Tesla este o companie americană de producție de vehicule fondată de Elon Musk în 2003.
Compania este cunoscută în special pentru mașinile sale electrice și pentru specializarea în panouri solare și stocarea energiei bateriei cu litiu-ion.
Mașinile Tesla vin cu o mulțime de funcții revoluționare, inclusiv super-încărcare, acces la card și un mod de pilot automat.
Modul autopilot a fost posibil datorită ideilor de la Inteligența Artificială (AI) și Arhitectura avansată a rețelei neuronale Tesla.
Să discutăm în detaliu arhitectura rețelei neuronale Tesla.
Ce sunt rețelele neuronale?
Rețelele neuronale sau NN-urile sunt o serie de algoritmi modelați după activitatea biologică a creier uman. Rețele neuronale constau din noduri, numiți și neuroni. O colecție de noduri verticale sunt cunoscute ca straturi.
Fiecare strat este format din noduri, numite și neuroni, unde au loc calculele. Nodurile unui strat sunt conectate la stratul următor prin linii de transmisie, așa cum se vede mai jos.
În diagrama următoare, cercurile reprezintă nodurile, iar colecția verticală de noduri reprezintă straturile. Există trei straturi în acest model.
Cum învață ei?
Datele sunt transmise modelului o entitate la un moment dat, împreună cu o etichetă. Datele sunt împărțite în bucăți și trecute prin fiecare nod al modelului.
Nodurile efectuează operații matematice pe aceste bucăți. După o serie de calcule într-un strat, datele trec pe următorul strat și așa mai departe.
Odată finalizat, modelul nostru prezice eticheta datelor la nivelul de ieșire. Modelul continuă apoi să compare această valoare prezisă cu cea a valorii efective a etichetei.
Dacă valorile se potrivesc, modelul nostru va prelua următoarea intrare, dar dacă valorile diferă, modelul va calcula diferența dintre ambele valori, numită pierdere, și va ajusta calculele nodurilor pentru a produce etichete potrivite data viitoare.
Arhitectura rețelei neuronale Tesla
Tesla folosește cercetări de ultimă oră pentru a antrena rețele neuronale profunde pe probleme, de la percepție la control.
Rețelele Tesla per cameră analizează imagini brute pentru a realiza segmentarea semantică, detectarea obiectelor și estimarea adâncimii monoculare.
Seturile de date
Rețelele neuronale sunt antrenate pe imagini brute care sunt extrase din videoclipuri luate de la camerele de rețea cu ochi de păsări care scot aspectul drumului, infrastructura statică și obiecte 3D direct în vizualizarea de sus în jos.
Imaginile de date nu sunt etichetate și acoperă o mulțime de scenarii diverse din întreaga lume și constau în un milion de vehicule în timp real.
Cum functioneaza?
Rețeaua constă din 70,000 de unități de procesare grafică (GPU), care antrenează 48 învățare profundă modele.
Componentele hardware ale mașinii, inclusiv camerele și senzorii, furnizează date nesupravegheate care sunt transmise prin rețeaua acestor modele.
Mașina învață despre posibilele obiecte dintr-un mediu, cum ar fi un pieton, un copac etc. din datele date.
Arhitectura constă, de asemenea, din două cipuri AI care folosesc principiile învățare profundă. Aceste cipuri vă ajută să luați decizii în timp real pentru mașină, cum ar fi când și cum să virați, în timp ce conduceți.
Arhitectura rețelei neuronale include multe dispozitive și concepte puternice care contribuie la funcționarea sa, inclusiv:
Chip FSD
Conducere autonomă completă (FSD) cipurile sunt cipuri de inferență AI care rulează software-ul de pilot automat al Tesla. Aceste cipuri au fost proiectate cu îmbunătățiri micro-arhitecturale care stoarce performanța maximă a siliciului pe watt.
FSD-urile implementează planificarea, sincronizarea și analiza puterii în timp ce scriu teste robuste și tablouri de bord pentru a verifica funcționalitatea și performanța AI.
Chipsuri și sisteme Dojo
Dojo este super-sistemul de computer al Tesla care rezolvă probleme grele cu ajutorul tehnologiei avansate pentru livrarea și răcirea de mare putere.
Chips-urile Dojo includ AI care alimentează aceste sisteme și sunt proiectate pentru performanță maximă, debit și lățime de bandă la fiecare granularitate.
Împreună, cipurile și sistemele sunt folosite pentru a optimiza puterea și performanța pentru NN de la Tesla.
Algoritmi de autonomie
Algoritmii de autonomie sunt algoritmii de bază care conduc mașina prin crearea unei reprezentări de înaltă fidelitate a lumii și planificând traiectorii într-un spațiu dat.
La antrenează rețelele neuronale pentru a prezice astfel de reprezentări, Tesla creează algoritmic date exacte și la scară largă, combinând informațiile de la senzorii mașinii în spațiu și timp.
Acești algoritmi folosesc tehnici avansate pentru a construi un sistem robust de planificare și luare a deciziilor care funcționează în situații complicate din lumea reală, în condiții de incertitudine.
Infrastructura de evaluare
Infrastructura de evaluare a Tesla include instrumente și infrastructură de evaluare în buclă deschisă, în buclă închisă și hardware în buclă.
Această infrastructură permite AI să urmărească îmbunătățirile de performanță și să prevină regresiile.
Caracteristicile cheie ale Tesla NN
- Camerele, senzorii cu ultrasunete și radarul percep mediul
- Un radar măsoară distanța în jurul mașinii
- Tehnicile ultraviolete măsoară proximitatea, iar video-ul pasiv recunoaște obiectele din jurul mașinii
- Utilizează două cipuri AI construite pe principiile rețelelor neuronale profunde
- Chip-uri AI formate din 6 miliarde de tranzistori
- De 21 de ori mai rapid decât cipurile Nvidia
- Cipurile AI au 32 de megaocteți de memorie SRAM de mare viteză
- Constă din 48 de modele de Deep Learning
- Conține 70,000 de unități de procesare grafică (GPU)
- Emite 1000 de tensori (predicții) diferiți la fiecare pas de timp
Concluzie
Tesla de ultimă oră Rețele neuronale iar arhitectura AI a făcut din ideea mașinilor cu conducere autonomă o realitate.
Acest succes al principalului producător de automobile bazat pe inteligență artificială este rezultatul progresului său cipuri FSD, cipuri Dojo, algoritmi de autonomie, infrastructură de evaluare și multe altele.
Dacă doriți să aflați mai multe despre AI, Deep Learning și cele mai recente tendințe tehnologice, consultați celelalte articole interesante ale noastre.
Lasă un comentariu