Преглед садржаја[Сакрити][Прикажи]
Свет какав познајемо могао би да се промени као резултат вештачке интелигенције (АИ). Што се тиче побољшања полуаутономних система, Тесла их увелико користи.
Поред тога, Елон Муск тврди да ће се на крају применити и на другим пољима. За своју технологију потпуне самовожње и систем аутопилота,
Тесла користи компјутерски вид, Машина учењеи вештачку интелигенцију (ФСД).
У овом чланку ћемо разговарати о томе шта Теслу чини техничком фирмом и како користи вештачку интелигенцију, компјутерску визију, велике податке и друге технологије за развој самовозећих аутомобила. Почнимо.
Прво ћемо испитати како је Тесла технолошка фирма.
Зашто се Тесла сматра технолошком компанијом?
Тесла производи значајну количину софтвера. Теслин препознатљив инфотаинмент систем, кориснички интерфејс, а све функције аутономне вожње су засноване на софтверу.
Док други произвођачи аутомобила тек сада почињу да експериментишу са бежичним надоградњама, Тесла то ради годинама. Запослени у Тесли креирали су и континуирано унапређују оперативне системе за Тесла аутомобиле.
Тесла такође производи низ других технолошких производа, укључујући соларне панеле, кровне соларне плочице, неколико типова батерија, станице за пуњење, рачунаре и кључне рачунарске компоненте (за Тесла аутомобиле).
Иако су и Нокиа и Блацкберри имали софтвер, иПхоне је имао уравнотежену комбинацију оба, због чега је освојио посао мобилних телефона и променио начин на који тренутно користимо наше телефоне.
Ово је оно што Тесла ради за посао са аутомобилима. Тесле су возила, да (и теренци и ускоро пикапи, полу-камиони и теренска возила). Али ова возила садрже софтвер за свакодневну употребу који је креирао Тесла интерно или уграђен у Теслин систем.
Док сте паркирани, Тесла је увео изборе за забаву укључујући ТРАКС, Цараоке и бројне игре (и можда једног дана у транзиту). Сигурносни систем Сентри Моде, који комбинује Теслин хардвер и софтвер, помогао је органима за спровођење закона у решавању злочина попут вандализма. Ваш паметни телефон служи као ваш Теслин кључ.
Помоћу телефона можете позвати свог Теслу да дође код вас. Поред тога, аутомобил ће обавестити ваш телефон ако дође до неког значајног догађаја захваљујући Теслиној јединственој Сентри Моде технологији.
Пошто ће Тесла користити податке које је прикупио о стварним возачким навикама Теслиних возача (прикупљање података је кључни елемент технологије, посебно када је овако директно, а не путем истраживања тржишта), Теслино осигурање ће такође бити проширење техничке стране.
Коју технологију Тесла користи за аутопилот?
Они стварају и користе аутономију у великим размерама у машинама као што су роботи и аутомобили. Они тврде да је то једини метод који може дати свеобухватан одговор за у потпуности аутономна вожња и даље је онај који се ослања на најсавременију АИ за планирање и визију, употпуњен ефикасним хардвером за закључивање.
Тесла ФСД чип
Тесла системи долазе са два АИ процесора за побољшане перформансе и безбедност на путу. Тесла систем има за циљ рад без грешака. Због резервног напајања и извора уноса података, аутомобил може наставити да ради чак и ако једна јединица не ради.
Тесла предузима ове додатне мере предострожности како би осигурао да су возила добро припремљена за спречавање судара у случају неочекиваног квара.
Једини уређај који може да изврши више операција у секунди од новог Теслиног микропроцесора је људски мозак (1 квадрилион операција у секунди). То је око 21 пута моћније од претходно коришћених Тесла Нвидиа микрочипова.
Направите АИ процесоре за закључивање да напајају њихов софтвер за потпуно самосталну вожњу, узимајући у обзир свако мало архитектонско и микроархитектонско побољшање док максимизирате перформансе силикона по вату.
Иако Тесла несумњиво води на тржишту потпуно аутономних локомотива, још је далеко од развоја најсавременијег аутопилота.
Тесла Дојо чип
Тесла је представио Тесла Д1, нови процесор са 362 ТФЛОПс снаге у БФ16/ЦФП8 који је креиран посебно за вештачка интелигенција. Ово је откривено током недавног Тесла АИ Дневна презентација.
Огроман чип настаје повезивањем мреже функционалних јединица која се назива мрежа функционалних јединица, којој Тесла Д1 додаје укупно 354 чвора за обуку. Свака функционална јединица има четворојезгарни, 64-битни ИСА ЦПУ са прилагођеним, специјализованим дизајном за прелазак линка, емитовање и транспозиције. Овај ЦПУ користи суперскаларну имплементацију (4-широки скаларни и 2-широки векторски цевовод).
Овај нови Теслин силицијум је мањи од ГА100 ГПУ-а који се налази у НВИДИА А100 акцелератору, који је квадратне величине 826 мм. Произведен је 7нм процесом, има укупно 50,000 милиона транзистора и заузима површину од 645 мм квадрата.
Тесла тврди да ће њен Дојо чип обрадити податке компјутерског вида четири пута брже од тренутних система, омогућавајући компанији да у потпуности аутоматизује свој систем за самостално управљање.
Међутим, Тесла још није постигао два најизазовнија технолошка подвига, а то су међусобно повезивање плочица-плочица и софтвер.
Врхунски мрежни прекидачи не могу се такмичити са спољним пропусним опсегом било које плочице. Да би то урадио, Тесла је створио јединствене интерконекције.
Дојо систем
Креирајте Дојо систем, од софтверских АПИ-ја високог нивоа да бисте га контролисали до силиконских интерфејса фирмвера. Користите најсавременије технологије испоруке и хлађења велике снаге за решавање изазовних ситуација и креирајте скалабилне контролне петље и софтвер за праћење.
Искористите целокупну стручност њихових тимова за машинско, термално и електротехничко инжењерство да бисте развили следећу генерацију рачунара за машинско учење за употребу у Теслиним центрима података. Једино ограничење је ваша машта.
Радите са сваком компонентом дизајн система. Развијте јавни АПИ који ће учинити Дојо доступним свима и сарађујте са учењем Теслине флоте како бисте испоручили радно оптерећење за обуку користећи њихове огромне скупове података.
Алгоритми аутономије
Направите светски модел високе верности и зацртајте путању у том простору да бисте развили кључне алгоритме који управљају аутомобилом.
Обједињавањем података са сензора аутомобила по месту и времену, алгоритам може да обезбеди прецизне и опсежне податке о истини који се могу користити за обуку неуронске мреже да предвиди ове представе.
Они конструишу снажан систем планирања и доношења одлука користећи најсавременије методологије које могу да функционишу у изазовним сценаријима из стварног света са неизвесношћу.
Анализа алгоритама на нивоу целе Теслине флоте је корисна.
Неуронске мреже
Дубоке неуронске мреже могу се обучити о питањима која се крећу од перцепције до контроле коришћењем најсавременијих истраживања. Да би се постигла семантичка сегментација, идентификација објеката и монокуларна процена дубине, њихове мреже по камери испитују необрађене слике.
Њихове мреже из птичје перспективе користе снимке са свих камера да генеришу перспективу одозго према доле распореда пута, статичне инфраструктуре и 3Д објеката.
Њихове мреже стално добијају податке из њихове флоте од око милион аутомобила, што укључује најсложеније и најразличитије околности на свету.
За 48 мрежа које чине целу конструкцију неуронских мрежа аутопилота потребно је 70,000 ГПУ сати за обуку. У сваком временском кораку, они заједно производе 1,000 различитих тензора (предвиђања).
Инфраструктурна евалуација
Такође су креирали инфраструктуру и алате за процену хардвера у петљи отворене и затворене петље у великом обиму како би убрзали брзину иновација, пратили побољшања перформанси и зауставили регресије.
Они користе анонимне карактеристичне клипове своје флоте и уграђују их у многе тестне сценарије. Напишите код који симулира њихово стварно окружење, генеришући невероватно реалистичне визуелне приказе и друге податке сензора за њихов Аутопилот програм који ће користити за аутоматско тестирање или отклањање грешака уживо.
Како Тесла користи велике податке, вештачку интелигенцију и машинско учење?
Биг података
Тесла не користи само велике податке за решавање проблема; користи се и за подизање среће потрошача. Они добијају информације из онлајн заједница својих клијената и користе их да унапреде своју каснију производњу. Ова врста интеракције са клијентима је незапамћена у пословању.
Велики подаци подржавају Теслине напоре да уштеди трошкове, пронађе нова тржишта, задовољи потрошаче, креира нове производе и побољша своја возила.
Информације се користе за креирање мапа са изузетно густим подацима које показују било шта, од локација ризика који приморавају возаче да предузму акцију до просечног пораста брзине саобраћаја на одређеном делу пута.
Едге цомпутинг одређује коју акцију сваки појединачни аутомобил мора да предузме тренутно, док машинско учење у облаку управља обуком целе флоте.
Поред тога, постоји и трећи ниво доношења одлука, где се аутомобили могу повезати са суседним Теслиним возилима како би изградили мреже и поделили знање о тој области.
Ове мреже ће вероватно комуницирати и са возилима других произвођача, као и са другим системима као што су саобраћајне камере, земаљски сензори или телефони у свету блиској будућности где су аутономни аутомобили уобичајена појава.
Вештачка интелигенција
Да би могли самостално да возе, аутономни аутомобили континуирано процењују податке својих сензора и камера за машински вид. Затим доносе одлуке на основу ових информација.
Они користе вештачку интелигенцију да разумеју и предвиде кретање бицикала, пешака и аутомобила. Они могу доносити пресуде у делићу секунде и брзо планирати своје активности користећи ово знање.
Да ли ауто треба да остане у траци у којој се сада налази или да се промени? Да ли треба да настави како јесте или да престигне аутомобил испред њих? Када аутомобил треба да успори или убрза?
Да би аутомобили били потпуно аутономни, Тесла мора прикупити потребне податке за обуку алгоритама и храњење својих АИ. Више података о обуци ће увек довести до бољих перформанси, а Тесла се истиче у том погледу.
Тесла има конкурентску предност јер прикупља све своје податке од стотина хиљада Теслиних возила која су сада на путу. Унутрашњи и екстерни сензори прате како Тесла раде у различитим условима.
Поред тога, посматрају како се возачи понашају, укључујући њихове реакције на различите ситуације и колико често додирују волан или контролну таблу. Имају веома софистициран систем праћења.
На пример, Тесла бележи тренутак у времену, додаје га у збирку података, а затим користи обојене форме да генерише апстрактну слику окружења из којег неуронска мрежа може да учи.
Ово се дешава када Тесла возило направи нетачну претпоставку о томе како би се аутомобил или бицикл понашао.
Машинско учење
Уз употребу унутрашњих и спољашњих сензора који чак могу да покупе информације о локацији руке возача на командама и како се њима и даље управља, Тесла машинско учење успешно прикупља неке од својих кључних података из свих својих возила, као и њихових возачи.
Информације се такође користе за креирање мапа са веома густим подацима које приказују све, од просечног пораста брзине саобраћаја током одређене дужине пута до присуства опасности, па чак и подстицање возача да предузму акцију.
Док је део едге цомпутинг на сваком појединачном аутомобилу одређује коју акцију аутомобил треба да предузме тренутно, Теслино машинско учење засновано на облаку задужено је за обуку целе флоте.
Да би разменили неке од локалних увида и информација, аутомобили су у могућности да се повежу са одређеним другим Теслиним возилима у близини.
Zakljucak
Тесла је одувек био посао који производи прикупљање и анализу података који су најмоћнији алат за шта год да ради. Нису правили изузетке док су дизајнирали своје ЦПУ.
Развој аутономна возила и анализа статистичких података од стране корпорације омогућили су да потпуно променимо начин на који возимо захваљујући вештачкој интелигенцији, анализи података, великим подацима, машинском учењу, компјутерском виду, неуронским мрежама, ФСД чипу и многим другим алгоритмима.
Ostavite komentar