Tesla é unha empresa estadounidense de fabricación de vehículos fundada por Elon Musk en 2003.
A compañía é coñecida polos seus coches eléctricos e pola súa especialización en paneis solares e almacenamento de enerxía en baterías de ión-litio.
Os coches Tesla inclúen moitas funcións revolucionarias, como a supercarga, o acceso con tarxetas e un modo de piloto automático.
O modo de piloto automático foi posible grazas a ideas da Intelixencia Artificial (IA) e Arquitectura de rede neuronal avanzada de Tesla.
Imos discutir a arquitectura da rede neuronal de Tesla en detalle.
Que son as redes neuronais?
As redes neuronais, ou NN, son unha serie de algoritmos modelados a partir da actividade biolóxica do cerebro humano. Redes Neurais consisten en nós, tamén chamados neuronas. Unha colección de nodos verticais coñécese como capas.
Cada capa está formada por nós, tamén chamados neuronas, onde se realizan os cálculos. Os nodos dunha capa están conectados coa seguinte capa a través de liñas de transmisión como se ve a continuación.
No seguinte diagrama, os círculos representan os nós e a colección vertical de nós representan as capas. Neste modelo hai tres capas.
Como aprenden?
Os datos entréganse ao modelo unha entidade por vez xunto cunha etiqueta. Os datos divídense en anacos e pásanse por cada nodo do modelo.
Os nodos realizan operacións matemáticas sobre estes anacos. Despois dunha serie de cálculos nunha capa, os datos pasan á seguinte capa e así por diante.
Unha vez completado, o noso modelo prevé a etiqueta de datos na capa de saída. O modelo procede entón a comparar este valor previsto co valor real da etiqueta.
Se os valores coinciden, o noso modelo tomará a seguinte entrada, pero se os valores son diferentes, o modelo calculará a diferenza entre ambos os valores, chamada perda, e axustará os cálculos dos nodos para producir etiquetas coincidentes a próxima vez.
Arquitectura de rede neuronal de Tesla
Tesla utiliza investigacións de vangarda para adestrar redes neuronais profundas en problemas que van desde a percepción ata o control.
As redes por cámara de Tesla analizan imaxes en bruto para realizar segmentación semántica, detección de obxectos e estimación da profundidade monocular.
Os conxuntos de datos
As Redes Neuronais están adestradas en imaxes en bruto que se extraen de vídeos tomados de cámaras de rede con vista de paxaro que emiten o trazado da estrada, a infraestrutura estática e os obxectos 3D directamente na vista de arriba abaixo.
As imaxes de datos non están etiquetadas e cobren moitos escenarios diversos en todo o mundo e consisten en un millón de vehículos en tempo real.
Como funciona?
A rede consta de 70,000 unidades de procesamento gráfico (GPU), que forman 48 aprendizaxe profunda modelos.
Os compoñentes de hardware do coche, incluíndo cámaras e sensores, proporcionan datos sen supervisión que se pasan pola rede destes modelos.
O coche aprende sobre posibles obxectos nun entorno, como un peón, unha árbore, etc. a partir dos datos proporcionados.
A arquitectura tamén consta de dous chips de IA que usan os principios de aprendizaxe profunda. Estes chips axudan a tomar decisións en tempo real para o coche, como cando e como virar, mentres conduce.
A arquitectura da rede neuronal inclúe moitos dispositivos e conceptos poderosos que contribúen ao seu funcionamento, incluíndo:
Chip FSD
Condución autónoma total (FSD) son chips de inferencia de intelixencia artificial que executan o software de piloto automático de Tesla. Estes chips foron deseñados con melloras microarquitectónicas que espremen o máximo rendemento de silicio por vatio.
Os FSD implementan a planificación, a sincronización e a análise de potencia mentres escriben probas sólidas e cadros de puntuación para verificar a funcionalidade e o rendemento da IA.
Chips e Sistemas Dojo
doxo é o súper sistema informático de Tesla que resolve problemas difíciles con tecnoloxía avanzada para a entrega e o arrefriamento de alta potencia.
Os Chips Dojo inclúen a IA que alimenta estes sistemas e están deseñados para o máximo rendemento, rendemento e ancho de banda en cada granularidade.
Xuntos, os chips e os sistemas úsanse para optimizar a potencia e o rendemento do NN de Tesla.
Algoritmos de autonomía
Os algoritmos de autonomía son os principais algoritmos que conducen o coche creando unha representación de alta fidelidade do mundo e planificando traxectorias nun espazo determinado.
Para adestrar redes neuronais para predecir tales representacións, Tesla crea algorítmicamente datos de verdade do terreo precisos e a gran escala combinando información dos sensores do coche no espazo e no tempo.
Estes algoritmos usan técnicas avanzadas para construír un sistema robusto de planificación e toma de decisións que opere en situacións complicadas do mundo real baixo a incerteza.
Infraestrutura de avaliación
A infraestrutura de avaliación de Tesla inclúe ferramentas de avaliación de bucle aberto, bucle pechado e hardware en bucle e infraestrutura a escala.
Esta infraestrutura permite que a IA faga un seguimento das melloras de rendemento e evite regresións.
Características principais do NN de Tesla
- As cámaras, os sensores ultrasónicos e os radares perciben o ambiente
- Un radar mide a distancia ao redor do coche
- As técnicas ultravioleta miden a proximidade e o vídeo pasivo recoñece obxectos arredor do coche
- Usa dous chips de intelixencia artificial construídos sobre os principios das redes neuronais profundas
- Chips de IA formados por 6 millóns de transistores
- 21 veces máis rápido que os chips de Nvidia
- Os chips AI teñen 32 megabytes de memoria SRAM de alta velocidade
- Consta de 48 modelos de Deep Learning
- Contén 70,000 unidades de procesamento gráfico (GPU)
- Sae 1000 tensores distintos (predicións) en cada paso de tempo
Conclusión
A vangarda de Tesla Redes Neurais e a arquitectura da intelixencia artificial fixo realidade a idea dos coches autónomos.
Este éxito do principal fabricante de automóbiles baseado na IA é o resultado da súa avanzada Chips FSD, chips Dojo, algoritmos de autonomía, infraestrutura de avaliación e moito máis.
Se queres obter máis información sobre a IA, a aprendizaxe profunda e as últimas tendencias tecnolóxicas, consulta os nosos outros artigos interesantes.
Deixe unha resposta