Содржина[Крие][Прикажи]
Светот каков што го знаеме ова може да се смени како резултат на вештачката интелигенција (ВИ). Во однос на подобрувањата во полуавтономните системи, Tesla во голема мера ги користи.
Покрај тоа, Илон Маск тврди дека на крајот ќе се примени и во други полиња. За својата технологија за целосно самостојно возење и автопилот систем,
Тесла користи компјутерска визија, машинско учење, и вештачка интелигенција (FSD).
Во овој дел, ќе разговараме за тоа што ја прави Тесла технолошка фирма и како користи вештачка интелигенција, компјутерска визија, големи податоци и други технологии за развој на самоуправувачки автомобили. Да почнеме.
Прво ќе испитаме како Тесла е технолошка фирма.
Зошто Тесла се смета за технолошка компанија?
Тесла произведува значителна количина софтвер. Препознатливиот инфозабавен систем на Tesla, кориснички интерфејс, а функциите за автономно возење се базирани на софтвер.
Додека другите производители на автомобили дури сега почнуваат да експериментираат со надградби преку воздух, Тесла тоа го прави со години. Вработените во Тесла ги создадоа и континуирано ги подобруваат оперативните системи за автомобилите на Тесла.
Тесла, исто така, произведува различни други технолошки производи, вклучувајќи соларни панели, соларни плочки на покривот, неколку видови батерии, станици за полнење, компјутери и клучни компјутерски компоненти (за автомобилите на Тесла).
Иако и Nokia и Blackberry имаа софтвер, iPhone имаше избалансирана комбинација од двете, поради што го освои бизнисот со мобилни телефони и го промени начинот на кој моментално ги користиме нашите телефони.
Ова е она што Тесла го прави за автомобилскиот бизнис. Teslas се возила, да (и теренци и наскоро пикап, полу-камиони и ATV). Но, овие возила вклучуваат софтвер за секојдневна употреба што го создал Тесла внатрешно или вграден во системот на Тесла.
Додека сте паркирани, Tesla воведе избор за забава, вклучувајќи TRAX, Caraoke и бројни игри (а можеби некогаш додека сте во транзит). Безбедносниот систем Sentry Mode, кој ги комбинира хардверот и софтверот на Tesla, им помогна на органите за спроведување на законот во решавање на злосторства како вандализам. Вашиот паметен телефон служи како клуч на вашиот Tesla.
Користејќи го вашиот телефон, можете да ја повикате вашата Tesla да дојде кај вас. Дополнително, автомобилот ќе го извести вашиот телефон доколку има некој значаен настан благодарение на уникатната технологија Sentry Mode на Tesla.
Бидејќи Тесла ќе ги користи податоците што ги собра за вистинските навики за возење на возачите на Тесла (собирањето податоци е клучен елемент на технологијата, особено кога тоа е директно вака и не се прави преку истражувања за истражување на пазарот), осигурувањето на Тесла исто така ќе биде продолжување од технолошката страна.
Каква технологија користи Тесла за автопилот?
Тие создаваат и користат автономија во голем обем во машини како роботи и автомобили. Тие тврдат дека единствениот метод кој може да даде сеопфатен одговор за целосно автономно возење и пошироко е онаа што се потпира на најсовремената вештачка интелигенција за планирање и визија, надополнета со ефективен хардвер за заклучување.
Тесла FSD чип
Системите на Tesla доаѓаат со два процесори со вештачка интелигенција за подобри перформанси и безбедност на патиштата. Системот Тесла има за цел да работи без грешки. Поради резервната моќност и изворите за внесување податоци, автомобилот може да продолжи да работи дури и ако еден уред не функционира.
Tesla ги презема овие дополнителни мерки на претпазливост за да се осигура дека возилата се добро подготвени за да спречат судари во случај на неочекуван дефект.
Единствениот уред кој може да врши повеќе операции во секунда од новиот микропроцесор на Тесла е човечкиот мозок (1 квадрилион операции во секунда). Тоа е околу 21 пати помоќно од претходно користените микрочипови на Tesla Nvidia.
Создадете процесори за заклучување со вештачка интелигенција за да го напојувате нивниот софтвер за целосно самостојно возење, земајќи го предвид секое мало архитектонско и микро-архитектонско подобрување притоа максимизирајќи ги силициумските перформанси по вати.
Иако Tesla несомнено води на пазарот за целосно автономни локомотиви, сè уште е далеку од развој на врвно автопилот возило.
Тесла доџо чип
Tesla го претстави Tesla D1, нов процесор со 362 TFLOPs моќност во BF16/CFP8 кој е создаден специјално за вештачка интелигенција. Ова беше откриено за време на неодамнешниот Тесла AI Ден презентација.
Огромен чип се создава со поврзување на мрежа од функционални единици наречена мрежа на функционални единици, на кои Tesla D1 додава вкупно 354 јазли за обука. Секоја функционална единица има четири-јадрен, 64-битен ISA процесор со нарачан, специјализиран дизајн за преминување врски, емитувања и транспозиции. Суперскаларната имплементација се користи од овој процесор (4-широк скаларен и 2-широк векторски цевки).
Овој нов силикон на Tesla е помал од графичкиот процесор GA100 што се наоѓа во забрзувачот NVIDIA A100, кој има квадратна големина од 826 mm. Се произведува со процес од 7 nm, има вкупно 50,000 милиони транзистори и зафаќа квадратна површина од 645 mm.
Тесла тврди дека неговиот чип Доџо ќе ги обработува податоците за компјутерска визија четири пати побрзо од сегашните системи, овозможувајќи и на компанијата целосно да го автоматизира својот систем за самостојно возење.
Сепак, двата најпредизвикувачки технолошки подвизи, имено меѓусебното поврзување и софтверот од плочка до плочка, сè уште не се постигнати од Тесла.
Врвните мрежни прекинувачи не можат да се натпреваруваат со надворешниот пропусен опсег на која било плочка. За да го направи ова, Тесла создаде уникатни меѓусебни врски.
Доџо систем
Создадете го системот Доџо, од софтверските API на високо ниво за да го контролирате до силиконските интерфејси на фирмверот. Користете врвни технологии за испорака и ладење со висока моќност за да ги решите предизвикувачките ситуации и да создадете скалабилни контролни јамки и софтвер за следење.
Искористете ја целата експертиза на нивните тимови за механичко, термичко и електроинженерство за да ја развиете следната генерација на компјутери за машинско учење за употреба во центрите за податоци на Tesla. Единственото ограничување е вашата имагинација.
Работете со секоја компонента на дизајн на системот. Развијте API за јавност што ќе го направи Доџо достапно за секого и соработувајте со учењето на флотата на Tesla за да испорачате оптоварувања за обука користејќи ги нивните огромни збирки податоци.
Алгоритми за автономија
Направете светски модел со висока верност и зацртајте траекторија во тој простор за да ги развиете клучните алгоритми што управуваат со автомобилот.
Со собирање податоци од сензорите на автомобилот низ место и време, алгоритам може да обезбеди прецизни и обемни податоци за вистинитоста на земјата што може да се користат за обука нервните мрежи да се предвидат овие претстави.
Тие конструираат силен систем за планирање и донесување одлуки користејќи врвни методологии кои можат да функционираат во предизвикувачки сценарија од реалниот свет со несигурност.
Корисно е да се анализираат алгоритмите на ниво на целата флота на Тесла.
Нервни мрежи
Длабоките невронски мрежи може да се обучуваат за прашања кои се движат од перцепција до контрола со користење на најсовремени истражувања. За да се постигне семантичка сегментација, идентификација на објектот и проценка на еднолична длабочина, нивните мрежи по камера ги испитуваат необработените слики.
Нивните мрежи од птичја перспектива користат снимки од сите камери за да генерираат перспектива од врвот надолу на распоредот на патот, статичната инфраструктура и 3D објекти.
Нивните мрежи постојано се хранат со податоци од нивната флота од околу 1 милион автомобили, што ги вклучува најсложените и најразновидните околности во светот.
На 48 мрежи кои го сочинуваат целиот конструкт на невронските мрежи Автопилот им се потребни 70,000 GPU часа за да се обучат. Во секој временски чекор, тие произведуваат 1,000 различни тензори (предвидувања) колективно.
Евалуација на инфраструктурата
Тие, исто така, создадоа инфраструктура и алатки за проценка на хардверот во отворен и затворен циклус на скала за да се забрза брзината на иновациите, да се следат подобрувањата на перформансите и да се запрат регресијата.
Тие ги користат анонимизираните карактеристични клипови на нивната флота и ги инкорпорираат во многу тест сценарија. Напишете код што ја симулира нивната вистинска околина, генерирајќи неверојатно реалистични визуелни слики и други податоци од сензорот за нивната програма Autopilot што ќе ги користи за автоматско тестирање или дебагирање во живо.
Како Тесла користи големи податоци, вештачка интелигенција и машинско учење?
Биг податоци
Големите податоци не се користат само од Тесла за решавање на проблемите; се користи и за подигање на потрошувачката среќа. Тие добиваат информации од онлајн заедниците на нивните клиенти и ги користат за да го подобрат нивното последователно производство. Овој тип на интеракција со клиентите е невиден во бизнисот.
Големите податоци ги поддржуваат напорите на Tesla да заштеди трошоци, да најде нови пазари, да ги задоволи потрошувачите, да создава нови производи и да ги подобри своите возила.
Информациите се користат за креирање мапи со екстремно густи податоци кои покажуваат што било, од локацијата на ризиците што ги принудуваат возачите да преземат акција до просечниот пораст на брзината на сообраќајот на одреден дел од патот.
Еџ компјутери одредува каква акција треба да преземе секој поединечен автомобил во моментов, додека машинското учење во облакот се справува со обука на целата флота.
Дополнително, постои трето ниво на одлучување, при што автомобилите можат да се поврзат со соседните возила на Tesla за да изградат мрежи и да споделат знаење за областа.
Овие мрежи веројатно ќе комуницираат и со возила направени од други производители, како и со други системи како сообраќајни камери, сензори од земја или телефони во блискиот иден свет каде што автономните автомобили се секојдневие.
Вештачка интелигенција
За да можат сами да возат, автономните автомобили континуирано ги оценуваат податоците од нивните сензори и камерите за машинско гледање. Тие потоа донесуваат одлуки врз основа на овие информации.
Тие користат вештачка интелигенција за да ги разберат и предвидат движењата на велосипедите, пешаците и автомобилите. Тие можат да донесуваат пресуди во дел од секундата и брзо да ги планираат своите активности користејќи го ова знаење.
Дали автомобилот треба да остане во лентата во која е сега или треба да се смени? Дали треба да продолжи како што е или да го престигне автомобилот пред нив? Кога автомобилот треба да забави или да забрза?
За да ги направи автомобилите целосно автономни, Тесла мора да ги собере потребните податоци за да ги обучи алгоритмите и да ги нахрани своите ВИ. Повеќе податоци за обуката секогаш ќе доведат до подобри перформанси, а Tesla се истакнува во овој поглед.
Tesla има конкурентна предност бидејќи ги собира сите свои податоци од стотиците илјади возила на Tesla што сега се на пат. Внатрешните и надворешните сензори следат како функционира Teslas под различни услови.
Дополнително, тие набљудуваат како се однесуваат возачите, вклучувајќи ги и нивните реакции на различни ситуации и колку често го допираат воланот или контролната табла. Тие имаат многу софистициран систем за следење.
На пример, Тесла снима момент во времето, го додава во збирката на податоци, а потоа користи обоени форми за да генерира апстрактна слика на околината од која може да учи невронската мрежа.
Ова се случува кога возилото на Tesla прави неточна претпоставка за тоа како би се однесувал автомобил или велосипед.
Машинско учење
Со употребата на внатрешни и надворешни сензори кои дури можат да земат информации за локацијата на раката на возачот на контролите и како тие продолжуваат да се ракуваат, машинското учење на Tesla успешно собира некои од клучните податоци од сите свои возила, како и нивните возачите.
Информациите исто така се користат за создавање мапи со многу податоци кои прикажуваат сè, од просечниот пораст на брзината на сообраќајот во текот на одредена должина на патот до присуството на опасности, па дури и да ги поттикнат возачите да преземат акција.
Додека дел од работна пресметка на секој поединечен автомобил одредува каква акција треба да преземе автомобилот во моментов, машинското учење на Tesla базирано на облак е задолжено за обука на целата флота.
Со цел да се разменат некои од локалните увиди и информации, автомобилите можат да се поврзат со одредени други возила на Tesla во близина.
Заклучок
Тесла отсекогаш бил бизнис кој произведува податоци за собирање и анализа што е најмоќната алатка за што и да прави. Тие не правеа исклучоци додека ги дизајнираа нивните процесори.
Развој на автономни возила и анализата на статистичките податоци од страна на корпорацијата овозможија целосно да го смениме начинот на кој возиме благодарение на вештачката интелигенција, анализата на податоци, големите податоци, машинското учење, компјутерската визија, нервните мрежи, FSD чипот и многу други алгоритми.
Оставете Одговор