فهرست مندرجات[پنهان شدن][نمایش]
دنیایی که ما می دانیم این می تواند در نتیجه هوش مصنوعی (AI) تغییر کند. با توجه به بهبود در سیستم های نیمه خودران، تسلا به شدت از آنها استفاده می کند.
علاوه بر این، ایلان ماسک ادعا می کند که در نهایت در زمینه های دیگر نیز اعمال خواهد شد. برای فناوری کامل خودران و سیستم خلبان خودکار،
تسلا از بینایی کامپیوتری استفاده می کند، فراگیری ماشینو هوش مصنوعی (FSD).
در این مقاله، آنچه تسلا را به یک شرکت فناوری تبدیل میکند و اینکه چگونه از هوش مصنوعی، بینایی کامپیوتر، دادههای بزرگ و سایر فناوریها برای توسعه خودروهای خودران استفاده میکند، بحث خواهیم کرد. شروع کنیم.
ابتدا بررسی خواهیم کرد که چگونه تسلا یک شرکت فناوری است.
چرا تسلا به عنوان یک شرکت فناوری در نظر گرفته شده است؟
تسلا حجم قابل توجهی نرم افزار تولید می کند. سیستم اطلاعات سرگرمی متمایز تسلا، رابط کاربرو عملکردهای رانندگی مستقل همگی بر اساس نرم افزار هستند.
در حالی که دیگر خودروسازان به تازگی شروع به آزمایش ارتقاءهای هوایی کردهاند، تسلا سالهاست که این کار را انجام میدهد. کارکنان تسلا سیستم های عامل خودروهای تسلا را ایجاد کرده و به طور مداوم در حال بهبود آن هستند.
تسلا همچنین محصولات تکنولوژیکی متنوعی از جمله پنل های خورشیدی، کاشی های خورشیدی روی پشت بام، چندین نوع باتری، ایستگاه های شارژ، کامپیوترها و قطعات کلیدی کامپیوتر (برای خودروهای تسلا) تولید می کند.
اگرچه نوکیا و بلک بری هر دو نرمافزار داشتند، آیفون ترکیبی متعادل از هر دو را داشت، به همین دلیل است که تجارت تلفن همراه را تسخیر کرد و نحوه استفاده ما از تلفنهای خود را تغییر داد.
این همان کاری است که تسلا برای تجارت خودرو انجام می دهد. تسلاها وسایل نقلیه هستند، بله (و SUVها و به زودی وانت، نیمه کامیون و ATV). اما این وسایل نقلیه دارای نرم افزاری برای استفاده روزمره هستند که توسط تسلا به صورت داخلی ایجاد شده یا در سیستم تسلا گنجانده شده است.
در حالی که پارک هستید، تسلا گزینه های سرگرمی از جمله TRAX، Caraoke و بازی های متعدد (و شاید روزی در حین حمل و نقل) را معرفی کرده است. سیستم امنیتی Sentry Mode که ترکیبی از سختافزار و نرمافزار تسلا است، به مجریان قانون در حل جرایمی مانند خرابکاری کمک کرده است. گوشی هوشمند شما به عنوان کلید تسلا شما عمل می کند.
با استفاده از تلفن خود، می توانید با تسلا تماس بگیرید تا به شما مراجعه کند. علاوه بر این، به لطف فناوری منحصربهفرد Sentry Mode تسلا، اگر رویداد مهمی رخ دهد، خودرو به گوشی شما اطلاع میدهد.
از آنجایی که تسلا از دادههایی که در مورد عادات رانندگی واقعی رانندگان تسلا جمعآوری کرده است استفاده خواهد کرد (جمعآوری دادهها یک عنصر کلیدی فناوری است، بهویژه زمانی که مستقیماً مانند این باشد و از طریق نظرسنجیهای تحقیقات بازار انجام نشود)، بیمه تسلا نیز یک توسعهدهنده خواهد بود. از سمت تکنولوژی
تسلا از چه فناوری برای Autopilot استفاده می کند؟
آنها در ماشینهایی مانند روباتها و ماشینها استقلال را در مقیاس وسیع ایجاد میکنند و از آن استفاده میکنند. آنها معتقدند که تنها روشی است که می تواند پاسخ جامعی را به طور کامل ارائه دهد رانندگی خودمختار و فراتر از آن، هوش مصنوعی پیشرفته ای برای برنامه ریزی و چشم انداز است که با سخت افزار موثر برای استنتاج تکمیل می شود.
تراشه FSD تسلا
سیستم های تسلا با دو پردازنده هوش مصنوعی برای بهبود عملکرد و ایمنی جاده عرضه می شوند. هدف سیستم تسلا عملکرد بدون خطا است. به دلیل قدرت پشتیبان و منابع ورودی داده، خودرو میتواند به کار خود ادامه دهد حتی اگر یکی از دستگاهها خراب شود.
تسلا این اقدامات احتیاطی اضافی را انجام می دهد تا اطمینان حاصل شود که وسایل نقلیه به خوبی برای جلوگیری از تصادف در صورت خرابی پیش بینی نشده آماده هستند.
تنها دستگاهی که می تواند در هر ثانیه عملیات بیشتری نسبت به ریزپردازنده جدید تسلا انجام دهد، مغز انسان است (1 کوادریلیون عملیات در ثانیه). این حدود 21 برابر قدرتمندتر از میکروتراشه های تسلا انویدیا است که قبلاً استفاده شده بود.
با در نظر گرفتن هر پیشرفت کوچک معماری و ریزمعماری و در عین حال حداکثر کردن عملکرد سیلیکون در هر وات، پردازندههای استنتاج هوش مصنوعی بسازید تا نرمافزار Full Self-Driving خود را تقویت کند.
اگرچه تسلا بدون شک در بازار لوکوموتیوهای کاملاً خودمختار پیشتاز است، اما هنوز تا توسعه یک خودروی خلبان خودکار پیشرفته فاصله زیادی دارد.
تراشه دوجو تسلا
تسلا از تسلا D1 رونمایی کرد، یک پردازنده جدید با قدرت 362 TFLOP در BF16/CFP8 که مخصوصا برای هوش مصنوعی. این در جریان اخیر فاش شد تسلا AI ارائه روز
یک تراشه عظیم با اتصال شبکه ای از واحدهای عملکردی به نام شبکه واحدهای عملکردی ایجاد می شود که تسلا D1 در مجموع 354 گره آموزشی به آن اضافه می کند. هر واحد عملکردی دارای یک CPU چهار هستهای 64 بیتی ISA با طراحی اختصاصی و تخصصی برای پیمایش پیوند، پخش و انتقال است. پیاده سازی فوق اسکالر توسط این CPU استفاده می شود (خطوط لوله برداری اسکالر 4 و 2 عریض).
این سیلیکون جدید تسلا کوچکتر از پردازنده گرافیکی GA100 است که در شتاب دهنده NVIDIA A100 یافت می شود که اندازه آن 826 میلی متر مربع است. این دستگاه با استفاده از فرآیند 7 نانومتری تولید میشود، به طور کلی 50,000 میلیون ترانزیستور دارد و مساحت مربع 645 میلیمتر را اشغال میکند.
تسلا ادعا می کند که تراشه Dojo آن داده های بینایی رایانه ای را چهار برابر سریعتر از سیستم های فعلی پردازش می کند و این شرکت را قادر می سازد تا سیستم خودران خود را کاملاً خودکار کند.
با این حال، دو چالشبرانگیزترین دستاورد فناوری، یعنی اتصال کاشی به کاشی و نرمافزار، هنوز توسط تسلا انجام نشده است.
سوئیچ های شبکه درجه یک نمی توانند با پهنای باند خارجی هر کاشی رقابت کنند. برای انجام این کار، تسلا ارتباطات متقابل منحصر به فردی ایجاد کرد.
سیستم دوجو
سیستم Dojo را از API های نرم افزاری سطح بالا برای کنترل آن تا رابط های سفت افزار سیلیکونی ایجاد کنید. برای حل موقعیتهای چالش برانگیز، از فناوریهای پیشرفته تحویل و خنککننده با توان بالا استفاده کنید و حلقههای کنترل مقیاسپذیر و نرمافزار نظارت را ایجاد کنید.
از تمام تخصص تیم های مهندسی مکانیک، حرارتی و برق خود برای توسعه نسل بعدی محاسبات یادگیری ماشین برای استفاده در مراکز داده تسلا استفاده کنید. تنها محدودیت تخیل شماست.
با هر جزء کار کنید طراحی سیستم. یک API عمومی ایجاد کنید که Dojo را در دسترس همه قرار دهد و با یادگیری ناوگان تسلا برای ارائه بارهای آموزشی با استفاده از مجموعه داده های عظیم آنها همکاری کنید.
الگوریتم های خودمختاری
یک مدل جهانی با وفاداری بالا ایجاد کنید و مسیری را در آن فضا ترسیم کنید تا الگوریتمهای کلیدی که خودرو را به کار میبرند توسعه دهید.
با جمعآوری دادههای حسگرهای خودرو در مکان و زمان، یک الگوریتم میتواند دادههای دقیق و گستردهای را ارائه دهد که میتواند برای آموزش استفاده شود. شبکه های عصبی برای پیش بینی این بازنمایی ها
آنها سیستم برنامه ریزی و تصمیم گیری قوی را با استفاده از روش شناسی های پیشرفته ایجاد می کنند که می تواند در سناریوهای چالش برانگیز دنیای واقعی با عدم قطعیت عمل کند.
تجزیه و تحلیل الگوریتم ها در سطح کل ناوگان تسلا سودمند است.
شبکه های عصبی
شبکه های عصبی عمیق را می توان با استفاده از تحقیقات پیشرفته در مورد مسائل مختلف از درک تا کنترل آموزش داد. برای انجام بخشبندی معنایی، شناسایی شی و تخمین عمق تک چشمی، شبکههای هر دوربین آنها تصاویر خام را بررسی میکنند.
شبکه های دید پرنده آنها از فیلم های همه دوربین ها برای ایجاد چشم انداز از بالا به پایین از طرح جاده، زیرساخت ثابت و اشیاء سه بعدی استفاده می کنند.
شبکههای آنها دائماً دادههای ناوگان حدود 1 میلیون خودروی آنها را دریافت میکنند که شامل پیچیدهترین و متنوعترین شرایط در جهان است.
48 شبکه ای که کل ساختار شبکه های عصبی Autopilot را تشکیل می دهند برای آموزش به 70,000 ساعت GPU نیاز دارند. در هر مرحله زمانی، آنها 1,000 تانسور (پیشبینی) مختلف را به طور جمعی تولید میکنند.
ارزیابی زیرساخت
آنها همچنین زیرساختها و ابزارهای ارزیابی سختافزار حلقه باز و حلقه بسته در مقیاس را برای تسریع سرعت نوآوری، نظارت بر بهبود عملکرد و توقف رگرسیون ایجاد کردهاند.
آنها از کلیپ های مشخصه ناشناس ناوگان خود استفاده می کنند و آنها را در بسیاری از سناریوهای آزمایشی گنجانده اند. کدی بنویسید که محیط واقعی آنها را شبیهسازی میکند و تصاویری بسیار واقعی و سایر دادههای حسگر را برای برنامه Autopilot تولید میکند تا برای آزمایش خودکار یا اشکالزدایی زنده از آن استفاده کند.
تسلا چگونه از داده های بزرگ، هوش مصنوعی و یادگیری ماشینی استفاده می کند؟
بزرگ داده
کلان داده توسط تسلا فقط برای رسیدگی به مشکلات استفاده نمی شود. همچنین برای افزایش رضایت مصرف کننده استفاده می شود. آنها اطلاعات را از جوامع آنلاین مشتریان خود به دست می آورند و از آن برای بهبود تولید بعدی خود استفاده می کنند. این نوع تعامل با مشتری در تجارت بی سابقه است.
کلان داده ها از تلاش های تسلا برای صرفه جویی در هزینه ها، یافتن بازارهای جدید، رضایت مصرف کنندگان، ایجاد محصولات جدید و ارتقای وسایل نقلیه خود پشتیبانی می کند.
از این اطلاعات برای ایجاد نقشههای بسیار متراکم داده استفاده میشود که هر چیزی را نشان میدهد، از مکان خطراتی که رانندگان را مجبور به اقدام تا میانگین افزایش سرعت ترافیک در یک بخش معین از جاده میکند.
محاسبات لبه تعیین میکند که هر خودروی منفرد در حال حاضر چه اقدامی باید انجام دهد، در حالی که یادگیری ماشینی در فضای ابری به آموزش کل ناوگان کمک میکند.
علاوه بر این، سطح سومی از تصمیمگیری وجود دارد که در آن خودروها ممکن است با وسایل نقلیه همسایه تسلا برای ایجاد شبکهها و به اشتراک گذاشتن دانش در مورد منطقه ارتباط برقرار کنند.
این شبکهها احتمالاً با وسایل نقلیه ساخته شده توسط سایر سازندگان و همچنین سیستمهای دیگر مانند دوربینهای ترافیکی، حسگرهای زمینی یا تلفنها در دنیایی نزدیک به آینده که اتومبیلهای خودران معمولی هستند، ارتباط خواهند داشت.
هوش مصنوعی
برای اینکه بتوانند به تنهایی رانندگی کنند، خودروهای خودران به طور مداوم داده های حسگرها و دوربین های بینایی ماشین خود را ارزیابی می کنند. سپس بر اساس این اطلاعات تصمیم می گیرند.
آنها از هوش مصنوعی برای درک و پیشبینی حرکت دوچرخهها، عابران پیاده و اتومبیلها استفاده میکنند. آنها می توانند در چند ثانیه قضاوت کنند و به سرعت فعالیت های خود را با استفاده از این دانش برنامه ریزی کنند.
آیا خودرو باید در خطی که در حال حاضر در آن است بماند یا باید تغییر کند؟ آیا باید به همین شکلی که هست ادامه دهد یا از ماشین جلوی آنها سبقت بگیرد؟ چه زمانی خودرو باید سرعت یا شتاب خود را کاهش دهد؟
برای اینکه خودروها کاملاً خودمختار شوند، تسلا باید داده های لازم را برای آموزش الگوریتم ها و تغذیه هوش مصنوعی خود جمع آوری کند. داده های آموزشی بیشتر همیشه به عملکرد بهتر منجر می شود و تسلا در این زمینه برتر است.
تسلا دارای مزیت رقابتی است زیرا تمام داده های خود را از صدها هزار وسیله نقلیه تسلا که اکنون در جاده ها هستند جمع آوری می کند. حسگرهای داخلی و خارجی نحوه عملکرد تسلا در شرایط مختلف را بررسی می کنند.
علاوه بر این، آنها رفتار رانندگان را مشاهده می کنند، از جمله واکنش آنها به موقعیت های مختلف و دفعات لمس فرمان یا داشبورد. آنها یک سیستم ردیابی بسیار پیچیده دارند.
برای مثال، تسلا یک لحظه را در زمان ثبت میکند، آن را به مجموعه دادهها اضافه میکند و سپس از فرمهای رنگی برای تولید تصویری انتزاعی از محیطی که شبکه عصبی میتواند از آن یاد بگیرد، استفاده میکند.
این زمانی اتفاق می افتد که یک وسیله نقلیه تسلا در مورد نحوه رفتار یک ماشین یا دوچرخه فرضی نادرست می کند.
فراگیری ماشین
یادگیری ماشینی تسلا با استفاده از حسگرهای داخلی و خارجی که حتی میتوانند اطلاعاتی درباره مکان دست راننده روی کنترلها و نحوه ادامه کار آنها را دریافت کنند، برخی از دادههای کلیدی خود را با موفقیت از همه خودروهای خود و همچنین آنها جمعآوری میکند. رانندگان
این اطلاعات همچنین برای ایجاد نقشههای بسیار متراکم استفاده میشود که همه چیز را از افزایش میانگین سرعت ترافیک در طول مسیر مشخصی از جاده گرفته تا وجود خطرات نشان میدهد و حتی رانندگان را به اقدام وادار میکند.
در حالی که بخشی از محاسبات لبه در هر خودرو مشخص میشود که خودرو در حال حاضر چه اقدامی را باید انجام دهد، یادگیری ماشینی مبتنی بر ابر تسلا وظیفه آموزش کل ناوگان را بر عهده دارد.
به منظور تبادل برخی از بینشها و اطلاعات محلی، خودروها میتوانند با برخی دیگر از وسایل نقلیه تسلا در نزدیکی خود شبکه کنند.
نتیجه
تسلا همیشه کسبوکاری بوده که جمعآوری و تجزیه و تحلیل دادهها را تولید میکند که قدرتمندترین ابزار برای هر کاری است. آنها در طراحی پردازنده های خود هیچ استثنایی قائل نشدند.
توسعه از خودروهای خودمختار و تجزیه و تحلیل دادههای آماری توسط شرکت به لطف هوش مصنوعی، تجزیه و تحلیل دادهها، دادههای بزرگ، یادگیری ماشین، بینایی کامپیوتر، شبکههای عصبی، تراشه FSD و بسیاری از الگوریتمهای دیگر، نحوه رانندگی ما را کاملاً تغییر داده است.
پاسخ دهید