विषय - सूची[छिपाना][प्रदर्शन]
जैसा कि हम जानते हैं, कृत्रिम बुद्धिमत्ता (एआई) के परिणामस्वरूप दुनिया बदल सकती है। अर्ध-स्वायत्त प्रणालियों में सुधार के संबंध में, टेस्ला उनका भारी उपयोग कर रहा है।
इसके अलावा, एलोन मस्क का दावा है कि इसे अंततः अन्य क्षेत्रों में भी लागू किया जाएगा। इसकी पूर्ण स्व-ड्राइविंग तकनीक और ऑटोपायलट प्रणाली के लिए,
टेस्ला कंप्यूटर विज़न का उपयोग करता है, यंत्र अधिगम, और कृत्रिम बुद्धिमत्ता (एफएसडी)।
इस लेख में, हम चर्चा करेंगे कि टेस्ला को एक तकनीकी फर्म क्या बनाती है और यह सेल्फ-ड्राइविंग कारों को विकसित करने के लिए एआई, कंप्यूटर विज़न, बड़े डेटा और अन्य तकनीकों का उपयोग कैसे करती है। चलो शुरू करें।
हम सबसे पहले जांच करेंगे कि टेस्ला एक टेक कंपनी कैसे है।
टेस्ला को एक तकनीकी कंपनी क्यों माना गया है?
टेस्ला बड़ी मात्रा में सॉफ्टवेयर का उत्पादन कर रहा है। टेस्ला का विशिष्ट इन्फोटेनमेंट सिस्टम, उपयोगकर्ता इंटरफ़ेस, और स्वायत्त ड्राइविंग फ़ंक्शन सभी सॉफ़्टवेयर पर आधारित हैं।
जबकि अन्य वाहन निर्माता अब केवल ओवर-द-एयर अपग्रेड के साथ प्रयोग करना शुरू कर रहे हैं, टेस्ला वर्षों से ऐसा कर रहा है। टेस्ला के कर्मचारियों ने टेस्ला ऑटोमोबाइल के लिए ऑपरेटिंग सिस्टम बनाया और लगातार सुधार कर रहे हैं।
टेस्ला कई अन्य तकनीकी उत्पादों का भी उत्पादन करता है, जिनमें सौर पैनल, छत पर सौर टाइलें, कई प्रकार की बैटरी, चार्जिंग स्टेशन, कंप्यूटर और प्रमुख कंप्यूटर घटक (टेस्ला कारों के लिए) शामिल हैं।
हालाँकि नोकिया और ब्लैकबेरी दोनों के पास सॉफ्टवेयर था, लेकिन iPhone में दोनों का संतुलित संयोजन था, यही कारण है कि इसने मोबाइल फोन व्यवसाय पर विजय प्राप्त की और वर्तमान में हम अपने फोन का उपयोग कैसे करते हैं, इसे बदल दिया।
टेस्ला कार व्यवसाय के लिए यही कर रहा है। टेस्ला वाहन हैं, हाँ (और एसयूवी और जल्द ही पिकअप ट्रक, सेमी-ट्रक और एटीवी)। लेकिन इन वाहनों में रोजमर्रा के उपयोग के लिए सॉफ़्टवेयर शामिल होता है जो टेस्ला द्वारा आंतरिक रूप से बनाया गया था या टेस्ला के सिस्टम में शामिल किया गया था।
जब आप पार्क कर रहे होते हैं, तो टेस्ला ने TRAX, Caraoke, और कई गेम (और शायद किसी दिन पारगमन के दौरान) सहित मनोरंजन विकल्प पेश किए हैं। सुरक्षा प्रणाली सेंट्री मोड, जो टेस्ला हार्डवेयर और सॉफ्टवेयर को जोड़ती है, ने बर्बरता जैसे अपराधों को सुलझाने में कानून प्रवर्तन की सहायता की है। आपका स्मार्टफ़ोन आपके टेस्ला की कुंजी के रूप में कार्य करता है।
अपने फ़ोन का उपयोग करके, आप अपने टेस्ला को अपने पास आने के लिए कॉल कर सकते हैं। इसके अतिरिक्त, टेस्ला की अनूठी सेंट्री मोड तकनीक की बदौलत यदि कोई महत्वपूर्ण घटना होती है तो कार आपके फोन को सूचित करेगी।
चूंकि टेस्ला टेस्ला ड्राइवरों की वास्तविक ड्राइविंग आदतों पर एकत्रित डेटा का उपयोग करेगा (डेटा एकत्र करना तकनीक का एक प्रमुख तत्व है, खासकर जब यह इस तरह प्रत्यक्ष होता है और बाजार अनुसंधान सर्वेक्षणों के माध्यम से नहीं किया जाता है), टेस्ला का बीमा भी एक विस्तार होगा तकनीकी पक्ष का.
टेस्ला ऑटोपायलट के लिए किस तकनीक का उपयोग करता है?
वे रोबोट और कारों जैसी मशीनों में बड़े पैमाने पर स्वायत्तता बनाते और उपयोग करते हैं। उनका तर्क है कि एकमात्र तरीका जो पूरी तरह से एक व्यापक उत्तर प्रदान कर सकता है स्वायत्त ड्राइविंग और उससे आगे वह है जो योजना और दृष्टि के लिए अत्याधुनिक एआई पर निर्भर करता है, जो अनुमान के लिए प्रभावी हार्डवेयर द्वारा पूरक है।
टेस्ला एफएसडी चिप
बेहतर प्रदर्शन और सड़क सुरक्षा के लिए टेस्ला सिस्टम दो एआई प्रोसेसर के साथ आते हैं। टेस्ला प्रणाली का लक्ष्य त्रुटि-मुक्त संचालन है। बैकअप पावर और डेटा इनपुट स्रोतों के कारण, एक यूनिट खराब होने पर भी कार चलती रह सकती है।
टेस्ला यह सुनिश्चित करने के लिए ये अतिरिक्त सावधानियां बरतता है कि वाहन अप्रत्याशित विफलता की स्थिति में दुर्घटनाओं को रोकने के लिए अच्छी तरह से तैयार हैं।
एकमात्र उपकरण जो नए टेस्ला माइक्रोप्रोसेसर की तुलना में प्रति सेकंड अधिक ऑपरेशन कर सकता है वह मानव मस्तिष्क (प्रति सेकंड 1 क्वाड्रिलियन ऑपरेशन) है। यह पहले इस्तेमाल किए गए टेस्ला एनवीडिया माइक्रोचिप्स से लगभग 21 गुना अधिक शक्तिशाली है।
सिलिकॉन प्रदर्शन-प्रति-वाट को अधिकतम करते हुए प्रत्येक छोटे वास्तुशिल्प और सूक्ष्म-वास्तुशिल्प वृद्धि को ध्यान में रखते हुए, अपने पूर्ण स्व-ड्राइविंग सॉफ़्टवेयर को शक्ति देने के लिए एआई अनुमान प्रोसेसर का निर्माण करें।
हालांकि टेस्ला निर्विवाद रूप से पूरी तरह से स्वायत्त इंजनों के बाजार में अग्रणी है, लेकिन यह अभी भी एक अत्याधुनिक ऑटोपायलट वाहन विकसित करने से काफी दूर है।
टेस्ला डोजो चिप
टेस्ला ने टेस्ला डी1 का अनावरण किया, जो बीएफ362/सीएफपी16 में 8 टीएफएलओपी पावर वाला एक नया प्रोसेसर है, जिसे विशेष रूप से बनाया गया था। कृत्रिम बुद्धिमत्ता. इस बात का खुलासा हाल ही में एक दौरान हुआ टेस्ला ए.आई. दिन की प्रस्तुति.
कार्यात्मक इकाइयों के नेटवर्क को जोड़कर एक विशाल चिप बनाई जाती है जिसे कार्यात्मक इकाइयों का नेटवर्क कहा जाता है, जिसमें टेस्ला डी1 कुल 354 प्रशिक्षण नोड्स जोड़ता है। प्रत्येक कार्यात्मक इकाई में एक क्वाड-कोर, 64-बिट आईएसए सीपीयू होता है जिसमें लिंक ट्रैवर्सल, प्रसारण और ट्रांसपोज़िशन के लिए एक विशेष डिज़ाइन होता है। सुपरस्केलर कार्यान्वयन का उपयोग इस सीपीयू (4-वाइड स्केलर और 2-वाइड वेक्टर पाइपलाइन) द्वारा किया जाता है।
यह नया टेस्ला सिलिकॉन NVIDIA A100 एक्सेलेरेटर में पाए जाने वाले GA100 GPU से छोटा है, जिसका आकार 826 मिमी वर्ग है। इसे 7nm प्रक्रिया का उपयोग करके निर्मित किया गया है, इसमें कुल मिलाकर 50,000 मिलियन ट्रांजिस्टर हैं, और यह 645 मिमी वर्ग क्षेत्र में व्याप्त है।
टेस्ला का दावा है कि उसकी डोजो चिप मौजूदा सिस्टम की तुलना में कंप्यूटर विज़न डेटा को चार गुना तेजी से प्रोसेस करेगी, जिससे कंपनी अपने सेल्फ-ड्राइविंग सिस्टम को पूरी तरह से स्वचालित करने में सक्षम होगी।
हालाँकि, दो सबसे चुनौतीपूर्ण तकनीकी उपलब्धियाँ, अर्थात् टाइल-टू-टाइल इंटरकनेक्ट और सॉफ़्टवेयर, टेस्ला द्वारा अभी तक पूरी नहीं की गई हैं।
शीर्ष-ग्रेड नेटवर्किंग स्विच किसी भी टाइल की बाहरी बैंडविड्थ के साथ प्रतिस्पर्धा नहीं कर सकते। ऐसा करने के लिए, टेस्ला ने अद्वितीय इंटरकनेक्ट बनाए।
डोजो सिस्टम
इसे सिलिकॉन फर्मवेयर इंटरफेस पर नियंत्रित करने के लिए उच्च स्तरीय सॉफ्टवेयर एपीआई से डोजो सिस्टम बनाएं। चुनौतीपूर्ण स्थितियों को हल करने के लिए अत्याधुनिक उच्च-शक्ति वितरण और शीतलन प्रौद्योगिकियों का उपयोग करें, और स्केलेबल नियंत्रण लूप और निगरानी सॉफ्टवेयर बनाएं।
टेस्ला डेटासेंटर में उपयोग के लिए मशीन लर्निंग कंप्यूट की अगली पीढ़ी विकसित करने के लिए उनकी मैकेनिकल, थर्मल और इलेक्ट्रिकल इंजीनियरिंग टीमों की संपूर्ण विशेषज्ञता का उपयोग करें। एकमात्र प्रतिबंध आपकी कल्पना है।
के प्रत्येक घटक के साथ कार्य करें प्रणाली की रूपरेखा. एक सार्वजनिक-सामना करने वाली एपीआई विकसित करें जो डोजो को किसी के लिए भी सुलभ बनाएगी, और उनके विशाल डेटासेट का उपयोग करके प्रशिक्षण कार्यभार वितरित करने के लिए टेस्ला फ्लीट लर्निंग के साथ सहयोग करेगी।
स्वायत्तता एल्गोरिदम
ऑटोमोबाइल को संचालित करने वाले प्रमुख एल्गोरिदम विकसित करने के लिए उस स्थान में एक उच्च-निष्ठा विश्व मॉडल और प्लॉट प्रक्षेपवक्र बनाएं।
जगह और समय पर कार के सेंसर से डेटा एकत्र करके, एक एल्गोरिदम सटीक और व्यापक जमीनी सच्चाई डेटा प्रदान कर सकता है जिसका उपयोग प्रशिक्षण के लिए किया जा सकता है तंत्रिका जाल इन अभ्यावेदनों का अनुमान लगाने के लिए।
वे अत्याधुनिक पद्धतियों का उपयोग करके मजबूत योजना और निर्णय लेने की प्रणाली का निर्माण करते हैं जो अनिश्चितता के साथ वास्तविक दुनिया के चुनौतीपूर्ण परिदृश्यों में कार्य कर सकती है।
संपूर्ण टेस्ला बेड़े के स्तर पर एल्गोरिदम का विश्लेषण करना फायदेमंद है।
तंत्रिका नेटवर्क
अत्याधुनिक अनुसंधान का उपयोग करके गहन तंत्रिका नेटवर्क को धारणा से लेकर नियंत्रण तक के मुद्दों पर प्रशिक्षित किया जा सकता है। सिमेंटिक विभाजन, वस्तु पहचान और मोनोकुलर गहराई अनुमान को पूरा करने के लिए, उनके प्रति-कैमरा नेटवर्क कच्ची तस्वीरों की जांच करते हैं।
उनके विहंगम दृश्य नेटवर्क सड़क लेआउट, स्थिर बुनियादी ढांचे और 3डी वस्तुओं के ऊपर से नीचे के परिप्रेक्ष्य को उत्पन्न करने के लिए सभी कैमरों के फुटेज का उपयोग करते हैं।
उनके नेटवर्क को लगभग 1M कारों के उनके बेड़े से लगातार डेटा फीड किया जाता है, जिसमें दुनिया की सबसे जटिल और विविध परिस्थितियाँ शामिल हैं।
ऑटोपायलट तंत्रिका नेटवर्क के संपूर्ण निर्माण को बनाने वाले 48 नेटवर्क को प्रशिक्षित करने के लिए 70,000 GPU घंटे की आवश्यकता होती है। प्रत्येक समय-चरण पर, वे सामूहिक रूप से 1,000 अलग-अलग टेंसर (भविष्यवाणियाँ) उत्पन्न करते हैं।
बुनियादी ढांचे का मूल्यांकन
उन्होंने नवाचार की गति को तेज करने, प्रदर्शन में वृद्धि की निगरानी करने और प्रतिगमन को रोकने के लिए बुनियादी ढांचे और खुले और बंद-लूप हार्डवेयर-इन-द-लूप मूल्यांकन उपकरण भी बनाए हैं।
वे अपने बेड़े की अज्ञात विशेषता क्लिप का उपयोग करते हैं और उन्हें कई परीक्षण परिदृश्यों में शामिल करते हैं। कोड लिखें जो उनके वास्तविक वातावरण का अनुकरण करता है, स्वचालित परीक्षण या लाइव डिबगिंग के लिए उपयोग करने के लिए उनके ऑटोपायलट प्रोग्राम के लिए अविश्वसनीय रूप से जीवंत दृश्य और अन्य सेंसर डेटा उत्पन्न करता है।
टेस्ला बिग डेटा, आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग का लाभ कैसे उठाता है?
बड़ा डेटा
टेस्ला द्वारा बड़े डेटा का उपयोग केवल मुद्दों के समाधान के लिए ही नहीं किया जाता है; इसका उपयोग उपभोक्ता की ख़ुशी बढ़ाने के लिए भी किया जाता है। वे अपने ग्राहकों के ऑनलाइन समुदायों से जानकारी प्राप्त करते हैं, और वे इसका उपयोग अपने आगामी विनिर्माण को बढ़ाने के लिए करते हैं। व्यवसाय में इस प्रकार की ग्राहक सहभागिता अनसुनी है।
बिग डेटा लागत बचाने, नए बाज़ार खोजने, उपभोक्ताओं को खुश करने, नए उत्पाद बनाने और अपने वाहनों को बढ़ाने के टेस्ला के प्रयासों का समर्थन करता है।
जानकारी का उपयोग अत्यधिक डेटा-सघन मानचित्र बनाने के लिए किया जाता है जो उन जोखिमों के स्थान से लेकर सड़क के एक निश्चित हिस्से पर यातायात की गति में औसत वृद्धि तक कार्रवाई करने के लिए मजबूर करने वाले जोखिमों के स्थान से लेकर कुछ भी दिखाता है।
एज कंप्यूटिंग यह निर्धारित करता है कि प्रत्येक व्यक्तिगत कार को अभी क्या कार्रवाई करनी चाहिए, जबकि क्लाउड में मशीन लर्निंग पूरे बेड़े को प्रशिक्षित करती है।
इसके अतिरिक्त, निर्णय लेने का एक तीसरा स्तर है, जिसके तहत ऑटोमोबाइल नेटवर्क बनाने और क्षेत्र के बारे में ज्ञान साझा करने के लिए पड़ोसी टेस्ला वाहनों से जुड़ सकते हैं।
ये नेटवर्क संभवतः निकट भविष्य की दुनिया में जहां स्वायत्त कारें आम हैं, अन्य निर्माताओं द्वारा बनाए गए वाहनों के साथ-साथ ट्रैफिक कैमरे, ग्राउंड-आधारित सेंसर या फोन जैसी अन्य प्रणालियों के साथ भी संचार करेंगे।
Artificial Intelligence
अपने आप चलने में सक्षम होने के लिए, स्वायत्त कारें लगातार अपने सेंसर और मशीन विज़न कैमरों से डेटा का मूल्यांकन करती हैं। फिर वे इस जानकारी के आधार पर निर्णय लेते हैं।
वे साइकिल, पैदल चलने वालों और कारों की गतिविधियों को समझने और अनुमान लगाने के लिए एआई का उपयोग करते हैं। वे तुरंत निर्णय ले सकते हैं और इस ज्ञान का उपयोग करके तेजी से अपनी गतिविधियों की योजना बना सकते हैं।
क्या कार को उसी लेन में रहना चाहिए जिसमें वह अभी है, या उसे बदल देना चाहिए? क्या इसे वैसे ही चलते रहना चाहिए या उनके सामने वाली कार को ओवरटेक करना चाहिए? कार को कब धीमा या तेज करना चाहिए?
कारों को पूरी तरह से स्वायत्त बनाने के लिए, टेस्ला को एल्गोरिदम को प्रशिक्षित करने और अपने एआई को फीड करने के लिए आवश्यक डेटा एकत्र करना होगा। अधिक प्रशिक्षण डेटा हमेशा बेहतर प्रदर्शन की ओर ले जाएगा, और टेस्ला इस संबंध में उत्कृष्ट है।
टेस्ला के पास प्रतिस्पर्धात्मक बढ़त है क्योंकि वह अपना सारा डेटा उन सैकड़ों हजारों टेस्ला वाहनों से एकत्र करता है जो अब सड़क पर हैं। आंतरिक और बाहरी सेंसर इस बात पर नज़र रखते हैं कि टेस्ला विभिन्न परिस्थितियों में कैसे काम करते हैं।
इसके अतिरिक्त, वे देखते हैं कि ड्राइवर कैसे व्यवहार करते हैं, जिसमें विभिन्न स्थितियों पर उनकी प्रतिक्रियाएँ और वे कितनी बार स्टीयरिंग व्हील या डैशबोर्ड को छूते हैं। उनके पास बहुत ही परिष्कृत ट्रैकिंग प्रणाली है।
उदाहरण के लिए, टेस्ला समय में एक पल रिकॉर्ड करता है, इसे डेटा संग्रह में जोड़ता है, और फिर पर्यावरण की एक अमूर्त छवि उत्पन्न करने के लिए रंगीन रूपों का उपयोग करता है जिससे तंत्रिका नेटवर्क सीख सकता है।
ऐसा तब होता है जब टेस्ला वाहन इस बारे में गलत धारणा बनाता है कि कार या साइकिल कैसा व्यवहार करेगी।
मशीन लर्निंग
आंतरिक और बाहरी सेंसर के उपयोग के साथ, जो नियंत्रण पर ड्राइवर के हाथ के स्थान और उन्हें कैसे संचालित किया जा रहा है, इसके बारे में भी जानकारी ले सकता है, टेस्ला मशीन लर्निंग अपने सभी वाहनों के साथ-साथ उनके कुछ प्रमुख डेटा को सफलतापूर्वक क्राउडसोर्स करता है। ड्राइवर.
जानकारी का उपयोग अत्यधिक डेटा-सघन मानचित्र बनाने के लिए भी किया जाता है जो सड़क की एक विशेष लंबाई के दौरान यातायात की गति में औसत वृद्धि से लेकर खतरों की उपस्थिति तक सब कुछ प्रदर्शित करता है और यहां तक कि ड्राइवरों को कार्रवाई करने के लिए प्रेरित करता है।
जबकि का हिस्सा बढ़त कंप्यूटिंग प्रत्येक व्यक्तिगत कार यह निर्धारित करती है कि कार को अभी क्या कार्रवाई करनी है, टेस्ला की क्लाउड-आधारित मशीन लर्निंग पूरे बेड़े को प्रशिक्षित करने का प्रभारी है।
कुछ स्थानीय अंतर्दृष्टि और सूचनाओं का आदान-प्रदान करने के लिए, ऑटोमोबाइल आस-पास के कुछ अन्य टेस्ला वाहनों के साथ नेटवर्क बनाने में सक्षम हैं।
निष्कर्ष
टेस्ला हमेशा से एक ऐसा व्यवसाय रहा है जो डेटा संग्रहण और विश्लेषण का उत्पादन करता है जो कि उसके द्वारा किए जाने वाले किसी भी काम के लिए सबसे शक्तिशाली उपकरण है। उन्होंने अपने सीपीयू को डिज़ाइन करते समय कोई अपवाद नहीं रखा।
का विकास स्वायत्त वाहनों और निगम द्वारा सांख्यिकीय डेटा के विश्लेषण ने आर्टिफिशियल इंटेलिजेंस, डेटा विश्लेषण, बिग डेटा, मशीन लर्निंग, कंप्यूटर विज़न, न्यूरल नेटवर्क, FSD चिप, और कई अन्य एल्गोरिदम की बदौलत हमारे ड्राइव करने के तरीके को पूरी तरह से बदलना संभव बना दिया है।
एक जवाब लिखें