Зміст[Сховати][Показати]
Світ, яким ми його знаємо, може змінитися завдяки штучному інтелекту (ШІ). Що стосується вдосконалення напівавтономних систем, Tesla активно їх використовує.
Крім того, Ілон Маск стверджує, що згодом він буде застосований і в інших сферах. Завдяки технології повного автономного керування та системі автопілота,
Tesla використовує комп'ютерний зір, навчання за допомогою машини, і штучний інтелект (FSD).
У цьому матеріалі ми обговоримо, що робить Tesla технологічною компанією та як вона використовує ШІ, комп’ютерне зір, великі дані та інші технології для розробки безпілотних автомобілів. Давайте почнемо.
Спочатку ми розглянемо, як Tesla є технологічною фірмою.
Чому Tesla вважається технологічною компанією?
Tesla виробляє значну кількість програмного забезпечення. Особлива інформаційно-розважальна система Tesla, інтерфейс користувача, і всі функції автономного водіння базуються на програмному забезпеченні.
У той час як інші автовиробники лише зараз починають експериментувати з бездротовим оновленням, Tesla робить це роками. Співробітники Tesla створили та постійно вдосконалюють операційні системи для автомобілів Tesla.
Tesla також виробляє ряд інших технологічних продуктів, включаючи сонячні панелі, сонячну плитку для дахів, кілька типів акумуляторів, зарядні станції, комп’ютери та ключові комп’ютерні компоненти (для автомобілів Tesla).
Хоча і Nokia, і Blackberry мали програмне забезпечення, iPhone мав збалансовану комбінацію обох, тому він підкорив бізнес мобільних телефонів і змінив те, як ми зараз використовуємо наші телефони.
Це те, що Tesla робить для автомобільного бізнесу. Так, Tesla – це транспортні засоби (і позашляховики, а незабаром і пікапи, напіввантажівки та квадроцикли). Але ці транспортні засоби містять програмне забезпечення для повсякденного використання, створене Tesla всередині або включене в систему Tesla.
Поки ви паркуєтеся, Tesla запропонувала вибір розваг, зокрема TRAX, караоке та численні ігри (і, можливо, колись у дорозі). Система безпеки Sentry Mode, яка поєднує апаратне та програмне забезпечення Tesla, допомогла правоохоронним органам у розкритті таких злочинів, як вандалізм. Ваш смартфон служить ключем для вашої Tesla.
За допомогою телефону ви можете зателефонувати своїй Tesla, щоб вона приїхала до вас. Крім того, завдяки унікальній технології Sentry Mode від Tesla автомобіль сповістить ваш телефон про важливі події.
Оскільки Tesla використовуватиме зібрані дані щодо фактичних звичок водіння водіїв Tesla (збір даних є ключовим елементом технологій, особливо якщо це безпосередньо, а не через дослідження ринку), страхування Tesla також буде розширенням з технічної сторони.
Яку технологію використовує Tesla для автопілота?
Вони створюють і використовують автономію у великих масштабах у таких машинах, як роботи та автомобілі. Вони стверджують, що це єдиний метод, який може дати повну вичерпну відповідь автономне водіння і далі — це той, який покладається на передовий штучний інтелект для планування та бачення, доповнений ефективним апаратним забезпеченням для висновків.
Чіп Tesla FSD
Системи Tesla оснащені двома процесорами ШІ для підвищення продуктивності та безпеки на дорозі. Система Tesla спрямована на безпомилкову роботу. Завдяки резервному живленню та джерелам введення даних автомобіль може продовжувати працювати навіть у разі несправності одного з блоків.
Tesla вживає цих додаткових запобіжних заходів, щоб гарантувати, що транспортні засоби добре підготовлені для запобігання аварій у разі непередбачуваної несправності.
Єдиним пристроєм, який може виконувати більше операцій за секунду, ніж новий мікропроцесор Tesla, є людський мозок (1 квадрильйон операцій за секунду). Це приблизно в 21 раз потужніше, ніж раніше використовувані мікрочіпи Tesla Nvidia.
Створюйте процесори штучного інтелекту для роботи з програмним забезпеченням із повним автономним керуванням, враховуючи кожне дрібне вдосконалення архітектури та мікроархітектури, одночасно максимізуючи продуктивність кремнію на ват.
Незважаючи на те, що Tesla беззаперечно лідирує на ринку повністю автономних локомотивів, їй ще далеко до розробки передового транспортного засобу з автопілотом.
Чіп Tesla Dojo
Tesla представила Tesla D1, новий процесор з потужністю 362 TFLOPs у BF16/CFP8, який був створений спеціально для штучний інтелект. Про це стало відомо під час останнього ШІ Тесла Презентація дня.
Величезний чіп створюється шляхом з’єднання мережі функціональних блоків, яка називається мережею функціональних блоків, до якої Tesla D1 додає загалом 354 навчальні вузли. Кожен функціональний блок має чотирьохядерний 64-розрядний процесор ISA зі спеціалізованим дизайном для обходу посилань, трансляцій і транспозицій. Цей ЦП використовує суперскалярну реалізацію (4-широкий скалярний і 2-широкий векторний конвеєри).
Цей новий кремній Tesla менший за графічний процесор GA100, який міститься в прискорювачі NVIDIA A100, квадратний розмір якого становить 826 мм. Він виготовлений за 7-нм техпроцесом, має 50,000 645 мільйонів транзисторів і займає площу XNUMX мм.
Tesla стверджує, що її чіп Dojo оброблятиме дані комп’ютерного зору в чотири рази швидше, ніж поточні системи, що дозволить компанії повністю автоматизувати свою систему автономного керування.
Однак Tesla ще не досягла двох найскладніших технологічних досягнень, а саме з’єднання «плитка-плитка» та програмне забезпечення.
Мережні комутатори вищого класу не можуть конкурувати з зовнішньою пропускною здатністю будь-якої плитки. Для цього Tesla створила унікальні інтерконнекти.
Система додзьо
Створіть систему Dojo, починаючи від API високого рівня програмного забезпечення для керування нею та закінчуючи інтерфейсами мікропрограмного забезпечення. Використовуйте передові технології доставки високої потужності та охолодження для вирішення складних ситуацій і створюйте масштабовані контури керування та програмне забезпечення для моніторингу.
Використовуйте весь досвід своїх команд механіків, теплотехніків та електротехніки, щоб розробити наступне покоління обчислень машинного навчання для використання в центрах обробки даних Tesla. Єдиним обмеженням є ваша уява.
Робота з кожним компонентом проектування системи. Розробіть загальнодоступний API, який зробить Dojo доступним для будь-кого, і співпрацюйте з Tesla fleet learning, щоб виконувати навчальні навантаження, використовуючи їхні величезні набори даних.
Алгоритми автономності
Створіть високоточну модель світу та побудуйте траєкторію в цьому просторі, щоб розробити ключові алгоритми, які керують автомобілем.
Агрегуючи дані з датчиків автомобіля в різних місцях і в часі, алгоритм може надавати точні та розширені наземні правдиві дані, які можна використовувати для навчання нейронні мережі передбачити ці уявлення.
Вони створюють потужну систему планування та прийняття рішень, використовуючи передові методології, які можуть працювати в складних сценаріях реального світу з невизначеністю.
Корисно аналізувати алгоритми на рівні всього парку автомобілів Tesla.
Нейронні мережі
Глибокі нейронні мережі можна навчити вирішувати різноманітні проблеми, починаючи від сприйняття й закінчуючи контролем, використовуючи передові дослідження. Щоб виконати семантичну сегментацію, ідентифікацію об’єктів і оцінку глибини монокуляра, їхні мережі для кожної камери досліджують необроблені зображення.
Їхні мережі з висоти пташиного польоту використовують записи з усіх камер, щоб створити перспективу згори вниз на макет дороги, статичну інфраструктуру та 3D-об’єкти.
Їхні мережі постійно передають дані з парку автомобілів, який складається з близько 1 мільйона автомобілів, що включає найскладніші та найрізноманітніші обставини у світі.
Для навчання 48 мереж, які складають усю конструкцію нейронних мереж Autopilot, потрібно 70,000 1,000 GPU-годин. На кожному кроці часу вони спільно створюють XNUMX різних тензорів (прогнозів).
Оцінка інфраструктури
Вони також створили інфраструктуру та інструменти оцінки апаратного забезпечення в циклі з відкритим і замкнутим циклом у масштабі, щоб пришвидшити швидкість інновацій, відстежувати підвищення продуктивності та зупиняти регресії.
Вони використовують анонімні характерні кліпи свого парку та включають їх у багато тестових сценаріїв. Напишіть код, який імітує їх реальне середовище, генеруючи неймовірно реалістичні візуальні ефекти та інші дані датчиків для їхньої програми Autopilot, щоб використовувати їх для автоматизованого тестування чи налагодження в реальному часі.
Як Tesla використовує великі дані, штучний інтелект і машинне навчання?
Великий даних
Великі дані використовуються Tesla не лише для вирішення проблем; він також використовується для підвищення рівня споживчого щастя. Вони отримують інформацію від онлайн-спільнот своїх клієнтів і використовують її для покращення свого подальшого виробництва. Такий тип взаємодії з клієнтами є нечуваним у бізнесі.
Великі дані підтримують зусилля Tesla щодо економії коштів, пошуку нових ринків, задоволення споживачів, створення нових продуктів і вдосконалення своїх автомобілів.
Ця інформація використовується для створення карт із надзвичайною кількістю даних, які показують будь-що: від розташування ризиків, які змушують водіїв вживати заходів, до середнього збільшення швидкості руху на певній ділянці дороги.
Крайові обчислення визначає, яку дію повинен виконати кожен окремий автомобіль прямо зараз, тоді як машинне навчання в хмарі займається навчанням усього автопарку.
Крім того, існує третій рівень прийняття рішень, за допомогою якого автомобілі можуть з’єднуватися з сусідніми автомобілями Tesla для створення мереж і обміну знаннями про територію.
Ці мережі, ймовірно, також спілкуватимуться з транспортними засобами інших виробників, а також іншими системами, такими як камери дорожнього руху, наземні датчики або телефони у світі найближчого майбутнього, де автономні автомобілі є звичним явищем.
Штучний Інтелект
Щоб мати можливість їздити самостійно, автономні автомобілі постійно оцінюють дані своїх датчиків і камер машинного зору. Потім вони приймають рішення на основі цієї інформації.
Вони використовують ШІ, щоб розуміти та передбачати рух велосипедистів, пішоходів і автомобілів. Вони можуть миттєво приймати рішення та швидко планувати свою діяльність, використовуючи ці знання.
Автомобіль повинен залишатися в тій смузі, на якій він зараз перебуває, чи має змінитися? Йому слід продовжувати рух, як є, чи обганяти машину перед ними? Коли автомобіль має сповільнюватись чи прискорюватись?
Щоб зробити автомобілі повністю автономними, Tesla має зібрати необхідні дані для навчання алгоритмів і живлення свого ШІ. Більше тренувальних даних завжди призведе до кращої продуктивності, і Tesla перевершує в цьому плані.
Tesla має конкурентну перевагу, оскільки збирає всі свої дані з сотень тисяч автомобілів Tesla, які зараз їздять. Внутрішні та зовнішні датчики відстежують, як Tesla працює в різних умовах.
Крім того, вони спостерігають за поведінкою водіїв, зокрема за їхньою реакцією на різні ситуації та за тим, як часто вони торкаються керма чи панелі приладів. Вони мають дуже складну систему відстеження.
Наприклад, Tesla записує мить у часі, додає його до колекції даних, а потім використовує кольорові форми для створення абстрактного зображення середовища, з якого може навчатися нейронна мережа.
Це відбувається, коли автомобіль Tesla робить неточне припущення про те, як би поводився автомобіль або велосипед.
машинне навчання
Завдяки використанню внутрішніх і зовнішніх датчиків, які можуть навіть отримувати інформацію про розташування руки водія на елементах керування та про те, як вони продовжують працювати, машинне навчання Tesla успішно збирає деякі ключові дані з усіх своїх автомобілів, а також їх водії.
Ця інформація також використовується для створення карт із великою кількістю даних, які відображають усе: від середнього зростання швидкості руху протягом певної довжини дороги до наявності небезпек і навіть спонукають водіїв вжити заходів.
У той час як частина краю обчислень для кожного окремого автомобіля визначає, яку дію має виконати автомобіль прямо зараз, хмарне машинне навчання Tesla відповідає за навчання всього автопарку.
Щоб обмінюватися деякими місцевими думками та інформацією, автомобілі можуть підключатися до мережі з певними іншими автомобілями Tesla поблизу.
Висновок
Tesla завжди була компанією, яка збирає та аналізує дані, що є найпотужнішим інструментом для будь-чого, що вона робить. Вони не робили винятків при розробці своїх процесорів.
Розвиток автономні транспортні засоби і аналіз статистичних даних, проведений корпорацією, дозволили повністю змінити наш спосіб водіння завдяки штучному інтелекту, аналізу даних, великим даним, машинному навчанню, комп’ютерному зору, нейронним мережам, чіпу FSD та багатьом іншим алгоритмам.
залишити коментар