A Tesla é uma empresa americana de fabricação de veículos fundada por Elon Musk em 2003.
A empresa é mais conhecida por seus carros elétricos e por se especializar em painéis solares e armazenamento de energia com baterias de íons de lítio.
Os carros da Tesla vêm com muitos recursos revolucionários, incluindo supercarregamento, acesso por cartão-chave e um modo de piloto automático.
O modo de piloto automático foi possível devido a ideias da Inteligência Artificial (IA) e Arquitetura de rede neural avançada da Tesla.
Vamos discutir a arquitetura da Rede Neural Tesla em detalhes.
O que são redes neurais?
Redes Neurais, ou NNs, são uma série de algoritmos modelados após a atividade biológica do cérebro humano. Redes neurais consistem em nós, também chamados de neurônios. Uma coleção de nós verticais é conhecida como camadas.
Cada camada é composta por nós, também chamados de neurônios, onde ocorrem os cálculos. Os nós de uma camada são conectados à próxima camada por meio de linhas de transmissão, como visto abaixo.
No diagrama a seguir, os círculos representam os nós e a coleção vertical de nós representa as camadas. Existem três camadas neste modelo.
Como eles aprendem?
Os dados são alimentados ao modelo uma entidade por vez junto com um rótulo. Os dados são divididos em pedaços e passados por cada nó do modelo.
Os nós realizam operações matemáticas nesses pedaços. Após uma série de cálculos em uma camada, os dados passam para a próxima camada e assim por diante.
Uma vez concluído, nosso modelo prevê o rótulo de dados na camada de saída. O modelo então compara esse valor previsto com o valor real do rótulo.
Se os valores corresponderem, nosso modelo receberá a próxima entrada, mas se os valores forem diferentes, o modelo calculará a diferença entre os dois valores, chamada perda, e ajustará os cálculos do nó para produzir rótulos correspondentes na próxima vez.
Arquitetura de rede neural da Tesla
A Tesla usa pesquisas de ponta para treinar redes neurais profundas em problemas que vão da percepção ao controle.
As redes por câmera da Tesla analisam imagens brutas para realizar segmentação semântica, detecção de objetos e estimativa de profundidade monocular.
Os conjuntos de dados
As redes neurais são treinadas em imagens brutas extraídas de vídeos obtidos de câmeras de rede panorâmicas que exibem o layout da estrada, a infraestrutura estática e os objetos 3D diretamente na visualização de cima para baixo.
As imagens de dados não são rotuladas e cobrem diversos cenários ao redor do mundo e consistem em um milhão de veículos em tempo real.
Como funciona o Tech & Data Studio:
A rede é composta por 70,000 Unidades de Processamento Gráfico (GPUs), que treinam 48 deep learning .
Os componentes de hardware do carro, incluindo câmeras e sensores, fornecem dados não supervisionados que passam pela rede desses modelos.
O carro aprende sobre possíveis objetos em um ambiente, como um pedestre, uma árvore, etc. a partir dos dados fornecidos.
A arquitetura também consiste em dois chips de IA que usam os princípios de deep learning. Esses chips ajudam a tomar decisões em tempo real para o carro, como quando e como fazer curvas enquanto dirige.
A arquitetura da Rede Neural inclui muitos dispositivos e conceitos poderosos que contribuem para o seu funcionamento, incluindo:
Chip FSD
Auto-condução completa (FSD) são chips de inferência de IA que executam o software de piloto automático da Tesla. Esses chips foram projetados com melhorias de microarquitetura que reduzem o desempenho máximo de silício por watt.
Os FSDs implementam planejamento de piso, tempo e análise de energia enquanto escrevem testes robustos e placares para verificar a funcionalidade e o desempenho da IA.
Chips e Sistemas Dojo
Dojo é o super sistema de computador da Tesla que resolve problemas difíceis com tecnologia avançada para fornecimento e resfriamento de alta potência.
Os Dojo Chips incluem a IA que alimenta esses sistemas e são projetados para máximo desempenho, taxa de transferência e largura de banda em cada granularidade.
Juntos, os chips e sistemas são usados para otimizar a potência e o desempenho do NN da Tesla.
Algoritmos de autonomia
Os algoritmos de autonomia são os algoritmos centrais que conduzem o carro criando uma representação de alta fidelidade do mundo e planejando trajetórias em um determinado espaço.
Para treinar redes neurais para prever tais representações, a Tesla cria algoritmicamente dados precisos e de grande escala, combinando informações dos sensores do carro no espaço e no tempo.
Esses algoritmos usam técnicas avançadas para construir um sistema robusto de planejamento e tomada de decisão que opera em situações complicadas do mundo real sob incerteza.
Infraestrutura de avaliação
A infraestrutura de avaliação da Tesla inclui ferramentas de avaliação de circuito aberto, circuito fechado e hardware-in-the-loop e infraestrutura em escala.
Essa infraestrutura permite que a IA acompanhe as melhorias de desempenho e evite regressões.
Principais recursos do NN da Tesla
- Câmeras, sensores ultrassônicos e radares percebem o ambiente
- Um radar mede a distância ao redor do carro
- Técnicas ultravioleta medem a proximidade e o vídeo passivo reconhece objetos ao redor do carro
- Usa dois chips de IA baseados em princípios de redes neurais profundas
- Chips de IA com 6 bilhões de transistores
- 21 vezes mais rápido que os chips Nvidia
- Chips de IA têm 32 megabytes de memória SRAM de alta velocidade
- Consiste em 48 modelos de Deep Learning
- Contém 70,000 unidades de processamento gráfico (GPUs)
- Gera 1000 tensores distintos (previsões) em cada passo de tempo
Conclusão
A vanguarda da Tesla Redes neurais e a arquitetura de IA tornaram a ideia de carros autônomos uma realidade.
Este sucesso do principal fabricante de automóveis baseado em IA é resultado de sua avançada chips FSD, chips Dojo, algoritmos de autonomia, infraestrutura de avaliação e muito mais.
Se você quiser saber mais sobre IA, Deep Learning e as últimas tendências de tecnologia, confira nossos outros artigos interessantes.
Deixe um comentário