თქვენ შეიძლება ვივარაუდოთ, რომ Tesla არის ცნობილი სახელი საავტომობილო ინდუსტრიაში, როდესაც მათზე ფიქრობთ. ტესლა, ელექტრომობილების პიონერი, უდავოა. თუმცა, ისინი ტექნოლოგიური ფირმაა, რაც მათი წარმატების საიდუმლოა.
ერთ-ერთი რამ, რამაც მათი ბიზნესი წარმატებული გახადა, არის მისი გამოყენება ხელოვნური ინტელექტი ტექნოლოგიები. Tesla-ს მანქანების სრული ავტომატიზაცია კომპანიის ამჟამინდელი მთავარი პრიორიტეტია და ამ მიზნის მისაღწევად, ისინი იყენებენ AI-ს და მის მრავალ კომპონენტს.
2021 წლის დასაწყისში მისი ჩამოსვლის გამოცხადებით, Tesla აჟიოტაჟი შექმნა ქვეკონტინენტზე. ელონ მასკი თითქმის მზად არის დააარსოს ბანგალორი, ინდოეთი, როგორც Tesla India-ს წარმოების ცენტრი.
ხელოვნური ინტელექტის ექსპერტები ინდოეთში ხალისობდნენ, როდესაც გრძელდებოდა მემები და ტვიტები იმის შესახებ, თუ როგორ იმუშავებს ინდოეთში ძალიან პოპულარული „თვითმართვადი მანქანები“.
ხელოვნური ინტელექტის მთელი ტალღა, რომელიც საბოლოოდ მართავს დედამიწას, ახლახან იწყება.
ეს პოსტი სიღრმისეულად შეისწავლის, თუ როგორ აერთიანებს Tesla AI თავის სისტემაში, სპეციფიკაციებისა და სხვა ინფორმაციის ჩათვლით.
მაშ, როგორ ასწავლის AI მანქანებში ავტონომიურ მართვას?
ავტონომიური მანქანები მუდმივად აანალიზებენ მონაცემებს მათი სენსორებიდან და მანქანური ხედვის კამერებიდან, რათა შეძლონ დამოუკიდებლად მართვა. შემდეგ ისინი იყენებენ ამ მონაცემებს, რათა გადაწყვიტონ, რა გააკეთონ შემდეგ.
ისინი იყენებენ ხელოვნურ ინტელექტს ველოსიპედების, ფეხით მოსიარულეთა და მანქანების შემდეგი ნაბიჯების გასაგებად და პროგნოზირებისთვის. მათ შეუძლიათ გამოიყენონ ეს ინფორმაცია, რათა სწრაფად დაგეგმონ თავიანთი ქმედებები და მიიღონ გადაწყვეტილებები წამში.
უნდა გააგრძელოს ავტომობილმა ამჟამინდელ ზოლში თუ უნდა შეცვალოს ხაზი? უნდა გაგრძელდეს იქ, სადაც არის თუ მანქანას წინ გაუსწრო? როდის უნდა შეანელოს მანქანამ ან დააჩქაროს?
Tesla-მ უნდა შეაგროვოს შესაბამისი მონაცემები ალგორითმების მოსამზადებლად და მისი AI-ების შესანახად, რათა მანქანები სრულიად ავტონომიური გახდეს. უკეთესი შესრულება ყოველთვის მოჰყვება მეტი ვარჯიშის მონაცემებს და Tesla ანათებს ამ სფეროში.
ის ფაქტი, რომ Tesla აგროვებს ყველა მონაცემს ასიათასობით Tesla-ს მანქანებიდან, რომლებიც ახლა გზაზეა, აძლევს მათ კონკურენტულ უპირატესობას. როგორც შიდა, ასევე გარე სენსორები აკონტროლებენ, თუ როგორ იქცევა ტესლასი სხვადასხვა ვითარებაში.
ისინი ასევე აგროვებენ ინფორმაციას მძღოლის ქცევის შესახებ, მათ შორის, თუ როგორ რეაგირებენ ისინი გარკვეულ გარემოებებზე და რამდენად ხშირად ეხებიან საჭეს ან პანელს.
„იმიტაციის სწავლა“ ასე ჰქვია ტესლას სტრატეგიას. მილიონობით რეალური მძღოლი მთელ მსოფლიოში აკეთებს მსჯელობას, პასუხობს და მოძრაობს და მათი ალგორითმები სწავლობენ ამ ქმედებებზე. ყველა ეს კილომეტრი იწვევს წარმოუდგენლად დახვეწილ ავტონომიურ მანქანებს.
მათი თვალთვალის სისტემა მართლაც მოწინავეა. მაგალითად, ტესლა ინახავს მომენტის მონაცემთა კადრს, ამატებს მას მონაცემთა ნაკრებში და შემდეგ ხელახლა ქმნის სამყაროს აბსტრაქტულ წარმოდგენას ფერადი კოდირებული ფორმების გამოყენებით. ნერვული ქსელის შეუძლია ისწავლოს. ეს ხდება მაშინ, როდესაც Tesla-ს მანქანა არასწორად პროგნოზირებს მანქანის ან ველოსიპედის ქცევას.
სხვა ბიზნესები, რომლებიც ავითარებენ ავტონომიურ მანქანებს, ეყრდნობიან სინთეზური მონაცემები, რაც მნიშვნელოვნად ნაკლებად ეფექტურია, ვიდრე რეალურ სამყაროში არსებული მონაცემები, რომელსაც იყენებს Tesla თავისი AI-ების ვარჯიშისთვის (მაგალითად, მართვის ქცევა ვიდეო თამაშებისგან, როგორიცაა Grand Theft Auto).
ჩვენ ახლა განვიხილავთ ტესლას კომპონენტებს, რომლებიც სარგებლობენ ხელოვნური ინტელექტის გამოყენებით.
Tesla-ს კომპონენტები, რომლებიც სარგებლობენ AI-ით
კამერა და სენსორები
პასუხისმგებლობები, რომლებიც ტესლამ უნდა შეასრულოს, საკმაოდ კარგად არის ცნობილი. ყველა ეს ოპერაცია, ზოლის იდენტიფიკაციიდან ფეხით მოსიარულეთა თვალყურის დევნებამდე, ხორციელდება რეალურ დროში. ტესლა ამ მიზეზით 8 კამერის დახმარებით მუშაობდა. გარდა ამისა, ამდენი კამერის არსებობა გვარწმუნებს, რომ ბრმა ზონა არ არის და მანქანის ირგვლივ მთელი ტერიტორია დაფარულია.
მართალია ის, რაც ახლა წაიკითხე! არა LIDAR არ არის მაღალი გარჩევადობის რუკების სისტემა. ტესლას სურს გამოიყენოს მხოლოდ კომპიუტერული ხედვა, მანქანა სწავლის, და კამერის ვიდეო არხები ავტომატური პილოტის მოდელის შესაქმნელად. კონვოლუციური ნერვული ქსელები (CNN) შემდეგ გამოიყენება ნედლი ვიდეოს გასაანალიზებლად, რათა თვალყური ადევნოთ და აღმოაჩინოს ობიექტები.
ტესლა ავტოპილოტი ასევე აქვს რადარი და ულტრაბგერითი სენსორები კამერების გარდა. რადარი გამოიყენება მანქანებსა და სხვა ობიექტებს შორის განცალკევების დასადგენად და გასაზომად. მძღოლის უსაფრთხოების ოპტიმიზაციის მიზნით, ულტრაბგერითი სენსორები ასევე ფუნქციონირებს პასიურ ობიექტებთან სიახლოვის მონიტორინგის შესაბამისად.
იმისათვის, რომ გავიგოთ მანქანის გარემოცვა და ავტოპილოტის შესაძლებლობები მაქსიმალურად რეაგირებადი იყოს, ნერვული ქსელები ინტეგრირებულია Tesla-ს აპარატურასთან.
Tesla FSD Chip -3
გზებზე გაუმჯობესებული მუშაობისა და უსაფრთხოებისთვის, Tesla სისტემები მოიცავს ორ AI პროცესორს. Tesla სისტემა ცდილობს იყოს შეცდომების გარეშე. იმ შემთხვევაშიც კი, თუ ერთი ერთეული ვერ ხერხდება, მანქანას მაინც შეუძლია იმუშაოს დამატებითი ერთეულების გამოყენებით სარეზერვო ენერგიისა და მონაცემთა შეყვანის წყაროების გამო.
Tesla იყენებს ამ დამატებით ზომებს, რათა დარწმუნდეს, რომ მანქანები კარგად არის აღჭურვილი, რათა თავიდან აიცილონ შეჯახება გაუთვალისწინებელი ავარიის შემთხვევაში. Მხოლოდ ადამიანის ტვინი შეუძლია წამში მეტი ოპერაციის შესრულება, ვიდრე ტესლას ახალ მიკროპროცესორს (1 კვადრილონი ოპერაცია წამში). ეს არის დაახლოებით 21-ჯერ უფრო ძლიერი ვიდრე Tesla Nvidia მიკროჩიპები, რომლებიც ადრე გამოიყენებოდა.
Tesla უდავოდ ლიდერია სრულად ავტონომიური ლოკომოტივების ბაზარზე, მაგრამ ის ჯერ კიდევ შორია უახლესი ავტოპილოტის მანქანის წარმოებამდე.
სამომავლოდ, ავტომობილი იმ თვისებებით, რომელიც ჩვენ ამ სტატიაში აღვნიშნეთ, უდავოდ გახდება ჩვეულებრივი. Tesla-მ შექმნა საკუთარი უახლესი AI პროცესორები და ნერვული ქსელის არქიტექტურა.
ნერვული ქსელის ტრენინგი
მოდელი ასევე უნდა იყოს გაწვრთნილი ნერვული ქსელების შემდეგ შეიქმნა. ჩვენ ვიცით, რომ Tesla-მ შექმნა ბიბლიოთეკებისა და ხელსაწყოების ფართო სპექტრი, რათა დაუშვას კომპიუტერული ხედვის უახლესი შესაძლებლობები.
პიტორჩიერთ-ერთი ასეთი ჩარჩოა (FAIR). PyTorch გამოიყენება Tesla-ს ტექნიკური დასტა ღრმა სწავლის მოდელის მომზადება.
აღსანიშნავია, რომ ტესლა არ ეყრდნობა რუკებს ან LIDAR-ს სრული ავტონომიის მისაღწევად. კამერები და სუფთა კომპიუტერული ხედვა გამოიყენება ექსკლუზიურად და ყველაფერი კეთდება რეალურ დროში.
Tesla იყენებს Pytorch-ს ტრენინგისთვის, ისევე როგორც სხვადასხვა დამხმარე აქტივობებისთვის, როგორიცაა ავტომატური სამუშაო დაგეგმვა, მოდელის ზღვრების დაკალიბრება, საფუძვლიანი შეფასება, პასიური ტესტირება, სიმულაციური ტესტები და ა.შ.
Tesla ხარჯავს დაახლოებით 70,000 GPU საათს 48 ქსელის მომზადებაში, რომლებიც 1,000 განსხვავებულ პროგნოზს აკეთებენ. ეს ტრენინგი გრძელდება და არა ერთხელ. ჩვენ ვიცით, რომ ხელოვნური ინტელექტი არის განმეორებითი პროცესი, რომელიც დროთა განმავლობაში ვითარდება. შედეგად, 1000-ვე ცალკეული პროგნოზი რჩება ზუსტი და არასოდეს ცდება.
HydraNet
ნებისმიერ დროს მიმდინარეობს დაახლოებით 100 სამუშაო ადგილი, მაშინაც კი, როდესაც მანქანა არ მოძრაობს და, სავარაუდოდ, გზაჯვარედინზეა. ნერვული ქსელის გამოყენება ყველა ამოცანისთვის ძვირი და არაეფექტურია. დიდი რაოდენობით ინფორმაცია მუშავდება რეალურ დროში AI-ს მიერ Tesla-ს მანქანებში.
შედეგად, ResNet-50 საზიარო ხერხემალი, რომელსაც შეუძლია ერთდროულად დაამუშაოს 1000 x 1000 სურათი, ემსახურება როგორც ცენტრალური დამუშავების ერთეულს Computer Vision სამუშაო ნაკადისთვის.
ქსელის ზედა ნაწილთან ახლოს, HydraNet ნერვული ქსელის დიზაინი იყოფა რამდენიმე ფილიალად (ან თავებად). იმის გამო, რომ სავარჯიშო მონაცემების თითოეული მიკრო პარტია განსხვავებულად იწონება მრავალი ხელმძღვანელისთვის, ეს თავები დამოუკიდებლად ისწავლება და სწავლობენ განსხვავებულ რაღაცებს.
რა თქმა უნდა, არსებობს რამდენიმე შემთხვევა, როდესაც ეს HydraNets ერთად მუშაობენ მანქანების ხელოვნური ინტელექტის დასამუშავებლად. HydraNet-ის თითოეული ინფორმაცია გამოიყენება განმეორებადი პრობლემების მოსაგვარებლად.
მაგალითად, ამოცანა შეიძლება იყოს აქტიური გაჩერების ნიშნების დასამუშავებლად, მეორე - ფეხით მოსიარულეებთან გამკლავება და მეორე საგზაო სიგნალების შესამოწმებლად. ამ ცალკეულ მოვალეობებს ყველა საერთო ხერხემალი ახორციელებს.
HydraNet არქიტექტურის მიხედვით, თითოეული ამ ამოცანისთვის საჭიროა უზარმაზარი ნერვული ქსელის მხოლოდ მცირე ნაწილი.
ეს საკმაოდ ჰგავს გადაცემის სწავლებას, სადაც ცალკეული ბლოკები წვრთნიან საერთო ბლოკისთვის გარკვეული დაკავშირებული ამოცანებისთვის. HydraNets-ის ხერხემალი წვრთნიან სხვადასხვა საკითხზე, ხოლო ხელმძღვანელები ისწავლიან კონკრეტულ სამუშაოებზე.
ეს ამცირებს მოდელის მომზადებისთვის საჭირო დროს და აჩქარებს დასკვნას.
ტესლა ავტოპილოტი
ავტოპილოტის შესაძლებლობების მქონე მანქანებს შეუძლიათ ავტონომიურად მართონ, აჩქარდნენ და შეჩერდნენ ზოლში. იგი აგებულია ღრმა ნერვული ქსელის კონცეფციების გამოყენებით. ის აკვირდება მანქანის მიმდებარე ტერიტორიას კამერების, ულტრაბგერითი სენსორების და რადარის გამოყენებით.
მძღოლები აცნობიერებენ თავიანთ გარემოს სენსორებითა და კამერებით და ეს ინფორმაცია ანალიზდება რამდენიმე მილიწამში, რათა დაეხმაროს ავტომობილის მართვას უფრო უსაფრთხო და ნაკლებად სტრესული გახადოს.
ნათელ, ბნელ და სხვადასხვა ამინდის პირობებში, რადარი გამოიყენება მანქანების მიმდებარე სივრცის დასაკვირვებლად და შესაფასებლად. ყველა სიტუაციაში, ულტრაიისფერი მეთოდები განსაზღვრავს სიახლოვეს, ხოლო პასიური ვიდეო იდენტიფიცირებს მიმდებარე ობიექტებს და ხელს უწყობს უსაფრთხო მართვას.
გარდა ამისა, ავტოპილოტი შექმნილია მძღოლის დასახმარებლად და არ გარდაქმნის Tesla-ს თვითმართველ მანქანად. ჩვეულებრივი პრაქტიკაა მძღოლების გაფრთხილება, რომ ხელები საჭესთან დააჭირონ.
გაფრთხილებების სერია საჭის აყვანის შესახებ ამოქმედდება, თუ ამას არ გააკეთებთ. თუ იგნორირებულია ბევრად მეტი, მანქანა იწყებს შენელებას, სანამ გაჩერდება. საკრუიზო კონტროლის ღეროს დამუხრუჭებით, მობრუნებით ან გამორთვით, მძღოლებს ყოველთვის შეუძლიათ ავტოპილოტის ფუნქციების უგულებელყოფა.
ფრინველის თვალის ხედი
სურათებს, რომლებსაც Tesla-ს აპარატურა ხშირად ინტერპრეტაციას უკეთებს, შეიძლება დასჭირდეს დამატებითი ზომები. Bird's Eye View ფუნქცია აადვილებს უფრო შორი მანძილების გაზომვას და გთავაზობთ გარე სამყაროს უფრო ზუსტ წარმოდგენას.
ეს არის ვიზუალური მონიტორინგის სისტემა, რომელიც „აძლევს“ მანქანის ზედა ხედის სურათს, რათა გაამარტივოს პარკირება და პატარა ადგილებში ნავიგაცია. თქვენი პარკირების შესაძლებლობების შესახებ კოჭლი დასაბუთების გარეშე, ახლა შეგიძლიათ უსაფრთხოდ აიღოთ საჭე.
ტესლას მომავალი
თუ თქვენ ეძებთ საშუალო ზომის SUV-ს ძლიერი დიაპაზონით, 2022 Tesla Model Y არის ფანტასტიკური საწყისი წერტილი ელექტრომობილებისთვის. რეგულარული პროგრამული უზრუნველყოფის განახლების გამო, Model Y მუდმივად იცვლება, ისევე როგორც Tesla-ს მრავალი სხვა პროდუქტი.
უსაფრთხოებისა და ფუნქციონირების გაზრდით, ეს განახლებები ეხმარება თქვენს ავტომობილს იყოს უფრო სასარგებლო. მათთვის, ვისაც ოჯახთან ერთად და სხვადასხვა ბარგთან ერთად დიდი მანძილის გავლა სჭირდება, ტევადი კორპუსი და ტესლას სუპერჩარჯერის ქსელზე წვდომა მას შესანიშნავ არჩევანს ხდის.
დაარსების დღიდან Tesla-მ ისარგებლა მისი ამჟამინდელი მომხმარებელთა ბაზის მონაცემებით და მისი მუშაობა ავტონომიურ მანქანებზე არის მისი უწყვეტი ამბიციის ნაწილი, დააყენოს AI ყველა მისი ოპერაციების ბირთვში.
ხელოვნური ინტელექტი და დიდი მონაცემები კვლავ იქნება ელონ მასკი და მისი გუნდი Tesla-ს ერთგული მოკავშირეებში, რადგან ისინი გადადიან თავიანთ უახლეს ინიციატივებში, მათ შორის სწრაფვაში, გარდაქმნან ელექტრო ქსელი თავიანთი მზის ენერგიის პანელებით.
დასკვნა
Tesla, კომპანია, რომელიც აღიარებულია ბაზრის ერთ-ერთ ყველაზე აგრესიულ ნოვატორად, ყოველთვის აქცევდა მონაცემთა შეგროვებას და ანალიზს ყველაზე მძლავრ ინსტრუმენტად. ისინი იცავდნენ იმავე წესებს, როდესაც საქმე ეხებოდა საკუთარი ჩიპების შექმნას.
ბიზნესმა შეიმუშავა ავტონომიური მანქანები, რომლებსაც აქვთ პოტენციალი მთლიანად შეცვალონ ავტომობილების მართვა ხელოვნური ინტელექტისა და მონაცემთა ანალიზის წყალობით.
ვნახოთ, რამდენად კარგად ასრულებს პლატფორმა დაპირებებს და ავითარებს თავის ბიზნესს. სად წავა კომპანია მომავალში ავტონომიური მანქანების ბაზარზე, ამ ტექნოლოგიების გამოყენების შემდეგ რჩება გასარკვევი.
დატოვე პასუხი