Tesla è una società di produzione di veicoli americana fondata da Elon Musk in 2003.
L'azienda è nota soprattutto per le sue auto elettriche e per la sua specializzazione in pannelli solari e accumulatori di energia con batterie agli ioni di litio.
Le auto Tesla sono dotate di molte funzionalità rivoluzionarie, tra cui la ricarica rapida, l'accesso con chiave magnetica e una modalità pilota automatico.
La modalità autopilota è stata possibile grazie alle idee dell'Intelligenza Artificiale (AI) e L'avanzata architettura della rete neurale di Tesla.
Discutiamo in dettaglio l'architettura della rete neurale di Tesla.
Cosa sono le reti neurali?
Le reti neurali, o NN, sono una serie di algoritmi modellati sull'attività biologica del cervello umano. Reti neurali sono costituiti da nodi, detti anche neuroni. Un insieme di nodi verticali è noto come livelli.
Ogni strato è costituito da nodi, detti anche neuroni, dove avvengono i calcoli. I nodi di uno strato sono collegati allo strato successivo tramite linee di trasmissione come mostrato di seguito.
Nel diagramma seguente, i cerchi rappresentano i nodi e la raccolta verticale di nodi rappresenta i livelli. Ci sono tre strati in questo modello.
Come imparano?
I dati vengono inviati al modello un'entità alla volta insieme a un'etichetta. I dati vengono suddivisi in blocchi e passati attraverso ciascun nodo del modello.
I nodi eseguono operazioni matematiche su questi blocchi. Dopo una serie di calcoli in un livello, i dati passano al livello successivo e così via.
Una volta completato, il nostro modello prevede l'etichetta dei dati nel livello di output. Il modello procede quindi a confrontare questo valore previsto con quello del valore effettivo dell'etichetta.
Se i valori corrispondono, il nostro modello prenderà l'input successivo, ma se i valori differiscono, il modello calcolerà la differenza tra entrambi i valori, chiamata perdita, e regolerà i calcoli dei nodi per produrre etichette corrispondenti la prossima volta.
L'architettura della rete neurale di Tesla
Tesla utilizza ricerche all'avanguardia per addestrare reti neurali profonde su problemi che vanno dalla percezione al controllo.
Le reti per telecamera di Tesla analizzano le immagini grezze per eseguire la segmentazione semantica, il rilevamento di oggetti e stima della profondità monoculare.
I set di dati
Le reti neurali vengono addestrate su immagini grezze estratte da video presi da telecamere di rete a volo d'uccello che emettono il layout stradale, l'infrastruttura statica e gli oggetti 3D direttamente nella vista dall'alto.
Le immagini dei dati non sono etichettate e coprono molti scenari diversi in tutto il mondo e sono composte da un milione di veicoli in tempo reale.
Come funziona?
La rete è composta da 70,000 unità di elaborazione grafica (GPU), che ne addestrano 48 apprendimento profondo modelli.
I componenti hardware dell'auto, comprese telecamere e sensori, forniscono dati non supervisionati che vengono passati attraverso la rete di questi modelli.
L'auto apprende i possibili oggetti in un ambiente, come un pedone, un albero, ecc. dai dati forniti.
L'architettura è composta anche da due chip AI che utilizzano i principi di apprendimento profondo. Questi chip aiutano a prendere decisioni in tempo reale per l'auto, come quando e come svoltare, durante la guida.
L'architettura della rete neurale include molti potenti dispositivi e concetti che contribuiscono al suo funzionamento, tra cui:
Chip FSD
Guida autonoma completa (FSD) sono chip di inferenza AI che eseguono il software del pilota automatico di Tesla. Questi chip sono stati progettati con miglioramenti micro-architettonici che spremere le massime prestazioni del silicio per watt.
Gli FSD implementano la pianificazione del pavimento, i tempi e l'analisi della potenza mentre scrivono test e tabelloni di valutazione robusti per verificare la funzionalità e le prestazioni dell'IA.
Chip e sistemi Dojo
dojo è il super sistema informatico di Tesla che risolve problemi difficili con una tecnologia avanzata per l'erogazione e il raffreddamento ad alta potenza.
I chip Dojo includono l'IA che alimenta questi sistemi e sono progettati per le massime prestazioni, throughput e larghezza di banda a ogni granularità.
Insieme, i chip e i sistemi vengono utilizzati per ottimizzare potenza e prestazioni per NN di Tesla.
Algoritmi di autonomia
Gli algoritmi di autonomia sono gli algoritmi principali che guidano l'auto creando una rappresentazione ad alta fedeltà del mondo e pianificando traiettorie in un dato spazio.
A addestrare reti neurali per prevedere tali rappresentazioni, Tesla crea algoritmicamente dati di verità terrestre accurati e su larga scala combinando le informazioni provenienti dai sensori dell'auto attraverso lo spazio e il tempo.
Questi algoritmi utilizzano tecniche avanzate per costruire un solido sistema di pianificazione e decisione che opera in complicate situazioni del mondo reale in condizioni di incertezza.
Infrastruttura di valutazione
L'infrastruttura di valutazione di Tesla include strumenti di valutazione a circuito aperto, circuito chiuso e hardware-in-the-loop e infrastrutture su larga scala.
Questa infrastruttura consente all'IA di monitorare i miglioramenti delle prestazioni e prevenire le regressioni.
Caratteristiche principali di NN di Tesla
- Telecamere, sensori a ultrasuoni e radar percepiscono l'ambiente
- Un radar misura la distanza intorno all'auto
- Le tecniche ultraviolette misurano la prossimità e il video passivo riconosce gli oggetti intorno all'auto
- Utilizza due chip AI basati sui principi delle reti neurali profonde
- Chip AI che compongono 6 miliardi di transistor
- 21 volte più veloce dei chip Nvidia
- I chip AI hanno 32 megabyte di memoria SRAM ad alta velocità
- Consiste di 48 modelli di Deep Learning
- Contiene 70,000 unità di elaborazione grafica (GPU)
- Produce 1000 tensori distinti (predizioni) ad ogni passo temporale
Conclusione
L'avanguardia di Tesla Reti neurali e l'architettura AI ha reso l'idea delle auto a guida autonoma una realtà.
Questo successo del principale produttore di automobili basato sull'intelligenza artificiale è il risultato della sua avanzata Chip FSD, chip Dojo, algoritmi di autonomia, infrastruttura di valutazione e altro ancora.
Se vuoi saperne di più su AI, Deep Learning e le ultime tendenze tecnologiche, dai un'occhiata ai nostri altri articoli interessanti.
Lascia un Commento