Sisällysluettelo[Piilottaa][Näytä]
Maailma sellaisena kuin me tämän tunnemme, voi muuttua tekoälyn (AI) seurauksena. Mitä tulee puoliautonomisten järjestelmien parannuksiin, Tesla hyödyntää niitä voimakkaasti.
Lisäksi Elon Musk vakuuttaa, että sitä tullaan lopulta soveltamaan muilla aloilla. Täysi itseajoteknologian ja Autopilot-järjestelmän ansiosta
Tesla käyttää tietokonenäköä, koneoppiminenja tekoäly (FSD).
Tässä artikkelissa keskustelemme siitä, mikä tekee Teslasta teknologiayrityksen ja kuinka se käyttää tekoälyä, tietokonenäköä, big dataa ja muita teknologioita kehittääkseen itse ajavia autoja. Aloitetaanpa.
Tutkimme ensin, kuinka Tesla on teknologiayritys.
Miksi Teslaa on pidetty teknologiayrityksenä?
Tesla tuottaa huomattavan määrän ohjelmistoja. Teslan erottuva infotainment-järjestelmä, käyttöliittymä, ja autonomiset ajotoiminnot perustuvat kaikki ohjelmistoon.
Vaikka muut autonvalmistajat ovat vasta nyt alkaneet kokeilla ilmateitse tapahtuvia päivityksiä, Tesla on tehnyt sitä vuosia. Teslan työntekijät loivat ja parantavat jatkuvasti Tesla-autojen käyttöjärjestelmiä.
Tesla valmistaa myös monia muita teknologisia tuotteita, kuten aurinkopaneeleja, kattoaurinkolaattoja, monenlaisia akkuja, latausasemia, tietokoneita ja keskeisiä tietokonekomponentteja (Tesla-autoihin).
Vaikka sekä Nokialla että Blackberryllä oli ohjelmistoja, iPhonessa oli molempien tasapainoinen yhdistelmä, minkä vuoksi se valloitti matkapuhelinliiketoiminnan ja muutti tapaamme käyttää puhelimia tällä hetkellä.
Tätä Tesla tekee autoalan hyväksi. Teslat ovat ajoneuvoja, kyllä (ja maastoautoja ja pian lava-autoja, puolikuorma-autoja ja mönkijöitä). Mutta näissä ajoneuvoissa on ohjelmisto jokapäiväiseen käyttöön, jonka Tesla on luonut sisäisesti tai sisällytetty Teslan järjestelmään.
Kun olet pysäköitynä, Tesla on esitellyt viihdevaihtoehtoja, kuten TRAXin, Caraoken ja lukuisia pelejä (ja ehkä joskus kuljetuksen aikana). Turvajärjestelmä Sentry Mode, joka yhdistää Teslan laitteistot ja ohjelmistot, on auttanut lainvalvontaviranomaisia selvittämään rikoksia, kuten ilkivaltaa. Älypuhelimesi toimii Tesla-avaimena.
Puhelimesi avulla voit soittaa Teslallesi tullaksesi luoksesi. Lisäksi auto ilmoittaa puhelimeesi, jos kyseessä on merkittävä tapahtuma Teslan ainutlaatuisen Sentry Mode -tekniikan ansiosta.
Koska Tesla käyttää keräämiään tietoja Tesla-kuljettajien todellisista ajotottumuksista (tiedonkeruu on tekniikan keskeinen osa, varsinkin kun se on näin suoraa eikä markkinatutkimusten kautta), Teslan vakuutus on myös jatkoa. tekniikan puolelta.
Mitä tekniikkaa Tesla käyttää autopilotissa?
Ne luovat ja käyttävät autonomiaa suuressa mittakaavassa koneissa, kuten roboteissa ja autoissa. He väittävät, että ainoa menetelmä, joka voi antaa kattavan vastauksen täydellisesti itsenäinen ajo ja sen jälkeen on yksi, joka luottaa suunnittelussa ja näkemisessä huippuluokan tekoälyyn, jota täydentää tehokkaat päätelmät.
Teslan FSD-siru
Tesla-järjestelmissä on kaksi tekoälyprosessoria, jotka parantavat suorituskykyä ja liikenneturvallisuutta. Tesla-järjestelmä tähtää virheettömään toimintaan. Varavirran ja tiedonsyöttölähteiden ansiosta auto voi jatkaa toimintaansa, vaikka yksi yksikkö toimisi toimintahäiriönä.
Tesla ryhtyy näihin lisävarotoimiin varmistaakseen, että ajoneuvot ovat hyvin valmistautuneita estämään kolarit odottamattoman vian sattuessa.
Ainoa laite, joka pystyy suorittamaan enemmän toimintoja sekunnissa kuin uusi Teslan mikroprosessori, on ihmisaivot (1 kvadriljoona operaatiota sekunnissa). Se on noin 21 kertaa tehokkaampi kuin aiemmin käytetyt Tesla Nvidian mikrosirut.
Rakenna tekoälyn päättelyprosessoreja täydentämään itseohjautuvaa ohjelmistoaan ottamalla huomioon kaikki pienet arkkitehtoniset ja mikroarkkitehtuuriset parannukset ja maksimoimalla piisuorituskyvyn wattia kohden.
Vaikka Tesla johtaa kiistatta täysin autonomisten veturien markkinoita, se on vielä kaukana huippuluokan autopilottiajoneuvon kehittämisestä.
Tesla Dojo-siru
Tesla julkisti Tesla D1:n, uuden prosessorin, jonka teho on 362 TFLOP:a BF16/CFP8:ssa ja joka on luotu erityisesti tekoäly. Tämä paljastettiin hiljattain Tesla AI Päivän esittely.
Valtava siru syntyy yhdistämällä toiminnallisten yksiköiden verkosto, jota kutsutaan toiminnallisten yksiköiden verkostoksi, johon Tesla D1 lisää yhteensä 354 harjoitussolmua. Jokaisessa toiminnallisessa yksikössä on neliytiminen, 64-bittinen ISA-suoritin, joka on räätälöity, erikoistunut linkkien läpikulkua, lähetyksiä ja transponointia varten. Tämä CPU käyttää superskalaaritoteutusta (4-leveät skalaari- ja 2-leveät vektoriliukuhihnat).
Tämä uusi Tesla-pii on pienempi kuin NVIDIA A100 -kiihdyttimessä oleva GA100 GPU, joka on kooltaan 826 mm. Se on valmistettu 7 nm:n prosessilla, siinä on yhteensä 50,000 645 miljoonaa transistoria ja sen pinta-ala on XNUMX mm.
Tesla väittää, että sen Dojo-siru käsittelee tietokonenäkötietoja neljä kertaa nopeammin kuin nykyiset järjestelmät, minkä ansiosta yritys voi täysin automatisoida itseohjautuvan järjestelmänsä.
Tesla ei kuitenkaan ole vielä saavuttanut kahta haastavinta teknologista saavutusta, nimittäin laattojen välistä yhdistämistä ja ohjelmistoa.
Huippuluokan verkkokytkimet eivät voi kilpailla minkään ruudun ulkoisen kaistanleveyden kanssa. Tätä varten Tesla loi ainutlaatuisia yhteyksiä.
Dojo järjestelmä
Luo Dojo-järjestelmä korkean tason ohjelmistojen sovellusliittymistä ohjaamaan sitä pii-laiteohjelmistoliitäntöihin. Hyödynnä huippuluokan korkean tehon toimitus- ja jäähdytystekniikoita haastavien tilanteiden ratkaisemiseen ja luo skaalautuvia ohjaussilmukoita ja valvontaohjelmistoja.
Hyödynnä mekaniikka-, lämpö- ja sähkötekniikkatiimien koko asiantuntemus kehittääksesi seuraavan sukupolven koneoppimislaskentaa käytettäväksi Teslan palvelinkeskuksissa. Ainoa rajoitus on mielikuvituksesi.
Työskentele jokaisen komponentin kanssa Järjestelmäsuunnittelu. Kehitä julkinen sovellusliittymä, joka tekee Dojosta kenen tahansa käytettävissä, ja tee yhteistyötä Teslan kaluston oppimisen kanssa koulutustyökuormien tarjoamiseksi heidän valtavia tietojoukkojaan hyödyntäen.
Autonomian algoritmit
Luo korkealaatuinen maailmanmalli ja piirrä lentorata kyseiseen tilaan kehittääksesi autoa ohjaavia avainalgoritmeja.
Kokoamalla tietoja auton antureista paikasta ja ajasta, algoritmi voi tarjota tarkkoja ja laajoja totuustietoja, joita voidaan käyttää harjoitteluun. hermoverkkoihin ennakoida näitä esityksiä.
He rakentavat vahvan suunnittelu- ja päätöksentekojärjestelmän käyttämällä huippuluokan menetelmiä, jotka voivat toimia haastavissa reaalimaailman skenaarioissa epävarmuudella.
Algoritmien analysointi koko Teslan laivaston tasolla on hyödyllistä.
Neuraaliverkot
Syviä hermoverkkoja voidaan kouluttaa asioissa, jotka vaihtelevat havainnosta ohjaukseen hyödyntämällä huippututkimusta. Semanttisen segmentoinnin, esineiden tunnistamisen ja monokulaarisen syvyyden arvioinnin suorittamiseksi niiden kamerakohtaiset verkot tutkivat raakakuvia.
Heidän lintuperspektiiviverkostonsa käyttävät kaikkien kameroiden materiaalia luodakseen ylhäältä alas -perspektiivin tien asettelusta, staattisesta infrastruktuurista ja 3D-objekteista.
Heidän verkostoihinsa syötetään jatkuvasti tietoja heidän noin miljoonan auton kalustosta, joka sisältää maailman monimutkaisimmat ja monipuolisimmat olosuhteet.
Autopilotin hermoverkkojen koko rakenteen muodostavat 48 verkkoa tarvitsevat 70,000 1,000 GPU-tuntia harjoitellakseen. Jokaisella aikavaiheella ne tuottavat yhdessä XNUMX XNUMX erilaista tensoria (ennustetta).
Infrastruktuurin arviointi
He ovat myös luoneet infrastruktuuria ja avoimen ja suljetun laitteiston in-the-loop arviointityökaluja mittakaavassa nopeuttaakseen innovaatiota, seuratakseen suorituskyvyn parannuksia ja pysäyttääkseen regressioita.
He käyttävät laivastonsa anonymisoituja tunnusleikkeitä ja sisällyttävät ne moniin testiskenaarioihin. Kirjoita koodia, joka simuloi heidän todellista ympäristöään ja luo uskomattoman todenmukaisia visuaalisia kuvia ja muuta anturidataa Autopilot-ohjelmaan käytettäväksi automaattiseen testaukseen tai live-virheenkorjaukseen.
Kuinka Tesla hyödyntää Big Dataa, tekoälyä ja koneoppimista?
Big Data
Tesla ei käytä suurta dataa vain ongelmien ratkaisemiseen; sitä käytetään myös lisäämään kuluttajien onnellisuutta. He hankkivat tietoa asiakkaidensa verkkoyhteisöistä ja käyttävät sitä myöhemmän tuotannon tehostamiseen. Tämäntyyppinen asiakasvuorovaikutus on ennenkuulumatonta liiketoiminnassa.
Big data tukee Teslan pyrkimyksiä säästää kustannuksia, löytää uusia markkinoita, miellyttää kuluttajia, luoda uusia tuotteita ja parantaa ajoneuvojaan.
Tietojen avulla luodaan erittäin datatiheitä karttoja, jotka näyttävät kaiken kuljettajan toimiin pakottavien riskien sijainnista liikennenopeuden keskimääräiseen nousuun tietyllä tieosuudella.
Reunalaskenta määrittää, mitä toimia kunkin yksittäisen auton täytyy tehdä juuri nyt, kun taas koneoppiminen pilvessä hoitaa koko laivaston koulutuksen.
Lisäksi on olemassa kolmas päätöksenteon taso, jossa autot voivat muodostaa yhteyden naapurimaiden Tesla-ajoneuvoihin rakentaakseen verkostoja ja jakaakseen tietoa alueesta.
Nämä verkot kommunikoivat todennäköisesti myös muiden valmistajien ajoneuvojen sekä muiden järjestelmien, kuten liikennekameroiden, maanpäällisten sensorien tai puhelimien kanssa lähitulevaisuuden maailmassa, jossa autonomiset autot ovat arkipäivää.
Tekoäly
Voidakseen ajaa omatoimisesti autonomiset autot arvioivat jatkuvasti antureidensa ja konenäkökameroidensa tietoja. Sitten he tekevät päätöksiä näiden tietojen perusteella.
He käyttävät tekoälyä ymmärtääkseen ja ennakoidakseen polkupyörien, jalankulkijoiden ja autojen liikkeitä. He voivat tehdä päätöksiä sekunnin murto-osassa ja suunnitella toimintaansa nopeasti tämän tiedon avulla.
Pitäisikö auton pysyä kaistalla, jolla se nyt on, vai pitäisikö sen vaihtaa? Pitäisikö sen jatkaa entisellään vai ohittaako heidän edessään olevan auton? Milloin auton pitäisi hidastaa tai kiihdyttää?
Tehdäkseen autoista täysin itsenäisiä Teslan on kerättävä tarvittavat tiedot algoritmien kouluttamiseksi ja tekoälynsä syöttämiseksi. Lisää harjoitustietoja johtaa aina parempaan suorituskykyyn, ja Tesla on tässä suhteessa erinomaista.
Teslalla on kilpailuetu, koska se kerää kaikki tietonsa sadoilta tuhansilta Tesla-ajoneuvoista, jotka ovat nyt liikkeellä. Sisäiset ja ulkoiset anturit seuraavat Teslan toimintaa eri olosuhteissa.
Lisäksi he tarkkailevat kuljettajien käyttäytymistä, mukaan lukien heidän reaktioitaan erilaisiin tilanteisiin ja kuinka usein he koskettavat ohjauspyörää tai kojelautaa. Heillä on erittäin kehittynyt seurantajärjestelmä.
Tesla esimerkiksi tallentaa hetken ajan, lisää sen tietokokoelmaan ja luo sitten värillisillä lomakkeilla abstraktin kuvan ympäristöstä, josta hermoverkko voi oppia.
Tämä tapahtuu, kun Tesla-ajoneuvo tekee epätarkan oletuksen siitä, kuinka auto tai polkupyörä käyttäytyisi.
Koneen oppiminen
Käyttämällä sisäisiä ja ulkoisia antureita, jotka voivat jopa poimia tietoja kuljettajan käsien sijainnista säätimistä ja siitä, miten niitä käytetään edelleen, Tesla koneoppiminen kerää onnistuneesti osan tärkeimmistä tiedoistaan kaikista ajoneuvoistaan sekä niiden ajoneuvoista. Kuljettajat.
Tietoa hyödynnetään myös erittäin tietotiheiden karttojen luomiseen, jotka näyttävät kaiken keskimääräisestä liikenteen nopeuden noususta tietyn tien pituuden aikana vaarojen esiintymiseen ja jopa kehottivat kuljettajia ryhtymään toimiin.
Vaikka osa reunan tietojenkäsittely jokaisessa yksittäisessä autossa määrittää, mitä toimia auton on nyt tehtävä, Teslan pilvipohjainen koneoppiminen vastaa koko laivaston koulutuksesta.
Joidenkin paikallisten näkemysten ja tietojen vaihtamiseksi autot voivat verkostoitua tiettyjen muiden lähellä olevien Tesla-ajoneuvojen kanssa.
Yhteenveto
Tesla on aina ollut yritys, joka tuottaa datan keräämistä ja analysointia, joka on tehokkain työkalu kaikkeen mitä se tekee. He eivät tehneet poikkeuksia prosessoriensa suunnittelussa.
Kehitys autonomiset ajoneuvot ja yhtiön tekemä tilastotietojen analyysi on mahdollistanut ajotapamme täydellisen muuttamisen tekoälyn, data-analyysin, big datan, koneoppimisen, tietokonenäön, hermoverkkojen, FSD-sirun ja monien muiden algoritmien ansiosta.
Jätä vastaus