Inhoudsopgave[Zich verstoppen][Laten zien]
Tesla is een Amerikaans autoproductiebedrijf opgericht door: Elon Musk in 2003.
Het bedrijf is vooral bekend om zijn elektrische auto's en om zijn specialisatie in zonnepanelen en energieopslag door lithium-ionbatterijen.
Tesla-auto's worden geleverd met veel revolutionaire functies, waaronder super-opladen, keycard-toegang en een automatische pilootmodus.
De stuurautomaatmodus is mogelijk gemaakt door ideeën van Kunstmatige Intelligentie (AI) en Tesla's geavanceerde Neural Network-architectuur.
Laten we de Tesla Neural Network-architectuur in detail bespreken.
Wat zijn neurale netwerken?
Neurale netwerken, of NN's, zijn een reeks algoritmen die zijn gemodelleerd naar de biologische activiteit van de menselijk brein. Neurale netwerken bestaan uit knopen, ook wel neuronen genoemd. Een verzameling verticale knooppunten worden lagen genoemd.
Elke laag bestaat uit knooppunten, ook wel neuronen genoemd, waar de berekeningen plaatsvinden. De knooppunten van de ene laag zijn via transmissielijnen verbonden met de volgende laag, zoals hieronder te zien is.
In het volgende diagram stellen de cirkels de knooppunten voor en de verticale verzameling knooppunten de lagen. Er zijn drie lagen in dit model.
Hoe leren ze?
Gegevens worden één entiteit tegelijk met een label aan het model toegevoerd. De gegevens worden opgesplitst in brokken en doorgegeven aan elk knooppunt van het model.
Knooppunten voeren wiskundige bewerkingen uit op deze brokken. Na een reeks berekeningen in de ene laag, gaan de gegevens naar de volgende laag, enzovoort.
Eenmaal voltooid, voorspelt ons model het gegevenslabel op de uitvoerlaag. Het model gaat dan verder met het vergelijken van deze voorspelde waarde met die van de werkelijke labelwaarde.
Als de waarden overeenkomen, neemt ons model de volgende invoer, maar als de waarden verschillen, berekent het model het verschil tussen beide waarden, verlies genoemd, en past het de knooppuntberekeningen aan om de volgende keer overeenkomende labels te produceren.
Tesla's neurale netwerkarchitectuur
Tesla gebruikt geavanceerd onderzoek om diepe neurale netwerken te trainen op problemen variërend van perceptie tot controle.
De netwerken per camera van Tesla analyseren onbewerkte afbeeldingen om semantische segmentatie, objectdetectie en schatting van de monoculaire diepte.
De gegevenssets
De neurale netwerken zijn getraind op onbewerkte afbeeldingen die zijn geëxtraheerd uit video's die zijn gemaakt met netwerkcamera's in vogelvlucht die de weglay-out, statische infrastructuur en 3D-objecten rechtstreeks in de bovenaanzicht weergeven.
Gegevensafbeeldingen zijn niet-gelabeld en dekken veel verschillende scenario's over de hele wereld en bestaan in realtime uit een miljoen voertuigen.
Hoe werkt het?
Het netwerk bestaat uit 70,000 Graphical Processing Units (GPU's), die 48 diepgaand leren modellen.
De hardwarecomponenten van de auto, inclusief camera's en sensoren, zorgen voor onbewaakte gegevens die via het netwerk van deze modellen worden doorgegeven.
De auto leert over mogelijke objecten in een omgeving, zoals een voetganger, boom etc. uit de gegeven gegevens.
De architectuur bestaat ook uit twee AI-chips die gebruik maken van de principes van: diepgaand leren. Deze chips helpen bij het nemen van realtime beslissingen voor de auto, zoals wanneer en hoe te draaien tijdens het rijden.
De Neural Network-architectuur omvat veel krachtige apparaten en concepten die bijdragen aan de werking ervan, waaronder:
FSD-chip
Volledig zelfrijdend (FSD) chips zijn AI-inferentiechips waarop Tesla's stuurautomaatsoftware draait. Deze chips zijn ontworpen met micro-architecturale verbeteringen die de maximale siliciumprestaties per watt uitpersen.
FSD's implementeren vloerplanning, timing en vermogensanalyse terwijl ze robuuste tests en scoreborden schrijven om de functionaliteit en prestaties van AI te verifiëren.
Dojo-chips en -systemen
dojo is Tesla's supercomputersysteem dat moeilijke problemen oplost met geavanceerde technologie voor krachtige levering en koeling.
Dojo-chips bevatten de AI die deze systemen aandrijft en zijn ontworpen voor maximale prestaties, doorvoer en bandbreedte bij elke granulariteit.
Samen worden de chips en systemen gebruikt om het vermogen en de prestaties voor Tesla's NN te optimaliseren.
Autonomie-algoritmen
Autonomie-algoritmen zijn de kernalgoritmen die de auto aandrijven door een high-fidelity-weergave van de wereld te creëren en trajecten in een bepaalde ruimte te plannen.
Naar neurale netwerken trainen om dergelijke representaties te voorspellen, creëert Tesla op algoritmische wijze nauwkeurige en grootschalige grondwaarheidsgegevens door informatie van de sensoren van de auto in ruimte en tijd te combineren.
Deze algoritmen gebruiken geavanceerde technieken om een robuust plannings- en besluitvormingssysteem te bouwen dat werkt in gecompliceerde praktijksituaties onder onzekerheid.
Evaluatie Infrastructuur
Tesla's evaluatie-infrastructuur omvat open-loop, closed-loop en hardware-in-the-loop evaluatietools en infrastructuur op schaal.
Met deze infrastructuur kan AI prestatieverbeteringen volgen en regressies voorkomen.
Belangrijkste kenmerken van Tesla's NN
- Camera's, ultrasone sensoren en radar nemen de omgeving waar
- Een radar meet de afstand rond de auto
- Ultraviolette technieken meten de nabijheid en passieve video herkent objecten rond de auto
- Gebruikt twee AI-chips die zijn gebouwd op principes van diepe neurale netwerken
- AI-chips die bestaan uit 6 miljard transistors
- 21 keer sneller dan Nvidia-chips
- AI-chips hebben 32 megabyte high-speed SRAM-geheugen
- Bestaat uit 48 Deep Learning-modellen
- Bevat 70,000 grafische verwerkingseenheden (GPU's)
- Voert 1000 verschillende tensoren (voorspellingen) uit bij elke tijdstap
Conclusie
Tesla's hypermoderne Neurale netwerken en AI-architectuur heeft het idee van zelfrijdende auto's werkelijkheid gemaakt.
Dit succes van de toonaangevende op AI gebaseerde autofabrikant is het resultaat van zijn geavanceerde FSD-chips, Dojo-chips, autonomie-algoritmen, evaluatie-infrastructuur en meer.
Als je meer wilt weten over AI, Deep Learning en de nieuwste technologietrends, bekijk dan onze andere interessante artikelen.
Laat een reactie achter