Pregled sadržaja[Sakriti][Pokazati]
Tesla je američka tvrtka za proizvodnju vozila koju je osnovao Elon Musk u 2003.
Tvrtka je najpoznatija po svojim električnim automobilima i po specijalizaciji za solarne panele i pohranu energije litij-ionskih baterija.
Tesla automobili dolaze s puno revolucionarnih značajki uključujući super-punjenje, pristup ključnoj kartici i način rada autopilota.
Način rada autopilota moguć je zahvaljujući idejama umjetne inteligencije (AI) i Teslina napredna arhitektura neuronske mreže.
Razgovarajmo o arhitekturi Tesla neuronske mreže u detalje.
Što su neuronske mreže?
Neuronske mreže ili NN su niz algoritama modeliranih prema biološkoj aktivnosti ljudski mozak. Neuronske mreže sastoje se od čvorova, koji se također nazivaju neuronima. Zbirka vertikalnih čvorova poznata je kao slojevi.
Svaki sloj se sastoji od čvorova, također zvanih neuroni, gdje se odvijaju izračuni. Čvorovi jednog sloja povezani su sa sljedećim slojem putem prijenosnih vodova kao što se vidi dolje.
U sljedećem dijagramu, krugovi predstavljaju čvorove, a okomita zbirka čvorova predstavlja slojeve. U ovom modelu postoje tri sloja.
Kako uče?
Podaci se unose u model jedan po jedan entitet zajedno s oznakom. Podaci se raščlanjuju na dijelove i prolaze kroz svaki čvor modela.
Čvorovi izvode matematičke operacije na tim dijelovima. Nakon niza izračuna u jednom sloju, podaci prelaze na sljedeći sloj i tako dalje.
Nakon dovršetka, naš model predviđa oznaku podataka na izlaznom sloju. Model zatim uspoređuje ovu predviđenu vrijednost s onom stvarne vrijednosti oznake.
Ako se vrijednosti podudaraju, naš će model uzeti sljedeći ulaz, ali ako se vrijednosti razlikuju, model će izračunati razliku između obje vrijednosti, što se naziva gubitkom, i prilagoditi izračune čvorova kako bi sljedeći put proizveo podudarne oznake.
Teslina arhitektura neuronske mreže
Tesla koristi vrhunska istraživanja za obuku dubokih neuronskih mreža o problemima u rasponu od percepcije do kontrole.
Tesline mreže po kameri analiziraju neobrađene slike kako bi izvršile semantičku segmentaciju, detekciju objekata i monokularna procjena dubine.
Skupovi podataka
Neuralne mreže su obučene na sirovim slikama koje su izvučene iz video zapisa snimljenih s mrežnih kamera iz ptičje perspektive koje prikazuju raspored ceste, statičku infrastrukturu i 3D objekte izravno u prikazu odozgo prema dolje.
Slike podataka su neoznačene i pokrivaju mnogo različitih scenarija diljem svijeta i sastoje se od milijun vozila u stvarnom vremenu.
Kako radi?
Mreža se sastoji od 70,000 jedinica za grafičku obradu (GPU-a), koje obučavaju 48 duboko učenje modele.
Hardverske komponente automobila, uključujući kamere i senzore, pružaju nenadzirane podatke koji prolaze kroz mrežu ovih modela.
Auto uči o mogućim objektima u okruženju, poput pješaka, stabla itd. iz zadanih podataka.
Arhitektura se također sastoji od dva AI čipa koji koriste principe duboko učenje. Ovi čipovi pomažu u donošenju odluka u stvarnom vremenu za automobil, na primjer kada i kako skrenuti, tijekom vožnje.
Arhitektura neuronske mreže uključuje mnoge moćne uređaje i koncepte koji doprinose njenom radu, uključujući:
FSD čip
Potpuno samovozeći (FSD) čipovi su čipovi za zaključivanje AI koji pokreću Teslin softver za autopilot. Ovi čipovi su dizajnirani s mikroarhitektonskim poboljšanjima koja istiskuju maksimalnu učinkovitost silicija po vatu.
FSD-ovi implementiraju tlocrtno planiranje, vrijeme i analizu snage dok pišu robusne testove i tablice za provjeru funkcionalnosti i performansi umjetne inteligencije.
Dojo čipovi i sustavi
dojo je Teslin super računalni sustav koji rješava teške probleme s naprednom tehnologijom za isporuku i hlađenje velike snage.
Dojo čipovi uključuju AI koji pokreće ove sustave i dizajnirani su za maksimalnu izvedbu, propusnost i propusnost u svakoj granularnosti.
Zajedno, čipovi i sustavi se koriste za optimizaciju snage i performansi za Teslin NN.
Algoritmi autonomije
Algoritmi autonomije su temeljni algoritmi koji pokreću automobil stvarajući prikaz svijeta visoke vjernosti i planirajući putanje u danom prostoru.
Do trenirati neuronske mreže da bi predvidio takve prikaze, Tesla algoritamski stvara točne i opsežne temeljne podatke kombinirajući informacije iz automobilskih senzora u prostoru i vremenu.
Ovi algoritmi koriste napredne tehnike za izgradnju robusnog sustava planiranja i donošenja odluka koji radi u kompliciranim situacijama u stvarnom svijetu pod neizvjesnošću.
Infrastruktura za evaluaciju
Teslina evaluacijska infrastruktura uključuje alate za evaluaciju otvorene petlje, zatvorene petlje i hardvera u petlji te infrastrukturu u velikom opsegu.
Ova infrastruktura omogućuje AI-u praćenje poboljšanja performansi i sprječavanje regresije.
Ključne značajke Teslinog NN
- Kamere, ultrazvučni senzori i radari percipiraju okolinu
- Radar mjeri udaljenost oko automobila
- Ultraljubičaste tehnike mjere blizinu, a pasivni video prepoznaje objekte oko automobila
- Koristi dva AI čipa izgrađena na principima dubokih neuronskih mreža
- AI čipovi koji čine 6 milijardi tranzistora
- 21 puta brži od Nvidia čipova
- AI čipovi imaju 32 megabajta SRAM memorije velike brzine
- Sastoji se od 48 modela dubokog učenja
- Sadrži 70,000 jedinica za grafičku obradu (GPU)
- Izlazi 1000 različitih tenzora (predviđanja) u svakom vremenskom koraku
Zaključak
Teslina vrhunska Neuronske mreže i AI arhitektura je ideju o samovozećim automobilima učinila stvarnošću.
Ovaj uspjeh vodećeg proizvođača automobila baziranog na umjetnoj inteligenciji rezultat je njegove naprednosti FSD čipovi, Dojo čipovi, algoritmi autonomije, infrastruktura za evaluaciju i još mnogo toga.
Ako želite saznati više o AI, dubokom učenju i najnovijim tehnološkim trendovima, pogledajte naše druge zanimljive članke.
Ostavi odgovor