டெஸ்லாவை நீங்கள் நினைக்கும் போது ஆட்டோமொபைல் துறையில் நன்கு அறியப்பட்ட பெயராக நீங்கள் கருதலாம். மின்சார ஆட்டோமொபைல்களில் முன்னோடியாக இருக்கும் டெஸ்லா என்பதில் சந்தேகமில்லை. இருப்பினும், அவர்கள் ஒரு தொழில்நுட்ப நிறுவனம், இது அவர்களின் வெற்றியின் ரகசியம்.
அவர்களின் வணிகத்தை வெற்றிகரமாக செய்த விஷயங்களில் ஒன்று பயன்படுத்துவது செயற்கை நுண்ணறிவு தொழில்நுட்பங்கள். டெஸ்லாவின் வாகனங்களின் முழு ஆட்டோமேஷன் என்பது நிறுவனத்தின் தற்போதைய முதன்மையான முன்னுரிமைகளில் ஒன்றாகும், மேலும் இந்த இலக்கை அடைய, அவர்கள் AI மற்றும் அதன் பல கூறுகளைப் பயன்படுத்துகின்றனர்.
2021 ஆம் ஆண்டின் தொடக்கத்தில் அதன் வருகையை அறிவிப்பதன் மூலம், டெஸ்லா துணைக்கண்டத்தில் பரபரப்பை ஏற்படுத்தியது. இந்தியாவின் பெங்களூரை டெஸ்லா இந்தியாவின் உற்பத்தி மையமாக நிறுவ எலோன் மஸ்க் கிட்டத்தட்ட தயாராக உள்ளார்.
மிகவும் பாராட்டப்பட்ட “சுய-ஓட்டுநர் கார்கள்” இந்தியாவில் எவ்வாறு செயல்படும் என்பது குறித்த மீம்கள் மற்றும் ட்வீட்கள் தொடர்ந்ததால், இந்தியாவில் உள்ள AI நிபுணர்கள் உற்சாகமடைந்தனர்.
இறுதியில் உலகை ஆளப்போகும் செயற்கை நுண்ணறிவின் முழு அலையும் இப்போதுதான் துவங்குகிறது.
இந்த இடுகை டெஸ்லா எவ்வாறு AI ஐ அதன் அமைப்பில் ஒருங்கிணைக்கிறது, அதில் பிரத்தியேகங்கள் மற்றும் பிற தகவல்கள் உட்பட ஆழமாக ஆராயும்.
எனவே, கார்களில் தன்னியக்க ஓட்டுதலை AI எவ்வாறு கற்பிக்கிறது?
தன்னாட்சி வாகனங்கள் சுதந்திரமாக ஓட்டுவதற்கு, அவற்றின் சென்சார்கள் மற்றும் மெஷின் விஷன் கேமராக்களிலிருந்து தரவைத் தொடர்ந்து பகுப்பாய்வு செய்கின்றன. அடுத்து என்ன செய்ய வேண்டும் என்பதைத் தீர்மானிக்க இந்தத் தரவைப் பயன்படுத்துகிறார்கள்.
சைக்கிள்கள், பாதசாரிகள் மற்றும் ஆட்டோக்களின் அடுத்த நகர்வுகளைப் புரிந்துகொள்ளவும் கணிக்கவும் அவர்கள் AI ஐப் பயன்படுத்துகின்றனர். அவர்கள் இந்தத் தகவலைப் பயன்படுத்தி தங்கள் செயல்களை விரைவாகத் திட்டமிடலாம் மற்றும் பிளவு-இரண்டாவது முடிவுகளை எடுக்கலாம்.
ஆட்டோமொபைல் அதன் தற்போதைய பாதையில் தொடர வேண்டுமா அல்லது பாதை மாற வேண்டுமா? அது இருக்கும் இடத்தில் தொடர வேண்டுமா அல்லது அவர்களுக்கு முன்னால் ஆட்டோவைக் கடந்து செல்ல வேண்டுமா? வாகனத்தை எப்போது வேகப்படுத்த வேண்டும் அல்லது வேகப்படுத்த வேண்டும்?
டெஸ்லா கார்களை முழுவதுமாக தன்னிச்சையாக மாற்ற, அல்காரிதம்களைப் பயிற்றுவிப்பதற்கும் அதன் AIகளுக்கு உணவளிப்பதற்கும் பொருத்தமான தரவைச் சேகரிக்க வேண்டும். சிறந்த செயல்திறன் எப்போதும் அதிக பயிற்சி தரவின் விளைவாக இருக்கும், மேலும் டெஸ்லா இந்த பகுதியில் பிரகாசிக்கிறது.
இப்போது சாலையில் இருக்கும் நூறாயிரக்கணக்கான டெஸ்லா வாகனங்களில் இருந்து டெஸ்லா அதன் அனைத்து தரவையும் கூட்டுகிறது என்பது அவர்களுக்கு ஒரு போட்டி நன்மையை அளிக்கிறது. பல்வேறு சூழ்நிலைகளில் டெஸ்லாஸ் எவ்வாறு நடந்து கொள்கிறது என்பதை உள் மற்றும் வெளிப்புற சென்சார்கள் கண்காணிக்கின்றன.
சில சூழ்நிலைகளுக்கு அவர்கள் எவ்வாறு பதிலளிக்கிறார்கள் மற்றும் ஸ்டீயரிங் அல்லது டேஷ்போர்டை எவ்வளவு அடிக்கடி தொடுகிறார்கள் என்பது உட்பட, ஓட்டுனர் நடத்தை பற்றிய தகவலையும் அவர்கள் சேகரிக்கின்றனர்.
"Imitation learning" என்பது டெஸ்லாவின் உத்தியின் பெயர். உலகெங்கிலும் உள்ள மில்லியன் கணக்கான உண்மையான ஓட்டுனர்கள் தீர்ப்புகளை வழங்குகிறார்கள், பதிலளிக்கிறார்கள் மற்றும் நகர்த்துகிறார்கள், மேலும் அவர்களின் வழிமுறைகள் அந்த செயல்களிலிருந்து கற்றுக்கொள்கின்றன. அந்த கிலோமீட்டர்கள் அனைத்தும் நம்பமுடியாத அதிநவீன தன்னாட்சி வாகனங்களை உருவாக்குகின்றன.
அவர்களின் கண்காணிப்பு அமைப்பு மிகவும் மேம்பட்டது. எடுத்துக்காட்டாக, டெஸ்லா அந்தத் தருணத்தின் தரவு ஸ்னாப்ஷாட்டைச் சேமித்து, தரவுத் தொகுப்பில் சேர்த்து, பின்னர் வண்ண-குறியிடப்பட்ட வடிவங்களைப் பயன்படுத்தி உலகின் சுருக்கமான பிரதிநிதித்துவத்தை மீண்டும் உருவாக்குகிறது. நரம்பு நெட்வொர்க் இருந்து கற்றுக்கொள்ள முடியும். ஒரு டெஸ்லா வாகனம் கார் அல்லது மிதிவண்டியின் நடத்தையை தவறாகக் கணிக்கும்போது இது நிகழ்கிறது.
தன்னாட்சி வாகனங்களை உருவாக்கும் பிற வணிகங்கள் இதை நம்பியுள்ளன செயற்கை தரவு, டெஸ்லா தனது AIகளைப் பயிற்றுவிப்பதற்காகப் பயன்படுத்திய நிஜ-உலகத் தரவைக் காட்டிலும் குறைவான செயல்திறன் கொண்டது (உதாரணமாக, கிராண்ட் தெஃப்ட் ஆட்டோ போன்ற வீடியோ கேம்களில் இருந்து ஓட்டுநர் நடத்தை).
AI ஐப் பயன்படுத்திக் கொள்ளும் டெஸ்லா கூறுகளை இப்போது ஆராய்வோம்.
AI ஐப் பயன்படுத்திக் கொள்ளும் டெஸ்லா கூறுகள்
கேமரா & சென்சார்கள்
டெஸ்லா முடிக்க வேண்டிய பொறுப்புகள் மிகவும் நன்கு அறியப்பட்டவை. இந்த செயல்பாடுகள் அனைத்தும், லேன் அடையாளம் முதல் பாதசாரி கண்காணிப்பு வரை, நிகழ்நேரத்தில் மேற்கொள்ளப்படுகின்றன. இந்த காரணத்திற்காக டெஸ்லா 8 கேமராக்களின் உதவியுடன் இயங்கியது. கூடுதலாக, இந்த பல கேமராக்கள் இருப்பது குருட்டு மண்டலம் இல்லை என்பதையும், காரைச் சுற்றியுள்ள பகுதி முழுவதும் மூடப்பட்டிருக்கும் என்பதையும் உறுதிப்படுத்துகிறது.
நீங்கள் படித்தது உண்மைதான்! லிடார் இல்லை உயர் வரையறை மேப்பிங்கிற்கான அமைப்பு இல்லை. டெஸ்லா கணினி பார்வையை மட்டுமே பயன்படுத்த விரும்புகிறது, இயந்திர கற்றல், மற்றும் ஆட்டோ பைலட் மாதிரியை உருவாக்க கேமரா வீடியோ ஊட்டங்கள். கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் (CNNs) பின்னர் ரா வீடியோவைக் கண்காணிப்பதற்காக பகுப்பாய்வு செய்யப் பயன்படுத்தப்படுகின்றன. பொருட்களை கண்டறிய.
டெஸ்லா ஆட்டோபிலோட் கேமராக்களுக்கு கூடுதலாக ரேடார் மற்றும் அல்ட்ராசோனிக் சென்சார்கள் உள்ளன. ரேடார் வாகனங்கள் மற்றும் பிற பொருள்களுக்கு இடையே உள்ள பிரிவைக் கண்டறிந்து அளவிட பயன்படுகிறது. இயக்கி பாதுகாப்பை மேம்படுத்துவதற்காக, அல்ட்ராசோனிக் சென்சார்கள் செயலற்ற பொருட்களுடன் நெருக்கமாக இருப்பதைக் கண்காணிப்பதற்கு ஏற்ப செயல்படுகின்றன.
காரின் சூழலைப் புரிந்துகொள்வதற்கும், தன்னியக்க பைலட் திறன்களை முடிந்தவரை பதிலளிக்கக்கூடியதாக மாற்றுவதற்கும், நியூரல் நெட்வொர்க்குகள் டெஸ்லா வன்பொருளுடன் ஒருங்கிணைக்கப்பட்டுள்ளன.
டெஸ்லா FSD சிப் -3
சாலைகளில் மேம்பட்ட செயல்திறன் மற்றும் பாதுகாப்பிற்காக, டெஸ்லா அமைப்புகளில் இரண்டு AI செயலிகள் உள்ளன. டெஸ்லா அமைப்பு பிழையின்றி இருக்க முயற்சிக்கிறது. ஒரு யூனிட் செயலிழந்தாலும், காப்பு சக்தி மற்றும் தரவு உள்ளீடு மூலங்களின் காரணமாக கூடுதல் அலகுகளைப் பயன்படுத்தி ஆட்டோமொபைல் செயல்பட முடியும்.
எதிர்பாராத தோல்வி ஏற்பட்டால், கார்கள் மோதுவதைத் தவிர்க்க டெஸ்லா இந்த கூடுதல் நடவடிக்கைகளைப் பயன்படுத்துகிறது. மட்டுமே மனித மூளை புதிய டெஸ்லா நுண்செயலியை விட (ஒரு நொடிக்கு 1 குவாட்ரில்லியன் செயல்பாடுகள்) வினாடிக்கு அதிக செயல்பாடுகளைச் செய்ய முடியும். இது முன்பு பயன்பாட்டில் இருந்த டெஸ்லா என்விடியா மைக்ரோசிப்களை விட 21 மடங்கு அதிக சக்தி வாய்ந்தது.
Tesla சந்தேகத்திற்கு இடமின்றி முழு தன்னாட்சி இயந்திரங்களுக்கான சந்தையில் முன்னணியில் உள்ளது, ஆனால் இது ஒரு அதிநவீன தன்னியக்க கார் தயாரிப்பதில் இருந்து இன்னும் வெகு தொலைவில் உள்ளது.
எதிர்காலத்தில், இந்தக் கட்டுரையில் நாம் கோடிட்டுக் காட்டிய குணங்களைக் கொண்ட ஒரு ஆட்டோமொபைல் சந்தேகத்திற்கு இடமின்றி பொதுவானதாகிவிடும். டெஸ்லா அதன் சொந்த அதிநவீன AI செயலிகள் மற்றும் நியூரல் நெட்வொர்க் கட்டமைப்பை உருவாக்கியுள்ளது.
நியூரல் நெட்வொர்க் பயிற்சி
நரம்பியல் நெட்வொர்க்குகளுக்குப் பிறகு மாதிரியும் பயிற்சியளிக்கப்பட வேண்டும் உருவாக்கப்பட்டுள்ளன. அதிநவீன கணினி பார்வை திறன்களை அனுமதிக்க டெஸ்லா பரந்த அளவிலான நூலகங்கள் மற்றும் கருவிகளை அமைத்துள்ளது என்பதை நாங்கள் அறிவோம்.
பைடார்ச்ஃபேஸ்புக்கின் AI ஆராய்ச்சித் துறையால் உருவாக்கப்பட்டது, இது போன்ற ஒரு கட்டமைப்பாகும் (FAIR). PyTorch ஆல் பயன்படுத்தப்படுகிறது டெஸ்லா தொழில்நுட்ப அடுக்கு ஆழ்ந்த கற்றல் மாதிரியைப் பயிற்றுவிக்க.
டெஸ்லா முழுமையான சுயாட்சியை அடைய வரைபடங்கள் அல்லது LIDAR ஐ நம்பவில்லை என்பது குறிப்பிடத்தக்கது. கேமராக்கள் மற்றும் தூய கணினி பார்வை ஆகியவை பிரத்தியேகமாக பயன்படுத்தப்படுகின்றன, மேலும் அனைத்தும் நிகழ்நேரத்தில் செய்யப்படுகின்றன.
டெஸ்லா பயிற்சி மற்றும் பல்வேறு துணை நடவடிக்கைகளுக்கு பைடார்ச்சைப் பயன்படுத்துகிறது தானியங்கு பணிப்பாய்வு திட்டமிடல், மாதிரி வரம்புகளின் அளவுத்திருத்தம், முழுமையான மதிப்பீடு, செயலற்ற சோதனை, உருவகப்படுத்துதல் சோதனைகள் போன்றவை.
டெஸ்லா சுமார் 70,000 GPU மணிநேரங்களை 48 நெட்வொர்க்குகளுக்கு பயிற்சியளிக்கிறது, அவை 1,000 வித்தியாசமான கணிப்புகளை உருவாக்குகின்றன. இந்த பயிற்சி ஒருமுறை அல்ல, தொடர்ந்து நடைபெற்று வருகிறது. செயற்கை நுண்ணறிவு என்பது காலப்போக்கில் முன்னேறும் ஒரு செயல் செயல்முறை என்பதை நாம் அறிவோம். இதன் விளைவாக, அனைத்து 1000 தனித்தனியான முன்னறிவிப்புகளும் துல்லியமாக இருக்கும் மற்றும் ஒருபோதும் தடுமாறவில்லை.
ஹைட்ராநெட்
எந்த நேரத்திலும் சுமார் 100 வேலைகள் முன்னேற்றத்தில் உள்ளன, ஒரு கார் நகரவில்லை மற்றும் குறுக்கு வழியில் இருந்தாலும் கூட. ஒவ்வொரு பணிக்கும் ஒரு நரம்பியல் நெட்வொர்க்கைப் பயன்படுத்துவது விலை உயர்ந்தது மற்றும் பயனற்றது. டெஸ்லா வாகனங்களில் உள்ள AI மூலம் பெரிய அளவிலான தகவல்கள் நிகழ்நேரத்தில் செயலாக்கப்படுகின்றன.
இதன் விளைவாக, 50 x 1000 படங்களை ஒரே நேரத்தில் செயலாக்கக்கூடிய ரெஸ்நெட்-1000 பகிர்வு முதுகெலும்பு, கணினி பார்வை பணிப்பாய்வுக்கான மைய செயலாக்க அலகு ஆகும்.
நெட்வொர்க்கின் மேற்பகுதிக்கு அருகில், ஹைட்ராநெட் நியூரல் நெட்வொர்க் வடிவமைப்பு பல கிளைகளாக (அல்லது தலைகள்) பிரிக்கிறது. பயிற்சித் தரவின் ஒவ்வொரு மைக்ரோ-பேச்சும் பல தலைகளுக்கு வெவ்வேறு எடையைக் கொண்டிருப்பதன் மூலம், இந்தத் தலைவர்கள் சுயாதீனமாக கற்பிக்கப்படுகிறார்கள் மற்றும் தனித்துவமான விஷயங்களைக் கற்றுக்கொள்கிறார்கள்.
நிச்சயமாக, இந்த HydraNets வாகனங்களுக்கான AI ஐச் செயலாக்க ஒன்றாகச் செயல்படும் பல நிகழ்வுகள் உள்ளன. ஒவ்வொரு HydraNet இன் தகவல்களும் தொடர்ச்சியான சிக்கல்களைத் தீர்க்கப் பயன்படுத்தப்படுகின்றன.
எடுத்துக்காட்டாக, ஒரு பணி நிறுத்தக் குறிகளைக் கையாளவும், மற்றொன்று பாதசாரிகளைக் கையாளவும், மற்றொன்று போக்குவரத்து சமிக்ஞைகளை ஆய்வு செய்யவும் செயலில் இருக்கும். இந்த தனித்துவமான கடமைகள் அனைத்தும் பொதுவான முதுகெலும்பால் இயக்கப்படுகின்றன.
HydraNet கட்டமைப்பின் படி, இந்த ஒவ்வொரு பணிக்கும் மகத்தான நரம்பியல் வலையமைப்பின் ஒரு சிறிய பகுதியே தேவைப்படுகிறது.
இது பரிமாற்றக் கற்றலைப் போலவே உள்ளது, குறிப்பிட்ட சில தொடர்புடைய பணிகளுக்கான பொதுவான தொகுதிக்கு தனித்துவமான தொகுதிகள் பயிற்சியளிக்கப்படுகின்றன. ஹைட்ராநெட்ஸின் முதுகெலும்புகள் பல்வேறு விஷயங்களில் பயிற்சியளிக்கப்படுகின்றன, அதேசமயம் தலைவர்கள் குறிப்பிட்ட வேலைகளில் கற்பிக்கப்படுகிறார்கள்.
இது மாதிரியைப் பயிற்றுவிக்கத் தேவையான நேரத்தைக் குறைக்கிறது மற்றும் அனுமானத்தை விரைவுபடுத்துகிறது.
டெஸ்லா தன்னியக்க பைலட்
தன்னியக்க பைலட் திறன் கொண்ட கார்கள் ஒரு பாதையில் தன்னிச்சையாக இயக்கலாம், முடுக்கிவிடலாம் மற்றும் நிறுத்தலாம். இது ஆழமான நரம்பியல் நெட்வொர்க் கருத்துகளைப் பயன்படுத்தி கட்டமைக்கப்பட்டுள்ளது. இது கேமராக்கள், அல்ட்ராசோனிக் சென்சார்கள் மற்றும் ரேடார் ஆகியவற்றைப் பயன்படுத்தி காரைச் சுற்றியுள்ள பகுதியைக் கண்காணிக்கிறது.
சென்சார்கள் மற்றும் கேமராக்கள் மூலம் ஓட்டுநர்கள் தங்கள் சுற்றுப்புறங்களைப் பற்றி அறிந்து கொள்கிறார்கள், மேலும் இந்தத் தகவல் மில்லி விநாடிகளில் பகுப்பாய்வு செய்யப்பட்டு வாகனம் ஓட்டுவதை பாதுகாப்பானதாகவும், மன அழுத்தத்தைக் குறைக்கவும் உதவுகிறது.
பிரகாசமான, இருண்ட மற்றும் பல்வேறு வானிலை சூழ்நிலைகளில், வாகனங்களைச் சுற்றியுள்ள இடத்தைக் கண்காணிக்கவும் மதிப்பிடவும் ரேடார் பயன்படுத்தப்படுகிறது. ஒவ்வொரு சூழ்நிலையிலும், புற ஊதா முறைகள் நெருக்கத்தை தீர்மானிக்கிறது, மேலும் செயலற்ற வீடியோ அருகிலுள்ள பொருட்களை அடையாளம் கண்டு பாதுகாப்பான ஓட்டுதலை ஊக்குவிக்கிறது.
கூடுதலாக, தன்னியக்க பைலட் டிரைவருக்கு உதவ வடிவமைக்கப்பட்டுள்ளது மற்றும் டெஸ்லாவை சுயமாக ஓட்டும் வாகனமாக மாற்றாது. வாகனம் ஓட்டுபவர்களை சக்கரத்தில் கை வைத்து எச்சரிப்பது வழக்கம்.
சக்கரத்தை எடுப்பதற்கான தொடர்ச்சியான விழிப்பூட்டல்கள் நீங்கள் செய்யாவிட்டால் தூண்டப்படும். அதிக நேரம் புறக்கணிக்கப்பட்டால், ஆட்டோமொபைல் நிறுத்தப்படும் முன் மெதுவாகத் தொடங்குகிறது. பிரேக்கிங், டர்னிங் அல்லது க்ரூஸ் கன்ட்ரோல் தண்டை செயலிழக்கச் செய்வதன் மூலம், ஓட்டுநர்கள் எப்போதும் தன்னியக்க பைலட் செயல்பாடுகளை மீறலாம்.
பறவைகளின் கண் பார்வை
டெஸ்லா வன்பொருள் விளக்கும் படங்களுக்கு கூடுதல் பரிமாணங்கள் தேவைப்படலாம். பறவையின் கண் பார்வை அம்சம் தொலைதூரத்தை அளவிடுவதை எளிதாக்குகிறது மற்றும் வெளி உலகத்தின் துல்லியமான பிரதிநிதித்துவத்தை வழங்குகிறது.
இது ஒரு காட்சி கண்காணிப்பு அமைப்பாகும், இது ஒரு காரின் டாப் வியூ படத்தை "ரெண்டர்" செய்து பார்க்கிங்கை எளிமையாக்கவும் சிறிய இடங்களுக்கு செல்லவும் எளிதாக்குகிறது. உங்கள் பார்க்கிங் திறன்களைப் பற்றி ஒரு நொண்டி நியாயத்தை வழங்காமல், இப்போது நீங்கள் பாதுகாப்பாக சக்கரத்தை எடுக்கலாம்.
டெஸ்லாவின் எதிர்காலம்
வலுவான வரம்பைக் கொண்ட நடுத்தர அளவிலான எஸ்யூவியை நீங்கள் தேடுகிறீர்கள் என்றால், தி 2022 டெஸ்லா மாடல் ஒய் EV களுக்கு ஒரு அருமையான தொடக்க புள்ளியாகும். வழக்கமான மென்பொருள் மேம்படுத்தல்கள் காரணமாக, டெஸ்லாவின் பல தயாரிப்புகளைப் போலவே, Y மாதிரியும் தொடர்ந்து மாறிக்கொண்டே இருக்கிறது.
பாதுகாப்பு மற்றும் செயல்பாட்டை மேம்படுத்துவதன் மூலம், இந்த மேம்படுத்தல்கள் உங்கள் ஆட்டோமொபைல் மிகவும் பயனுள்ளதாக இருக்கும். குடும்பம் மற்றும் பல்வேறு சாமான்களுடன் நீண்ட தூரம் பயணிக்க வேண்டிய நபர்களுக்கு, டெஸ்லாவின் சூப்பர்சார்ஜர் நெட்வொர்க்கிற்கான அறை மற்றும் அணுகல் ஆகியவை சிறந்த தேர்வாக அமைகின்றன.
அதன் தொடக்கத்திலிருந்தே, டெஸ்லா அதன் தற்போதைய வாடிக்கையாளர் தளத்திலிருந்து தரவுகளால் பயனடைகிறது, மேலும் தன்னாட்சி வாகனங்களில் அதன் பணி அதன் அனைத்து செயல்பாடுகளின் மையத்திலும் AI ஐ வைக்கும் அதன் தற்போதைய லட்சியத்தின் ஒரு பகுதியாகும்.
AI மற்றும் பெரிய தரவுகள் டெஸ்லாவின் விசுவாசமான கூட்டாளிகளில் எலோன் மஸ்க் மற்றும் அவரது குழுவாகத் தொடரும், ஏனெனில் அவர்கள் தங்கள் வீட்டு சோலார் பவர் பேனல்களுடன் மின்சார கட்டத்தை மாற்றுவதற்கான அவர்களின் அபிலாஷைகள் உட்பட அவர்களின் புதிய முயற்சிகளில் இறங்குவார்கள்.
தீர்மானம்
டெஸ்லா, சந்தையின் மிகவும் தீவிரமான கண்டுபிடிப்பாளர்களில் ஒன்றாக அங்கீகரிக்கப்பட்ட நிறுவனம், எப்போதும் தரவு சேகரிப்பு மற்றும் பகுப்பாய்வை அதன் மிக சக்திவாய்ந்த கருவியாக மாற்றியுள்ளது. தங்கள் சொந்த சில்லுகளை உருவாக்கும் போது அவர்கள் அதே விதிகளைப் பின்பற்றினர்.
செயற்கை நுண்ணறிவு மற்றும் தரவு பகுப்பாய்விற்கு நன்றி செலுத்தும் விதத்தில் நாம் ஆட்டோமொபைல்களை ஓட்டும் விதத்தை முற்றிலும் மாற்றும் திறன் கொண்ட தன்னாட்சி வாகனங்களை வணிகம் உருவாக்கியுள்ளது.
தளம் அதன் வாக்குறுதிகளை எவ்வளவு சிறப்பாக நிலைநிறுத்துகிறது மற்றும் அதன் வணிகத்தை மேம்படுத்துகிறது என்பதைப் பார்ப்போம். எதிர்காலத்தில் தன்னாட்சி வாகனங்களுக்கான சந்தையில் நிறுவனம் எங்கு செல்லும் என்பதை இந்தத் தொழில்நுட்பங்களைப் பயன்படுத்திய பிறகு பார்க்க வேண்டும்.
ஒரு பதில் விடவும்