Ang Tesla ay isang Amerikanong kumpanya ng pagmamanupaktura ng sasakyan na itinatag ni Elon hayop sa 2003.
Ang kumpanya ay pinakamahusay na kilala para sa mga de-koryenteng sasakyan nito at para sa espesyalisasyon sa mga solar panel at lithium-ion na pag-imbak ng enerhiya ng baterya.
Ang mga Tesla car ay may maraming rebolusyonaryong feature kabilang ang super-charging, keycard access, at isang autopilot mode.
Naging posible ang autopilot mode dahil sa mga ideya mula sa Artificial Intelligence (AI) at Ang advanced na arkitektura ng Neural Network ng Tesla.
Talakayin natin nang detalyado ang arkitektura ng Tesla Neural Network.
Ano ang mga Neural Network?
Ang mga Neural Network, o NN, ay isang serye ng mga algorithm na namodelo ayon sa biological na aktibidad ng utak ng tao. Mga Neural Network binubuo ng mga node, na tinatawag ding mga neuron. Ang isang koleksyon ng mga vertical node ay kilala bilang mga layer.
Ang bawat layer ay binubuo ng mga node, na tinatawag ding mga neuron, kung saan nagaganap ang mga kalkulasyon. Ang mga node ng isang layer ay konektado sa susunod na layer sa pamamagitan ng mga linya ng paghahatid tulad ng nakikita sa ibaba.
Sa sumusunod na diagram, ang mga bilog ay kumakatawan sa mga node at ang patayong koleksyon ng mga node ay kumakatawan sa mga layer. Mayroong tatlong mga layer sa modelong ito.
Paano sila natututo?
Ang data ay ibinibigay sa modelo ng isang entity sa isang pagkakataon kasama ng isang label. Ang data ay pinaghiwa-hiwalay sa mga tipak at ipinasa sa bawat node ng modelo.
Ang mga node ay nagsasagawa ng mga mathematical operations sa mga chunks na ito. Pagkatapos ng isang serye ng mga kalkulasyon sa isang layer, ang data ay pumasa sa susunod na layer at iba pa.
Kapag nakumpleto na, hinuhulaan ng aming modelo ang label ng data sa output layer. Magpapatuloy ang modelo upang ihambing ang hinulaang halaga na ito sa aktwal na halaga ng label.
Kung magkatugma ang mga halaga, kukunin ng aming modelo ang susunod na input ngunit kung magkaiba ang mga halaga, kakalkulahin ng modelo ang pagkakaiba sa pagitan ng parehong mga halaga, na tinatawag na pagkawala, at isasaayos ang mga kalkulasyon ng node upang makagawa ng mga katugmang label sa susunod na pagkakataon.
Arkitektura ng Neural Network ng Tesla
Gumagamit si Tesla ng makabagong pananaliksik upang sanayin ang mga malalalim na neural network sa mga problema mula sa perception hanggang sa kontrol.
Sinusuri ng bawat-camera network ng Tesla ang mga hilaw na larawan upang maisagawa ang semantic segmentation, object detection, at monocular depth na pagtatantya.
Ang Mga Dataset
Ang Neural Networks ay sinanay sa mga hilaw na larawan na kinukuha mula sa mga video na kinunan mula sa mga birds-eye-view network camera na naglalabas ng layout ng kalsada, static na imprastraktura, at mga 3D na bagay nang direkta sa top-down na view.
Ang mga larawan ng data ay walang label at sumasaklaw sa maraming magkakaibang mga senaryo sa buong mundo at binubuo ng isang milyong sasakyan sa real time.
Paano ito gumagana?
Ang network ay binubuo ng 70,000 Graphical Processing Units (GPU), na nagsasanay ng 48 malalim na pag-aaral na mga modelo.
Ang mga bahagi ng hardware ng kotse kabilang ang mga camera at sensor, ay nagbibigay ng hindi sinusubaybayang data na ipinapasa sa network ng mga modelong ito.
Natututo ang kotse tungkol sa mga posibleng bagay sa isang kapaligiran, tulad ng pedestrian, puno atbp. mula sa ibinigay na data.
Ang arkitektura ay binubuo din ng dalawang AI chips na gumagamit ng mga prinsipyo ng malalim na pag-aaral. Nakakatulong ang mga chip na ito na gumawa ng mga real-time na desisyon para sa kotse, tulad ng kung kailan at paano lumiko, habang nagmamaneho.
Kasama sa arkitektura ng Neural Network ang maraming makapangyarihang device at konsepto na nag-aambag sa mga gawain nito, kabilang ang:
FSD Chip
Buong Self-Driving (FSD) chips ay AI inference chips na nagpapatakbo ng autopilot software ng Tesla. Ang mga chip na ito ay idinisenyo na may mga micro-architectural na pagpapabuti na pinipiga ang maximum na pagganap ng silicon-per-watt.
Ang mga FSD ay nagpapatupad ng floor-planning, timing at power analysis habang nagsusulat ng mga mahuhusay na pagsubok at scoreboard upang i-verify ang functionality at performance ng AI.
Mga Dojo Chip at Sistema
Dojo ay ang super computer system ng Tesla na lumulutas ng mahihirap na problema sa advanced na teknolohiya para sa high-power na paghahatid at paglamig.
Kasama sa Dojo Chips ang AI na nagpapagana sa mga system na ito at idinisenyo para sa maximum na performance, throughput at bandwidth sa bawat granularity.
Magkasama, ang mga chip at system ay ginagamit upang i-optimize ang kapangyarihan at pagganap para sa Tesla's NN.
Autonomy Algorithm
Ang mga autonomy algorithm ay ang mga pangunahing algorithm na nagtutulak sa kotse sa pamamagitan ng paglikha ng isang mataas na katapatan na representasyon ng mundo at pagpaplano ng mga tilapon sa isang partikular na espasyo.
Upang sanayin ang mga neural network upang mahulaan ang gayong mga representasyon, ang Tesla ay may algorithm na gumagawa ng tumpak at malakihang ground-truth na data sa pamamagitan ng pagsasama-sama ng impormasyon mula sa mga sensor ng kotse sa buong espasyo at oras.
Gumagamit ang mga algorithm na ito ng mga advanced na diskarte upang bumuo ng isang mahusay na pagpaplano at sistema ng paggawa ng desisyon na gumagana sa mga kumplikadong sitwasyon sa totoong mundo sa ilalim ng kawalan ng katiyakan.
Imprastraktura ng Pagsusuri
Kasama sa imprastraktura ng pagsusuri ng Tesla ang open-loop, closed-loop at hardware-in-the-loop na mga tool at imprastraktura sa sukat.
Ang imprastraktura na ito ay nagbibigay-daan para sa AI na subaybayan ang mga pagpapabuti ng pagganap at maiwasan ang mga regression.
Mga Pangunahing Tampok ng Tesla's NN
- Nakikita ng mga camera, ultrasonic sensor, at radar ang kapaligiran
- Sinusukat ng radar ang distansya sa paligid ng kotse
- Sinusukat ng mga ultraviolet technique ang proximity at kinikilala ng passive video ang mga bagay sa paligid ng kotse
- Gumagamit ng dalawang AI chip na binuo sa mga prinsipyo ng malalim na neural network
- AI chips na binubuo ng 6 bilyong transistor
- 21 beses na mas mabilis kaysa sa Nvidia chips
- Ang AI chips ay may 32 megabytes ng high-speed SRAM memory
- Binubuo ng 48 Deep Learning models
- Naglalaman ng 70,000 Graphical Processing Units (GPU)
- Naglalabas ng 1000 natatanging tensor (mga hula) sa bawat timestep
Konklusyon
Ang cutting-edge ni Tesla Mga Neural Network at ginawang realidad ng arkitektura ng AI ang ideya ng mga self-driving na sasakyan.
Ang tagumpay na ito ng nangungunang tagagawa ng sasakyan na nakabatay sa AI ay resulta ng advanced nito FSD chips, Dojo chips, autonomy algorithm, imprastraktura ng pagsusuri, at higit pa.
Kung gusto mong matuto nang higit pa tungkol sa AI, Deep Learning at ang pinakabagong mga uso sa teknolohiya, tingnan ang aming iba pang mga kawili-wiling artikulo.
Mag-iwan ng Sagot