδευτούν σε θέματα που κυμαίνονται από την αντίληψη έως τον έλεγχο χρησιμοποιώντας έρευνα αιχμής. Για να επιτύχουν σημασιολογική τμηματοποίηση, αναγνώριση αντικειμένων και εκτίμηση μονόφθαλμου βάθους, τα δίκτυά τους ανά κάμερα εξετάζουν ακατέργαστες εικόνες.
Τα δίκτυα οπτικής προβολής τους χρησιμοποιούν πλάνα από όλες τις κάμερες για να δημιουργήσουν την προοπτική από πάνω προς τα κάτω της διάταξης του δρόμου, τη στατική υποδομή και τα τρισδιάστατα αντικείμενα.
Τα δίκτυά τους τροφοδοτούνται συνεχώς με δεδομένα από τον στόλο τους με περίπου 1 εκατομμύριο αυτοκίνητα, ο οποίος περιλαμβάνει τις πιο περίπλοκες και ποικίλες συνθήκες στον κόσμο.
Τα 48 δίκτυα που αποτελούν ολόκληρη τη δομή των νευρωνικών δικτύων Autopilot χρειάζονται 70,000 ώρες GPU για να εκπαιδευτούν. Σε κάθε χρονικό βήμα, παράγουν 1,000 διαφορετικούς τανυστές (προβλέψεις) συλλογικά.
Αξιολόγηση Υποδομής
Έχουν επίσης δημιουργήσει υποδομές και εργαλεία αξιολόγησης υλικού ανοιχτού και κλειστού βρόχου σε κλίμακα για να επιταχύνουν την ταχύτητα της καινοτομίας, να παρακολουθούν τις βελτιώσεις απόδοσης και να σταματήσουν την παλινδρόμηση.
Χρησιμοποιούν τα ανώνυμα χαρακτηριστικά κλιπ του στόλου τους και τα ενσωματώνουν σε πολλά σενάρια δοκιμών. Γράψτε κώδικα που προσομοιώνει το πραγματικό τους περιβάλλον, δημιουργώντας απίστευτα ρεαλιστικά γραφικά και άλλα δεδομένα αισθητήρων για το πρόγραμμα Autopilot που χρησιμοποιούν για αυτοματοποιημένες δοκιμές ή ζωντανή αποσφαλμάτωση.
Πώς αξιοποιεί η Tesla τα μεγάλα δεδομένα, την τεχνητή νοημοσύνη και τη μηχανική μάθηση;
Big Data
Τα μεγάλα δεδομένα δεν χρησιμοποιούνται μόνο από την Tesla για την αντιμετώπιση προβλημάτων. χρησιμοποιείται επίσης για να αυξήσει την ευτυχία των καταναλωτών. Αποκτούν πληροφορίες από τις διαδικτυακές κοινότητες των πελατών τους και τις χρησιμοποιούν για να βελτιώσουν τη μετέπειτα παραγωγή τους. Αυτός ο τύπος αλληλεπίδρασης με τον πελάτη είναι πρωτόγνωρος στην επιχείρηση.
Τα μεγάλα δεδομένα υποστηρίζουν τις προσπάθειες της Tesla να εξοικονομήσει κόστος, να βρει νέες αγορές, να ευχαριστήσει τους καταναλωτές, να δημιουργήσει νέα προϊόντα και να βελτιώσει τα οχήματά της.
Οι πληροφορίες χρησιμοποιούνται για τη δημιουργία χαρτών εξαιρετικά πυκνών δεδομένων που δείχνουν οτιδήποτε, από τη θέση των κινδύνων που αναγκάζουν τους οδηγούς να αναλάβουν δράση έως τη μέση αύξηση της ταχύτητας κυκλοφορίας σε ένα συγκεκριμένο τμήμα του δρόμου.
Υπολογιστική άκρη καθορίζει ποια ενέργεια πρέπει να κάνει κάθε μεμονωμένο αυτοκίνητο αυτήν τη στιγμή, ενώ η μηχανική εκμάθηση στο cloud χειρίζεται την εκπαίδευση ολόκληρου του στόλου.
Επιπλέον, υπάρχει ένα τρίτο επίπεδο λήψης αποφάσεων, σύμφωνα με το οποίο τα αυτοκίνητα μπορούν να συνδεθούν με γειτονικά οχήματα της Tesla για τη δημιουργία δικτύων και την ανταλλαγή γνώσεων σχετικά με την περιοχή.
Αυτά τα δίκτυα πιθανότατα θα επικοινωνούν επίσης με οχήματα που κατασκευάζονται από άλλους κατασκευαστές καθώς και με άλλα συστήματα όπως κάμερες κυκλοφορίας, επίγειους αισθητήρες ή τηλέφωνα σε έναν κόσμο του εγγύς μέλλοντος όπου τα αυτόνομα αυτοκίνητα είναι συνηθισμένα.
Τεχνητή νοημοσύνη
Για να μπορούν να οδηγούν μόνα τους, τα αυτόνομα αυτοκίνητα αξιολογούν συνεχώς δεδομένα από τους αισθητήρες και τις κάμερες μηχανικής όρασης τους. Στη συνέχεια λαμβάνουν αποφάσεις με βάση αυτές τις πληροφορίες.
Χρησιμοποιούν την τεχνητή νοημοσύνη για να κατανοήσουν και να προβλέψουν τις κινήσεις των ποδηλάτων, των πεζών και των αυτοκινήτων. Μπορούν να κάνουν κρίσεις σε κλάσματα δευτερολέπτου και να σχεδιάσουν γρήγορα τις δραστηριότητές τους χρησιμοποιώντας αυτή τη γνώση.
Πρέπει το αυτοκίνητο να παραμείνει στη λωρίδα που βρίσκεται τώρα ή να αλλάξει; Πρέπει να συνεχίσει ως έχει ή να προσπεράσει το αυτοκίνητο μπροστά τους; Πότε πρέπει το αυτοκίνητο να επιβραδύνει ή να επιταχύνει;
Για να κάνει τα αυτοκίνητα πλήρως αυτόνομα, η Tesla πρέπει να συλλέξει τα απαραίτητα δεδομένα για την εκπαίδευση των αλγορίθμων και την τροφοδοσία των AI της. Περισσότερα δεδομένα εκπαίδευσης θα οδηγούν πάντα σε καλύτερες επιδόσεις και η Tesla υπερέχει από αυτή την άποψη.
Η Tesla έχει ανταγωνιστικό πλεονέκτημα αφού συλλέγει όλα τα δεδομένα της από τα εκατοντάδες χιλιάδες οχήματα της Tesla που κυκλοφορούν τώρα. Οι εσωτερικοί και εξωτερικοί αισθητήρες παρακολουθούν τον τρόπο λειτουργίας της Teslas υπό διάφορες συνθήκες.
Επιπλέον, παρατηρούν πώς συμπεριφέρονται οι οδηγοί, συμπεριλαμβανομένων των αντιδράσεών τους σε διάφορες καταστάσεις και πόσο συχνά αγγίζουν το τιμόνι ή το ταμπλό. Έχουν ένα πολύ εξελιγμένο σύστημα παρακολούθησης.
Για παράδειγμα, ο Tesla καταγράφει μια στιγμή στο χρόνο, την προσθέτει στη συλλογή δεδομένων και στη συνέχεια χρησιμοποιεί έγχρωμες φόρμες για να δημιουργήσει μια αφηρημένη εικόνα του περιβάλλοντος από το οποίο μπορεί να μάθει το νευρωνικό δίκτυο.
Αυτό συμβαίνει όταν ένα όχημα Tesla κάνει μια ανακριβή υπόθεση για το πώς θα συμπεριφερόταν ένα αυτοκίνητο ή ένα ποδήλατο.
Μηχανική μάθηση
Με τη χρήση εσωτερικών και εξωτερικών αισθητήρων που μπορούν ακόμη και να συλλέξουν πληροφορίες σχετικά με τη θέση του χεριού του οδηγού στα χειριστήρια και τον τρόπο λειτουργίας τους, η μηχανική εκμάθηση της Tesla συγκεντρώνει με επιτυχία ορισμένα από τα βασικά της δεδομένα από όλα τα οχήματά της καθώς και οδηγούς.
Οι πληροφορίες χρησιμοποιούνται επίσης για τη δημιουργία χαρτών πολύ πυκνών δεδομένων που εμφανίζουν τα πάντα, από τη μέση αύξηση της ταχύτητας κυκλοφορίας κατά τη διάρκεια ενός συγκεκριμένου μήκους δρόμου έως την παρουσία κινδύνων και ακόμη και να προτρέπουν τους οδηγούς να αναλάβουν δράση.
Ενώ μέρος του άκρη υπολογιστών σε κάθε μεμονωμένο αυτοκίνητο καθορίζει τη δράση που πρέπει να κάνει το αυτοκίνητο αυτή τη στιγμή, η μηχανική εκμάθηση της Tesla που βασίζεται στο cloud είναι υπεύθυνη για την εκπαίδευση ολόκληρου του στόλου.
Προκειμένου να ανταλλάξουν ορισμένες από τις τοπικές πληροφορίες και πληροφορίες, τα αυτοκίνητα μπορούν να δικτυωθούν με ορισμένα άλλα οχήματα Tesla σε κοντινή απόσταση.
Συμπέρασμα
Η Tesla ήταν πάντα μια επιχείρηση που παράγει συλλογή και ανάλυση δεδομένων που είναι το πιο ισχυρό εργαλείο για οτιδήποτε κάνει. Δεν έκαναν εξαιρέσεις κατά το σχεδιασμό των CPU τους.
Η ανάπτυξη της αυτόνομα οχήματα και η ανάλυση των στατιστικών δεδομένων από την εταιρεία κατέστησε δυνατή την πλήρη αλλαγή του τρόπου οδήγησης χάρη στην τεχνητή νοημοσύνη, την ανάλυση δεδομένων, τα μεγάλα δεδομένα, τη μηχανική μάθηση, την όραση υπολογιστών, τα νευρωνικά δίκτυα, το τσιπ FSD και πολλούς άλλους αλγόριθμους.
Αφήστε μια απάντηση