העולם כפי שאנו מכירים את זה עלול להשתנות כתוצאה מבינה מלאכותית (AI). בכל הנוגע לשיפורים במערכות חצי אוטונומיות, טסלה מנצלת אותם מאוד.
בנוסף, אילון מאסק טוען כי זה ייושם בסופו של דבר בתחומים אחרים. על טכנולוגיית הנהיגה העצמית המלאה ומערכת הטייס האוטומטי שלה,
טסלה משתמשת בראייה ממוחשבת, למידת מכונה, ובינה מלאכותית (FSD).
במאמר זה, נדון במה שהופך את טסלה לחברת טכנולוגיה וכיצד היא משתמשת בבינה מלאכותית, ראייה ממוחשבת, ביג דאטה וטכנולוגיות אחרות כדי לפתח מכוניות בנהיגה עצמית. בואו נתחיל.
תחילה נבדוק כיצד טסלה היא חברת טכנולוגיה.
מדוע טסלה נחשבה לחברת טכנולוגיה?
טסלה מייצרת כמות משמעותית של תוכנה. מערכת המידע והבידור הייחודית של טסלה, ממשק משתמש, ופונקציות נהיגה אוטונומית מבוססות כולן על תוכנה.
בעוד שיצרניות רכב אחרות רק עכשיו מתחילות להתנסות בשדרוגים באוויר, טסלה עושה זאת כבר שנים. עובדי טסלה יצרו ומשפרים ללא הרף את מערכות ההפעלה לרכבי טסלה.
טסלה מייצרת גם מגוון מוצרים טכנולוגיים נוספים, לרבות פאנלים סולאריים, רעפים סולאריים לגגות, מספר סוגי סוללות, עמדות טעינה, מחשבים ורכיבי מחשב מרכזיים (למכוניות טסלה).
למרות שגם לנוקיה וגם לבלקברי הייתה תוכנה, לאייפון היה שילוב מאוזן של שניהם, וזו הסיבה שהוא כבש את עסקי הטלפונים הניידים ושינה את האופן שבו אנחנו משתמשים בטלפונים שלנו כרגע.
זה מה שטסלה עושה עבור עסקי הרכב. טסלות הן כלי רכב, כן (וגם רכבי שטח ובקרוב טנדרים, משאיות למחצה וטרקטורונים). אבל כלי רכב אלה משלבים תוכנה לשימוש יומיומי שנוצרה על ידי טסלה באופן פנימי או שולבה במערכת של טסלה.
בזמן שאתה חונה, טסלה הציגה אפשרויות בידור כולל TRAX, קריוקי ומשחקים רבים (ואולי מתישהו בזמן מעבר). מערכת האבטחה Sentry Mode, המשלבת חומרה ותוכנה של טסלה, סייעה לאכיפת החוק בפתרון פשעים כמו ונדליזם. הטלפון החכם שלך משמש כמפתח של הטסלה שלך.
באמצעות הטלפון שלך, אתה יכול להתקשר לטסלה שלך כדי לבוא אליך. בנוסף, המכונית תודיע לטלפון שלך אם יש אירוע משמעותי הודות לטכנולוגיית Sentry Mode הייחודית של Tesla.
מכיוון שטסלה תשתמש בנתונים שאספה על הרגלי הנהיגה בפועל של נהגי טסלה (איסוף נתונים הוא מרכיב מפתח בטכנולוגיה, במיוחד כאשר זה ישיר כך ולא נעשה באמצעות סקרי שוק), הביטוח של טסלה יהיה גם הרחבה מהצד הטכנולוגי.
באיזו טכנולוגיה טסלה משתמשת עבור טייס אוטומטי?
הם יוצרים ומשתמשים באוטונומיה בקנה מידה גדול במכונות כמו רובוטים ומכוניות. הם טוענים כי השיטה היחידה שיכולה לספק מענה מקיף במלואו נהיגה אוטונומית ומעבר לכך הוא אחד המסתמך על AI חדשני לתכנון וחזון, בתוספת חומרה יעילה להסקת מסקנות.
שבב FSD של טסלה
מערכות טסלה מגיעות עם שני מעבדי בינה מלאכותית לביצועים משופרים ובטיחות בדרכים. מערכת טסלה שואפת לפעולה ללא שגיאות. בגלל כוח הגיבוי ומקורות קלט הנתונים, המכונית יכולה להמשיך לפעול גם אם יחידה אחת תקלה.
טסלה נוקטת באמצעי הזהירות הנוספים הללו כדי להבטיח שכלי הרכב יהיו ערוכים היטב כדי למנוע תאונות במקרה של תקלה בלתי צפויה.
המכשיר היחיד שיכול לבצע יותר פעולות בשנייה מהמיקרו-מעבד החדש של טסלה הוא המוח האנושי (קוודריליון פעולות בשנייה). זה עוצמתי פי 1 בערך מהשבבים הקודמים של Tesla Nvidia.
בנה מעבדי מסקנות בינה מלאכותית כדי להפעיל את תוכנת נהיגה עצמית מלאה שלהם, תוך התחשבות בכל שיפור אדריכלי ומיקרו-ארכיטקטוני קטן תוך מיקסום ביצועי הסיליקון לוואט.
למרות שטסלה מובילה ללא עוררין את שוק הקטרים האוטונומיים לחלוטין, היא עדיין רחוקה מלפתח רכב טייס אוטומטי חדשני.
צ'יפ טסלה דוג'ו
טסלה חשפה את Tesla D1, מעבד חדש עם 362 TFLOPs של כוח ב-BF16/CFP8 שנוצר במיוחד עבור בינה מלאכותית. זה נחשף במהלך לאחרונה טסלה AI מצגת יום.
שבב ענק נוצר על ידי חיבור של רשת של יחידות פונקציונליות הנקראות רשת של יחידות פונקציונליות, אליהן ה-Tesla D1 מוסיף בסך הכל 354 צמתי אימון. לכל יחידה פונקציונלית יש מעבד ISA עם ארבע ליבות, 64 סיביות, עם עיצוב מותאם אישית למעבר קישורים, שידורים והעברות. ההטמעה העל-סקלרית משמשת את ה-CPU הזה (צינורות סקלריים רחבים ו-4 רחבים).
הסיליקון החדש הזה של טסלה קטן יותר מ-GA100 GPU שנמצא במאיץ NVIDIA A100, שגודלו 826 מ"מ מרובע. הוא מיוצר בתהליך של 7 ננומטר, יש לו 50,000 מיליון טרנזיסטורים בסך הכל, ותופס שטח מרובע של 645 מ"מ.
טסלה טוענת שבב הדוג'ו שלה יעבד נתוני ראייה ממוחשבת מהר פי ארבעה מהמערכות הנוכחיות, מה שיאפשר לחברה להפוך את מערכת הנהיגה העצמית שלה לאוטומטית.
עם זאת, שני ההישגים הטכנולוגיים המאתגרים ביותר, כלומר החיבור בין אריח לאריח ותוכנה, טרם הושגו על ידי טסלה.
מתגי הרשת ברמה הגבוהה ביותר אינם יכולים להתחרות ברוחב הפס החיצוני של כל אריח. על מנת לעשות זאת, טסלה יצרה חיבורים ייחודיים.
מערכת דוג'ו
צור את מערכת ה-Dojo, מממשקי ה-API של התוכנה ברמה גבוהה לשליטה בה ועד לממשקי קושחת הסיליקון. השתמש בטכנולוגיות אספקה וקירור בעלות עוצמה גבוהה כדי לפתור מצבים מאתגרים, וליצור לולאות בקרה ניתנות להרחבה ותוכנות ניטור.
נצל את כל המומחיות של צוותי הנדסת מכונות, תרמיות וחשמל שלהם כדי לפתח את הדור הבא של מחשוב למידת מכונה לשימוש במרכזי נתונים של טסלה. המגבלה היחידה היא הדמיון שלך.
עבודה עם כל רכיב של עיצוב מערכת. פתח API הפונה לציבור שיהפוך את Dojo לנגיש לכל אחד, ושתף פעולה עם למידה של צי טסלה כדי לספק עומסי עבודה תוך שימוש במערכי הנתונים העצומים שלהם.
אלגוריתמים של אוטונומיה
צור מודל עולמי בנאמנות גבוהה ומסלול עלילה במרחב הזה כדי לפתח את האלגוריתמים המרכזיים המפעילים את הרכב.
על ידי צבירת נתונים מחיישני המכונית על פני מקום וזמן, אלגוריתם יכול לספק נתוני אמת קרקע מדויקים ונרחבים שניתן להשתמש בהם לאימון רשתות עצביות כדי לצפות את הייצוגים הללו.
הם בונים מערכת תכנון וקבלת החלטות חזקה תוך שימוש במתודולוגיות מתקדמות שיכולות לתפקד בתרחישים מאתגרים בעולם האמיתי עם אי ודאות.
ניתוח האלגוריתמים ברמת צי טסלה כולו מועיל.
רשתות עצביות
ניתן לאמן רשתות עצביות עמוקות בנושאים החל מתפיסה ועד שליטה על ידי שימוש במחקר חדשני. כדי להשיג פילוח סמנטי, זיהוי אובייקטים והערכת עומק מונוקולרית, הרשתות שלהם לכל מצלמה בוחנות תמונות גולמיות.
רשתות מבט ממעוף הציפור שלהם משתמשות בצילומים מכל המצלמות כדי ליצור את הפרספקטיבה מלמעלה למטה של מתווה הכביש, תשתית סטטית ואובייקטים תלת מימדיים.
הרשתות שלהם מוזנות כל הזמן בנתונים מצי המכוניות שלהם, הכולל כמיליון מכוניות, הכולל את הנסיבות המורכבות והמגוונות ביותר בעולם.
48 הרשתות המרכיבות את כל המבנה של רשתות העצבים של הטייס האוטומטי זקוקות ל-70,000 שעות GPU כדי להתאמן. בכל שלב זמן, הם מייצרים 1,000 טנסורים שונים (תחזיות) באופן קולקטיבי.
הערכת תשתית
הם גם יצרו תשתית וכלי הערכת חומרה בלולאה פתוחה וסגורה בקנה מידה כדי להאיץ את מהירות החדשנות, לנטר שיפורי ביצועים ולעצור רגרסיות.
הם מנצלים את הקליפים האופייניים האנונימיים של הצי שלהם ומשלבים אותם בתרחישי בדיקה רבים. כתוב קוד המדמה את הסביבה האמיתית שלהם, ויוצר חזותיים מציאותיים להפליא ונתוני חיישנים אחרים עבור תוכנית הטייס האוטומטי שלהם לשימוש עבור בדיקות אוטומטיות או איתור באגים בזמן אמת.
כיצד טסלה ממנפת ביג דאטה, בינה מלאכותית ולמידת מכונה?
נתונים גדולים
נתונים גדולים לא משמשים רק את טסלה כדי לטפל בבעיות; הוא משמש גם להעלאת אושר הצרכנים. הם רוכשים מידע מהקהילות המקוונות של הלקוחות שלהם, והם משתמשים בו כדי לשפר את הייצור הבא שלהם. סוג זה של אינטראקציה עם לקוח אינו ידוע בעסקים.
נתונים גדולים תומכים במאמצים של טסלה לחסוך בעלויות, למצוא שווקים חדשים, לרצות את הצרכנים, ליצור מוצרים חדשים ולשפר את כלי הרכב שלה.
המידע משמש ליצירת מפות צפופות מאוד בנתונים המציגות כל דבר, החל ממיקום הסיכונים המאלצים נהגים לנקוט בפעולה ועד לעלייה הממוצעת במהירות התנועה בקטע כביש מסוים.
מחשוב קצה קובע איזו פעולה כל מכונית בנפרד צריכה לנקוט ברגע זה, בעוד שלמידת מכונה בענן מטפלת באימון כל הצי.
בנוסף, ישנה רמה שלישית של קבלת החלטות, לפיה מכוניות עשויות להתחבר לרכבי טסלה שכנים כדי לבנות רשתות ולחלוק ידע על האזור.
רשתות אלו כנראה יתקשרו גם עם כלי רכב מתוצרת יצרנים אחרים, כמו גם מערכות אחרות כמו מצלמות תנועה, חיישנים מבוססי קרקע או טלפונים בעולם קרוב לעתיד שבו מכוניות אוטונומיות הן דבר שבשגרה.
בינה מלאכותית
על מנת להיות מסוגלים לנהוג בעצמן, מכוניות אוטונומיות מעריכות באופן רציף נתונים מהחיישנים ומצלמות הראייה שלהן. לאחר מכן הם מקבלים החלטות על סמך המידע הזה.
הם משתמשים בבינה מלאכותית כדי להבין ולצפות את תנועותיהם של אופניים, הולכי רגל ומכוניות. הם יכולים לעשות שיקולים של שבריר שנייה ולתכנן במהירות את הפעילות שלהם באמצעות הידע הזה.
האם המכונית צריכה להישאר בנתיב בו היא נמצאת כעת, או שהיא צריכה להשתנות? האם זה צריך להמשיך כמו שהוא או לעקוף את המכונית שלפניהם? מתי על המכונית להאט או להאיץ?
כדי להפוך את המכוניות לאוטונומיות לחלוטין, טסלה חייבת לאסוף את הנתונים הדרושים כדי לאמן את האלגוריתמים ולהאכיל את ה-AI שלה. יותר נתוני אימון תמיד יובילו לביצועים טובים יותר, וטסלה מצטיינת בהקשר זה.
לטסלה יש יתרון תחרותי מכיוון שהיא אוספת את כל הנתונים שלה ממאות אלפי רכבי טסלה שנמצאים כעת על הכביש. חיישנים פנימיים וחיצוניים עוקבים אחר אופן הפעולה של טסלס בתנאים שונים.
בנוסף, הם צופים כיצד נהגים מתנהגים, כולל תגובותיהם למצבים שונים ואיזו תדירות הם נוגעים בהגה או בלוח המחוונים. יש להם מערכת מעקב מתוחכמת מאוד.
לדוגמה, טסלה מתעדת רגע בזמן, מוסיפה אותו לאיסוף הנתונים, ולאחר מכן משתמשת בצורות צבעוניות כדי ליצור תמונה מופשטת של הסביבה שממנה הרשת העצבית יכולה ללמוד.
זה מתרחש כאשר רכב טסלה מניח הנחה לא מדויקת לגבי האופן שבו מכונית או אופניים יתנהגו.
למידת מכונה
בעזרת שימוש בחיישנים פנימיים וחיצוניים שיכולים אפילו לקלוט מידע על מיקום יד הנהג על הפקדים וכיצד הם ממשיכים להיות מופעלים, למידת מכונה של טסלה מצליחה להעביר חלק מהנתונים העיקריים שלה מכל כלי הרכב שלה, כמו גם שלהם. נהגים.
המידע מנוצל גם ליצירת מפות צפופות מאוד בנתונים המציגות כל דבר, החל מהעלייה הממוצעת במהירות התנועה לאורך כביש מסוים ועד לנוכחות סכנות ואף מעודדות נהגים לנקוט פעולה.
בעוד חלק מה קצה על כל מכונית בודדת קובעת איזו פעולה על המכונית לבצע כרגע, למידת המכונה מבוססת הענן של טסלה אחראית על הכשרת הצי כולו.
על מנת להחליף חלק מהתובנות והמידע המקומיים, מכוניות מסוגלות להתחבר לרכבים מסוימים אחרים של טסלה בקרבת מקום.
סיכום
טסלה תמיד הייתה עסק שמייצר איסוף וניתוח נתונים שהם הכלי החזק ביותר לכל מה שהיא עושה. הם לא עשו חריגים בזמן תכנון המעבדים שלהם.
הפיתוח של כלי רכב אוטונומיים וניתוח הנתונים הסטטיסטיים על ידי התאגיד אפשרו לשנות לחלוטין את הדרך בה אנו נוהגים הודות לבינה מלאכותית, ניתוח נתונים, ביג דאטה, למידת מכונה, ראייה ממוחשבת, רשתות עצביות, שבב FSD ואלגוריתמים רבים אחרים.
השאירו תגובה