Sisukord[Peida][Näita]
Maailm, nagu me seda teame, võib tehisintellekti (AI) tõttu muutuda. Seoses poolautonoomsete süsteemide täiustamisega kasutab Tesla neid tugevalt.
Lisaks kinnitab Elon Musk, et seda hakatakse lõpuks rakendama ka teistes valdkondades. Täieliku isejuhtimise tehnoloogia ja autopiloodisüsteemi jaoks
Tesla kasutab arvutinägemist, masinõpeja tehisintellekt (FSD).
Selles artiklis arutame, mis teeb Teslast tehnoloogiaettevõtte ja kuidas see kasutab AI-d, arvutinägemist, suurandmeid ja muid tehnoloogiaid isesõitvate autode arendamiseks. Alustagem.
Kõigepealt uurime, kuidas Tesla on tehnoloogiaettevõte.
Miks on Teslat peetud tehnoloogiaettevõtteks?
Teslal toodab märkimisväärsel hulgal tarkvara. Tesla eristav teabe- ja meelelahutussüsteem, kasutajaliidesja autonoomsed sõidufunktsioonid põhinevad kõik tarkvaral.
Kui teised autotootjad on alles nüüd hakanud katsetama õhu kaudu toimuvaid uuendusi, siis Tesla on seda teinud juba aastaid. Tesla töötajad lõid ja täiustavad pidevalt Tesla autode operatsioonisüsteeme.
Tesla toodab ka mitmesuguseid muid tehnoloogilisi tooteid, sealhulgas päikesepaneele, katusealuseid päikesepatareid, mitut tüüpi akusid, laadimisjaamu, arvuteid ja arvuti põhikomponente (Tesla autode jaoks).
Kuigi nii Nokial kui ka Blackberryl oli tarkvara, oli iPhone'il mõlema tasakaalustatud kombinatsioon, mistõttu vallutas see mobiiltelefoniäri ja muutis seda, kuidas me praegu oma telefone kasutame.
Seda Tesla autoäri heaks teeb. Teslad on sõidukid, jah (ja maasturid ja peagi pikapid, poolveokid ja ATV-d). Kuid need sõidukid sisaldavad igapäevaseks kasutamiseks mõeldud tarkvara, mille Tesla lõi sisemiselt või mis on lisatud Tesla süsteemi.
Kui olete pargitud, on Tesla tutvustanud meelelahutusvõimalusi, sealhulgas TRAX, Caraoke ja palju mänge (ja võib-olla millalgi ka transpordi ajal). Turvasüsteem Sentry Mode, mis ühendab Tesla riist- ja tarkvara, on aidanud õiguskaitseorganitel lahendada selliseid kuritegusid nagu vandalism. Teie nutitelefon toimib teie Tesla võtmena.
Telefoni kasutades saate helistada Teslale, et teie juurde tulla. Lisaks annab auto tänu Tesla ainulaadsele Sentry Mode tehnoloogiale märku teie telefoni, kui toimub oluline sündmus.
Kuna Tesla kasutab kogutud andmeid Tesla juhtide tegelike sõiduharjumuste kohta (andmete kogumine on tehnoloogia põhielement, eriti kui see on nii otsene ja seda ei tehta turu-uuringute kaudu), on Tesla kindlustus ka laiendus. tehnilise poole pealt.
Millist tehnoloogiat Tesla autopiloodi jaoks kasutab?
Nad loovad ja kasutavad suures ulatuses autonoomiat sellistes masinates nagu robotid ja autod. Nad väidavad, et see on ainus meetod, mis annab täieliku vastuse autonoomne sõit ja kaugemalgi on see, mis tugineb planeerimisel ja nägemusel tipptasemel tehisintellektile, mida täiendab järelduste tegemiseks tõhus riistvara.
Tesla FSD kiip
Tesla süsteemid on varustatud kahe tehisintellekti protsessoriga, mis suurendavad jõudlust ja liiklusohutust. Tesla süsteemi eesmärk on vigadeta töö. Tänu varutoite- ja andmesisestusallikatele võib auto jätkata töötamist isegi siis, kui ühes seadmes esineb tõrkeid.
Tesla rakendab neid täiendavaid ettevaatusabinõusid tagamaks, et sõidukid on hästi ette valmistatud vältimaks õnnetusi ootamatu rikke korral.
Ainus seade, mis suudab teha rohkem toiminguid sekundis kui uus Tesla mikroprotsessor, on inimese aju (1 kvadriljon operatsiooni sekundis). See on umbes 21 korda võimsam kui varem kasutatud Tesla Nvidia mikrokiibid.
Ehitage tehisintellekti järeldusprotsessorid, et toita nende täielikku isejuhtimise tarkvara, võttes arvesse iga väikest arhitektuurilist ja mikroarhitektuurilist täiustust, maksimeerides samal ajal räni jõudlust vati kohta.
Kuigi Tesla juhib vaieldamatult täiesti autonoomsete vedurite turgu, on see tipptasemel autopilootsõiduki väljatöötamisest veel kaugel.
Tesla Dojo kiip
Tesla avalikustas Tesla D1, uue protsessori, mille BF362/CFP16 võimsus on 8 TFLOP-i ja mis on loodud spetsiaalselt tehisintellekti. See avalikustati hiljutisel ajal Tesla AI Päeva esitlus.
Tohutu kiip luuakse funktsionaalsete üksuste võrgu ühendamisel, mida nimetatakse funktsionaalsete üksuste võrguks, millele Tesla D1 lisab kokku 354 treeningsõlme. Igal funktsionaalsel üksusel on neljatuumaline 64-bitine ISA-protsessor, mis on spetsiaalselt loodud linkide läbimiseks, ülekanneteks ja transpositsioonideks. See CPU kasutab superskalaarset teostust (4 laiusega skalaar- ja 2 laiusega vektorkonveierid).
See uus Tesla räni on väiksem kui NVIDIA A100 kiirendis leiduv GA100 GPU, mille suurus on 826 mm. Seda toodetakse 7 nm protsessi abil, sellel on kokku 50,000 645 miljonit transistorit ja selle pindala on XNUMX mm.
Tesla väidab, et tema Dojo kiip töötleb arvutinägemise andmeid neli korda kiiremini kui praegused süsteemid, võimaldades ettevõttel oma isejuhtimissüsteemi täielikult automatiseerida.
Kaks kõige keerulisemat tehnoloogilist saavutust, nimelt plaatidevaheline ühendus ja tarkvara, pole Tesla aga veel saavutanud.
Tipptasemel võrgulülitid ei suuda konkureerida ühegi plaadi välise ribalaiusega. Selleks lõi Tesla ainulaadsed ühendused.
Dojo süsteem
Looge Dojo süsteem, alates kõrgetasemelistest tarkvara API-dest selle juhtimiseks kuni räni püsivara liidesteni. Kasutage keeruliste olukordade lahendamiseks tipptasemel suure võimsusega tarnimis- ja jahutustehnoloogiaid ning looge skaleeritavaid juhtimissilmusi ja seiretarkvara.
Kasutage Tesla andmekeskustes kasutamiseks mõeldud järgmise põlvkonna masinõppearvutite väljatöötamiseks kogu oma mehaanika-, soojus- ja elektrotehnikameeskondade teadmisi. Ainus piirang on teie kujutlusvõime.
Töötage iga komponendiga süsteemi disain. Töötage välja avalik API, mis teeb Dojo kõigile juurdepääsetavaks, ja tehke koostööd Tesla masinapargi õppega, et pakkuda koolitustöökoormust, kasutades nende tohutuid andmekogumeid.
Autonoomia algoritmid
Looge kõrge täpsusega maailmamudel ja joonistage selles ruumis trajektoor, et töötada välja peamised algoritmid, mis autot käitavad.
Koondades auto andurite andmeid kohas ja ajas, saab algoritm pakkuda täpseid ja ulatuslikke põhitõeandmeid, mida saab kasutada treenimiseks. närvivõrgud neid esitusi ennetada.
Nad loovad tugeva planeerimis- ja otsustussüsteemi, kasutades tipptasemel metoodikat, mis võivad toimida ebakindlate väljakutsetega reaalsetes stsenaariumides.
Algoritmide analüüsimine kogu Tesla masinapargi tasemel tuleb kasuks.
Närvivõrgud
Sügavaid närvivõrke saab treenida küsimustes, mis ulatuvad tajust juhtimiseni, kasutades tipptasemel uurimistööd. Semantilise segmenteerimise, objekti tuvastamise ja monokulaarse sügavuse hindamise teostamiseks uurivad nende kaamerapõhised võrgud töötlemata pilte.
Nende linnulennuvõrgud kasutavad kõigi kaamerate kaadreid, et luua tee paigutuse, staatilise infrastruktuuri ja 3D-objektide ülalt-alla vaatenurk.
Nende võrkudele toidetakse pidevalt andmeid umbes 1 miljonist autost koosnevast pargist, mis hõlmab maailma kõige keerulisemaid ja mitmekesisemaid olukordi.
48 võrku, mis moodustavad kogu Autopiloti närvivõrkude konstruktsiooni, vajavad treenimiseks 70,000 1,000 GPU tundi. Igal ajahetkel toodavad nad ühiselt XNUMX erinevat tensorit (ennustust).
Infrastruktuuri hindamine
Samuti on nad loonud infrastruktuuri ning avatud ja suletud ahelaga riistvara in-the-loop hindamistööriistad, et kiirendada innovatsiooni kiirust, jälgida jõudluse täiustusi ja peatada regressioonid.
Nad kasutavad oma sõidukipargi anonüümseks muudetud iseloomulikke klippe ja lisavad need paljudesse katsestsenaariumidesse. Kirjutage kood, mis simuleerib nende tegelikku keskkonda, genereerides nende Autopiloti programmi jaoks uskumatult elutruud visuaalid ja muud andurite andmed, mida saab kasutada automaatseks testimiseks või reaalajas silumiseks.
Kuidas Tesla kasutab suurandmeid, tehisintellekti ja masinõpet?
Big andmed
Suurandmeid ei kasuta Tesla ainult probleemide lahendamiseks; seda kasutatakse ka tarbijate õnnelikkuse tõstmiseks. Nad hangivad teavet oma klientide veebikogukondadest ja kasutavad seda oma järgneva tootmise tõhustamiseks. Seda tüüpi klientidega suhtlemine on äris ennekuulmatu.
Suurandmed toetavad Tesla püüdlusi säästa kulusid, leida uusi turge, rõõmustada tarbijaid, luua uusi tooteid ja täiustada oma sõidukeid.
Teavet kasutatakse äärmiselt andmetihedate kaartide koostamiseks, mis näitavad kõike alates riskide asukohast, mis sunnivad juhte tegutsema, kuni keskmise liikluskiiruse tõusuni teatud teelõigul.
Servade arvutamine määrab, milliseid meetmeid peab iga auto praegu tegema, samal ajal kui pilves masinõpe tegeleb kogu autopargi koolitamisega.
Lisaks on otsuste tegemisel kolmas tase, mille kohaselt saavad autod ühenduda naabruses asuvate Tesla sõidukitega, et luua võrgustikke ja jagada teadmisi piirkonna kohta.
Need võrgud suhtlevad tõenäoliselt ka teiste tootjate sõidukite ja muude süsteemidega, nagu liikluskaamerad, maapealsed andurid või telefonid lähituleviku maailmas, kus autonoomsed autod on tavalised.
Tehisintellekt
Iseseisvalt sõitmiseks hindavad autonoomsed autod pidevalt oma andurite ja masinnägemiskaamerate andmeid. Seejärel teevad nad selle teabe põhjal otsuseid.
Nad kasutavad tehisintellekti, et mõista ja ette näha jalgrataste, jalakäijate ja autode liikumist. Nad saavad sekundi murdosa jooksul otsuseid teha ja neid teadmisi kasutades kiiresti oma tegevusi planeerida.
Kas auto peaks jääma sellele sõidurajale, millel ta praegu on, või peaks see muutuma? Kas see peaks jätkama nii nagu ta on või möödub nende ees sõitvast autost? Millal peaks auto aeglustama või kiirendama?
Autode täielikuks autonoomseks muutmiseks peab Tesla koguma algoritmide treenimiseks ja tehisintellekti toitmiseks vajalikke andmeid. Rohkem treeningandmeid toob alati kaasa parema jõudluse ja Tesla on selles osas suurepärane.
Teslal on konkurentsieelis, kuna ta kogub kõik oma andmed sadadelt tuhandetelt Tesla sõidukitelt, mis praegu teel on. Sisemised ja välised andurid jälgivad, kuidas Teslas erinevates tingimustes töötab.
Lisaks jälgivad nad juhtide käitumist, sealhulgas nende reaktsioone erinevatele olukordadele ja seda, kui sageli nad puudutavad rooli või armatuurlauda. Neil on väga keerukas jälgimissüsteem.
Näiteks salvestab Tesla ajahetke, lisab selle andmekogusse ja kasutab seejärel värvilisi vorme, et luua abstraktne pilt keskkonnast, millest närvivõrk saab õppida.
See juhtub siis, kui Tesla sõiduk teeb ebatäpse oletuse selle kohta, kuidas auto või jalgratas käituks.
Masinõpe
Tänu sise- ja välisandurite kasutamisele, mis suudavad koguda teavet juhi käe asukoha kohta juhtnuppudel ja nende kasutamise jätkamise kohta, hangib Tesla masinõpe edukalt osa oma põhiandmeid kõigist oma sõidukitest ja ka nende sõidukitest. autojuhid.
Seda teavet kasutatakse ka väga andmetihedate kaartide loomiseks, mis kuvavad kõike alates keskmisest liikluskiiruse tõusust teatud pikkusega tee jooksul kuni ohtude esinemiseni ja isegi ärgitavad juhte tegutsema.
Kuigi osa servaarvutus iga auto puhul määrab, milliseid meetmeid auto praegu tegema peab, Tesla pilvepõhine masinõpe vastutab kogu autopargi koolitamise eest.
Mõne kohaliku ülevaate ja teabe vahetamiseks saavad autod luua võrku teatud teiste läheduses asuvate Tesla sõidukitega.
Järeldus
Tesla on alati olnud ettevõte, mis toodab andmete kogumist ja analüüsi, mis on kõige võimsam tööriist. Nad ei teinud oma protsessorite kujundamisel erandeid.
Arendamine autonoomsed sõidukid ja statistiliste andmete analüüs ettevõtte poolt on võimaldanud täielikult muuta meie sõiduviisi tänu tehisintellektile, andmeanalüüsile, suurandmetele, masinõppele, arvutinägemisele, närvivõrkudele, FSD-kiibile ja paljudele teistele algoritmidele.
Jäta vastus