სარჩევი[დამალვა][ჩვენება]
სამყარო, როგორც ჩვენ ვიცით, ეს შეიძლება შეიცვალოს ხელოვნური ინტელექტის (AI) შედეგად. ნახევრად ავტონომიური სისტემების გაუმჯობესებასთან დაკავშირებით, Tesla ინტენსიურად იყენებს მათ.
გარდა ამისა, ილონ მასკი ამტკიცებს, რომ ის საბოლოოდ სხვა სფეროებშიც იქნება გამოყენებული. მისი სრული თვითმართვის ტექნოლოგიისა და ავტოპილოტის სისტემისთვის,
ტესლა იყენებს კომპიუტერულ ხედვას, მანქანა სწავლისდა ხელოვნური ინტელექტი (FSD).
ამ სტატიაში განვიხილავთ, თუ რა ხდის Tesla-ს ტექნიკურ ფირმას და როგორ იყენებს ის AI-ს, კომპიუტერულ ხედვას, დიდ მონაცემებს და სხვა ტექნოლოგიებს თვითმართვადი მანქანების შესაქმნელად. Მოდით დავიწყოთ.
ჩვენ ჯერ განვიხილავთ, თუ როგორ არის Tesla ტექნიკური ფირმა.
რატომ განიხილება Tesla ტექნოლოგიურ კომპანიად?
Tesla აწარმოებს პროგრამული უზრუნველყოფის მნიშვნელოვან რაოდენობას. Tesla-ს გამორჩეული საინფორმაციო-გასართობი სისტემა, ინტერფეისიდა ავტონომიური მართვის ფუნქციები დაფუძნებულია პროგრამულ უზრუნველყოფაზე.
მიუხედავად იმისა, რომ სხვა ავტომწარმოებლები მხოლოდ ახლა იწყებენ ექსპერიმენტებს საჰაერო განახლებების შესახებ, Tesla ამას წლების განმავლობაში აკეთებს. Tesla-ს თანამშრომლებმა შექმნეს და მუდმივად აუმჯობესებენ ტესლას ავტომობილების ოპერაციულ სისტემებს.
Tesla ასევე აწარმოებს მრავალფეროვან სხვა ტექნოლოგიურ პროდუქტს, მათ შორის მზის პანელებს, სახურავის მზის ფილებს, რამდენიმე ტიპის ბატარეას, დამტენ სადგურებს, კომპიუტერებს და კომპიუტერის ძირითად კომპონენტებს (ტესლას მანქანებისთვის).
მიუხედავად იმისა, რომ Nokia-ს და Blackberry-ს ჰქონდათ პროგრამული უზრუნველყოფა, iPhone-ს ჰქონდა ორივეს დაბალანსებული კომბინაცია, რის გამოც მან დაიპყრო მობილური ტელეფონების ბიზნესი და შეცვალა, თუ როგორ ვიყენებთ ჩვენს ტელეფონებს.
ეს არის ის, რასაც Tesla აკეთებს მანქანის ბიზნესისთვის. Teslas არის მანქანები, დიახ (და ჯიპები და მალე პიკაპები, ნახევრად სატვირთო მანქანები და ATV-ები). მაგრამ ეს მანქანები შეიცავს პროგრამულ უზრუნველყოფას ყოველდღიური გამოყენებისთვის, რომელიც შეიქმნა Tesla-ს მიერ შიგნით ან ჩართული იყო Tesla-ს სისტემაში.
სანამ გაჩერებული ხართ, Tesla-მ შემოიტანა გასართობი არჩევანი, მათ შორის TRAX, Caraoke და მრავალი თამაში (და შესაძლოა ოდესმე ტრანზიტის დროს). უსაფრთხოების სისტემა Sentry Mode, რომელიც აერთიანებს Tesla-ს აპარატურასა და პროგრამულ უზრუნველყოფას, დაეხმარა სამართალდამცავებს ისეთი დანაშაულების მოგვარებაში, როგორიცაა ვანდალიზმი. თქვენი სმარტფონი ემსახურება როგორც თქვენი Tesla-ს გასაღები.
თქვენი ტელეფონის გამოყენებით შეგიძლიათ დაურეკოთ თქვენს Tesla-ს, რომ მოვიდეს თქვენთან. გარდა ამისა, მანქანა შეატყობინებს თქვენს ტელეფონს, თუ რაიმე მნიშვნელოვანი მოვლენა მოხდება Tesla-ს უნიკალური Sentry Mode ტექნოლოგიის წყალობით.
ვინაიდან Tesla გამოიყენებს მის მიერ შეგროვებულ მონაცემებს Tesla-ს მძღოლების მართვის ფაქტობრივი ჩვევების შესახებ (მონაცემების შეგროვება არის ტექნოლოგიის მთავარი ელემენტი, განსაკუთრებით მაშინ, როდესაც ეს პირდაპირ ასეა და არ კეთდება ბაზრის კვლევის საშუალებით), Tesla-ს დაზღვევა ასევე იქნება გაფართოება. ტექნიკური მხარის.
რა ტექნოლოგიას იყენებს Tesla ავტოპილოტისთვის?
ისინი ქმნიან და იყენებენ ავტონომიას ფართომასშტაბიან მანქანებში, როგორიცაა რობოტები და მანქანები. ისინი ამტკიცებენ, რომ ერთადერთი მეთოდი, რომელსაც შეუძლია სრული პასუხის გაცემა ავტონომიური მართვა და მის ფარგლებს გარეთ არის ის, რომელიც ეყრდნობა უახლესი AI-ს დაგეგმვისა და ხედვისთვის, რომელსაც ავსებს ეფექტური აპარატურა დასკვნისთვის.
Tesla FSD ჩიპი
Tesla სისტემებს გააჩნია ორი AI პროცესორი გაუმჯობესებული მუშაობისა და საგზაო უსაფრთხოებისთვის. Tesla სისტემა მიზნად ისახავს შეცდომების გარეშე მუშაობას. სარეზერვო ენერგიისა და მონაცემთა შეყვანის წყაროების გამო, მანქანას შეუძლია გააგრძელოს მუშაობა მაშინაც კი, თუ ერთი ერთეული გაუმართავია.
Tesla იღებს ამ დამატებით ზომებს, რათა უზრუნველყოს მანქანები კარგად მომზადებული, რათა თავიდან აიცილოს ავარიები გაუთვალისწინებელი ავარიის შემთხვევაში.
ერთადერთი მოწყობილობა, რომელსაც შეუძლია მეტი ოპერაციის შესრულება წამში, ვიდრე ტესლას ახალ მიკროპროცესორს, არის ადამიანის ტვინი (1 კვადრილიონი ოპერაცია წამში). ეს დაახლოებით 21-ჯერ უფრო ძლიერია, ვიდრე ადრე გამოყენებული Tesla Nvidia მიკროჩიპები.
შექმენით ხელოვნური ინტელექტის დასკვნის პროცესორები მათი სრული თვითმართვის პროგრამული უზრუნველყოფის გასაძლიერებლად, თითოეული მცირე არქიტექტურული და მიკროარქიტექტურული გაუმჯობესების გათვალისწინებით, სილიციუმის მუშაობის მაქსიმალური გაზრდის დროს.
მიუხედავად იმისა, რომ Tesla უდავოდ ლიდერობს სრულიად ავტონომიური ლოკომოტივების ბაზარზე, ის ჯერ კიდევ შორია უახლესი ავტოპილოტის მანქანის შემუშავებამდე.
Tesla Dojo ჩიპი
Tesla-მ წარმოადგინა Tesla D1, ახალი პროცესორი 362 TFLOPs სიმძლავრით BF16/CFP8-ში, რომელიც სპეციალურად შეიქმნა ხელოვნური ინტელექტი. ეს გაჟღერდა ბოლო დროს Tesla AI დღის პრეზენტაცია.
უზარმაზარი ჩიპი იქმნება ფუნქციური ერთეულების ქსელის მიერთებით, რომელსაც ეწოდება ფუნქციური ერთეულების ქსელი, რომელსაც Tesla D1 ამატებს სულ 354 სასწავლო კვანძს. თითოეულ ფუნქციურ ერთეულს აქვს ოთხბირთვიანი, 64-ბიტიანი ISA CPU სპეციალიზებული დიზაინით ბმულების გადასასვლელად, მაუწყებლობით და ტრანსპოზიციისთვის. სუპერსკალარული იმპლემენტაცია გამოიყენება ამ პროცესორის მიერ (4 სიგანის სკალარული და 2 სიგანის ვექტორული მილსადენები).
Tesla-ს ეს ახალი სილიკონი უფრო მცირეა ვიდრე GA100 GPU, რომელიც ნაპოვნია NVIDIA A100 ამაჩქარებელში, რომელიც არის 826 მმ კვადრატული ზომის. იგი იწარმოება 7 ნმ პროცესის გამოყენებით, აქვს 50,000 მილიონი ტრანზისტორი და იკავებს 645 მმ კვადრატულ ფართობს.
Tesla ამტკიცებს, რომ მისი Dojo ჩიპი დაამუშავებს კომპიუტერული ხედვის მონაცემებს ოთხჯერ უფრო სწრაფად, ვიდრე დღევანდელი სისტემები, რაც საშუალებას მისცემს კომპანიას სრულად მოახდინოს თვითმართვის სისტემა.
თუმცა, ორი ყველაზე რთული ტექნოლოგიური მიღწევა, კერძოდ, ფილა-კრამიტის ურთიერთდაკავშირება და პროგრამული უზრუნველყოფა, ჯერ არ არის განხორციელებული Tesla-ს მიერ.
უმაღლესი კლასის ქსელის გადამრთველებს არ შეუძლიათ კონკურენცია გაუწიონ ნებისმიერი კრამიტის გარე გამტარობას. ამისათვის ტესლამ შექმნა უნიკალური ურთიერთდაკავშირება.
დოჯო სისტემა
შექმენით Dojo სისტემა, მაღალი დონის პროგრამული API-ებიდან, რომ მართოთ იგი სილიკონის პროგრამული უზრუნველყოფის ინტერფეისებამდე. გამოიყენეთ უახლესი მაღალი სიმძლავრის მიწოდებისა და გაგრილების ტექნოლოგიები რთული სიტუაციების გადასაჭრელად და შექმენით მასშტაბური კონტროლის მარყუჟები და მონიტორინგის პროგრამული უზრუნველყოფა.
გამოიყენეთ მათი მექანიკური, თერმული და ელექტროინჟინერიის გუნდების მთელი გამოცდილება, რათა განავითარონ მანქანათმცოდნეობის გამოთვლების შემდეგი თაობა Tesla-ს მონაცემთა ცენტრებში გამოსაყენებლად. ერთადერთი შეზღუდვა თქვენი ფანტაზიაა.
იმუშავეთ ყველა კომპონენტთან სისტემის დიზაინი. შეიმუშავეთ საჯარო API, რომელიც Dojo-ს ყველასთვის ხელმისაწვდომს გახდის და ითანამშრომლეთ Tesla-ს ფლოტთან სასწავლო დატვირთვის მიწოდებისთვის მათი უზარმაზარი მონაცემთა ნაკრების გამოყენებით.
ავტონომიის ალგორითმები
შექმენით მაღალი სიზუსტის მსოფლიო მოდელი და დახაზეთ ტრაექტორია ამ სივრცეში, რათა განავითაროთ საკვანძო ალგორითმები, რომლებიც მოქმედებენ ავტომობილზე.
მანქანის სენსორების მონაცემების გაერთიანებით ადგილისა და დროის მიხედვით, ალგორითმს შეუძლია ზუსტი და ვრცელი მიწის სიმართლის მონაცემების მიწოდება, რომელიც შეიძლება გამოყენებულ იქნას ვარჯიშისთვის. ნეირონული ქსელები ამ წარმოდგენების მოსალოდნელი.
ისინი აშენებენ მძლავრ დაგეგმარებასა და გადაწყვეტილების მიღების სისტემას უახლესი მეთოდოლოგიების გამოყენებით, რომლებსაც შეუძლიათ იმოქმედონ გაურკვევლობის მქონე რეალურ სამყაროში გამოწვეულ სცენარებში.
ალგორითმების ანალიზი მთელი Tesla-ს ფლოტის დონეზე მომგებიანია.
Ნეირონული ქსელები
ღრმა ნეირონული ქსელების მომზადება შესაძლებელია საკითხებზე, დაწყებული აღქმიდან კონტროლამდე, უახლესი კვლევის გამოყენებით. სემანტიკური სეგმენტაციის, ობიექტების იდენტიფიკაციისა და მონოკულარული სიღრმის შესაფასებლად, მათი თითო კამერის ქსელები იკვლევენ ნედლეულ სურათებს.
მათი ჩიტების ხედვის ქსელები იყენებს ყველა კამერის კადრებს გზის განლაგების, სტატიკური ინფრასტრუქტურისა და 3D ობიექტების ზემოდან ქვევით პერსპექტივის შესაქმნელად.
მათი ქსელები მუდმივად იკვებება მონაცემებით მათი ფლოტის დაახლოებით 1M მანქანისგან, რომელიც მოიცავს მსოფლიოში ყველაზე რთულ და მრავალფეროვან გარემოებებს.
48 ქსელს, რომლებიც ქმნიან ავტოპილოტის ნერვული ქსელების მთელ კონსტრუქციას, ვარჯიშისთვის საჭიროა 70,000 GPU საათი. ყოველ ჯერზე ისინი ერთობლივად აწარმოებენ 1,000 სხვადასხვა ტენსორს (პროგნოზს).
ინფრასტრუქტურის შეფასება
მათ ასევე შექმნეს ინფრასტრუქტურა და ღია და დახურული მარყუჟის ტექნიკის შეფასების ინსტრუმენტები მასშტაბური ინოვაციების სიჩქარის დასაჩქარებლად, შესრულების გაუმჯობესების მონიტორინგისა და რეგრესიების შესაჩერებლად.
ისინი იყენებენ თავიანთი ფლოტის ანონიმურ დამახასიათებელ კლიპებს და აერთიანებენ მათ მრავალ სატესტო სცენარში. დაწერეთ კოდი, რომელიც სიმულაციას უკეთებს მათ რეალურ გარემოს, წარმოქმნის წარმოუდგენლად ცხოვრებისეულ ვიზუალს და სხვა სენსორულ მონაცემებს მათი Autopilot პროგრამისთვის, რათა გამოიყენონ ავტომატური ტესტირებისთვის ან პირდაპირი გამართვისთვის.
როგორ იყენებს Tesla დიდ მონაცემებს, ხელოვნურ ინტელექტს და მანქანურ სწავლებას?
დიდი მონაცემთა
დიდ მონაცემებს ტესლა მხოლოდ პრობლემების გადასაჭრელად არ იყენებს; იგი ასევე გამოიყენება მომხმარებლის ბედნიერების ასამაღლებლად. ისინი იღებენ ინფორმაციას მათი კლიენტების ონლაინ თემებიდან და იყენებენ მას შემდგომი წარმოების გასაუმჯობესებლად. კლიენტებთან ურთიერთობის ეს ტიპი ბიზნესში გაუგონარია.
დიდი მონაცემები მხარს უჭერს Tesla-ს ძალისხმევას დაზოგოს ხარჯები, მოძებნოს ახალი ბაზრები, გაახაროს მომხმარებლები, შექმნას ახალი პროდუქტები და გააუმჯობესოს მისი მანქანები.
ინფორმაცია გამოიყენება მონაცემთა უკიდურესად მკვრივი რუქების შესაქმნელად, რომლებიც აჩვენებენ ყველაფერს, დაწყებული რისკების მდებარეობიდან, რაც აიძულებს მძღოლებს მიიღონ ზომები გზის გარკვეულ მონაკვეთზე მოძრაობის სიჩქარის საშუალო მატებამდე.
Edge კომპიუტერული განსაზღვრავს, რა ქმედებები უნდა განახორციელოს თითოეულმა ცალკეულმა მანქანამ ახლავე, მაშინ როცა ღრუბელში მანქანური სწავლება მთელი ფლოტის მომზადებას ახორციელებს.
გარდა ამისა, არსებობს გადაწყვეტილების მიღების მესამე დონე, რომლის დროსაც ავტომობილები შეიძლება დაუკავშირდნენ მეზობელ Tesla-ს მანქანებს, რათა ააშენონ ქსელები და გაუზიარონ ცოდნა ამ ტერიტორიის შესახებ.
ეს ქსელები, ალბათ, ასევე დაუკავშირდებიან სხვა მწარმოებლების მიერ დამზადებულ მანქანებს, ისევე როგორც სხვა სისტემებს, როგორიცაა საგზაო კამერები, მიწისზედა სენსორები ან ტელეფონები უახლოეს მომავალ სამყაროში, სადაც ავტონომიური მანქანები ჩვეულებრივი მოვლენაა.
ხელოვნური ინტელექტი
იმისათვის, რომ შეძლონ დამოუკიდებლად მართვა, ავტონომიური მანქანები მუდმივად აფასებენ მონაცემებს მათი სენსორებიდან და მანქანური ხედვის კამერებიდან. შემდეგ ისინი იღებენ გადაწყვეტილებებს ამ ინფორმაციის საფუძველზე.
ისინი AI-ს იყენებენ ველოსიპედების, ფეხით მოსიარულეთა და მანქანების მოძრაობის გასაგებად და მოსალოდნელად. მათ შეუძლიათ წამის მეორე ნახევარში განსჯა და სწრაფად დაგეგმონ თავიანთი აქტივობები ამ ცოდნის გამოყენებით.
მანქანა უნდა დარჩეს იმ ზოლში, რომელშიც ახლაა, თუ უნდა შეიცვალოს? უნდა გააგრძელოს ისე, როგორც არის, თუ გაუსწროს მანქანას მათ წინ? როდის უნდა შეანელოს ან აჩქარდეს მანქანა?
იმისათვის, რომ მანქანები სრულად ავტონომიური გახდეს, ტესლამ უნდა შეაგროვოს საჭირო მონაცემები ალგორითმების მოსამზადებლად და მისი AI-ების შესანახად. მეტი ტრენინგის მონაცემები ყოველთვის გამოიწვევს უკეთეს შესრულებას და Tesla ამ მხრივ აჯობებს.
Tesla-ს აქვს კონკურენტული უპირატესობა, რადგან ის აგროვებს ყველა მონაცემს ასობით ათასი Tesla-ს მანქანებიდან, რომლებიც ახლა გზაზეა. შიდა და გარე სენსორები აკვირდებიან, თუ როგორ მუშაობს Teslas სხვადასხვა პირობებში.
გარდა ამისა, ისინი აკვირდებიან, თუ როგორ იქცევიან მძღოლები, მათ შორის მათი რეაქცია სხვადასხვა სიტუაციებზე და რამდენად ხშირად ეხებიან საჭეს ან დაფას. მათ აქვთ ძალიან დახვეწილი თვალთვალის სისტემა.
მაგალითად, ტესლა იწერს მომენტს დროში, ამატებს მას მონაცემთა შეგროვებაში და შემდეგ იყენებს ფერად ფორმებს გარემოს აბსტრაქტული გამოსახულების შესაქმნელად, საიდანაც ნერვულ ქსელს შეუძლია ისწავლოს.
ეს ხდება მაშინ, როდესაც Tesla-ს მანქანა აკეთებს არაზუსტ ვარაუდს იმის შესახებ, თუ როგორ მოიქცეოდა მანქანა ან ველოსიპედი.
მანქანა სწავლა
შიდა და გარე სენსორების გამოყენებით, რომლებსაც შეუძლიათ ინფორმაციაც კი აიღონ მძღოლის ხელის მდებარეობის შესახებ სამართავებზე და როგორ აგრძელებენ მათ მუშაობას, Tesla-ს მანქანური სწავლება წარმატებით აგროვებს მის ზოგიერთ ძირითად მონაცემს მისი ყველა სატრანსპორტო საშუალებისგან, ისევე როგორც მათი. მძღოლები.
ინფორმაცია ასევე გამოიყენება მონაცემთა ძალიან მჭიდრო რუქების შესაქმნელად, რომლებიც აჩვენებენ ყველაფერს, დაწყებული მოძრაობის სიჩქარის საშუალო მატებიდან გზის კონკრეტული სიგრძის მანძილზე, საფრთხის არსებობამდე და მძღოლების მოქმედებისკენაც კი.
მიუხედავად იმისა, რომ ნაწილი ზღვარზე გამოთვლითი თითოეულ ცალკეულ მანქანაზე განსაზღვრავს რა ქმედებები უნდა განახორციელოს მანქანამ ახლა, Tesla-ს ღრუბელზე დაფუძნებული მანქანათმცოდნეობა პასუხისმგებელია მთელი ფლოტის მომზადებაზე.
ზოგიერთი ადგილობრივი ინფორმაციისა და ინფორმაციის გაცვლის მიზნით, მანქანებს შეუძლიათ დაუკავშირდნენ ტესლას სხვა მანქანებს.
დასკვნა
Tesla ყოველთვის იყო ბიზნესი, რომელიც აწარმოებს მონაცემთა შეგროვებას და ანალიზს, რაც არის ყველაზე მძლავრი ინსტრუმენტი ყველაფრისთვის. მათ არ გააკეთეს გამონაკლისი პროცესორების დიზაინის დროს.
განვითარების ავტონომიური მანქანა და კორპორაციის მიერ სტატისტიკური მონაცემების ანალიზმა შესაძლებელი გახადა მთლიანად შეცვალოთ ჩვენი მართვის გზა ხელოვნური ინტელექტის, მონაცემთა ანალიზის, დიდი მონაცემების, მანქანათმცოდნეობის, კომპიუტერული ხედვის, ნერვული ქსელების, FSD ჩიპის და მრავალი სხვა ალგორითმის წყალობით.
დატოვე პასუხი