Índice analítico[Ocultar][Mostrar]
O mundo tal e como o coñecemos podería cambiar como resultado da intelixencia artificial (IA). No que respecta ás melloras nos sistemas semiautónomos, Tesla está a utilizándoas moito.
Ademais, Elon Musk asegura que eventualmente se aplicará noutros campos. Pola súa tecnoloxía de conducción autónoma e sistema de piloto automático,
Tesla usa visión por computadora, aprendizaxe de máquinae intelixencia artificial (FSD).
Nesta peza, discutiremos o que converte a Tesla nunha empresa tecnolóxica e como usa a intelixencia artificial, a visión por ordenador, o big data e outras tecnoloxías para desenvolver coches autónomos. Imos comezar.
Primeiro examinaremos como Tesla é unha empresa tecnolóxica.
Por que Tesla foi considerada unha empresa tecnolóxica?
Tesla está a producir unha cantidade importante de software. sistema de infoentretemento distintivo de Tesla, interface co usuario, e as funcións de condución autónoma baséanse todas en software.
Aínda que outros fabricantes de automóbiles só agora comezan a experimentar con actualizacións ao aire, Tesla leva anos facendo. Os empregados de Tesla crearon e están a mellorar continuamente os sistemas operativos dos automóbiles de Tesla.
Tesla tamén produce outros produtos tecnolóxicos, incluíndo paneis solares, tellas solares para tellados, varios tipos de baterías, estacións de carga, ordenadores e compoñentes informáticos clave (para os coches Tesla).
Aínda que tanto Nokia como Blackberry tiñan software, o iPhone tiña unha combinación equilibrada de ambos, polo que conquistou o negocio da telefonía móbil e alterou o xeito no que usamos actualmente os nosos teléfonos.
Isto é o que está a facer Tesla para o negocio do automóbil. Os Teslas son vehículos, si (e todoterreos e en breve camionetas, semi-camións e ATV). Pero estes vehículos incorporan software para uso diario que foi creado por Tesla internamente ou incorporado ao sistema de Tesla.
Mentres estás estacionado, Tesla presentou opcións de entretemento, incluíndo TRAX, Caraoke e numerosos xogos (e quizais algún día durante o tránsito). O sistema de seguridade Sentry Mode, que combina hardware e software de Tesla, axudou ás forzas da orde a resolver delitos como o vandalismo. O teu teléfono intelixente serve como chave do teu Tesla.
Usando o teu teléfono, podes chamar ao teu Tesla para que che veña. Ademais, o coche notificará ao teu teléfono se hai un evento significativo grazas á exclusiva tecnoloxía Sentry Mode de Tesla.
Dado que Tesla utilizará os datos que recompilou sobre os hábitos de condución reais dos condutores de Tesla (a recollida de datos é un elemento clave da tecnoloxía, especialmente cando é directa así e non se fai a través de enquisas de investigación de mercado), o seguro de Tesla tamén será unha extensión. do lado tecnolóxico.
Que tecnoloxía usa Tesla para Autopilot?
Crean e utilizan a autonomía a gran escala en máquinas como robots e coches. Eles afirman que o único método que pode proporcionar unha resposta completa para completamente condución autónoma e máis aló é aquel que depende da IA de vangarda para a planificación e a visión, complementada cun hardware eficaz para a inferencia.
Chip Tesla FSD
Os sistemas Tesla veñen con dous procesadores de intelixencia artificial para mellorar o rendemento e a seguridade viaria. O sistema Tesla ten como obxectivo un funcionamento sen erros. Debido á enerxía de reserva e ás fontes de entrada de datos, o coche pode seguir funcionando aínda que unha unidade non funcione correctamente.
Tesla toma estas precaucións adicionais para garantir que os vehículos estean ben preparados para evitar accidentes en caso de fallo imprevisto.
O único dispositivo que pode realizar máis operacións por segundo que o novo microprocesador de Tesla é o cerebro humano (1 cuatrillón de operacións por segundo). É unhas 21 veces máis potente que os microchips Tesla Nvidia usados anteriormente.
Constrúe procesadores de inferencia de intelixencia artificial para potenciar o seu software de autocondución completa, tendo en conta todas e cada unha das pequenas melloras arquitectónicas e microarquitectónicas ao tempo que maximiza o rendemento do silicio por vatio.
Aínda que Tesla lidera indiscutiblemente o mercado de locomotoras completamente autónomas, aínda está moi lonxe de desenvolver un vehículo de piloto automático de vangarda.
Chip Tesla Dojo
Tesla presentou o Tesla D1, un novo procesador con 362 TFLOPs de potencia en BF16/CFP8 que foi creado especialmente para intelixencia artificial. Isto foi revelado durante un recente Tesla AI Día de presentación.
Un enorme chip créase ao conectar unha rede de unidades funcionais chamada rede de unidades funcionais, á que o Tesla D1 engade un total de 354 nodos de adestramento. Cada unidade funcional ten unha CPU ISA de catro núcleos e 64 bits cun deseño personalizado e especializado para atravesar enlaces, transmisións e transposicións. Esta CPU usa a implementación superescalar (canalizacións vectoriais escalares de 4 e 2 anchos).
Este novo silicio de Tesla é máis pequeno que a GPU GA100 que se atopa no acelerador NVIDIA A100, que ten un tamaño cadrado de 826 mm. Prodúcese mediante un proceso de 7 nm, ten 50,000 millóns de transistores en total e ocupa unha superficie cadrada de 645 mm.
Tesla afirma que o seu chip Dojo procesará os datos de visión por ordenador catro veces máis rápido que os sistemas actuais, o que lle permitirá á compañía automatizar completamente o seu sistema de condución autónoma.
Non obstante, Tesla aínda non logrou as dúas proezas tecnolóxicas máis desafiantes, a saber, a interconexión de mosaico a mosaico e o software.
Os interruptores de rede de calidade superior non poden competir co ancho de banda externo de ningún mosaico. Para iso, Tesla creou interconexións únicas.
Sistema Dojo
Crea o sistema Dojo, desde as API de software de alto nivel para controlalo ata as interfaces de firmware de silicio. Utiliza tecnoloxías de refrixeración e entrega de alta potencia de vangarda para resolver situacións desafiantes e crea bucles de control escalables e software de monitorización.
Utiliza toda a experiencia dos seus equipos de enxeñería mecánica, térmica e eléctrica para desenvolver a próxima xeración de computación de aprendizaxe automática para usar nos centros de datos de Tesla. A única restrición é a túa imaxinación.
Traballar con todos os compoñentes de deseño do sistema. Desenvolve unha API pública que fará que Dojo sexa accesible a calquera e colabore coa aprendizaxe da flota de Tesla para ofrecer cargas de traballo de formación utilizando os seus enormes conxuntos de datos.
Algoritmos de autonomía
Crea un modelo mundial de alta fidelidade e traza a traxectoria nese espazo para desenvolver os algoritmos clave que manexan o automóbil.
Ao agregar datos dos sensores do coche a través do lugar e do tempo, un algoritmo pode proporcionar datos precisos e extensos da verdade do terreo que se poden usar para adestrar redes neuronales para anticipar estas representacións.
Constrúen un sólido sistema de planificación e toma de decisións utilizando metodoloxías de vangarda que poden funcionar en escenarios desafiantes do mundo real con incerteza.
Analizar os algoritmos a nivel de toda a flota de Tesla é beneficioso.
Redes Neurais
As redes neuronais profundas pódense adestrar en cuestións que van desde a percepción ata o control mediante a utilización de investigacións de vangarda. Para lograr a segmentación semántica, a identificación de obxectos e a estimación da profundidade monocular, as súas redes por cámara examinan imaxes en bruto.
As súas redes de vista de paxaro usan imaxes de todas as cámaras para xerar a perspectiva de arriba abaixo do trazado da estrada, da infraestrutura estática e dos obxectos 3D.
As súas redes inflúen constantemente con datos da súa flota de preto de 1 millón de coches, que inclúe as circunstancias máis complexas e variadas do mundo.
As 48 redes que forman toda a construción das redes neuronais de Autopilot necesitan 70,000 horas de GPU para adestrar. En cada paso de tempo, producen 1,000 tensores (predicións) diferentes de forma colectiva.
Avaliación de Infraestruturas
Tamén crearon infraestruturas e ferramentas de avaliación de hardware en bucle aberto e pechado a escala para acelerar a velocidade da innovación, supervisar as melloras de rendemento e deter as regresións.
Utilizan os clips característicos anónimos da súa flota e incorpóraos a moitos escenarios de proba. Escribe código que simule o seu entorno real, xerando imaxes incriblemente realistas e outros datos de sensores para o seu programa Autopiloto para usar para probas automatizadas ou depuración en directo.
Como aproveita Tesla Big Data, Intelixencia Artificial e Machine Learning?
Big Data
Tesla non só usa os grandes datos para resolver problemas; tamén se usa para aumentar a felicidade do consumidor. Adquiren información das comunidades en liña dos seus clientes e utilízana para mellorar a súa fabricación posterior. Este tipo de interacción con clientes é inaudito nos negocios.
Os grandes datos apoian os esforzos de Tesla por aforrar custos, atopar novos mercados, agradar aos consumidores, crear novos produtos e mellorar os seus vehículos.
A información utilízase para crear mapas moi ricos en datos que mostran desde a localización dos riscos que obrigan aos condutores a actuar ata o aumento medio da velocidade do tráfico nun determinado tramo de estrada.
Informática Edge determina que acción debe tomar cada coche individualmente agora mesmo, mentres que a aprendizaxe automática na nube xestiona a formación de toda a flota.
Ademais, hai un terceiro nivel de toma de decisións, polo que os automóbiles poden conectarse con vehículos Tesla veciños para construír redes e compartir coñecementos sobre a zona.
Estas redes probablemente tamén se comunicarán con vehículos fabricados por outros fabricantes, así como con outros sistemas como cámaras de tráfico, sensores terrestres ou teléfonos nun mundo próximo onde os coches autónomos son habituais.
Intelixencia Artificial
Para poder conducir por conta propia, os coches autónomos avalían continuamente os datos dos seus sensores e cámaras de visión artificial. Despois toman decisións en función desta información.
Usan a IA para comprender e anticipar os movementos de bicicletas, peóns e coches. Poden facer xuízos en fracción de segundo e planificar rapidamente as súas actividades utilizando este coñecemento.
O coche debe permanecer no carril no que está agora, ou debería cambiar? ¿Debería seguir como está ou adiantar ao coche que teñen diante? Cando debe reducir o ritmo ou acelerar o coche?
Para que os coches sexan totalmente autónomos, Tesla debe recoller os datos necesarios para adestrar os algoritmos e alimentar as súas IA. Máis datos de adestramento sempre levarán a un mellor rendemento, e Tesla destaca neste sentido.
Tesla ten unha vantaxe competitiva xa que recolle todos os seus datos dos centos de miles de vehículos Tesla que están agora na estrada. Os sensores internos e externos controlan como funcionan Teslas en varias condicións.
Ademais, observan como se comportan os condutores, incluídas as súas reaccións ante diversas situacións e con que frecuencia tocan o volante ou o cadro de mandos. Teñen un sistema de seguimento moi sofisticado.
Por exemplo, Tesla rexistra un instante no tempo, engádeo á recollida de datos e, a continuación, usa formas de cores para xerar unha imaxe abstracta do ambiente da que a rede neuronal pode aprender.
Isto ocorre cando un vehículo Tesla fai unha suposición inexacta sobre como se comportaría un coche ou unha bicicleta.
Aprendizaxe automática
Co uso de sensores internos e exteriores que poden incluso recoller información sobre a localización da man do condutor nos controis e como se seguen a operar, a aprendizaxe automática de Tesla recolle con éxito algúns dos seus datos clave de todos os seus vehículos, así como os seus datos. controladores.
A información tamén se utiliza para crear mapas moi densos de datos que mostran todo, desde o aumento medio da velocidade do tráfico ao longo dunha determinada lonxitude da estrada ata a presenza de perigos e incluso incitan aos condutores a tomar medidas.
Mentres forma parte do edge computing en cada coche individual determina que acción ten que tomar o coche agora mesmo, a aprendizaxe automática baseada na nube de Tesla encárgase de adestrar a toda a flota.
Para intercambiar algúns dos coñecementos e información locais, os automóbiles poden conectarse con outros vehículos Tesla próximos.
Conclusión
Tesla sempre foi unha empresa que produce recollida e análise de datos que é a ferramenta máis poderosa para o que faga. Non fixeron excepcións ao deseñar as súas CPU.
O desenvolvemento de vehículos autónomos e a análise de datos estatísticos por parte da corporación permitiron alterar completamente o xeito de conducir grazas á intelixencia artificial, análise de datos, big data, machine learning, visión por ordenador, redes neuronais, chip FSD e moitos outros algoritmos.
Deixe unha resposta