विषयसूची[लुकाउनुहोस्][देखाउनु]
आर्टिफिसियल इन्टेलिजेन्स (एआई) को कारणले गर्दा यो संसार परिवर्तन हुन सक्छ भन्ने हामीलाई थाहा छ। अर्ध-स्वायत्त प्रणालीहरूमा सुधारहरूको सन्दर्भमा, टेस्लाले तिनीहरूलाई भारी रूपमा प्रयोग गरिरहेको छ।
थप रूपमा, एलोन मस्कले यो अन्ततः अन्य क्षेत्रहरूमा लागू हुने दाबी गर्दछ। यसको पूर्ण स्व-ड्राइभिङ प्रविधि र अटोपायलट प्रणालीको लागि,
टेस्लाले कम्प्युटर भिजन प्रयोग गर्छ, मेशिन सिकाइ, र कृत्रिम बुद्धिमत्ता (FSD)।
यस टुक्रामा, हामी टेस्लालाई टेक्नोलोजी फर्म बनाउँछ र यसले कसरी एआई, कम्प्युटर भिजन, बिग डाटा, र सेल्फ-ड्राइभिङ कारहरू विकास गर्न अन्य प्रविधिहरू प्रयोग गर्छ भनेर छलफल गर्नेछौं। सुरु गरौं।
हामी पहिले टेस्ला कसरी प्राविधिक फर्म हो भनेर जाँच गर्नेछौं।
टेस्लालाई टेक कम्पनी किन मानिन्छ?
tesla सफ्टवेयर को एक महत्वपूर्ण मात्रा उत्पादन गर्दैछ। टेस्लाको विशिष्ट इन्फोटेनमेन्ट प्रणाली, प्रयोगकर्ता इन्फेसेसन, र स्वायत्त ड्राइभिङ प्रकार्यहरू सबै सफ्टवेयरमा आधारित छन्।
जबकि अन्य अटोमेकरहरूले अब ओभर-द-एयर अपग्रेडको साथ प्रयोग गर्न थालेका छन्, टेस्लाले वर्षौंदेखि यो गरिरहेको छ। टेस्लाका कर्मचारीहरूले टेस्ला अटोमोबाइलका लागि अपरेटिङ सिस्टमहरू सिर्जना गरेका छन् र निरन्तर सुधार गरिरहेका छन्।
टेस्लाले सौर्य प्यानलहरू, रूफटप सोलार टाइलहरू, धेरै प्रकारका ब्याट्रीहरू, चार्जिङ स्टेशनहरू, कम्प्युटरहरू, र प्रमुख कम्प्युटर कम्पोनेन्टहरू (टेस्ला कारहरूको लागि) सहित अन्य विभिन्न प्राविधिक उत्पादनहरू पनि उत्पादन गर्दछ।
यद्यपि नोकिया र ब्ल्याकबेरी दुवैसँग सफ्टवेयर थियो, आईफोनमा दुवैको सन्तुलित संयोजन थियो, जसले गर्दा यसले मोबाइल फोन व्यवसायलाई जित्यो र हामीले हाल हाम्रा फोनहरू कसरी प्रयोग गर्छौं भनेर परिवर्तन गर्यो।
यो टेस्लाले कार व्यवसायको लागि गरिरहेको छ। टेस्लाहरू सवारी साधनहरू हुन्, हो (र SUV र चाँडै पिकअप ट्रकहरू, अर्ध-ट्रकहरू, र ATVs)। तर यी सवारी साधनहरूले दैनिक प्रयोगको लागि सफ्टवेयर समावेश गर्दछ जुन टेस्लाद्वारा आन्तरिक रूपमा सिर्जना गरिएको थियो वा टेस्लाको प्रणालीमा समावेश गरिएको थियो।
तपाईं पार्क गरिरहँदा, टेस्लाले TRAX, Caraoke, र धेरै खेलहरू (र ट्रान्जिटमा हुँदा कुनै दिन) सहित मनोरञ्जन विकल्पहरू प्रस्तुत गरेको छ। सुरक्षा प्रणाली सेन्ट्री मोड, जसले टेस्ला हार्डवेयर र सफ्टवेयरको संयोजन गर्दछ, भण्डाफोर जस्ता अपराधहरू समाधान गर्न कानून प्रवर्तनलाई सहयोग गरेको छ। तपाईको स्मार्टफोनले तपाईको टेस्लाको साँचोको रूपमा काम गर्दछ।
तपाईंको फोन प्रयोग गरेर, तपाईं आफ्नो टेस्लालाई तपाईंकहाँ आउन कल गर्न सक्नुहुन्छ। थप रूपमा, टेस्लाको अद्वितीय सेन्ट्री मोड टेक्नोलोजीका कारण कुनै महत्त्वपूर्ण घटना भएमा कारले तपाईंको फोनलाई सूचित गर्नेछ।
टेस्लाले टेस्ला ड्राइभरहरूको वास्तविक ड्राइभिङ बानीमा जम्मा गरेको डाटा प्रयोग गर्ने भएकोले (डेटा सङ्कलन टेक्नोलोजीको मुख्य तत्व हो, विशेष गरी जब यो प्रत्यक्ष रूपमा यो जस्तै हो र बजार अनुसन्धान सर्वेक्षणहरू मार्फत गरिएको छैन), टेस्लाको बीमा पनि एक विस्तार हुनेछ। प्राविधिक पक्षको।
टेस्लाले अटोपायलटका लागि कुन प्रविधि प्रयोग गर्छ?
तिनीहरूले रोबोट र कारहरू जस्ता मेसिनहरूमा ठूलो मात्रामा स्वायत्तता सिर्जना र प्रयोग गर्छन्। तिनीहरू तर्क गर्छन् कि एक मात्र विधि जसले पूर्ण रूपमा विस्तृत जवाफ प्रदान गर्न सक्छ स्वायत्त ड्राइभि .् र त्यसभन्दा बाहिर एउटा हो जुन योजना र दृष्टिको लागि अत्याधुनिक एआईमा निर्भर छ, अनुमानका लागि प्रभावकारी हार्डवेयरद्वारा पूरक।
टेस्ला FSD चिप
टेस्ला प्रणालीहरू सुधार प्रदर्शन र सडक सुरक्षाका लागि दुई एआई प्रोसेसरहरूसँग आउँछन्। टेस्ला प्रणाली त्रुटि-रहित सञ्चालन तिर लक्ष्य छ। ब्याकअप पावर र डाटा इनपुट स्रोतहरूको कारण, कार एक इकाई खराब भए पनि चल्न जारी राख्न सक्छ।
टेस्लाले अप्रत्याशित विफलताको अवस्थामा दुर्घटनाहरू रोक्नको लागि सवारी साधनहरू राम्रोसँग तयार छन् भनी सुनिश्चित गर्न यी अतिरिक्त सावधानीहरू लिन्छ।
नयाँ टेस्ला माइक्रोप्रोसेसर भन्दा प्रति सेकेन्ड धेरै अपरेशनहरू गर्न सक्ने एक मात्र उपकरण मानव मस्तिष्क हो (प्रति सेकेन्ड 1 क्वाड्रिलियन अपरेशनहरू)। यो पहिले प्रयोग गरिएको टेस्ला एनभिडिया माइक्रोचिप भन्दा लगभग 21 गुणा बढी शक्तिशाली छ।
सिलिकन कार्यसम्पादन-प्रति-वाट अधिकतम बनाउँदै प्रत्येक सानो वास्तुकला र माइक्रो-आर्किटेक्चरल वृद्धिलाई ध्यानमा राख्दै तिनीहरूको पूर्ण सेल्फ-ड्राइभिङ सफ्टवेयरलाई पावर गर्न AI इन्फरेन्स प्रोसेसरहरू निर्माण गर्नुहोस्।
यद्यपि टेस्लाले पूर्ण रूपमा स्वायत्त लोकोमोटिभहरूको लागि बजारको निस्सन्देह नेतृत्व गर्दछ, यो अझै पनि एक अत्याधुनिक अटोपायलट गाडीको विकासबाट धेरै टाढा छ।
टेस्ला डोजो चिप
टेस्लाले Tesla D1 अनावरण गर्यो, BF362/CFP16 मा 8 TFLOPs पावरको साथ नयाँ प्रोसेसर जुन विशेष गरी सिर्जना गरिएको थियो। कृत्रिम बुद्धि। हालैको एक कार्यक्रममा यो खुलासा भएको हो टेस्ला एआई दिनको प्रस्तुति।
कार्यात्मक एकाइहरूको नेटवर्क भनिने कार्यात्मक एकाइहरूको नेटवर्क जडान गरेर ठूलो चिप सिर्जना गरिन्छ, जसमा टेस्ला D1 ले कुल 354 प्रशिक्षण नोडहरू थप्छ। प्रत्येक कार्यात्मक एकाइसँग क्वाड-कोर, 64-बिट ISA CPU बेस्पोक, लिङ्क ट्र्याभर्सल, प्रसारण, र ट्रान्सपोजिसनहरूको लागि विशेष डिजाइन छ। सुपरस्केलर कार्यान्वयन यो CPU (4-चौडा स्केलर र 2-चौडा भेक्टर पाइपलाइनहरू) द्वारा प्रयोग गरिन्छ।
यो नयाँ टेस्ला सिलिकन NVIDIA A100 एक्सेलेटरमा पाइने GA100 GPU भन्दा सानो छ, जुन आकारमा 826 मिमी वर्ग छ। यो 7nm प्रक्रिया प्रयोग गरेर उत्पादन गरिन्छ, समग्रमा 50,000 मिलियन ट्रान्जिस्टरहरू छन्, र 645 मिमी वर्ग क्षेत्र ओगटेको छ।
टेस्लाको दाबी छ कि यसको डोजो चिपले हालको प्रणालीहरू भन्दा चार गुणा छिटो कम्प्युटर भिजन डाटा प्रशोधन गर्नेछ, जसले कम्पनीलाई यसको सेल्फ-ड्राइभिङ प्रणाली पूर्ण रूपमा स्वचालित गर्न सक्षम बनाउँछ।
यद्यपि, दुई सबैभन्दा चुनौतीपूर्ण प्राविधिक उपलब्धिहरू, अर्थात् टाइल-टाइल-टाइल इन्टरकनेक्ट र सफ्टवेयर, टेस्लाले अहिलेसम्म पूरा गरेका छैनन्।
शीर्ष-ग्रेड नेटवर्किङ स्विचहरू कुनै पनि टाइलको बाह्य ब्यान्डविथसँग प्रतिस्पर्धा गर्न सक्दैनन्। यो गर्नको लागि, टेस्लाले अद्वितीय अन्तरसम्बन्धहरू सिर्जना गर्यो।
डोजो प्रणाली
Dojo प्रणाली सिर्जना गर्नुहोस्, उच्च-स्तर सफ्टवेयर API बाट यसलाई सिलिकन फर्मवेयर इन्टरफेसहरूमा नियन्त्रण गर्न। चुनौतीपूर्ण परिस्थितिहरू समाधान गर्न अत्याधुनिक उच्च-शक्ति वितरण र कूलिङ प्रविधिहरू प्रयोग गर्नुहोस्, र स्केलेबल कन्ट्रोल लूपहरू र निगरानी सफ्टवेयर सिर्जना गर्नुहोस्।
Tesla डेटासेन्टरहरूमा प्रयोगको लागि मेसिन लर्निङ कम्प्युटको अर्को पुस्ताको विकास गर्न तिनीहरूको मेकानिकल, थर्मल, र इलेक्ट्रिकल इन्जिनियरिङ टोलीहरूको सम्पूर्ण विशेषज्ञता प्रयोग गर्नुहोस्। केवल प्रतिबन्ध तपाईंको कल्पना हो।
को प्रत्येक घटक संग काम गर्नुहोस् प्रणाली डिजाइन। एक सार्वजनिक-फेसिङ API विकास गर्नुहोस् जसले डोजोलाई जो कोहीको लागि पहुँचयोग्य बनाउनेछ, र टेस्ला फ्लीट लर्निङसँग सहकार्य गर्नुहोस् ताकि तिनीहरूको विशाल डेटासेटहरू प्रयोग गरी प्रशिक्षण कार्यभारहरू डेलिभर गर्नुहोस्।
स्वायत्तता एल्गोरिदम
अटोमोबाइल सञ्चालन गर्ने कुञ्जी एल्गोरिदमहरू विकास गर्न उच्च-विश्वस्त विश्व मोडेल र त्यस ठाउँमा प्लट ट्र्याजेक्टोरी सिर्जना गर्नुहोस्।
स्थान र समय मार्फत कारको सेन्सरहरूबाट डेटा जम्मा गरेर, एल्गोरिदमले सटीक र व्यापक ग्राउन्ड ट्रुथ डेटा प्रदान गर्न सक्छ जुन तालिम दिन प्रयोग गर्न सकिन्छ। तंत्रिका सञ्जालहरू यी प्रतिनिधित्वहरू अनुमान गर्न।
तिनीहरूले अत्याधुनिक विधिहरू प्रयोग गरेर बलियो योजना र निर्णय गर्ने प्रणाली निर्माण गर्छन् जसले अनिश्चितताका साथ चुनौतीपूर्ण वास्तविक-विश्व परिदृश्यहरूमा कार्य गर्न सक्छ।
सम्पूर्ण टेस्ला फ्लीटको स्तरमा एल्गोरिदमहरू विश्लेषण गर्नु लाभदायक छ।
न्यूरल नेटवर्कहरू
गहिरो न्यूरल नेटवर्कहरू अत्याधुनिक अनुसन्धानको प्रयोग गरेर धारणा देखि नियन्त्रण सम्मका मुद्दाहरूमा प्रशिक्षित गर्न सकिन्छ। सिमान्टिक विभाजन, वस्तु पहिचान, र मोनोकुलर गहिराइ अनुमान पूरा गर्न, तिनीहरूको प्रति क्यामेरा नेटवर्कले कच्चा तस्बिरहरू जाँच गर्दछ।
तिनीहरूको चरा-आँखा-दृश्य नेटवर्कहरूले सडक लेआउट, स्थिर पूर्वाधार, र 3D वस्तुहरूको शीर्ष-डाउन परिप्रेक्ष्य उत्पन्न गर्न सबै क्यामेराबाट फुटेज प्रयोग गर्दछ।
तिनीहरूको सञ्जालहरूलाई तिनीहरूको लगभग 1M कारहरूको फ्लीटबाट लगातार डेटा फिड गरिन्छ, जसमा संसारको सबैभन्दा जटिल र विविध परिस्थितिहरू समावेश छन्।
अटोपाइलट न्यूरल नेटवर्कको सम्पूर्ण निर्माण गर्ने ४८ नेटवर्कहरूलाई तालिम दिन ७०,००० GPU घण्टा चाहिन्छ। प्रत्येक टाइमस्टेपमा, तिनीहरूले सामूहिक रूपमा 48 फरक टेन्सरहरू (पूर्वानुमानहरू) उत्पादन गर्छन्।
पूर्वाधार मूल्याङ्कन
तिनीहरूले पूर्वाधार र खुला- र बन्द-लूप हार्डवेयर-इन-द-लूप मूल्याङ्कन उपकरणहरू पनि स्केलमा नवाचारको गतिलाई छिटो बनाउन, प्रदर्शन वृद्धिहरू निगरानी गर्न, र प्रतिगमनहरू रोक्नको लागि सिर्जना गरेका छन्।
तिनीहरूले आफ्नो फ्लीटको अज्ञात विशेषता क्लिपहरू प्रयोग गर्छन् र तिनीहरूलाई धेरै परीक्षण परिदृश्यहरूमा समावेश गर्दछ। स्वचालित परीक्षण वा प्रत्यक्ष डिबगिङको लागि प्रयोग गर्नको लागि तिनीहरूको अटोपायलट कार्यक्रमको लागि अविश्वसनीय रूपले जीवन्त दृश्यहरू र अन्य सेन्सर डेटाहरू सिर्जना गर्दै तिनीहरूको वास्तविक वातावरणको नक्कल गर्ने कोड लेख्नुहोस्।
टेस्लाले कसरी बिग डाटा, आर्टिफिसियल इन्टेलिजेन्स र मेसिन लर्निङको लाभ उठाउँछ?
ठूलो डाटा
ठूलो डाटा टेस्ला द्वारा समस्याहरू सम्बोधन गर्न मात्र प्रयोग गर्दैन; यो पनि उपभोक्ता खुशी बढाउन प्रयोग गरिन्छ। तिनीहरूले आफ्ना ग्राहकहरूको अनलाइन समुदायहरूबाट जानकारी प्राप्त गर्छन्, र तिनीहरूले यसलाई आफ्नो पछिको निर्माण बढाउन प्रयोग गर्छन्। यस प्रकारको ग्राहक अन्तरक्रिया व्यवसायमा सुनिएको छैन।
ठूला डाटाले टेस्लाको लागत बचत गर्न, नयाँ बजारहरू फेला पार्न, उपभोक्ताहरूलाई खुसी पार्न, नयाँ उत्पादनहरू सिर्जना गर्न र यसको सवारी साधनहरू बढाउने प्रयासहरूलाई समर्थन गर्दछ।
जानकारी अत्यधिक डेटा-घन नक्साहरू सिर्जना गर्न प्रयोग गरिन्छ जसले जोखिमहरूको स्थानबाट केहि पनि देखाउँदछ जसले ड्राइभरहरूलाई सडकको निश्चित भागमा ट्राफिक गतिमा औसत वृद्धिमा कारबाही गर्न बाध्य पार्छ।
एज कम्प्युटि। क्लाउडमा मेशिन लर्निङले सम्पूर्ण फ्लीटलाई तालिम दिँदा प्रत्येक कारले अहिले के गर्नुपर्छ भन्ने कुरा निर्धारण गर्छ।
थप रूपमा, त्यहाँ तेस्रो स्तरको निर्णय लिने छ, जहाँ अटोमोबाइलहरू छिमेकी टेस्ला सवारी साधनहरूसँग नेटवर्कहरू निर्माण गर्न र क्षेत्रको बारेमा ज्ञान साझा गर्न जोडिन सक्छन्।
यी सञ्जालहरूले सम्भवतः अन्य निर्माताहरूद्वारा बनाइएका सवारी साधनहरूका साथै अन्य प्रणालीहरू जस्तै ट्राफिक क्यामेराहरू, ग्राउन्ड-आधारित सेन्सरहरू, वा निकट भविष्यको संसारमा जहाँ स्वायत्त कारहरू सामान्य छन् फोनहरूसँग पनि सञ्चार गर्नेछन्।
कृत्रिम खुफिया
आफैं ड्राइभ गर्न सक्षम हुनको लागि, स्वायत्त कारहरूले आफ्ना सेन्सरहरू र मेसिन भिजन क्यामेराहरूबाट डेटाको निरन्तर मूल्याङ्कन गर्छन्। त्यसपछि तिनीहरूले यस जानकारीको आधारमा निर्णय गर्छन्।
तिनीहरूले साइकल, पैदल यात्रीहरू र कारहरूको चालहरू बुझ्न र अनुमान गर्न AI प्रयोग गर्छन्। तिनीहरूले विभाजित-दोस्रो निर्णयहरू गर्न सक्छन् र यो ज्ञान प्रयोग गरेर आफ्नो गतिविधिहरू द्रुत रूपमा योजना बनाउन सक्छन्।
कार अहिले जुन लेनमा छ त्यही लेनमा बस्नु पर्छ कि परिवर्तन गर्नुपर्छ? यो जस्तो छ त्यस्तै चलिरहनुपर्छ वा तिनीहरूको अगाडि कारलाई ओभरटेक गर्नुपर्छ? गाडी कहिले सुस्त वा गति लिनुपर्छ?
कारहरूलाई पूर्ण रूपमा स्वायत्त बनाउनको लागि, टेस्लाले एल्गोरिदमहरूलाई तालिम दिन र यसको AIs फीड गर्न आवश्यक डाटा सङ्कलन गर्नुपर्छ। थप प्रशिक्षण डेटाले सधैं राम्रो प्रदर्शनको नेतृत्व गर्नेछ, र टेस्ला यस सन्दर्भमा उत्कृष्ट छ।
टेस्लासँग प्रतिस्पर्धात्मक छेउ छ किनकि यसले अब सडकमा रहेका टेस्लाका लाखौं गाडीहरूबाट आफ्ना सबै डाटा सङ्कलन गर्छ। आन्तरिक र बाह्य सेन्सरहरूले टेस्लासले विभिन्न परिस्थितिहरूमा कसरी काम गर्छ भनेर ट्याबहरू राख्छन्।
थप रूपमा, तिनीहरूले चालकहरूले कसरी व्यवहार गर्छन्, विभिन्न परिस्थितिहरूमा तिनीहरूको प्रतिक्रियाहरू र उनीहरूले स्टेयरिङ ह्वील वा ड्यासबोर्डलाई कत्तिको छोएर हेर्छन्। तिनीहरूसँग धेरै परिष्कृत ट्र्याकिङ प्रणाली छ।
उदाहरणका लागि, टेस्लाले समयमै तत्कालै रेकर्ड गर्छ, यसलाई डाटा सङ्कलनमा थप्छ, र त्यसपछि रंगीन फारमहरू प्रयोग गरी वातावरणको अमूर्त छवि उत्पन्न गर्न प्रयोग गर्छ जसबाट न्यूरल नेटवर्कले सिक्न सक्छ।
यो तब हुन्छ जब टेस्ला गाडीले कार वा साइकलले कस्तो व्यवहार गर्छ भन्ने बारे गलत धारणा बनाउँछ।
मिसिन प्रशिक्षण
भित्री र बाहिरी सेन्सरहरूको प्रयोगको साथ जसले नियन्त्रणहरूमा चालकको हात स्थानको बारेमा जानकारी लिन सक्छ र तिनीहरू कसरी सञ्चालन भइरहेका छन्, टेस्ला मेसिन लर्निङले सफलतापूर्वक आफ्ना सबै सवारी साधनहरूका साथै तिनीहरूका केही प्रमुख डाटा क्राउडसोर्स गर्दछ। चालकहरू।
यो जानकारी धेरै डेटा-घन नक्साहरू सिर्जना गर्न पनि प्रयोग गरिन्छ जुन सडकको एक विशेष लम्बाइको अवधिमा ट्राफिक गतिमा औसत वृद्धिदेखि लिएर खतराहरूको उपस्थिति र ड्राइभरहरूलाई कारबाही गर्न प्रम्प्ट गर्ने सबै कुराहरू प्रदर्शन गर्दछ।
को एक हिस्सा हुँदा एज कम्प्यूटिंग प्रत्येक व्यक्तिगत कारमा कारले अहिले कस्तो कदम चाल्नुपर्छ भनेर निर्धारण गर्दछ, टेस्लाको क्लाउड-आधारित मेसिन लर्निङले सम्पूर्ण फ्लीटलाई प्रशिक्षण दिने जिम्मा लिन्छ।
केही स्थानीय अन्तर्दृष्टि र जानकारी आदानप्रदान गर्न, अटोमोबाइलहरू नजिकैका अन्य टेस्ला गाडीहरूसँग नेटवर्क गर्न सक्षम छन्।
निष्कर्ष
टेस्ला सधैं एक व्यवसाय भएको छ जसले डाटा सङ्कलन र विश्लेषण उत्पादन गर्दछ जुन यसले जे गर्छ त्यसको लागि सबैभन्दा शक्तिशाली उपकरण हो। तिनीहरूले आफ्नो CPU हरू डिजाइन गर्दा कुनै अपवाद गरेनन्।
को विकास स्वायत्त वाहन र निगम द्वारा तथ्याङ्कीय डेटाको विश्लेषणले कृत्रिम बुद्धिमत्ता, डाटा विश्लेषण, ठूलो डाटा, मेसिन लर्निङ, कम्प्युटर भिजन, न्यूरल नेटवर्क, FSD चिप, र अन्य धेरै एल्गोरिदमहरूका लागि हामीले ड्राइभ गर्ने तरिकालाई पूर्ण रूपमा परिवर्तन गर्न सम्भव बनाएको छ।
जवाफ छाड्नुस्