کی میز کے مندرجات[چھپائیں][دکھائیں]
دنیا جیسا کہ ہم جانتے ہیں یہ مصنوعی ذہانت (AI) کے نتیجے میں بدل سکتی ہے۔ نیم خودمختار نظاموں میں بہتری کے حوالے سے، ٹیسلا ان کا بہت زیادہ استعمال کر رہا ہے۔
مزید برآں، ایلون مسک کا دعویٰ ہے کہ آخر کار اسے دوسرے شعبوں میں بھی لاگو کیا جائے گا۔ اس کی مکمل سیلف ڈرائیونگ ٹیکنالوجی اور آٹو پائلٹ سسٹم کے لیے،
ٹیسلا کمپیوٹر وژن کا استعمال کرتا ہے، مشین لرننگ، اور مصنوعی ذہانت (FSD)۔
اس حصے میں، ہم اس بات پر تبادلہ خیال کریں گے کہ ٹیسلا کو ایک ٹیک فرم کیا بناتی ہے اور یہ خود ڈرائیونگ کاروں کو تیار کرنے کے لیے AI، کمپیوٹر ویژن، بڑا ڈیٹا اور دیگر ٹیکنالوجیز کا استعمال کیسے کرتی ہے۔ چلو شروع کریں.
ہم پہلے اس بات کا جائزہ لیں گے کہ ٹیسلا ایک ٹیک فرم کیسے ہے۔
ٹیسلا کو ٹیک کمپنی کیوں سمجھا جاتا ہے؟
Tesla سافٹ ویئر کی ایک خاصی مقدار تیار کر رہا ہے۔ ٹیسلا کا مخصوص انفوٹینمنٹ سسٹم، یوزر انٹرفیس، اور خود مختار ڈرائیونگ کے افعال سبھی سافٹ ویئر پر مبنی ہیں۔
جب کہ دوسرے کار ساز اب صرف اوور دی ایئر اپ گریڈ کے ساتھ تجربہ کرنا شروع کر رہے ہیں، ٹیسلا برسوں سے یہ کام کر رہی ہے۔ Tesla کے ملازمین نے Tesla آٹوموبائلز کے لیے آپریٹنگ سسٹم بنائے اور مسلسل بہتر کر رہے ہیں۔
ٹیسلا مختلف قسم کی دیگر تکنیکی مصنوعات بھی تیار کرتا ہے، جن میں سولر پینلز، چھتوں کی سولر ٹائلیں، کئی قسم کی بیٹریاں، چارجنگ اسٹیشنز، کمپیوٹرز، اور کمپیوٹر کے اہم اجزاء (ٹیسلا کاروں کے لیے) شامل ہیں۔
اگرچہ نوکیا اور بلیک بیری دونوں کے پاس سافٹ ویئر تھا، آئی فون میں دونوں کا متوازن امتزاج تھا، یہی وجہ ہے کہ اس نے موبائل فون کے کاروبار کو فتح کیا اور اس میں تبدیلی کی کہ ہم اس وقت اپنے فون کیسے استعمال کرتے ہیں۔
یہ وہی ہے جو Tesla کار کے کاروبار کے لئے کر رہا ہے. Teslas گاڑیاں ہیں، ہاں (اور SUVs اور جلد ہی پک اپ ٹرک، نیم ٹرک، اور ATVs)۔ لیکن یہ گاڑیاں روزمرہ کے استعمال کے لیے سافٹ ویئر کو شامل کرتی ہیں جو کہ ٹیسلا نے اندرونی طور پر بنایا تھا یا ٹیسلا کے سسٹم میں شامل کیا گیا تھا۔
جب آپ پارک ہوتے ہیں، Tesla نے تفریحی انتخاب متعارف کرائے ہیں جن میں TRAX، Caraoke، اور متعدد گیمز شامل ہیں (اور شاید کسی دن ٹرانزٹ کے دوران)۔ سیکیورٹی سسٹم سنٹری موڈ، جو کہ Tesla ہارڈویئر اور سافٹ ویئر کو یکجا کرتا ہے، نے قانون نافذ کرنے والے اداروں کو توڑ پھوڑ جیسے جرائم کو حل کرنے میں مدد کی ہے۔ آپ کا اسمارٹ فون آپ کی Tesla کی کلید کا کام کرتا ہے۔
اپنے فون کا استعمال کرتے ہوئے، آپ اپنے ٹیسلا کو اپنے پاس آنے کے لیے کال کر سکتے ہیں۔ مزید برآں، اگر ٹیسلا کی منفرد سنٹری موڈ ٹیکنالوجی کی بدولت کوئی اہم واقعہ ہوتا ہے تو کار آپ کے فون کو مطلع کرے گی۔
چونکہ Tesla اس ڈیٹا کو استعمال کرے گا جو اس نے Tesla ڈرائیوروں کی اصل ڈرائیونگ عادات پر جمع کیا ہے (ڈیٹا اکٹھا کرنا ٹیک کا ایک اہم عنصر ہے، خاص طور پر جب یہ براہ راست اس طرح ہو اور مارکیٹ ریسرچ سروے کے ذریعے نہیں کیا جاتا ہے)، Tesla کی انشورنس بھی ایک توسیع ہوگی۔ ٹیک کی طرف سے.
ٹیسلا آٹو پائلٹ کے لیے کون سی ٹیکنالوجی استعمال کرتی ہے؟
وہ روبوٹ اور کاروں جیسی مشینوں میں بڑے پیمانے پر خودمختاری تخلیق کرتے اور استعمال کرتے ہیں۔ ان کا کہنا ہے کہ واحد طریقہ ہے جو مکمل طور پر ایک جامع جواب فراہم کر سکتا ہے۔ خود مختار ڈرائیونگ اور اس سے آگے وہ منصوبہ ہے جو منصوبہ بندی اور وژن کے لیے جدید ترین AI پر انحصار کرتا ہے، جس کی تکمیل کے لیے مؤثر ہارڈ ویئر ہے۔
ٹیسلا ایف ایس ڈی چپ
Tesla سسٹمز بہتر کارکردگی اور سڑک کی حفاظت کے لیے دو AI پروسیسر کے ساتھ آتے ہیں۔ ٹیسلا سسٹم کا مقصد غلطی سے پاک آپریشن کی طرف ہے۔ بیک اپ پاور اور ڈیٹا ان پٹ ذرائع کی وجہ سے، کار ایک یونٹ میں خرابی کے باوجود چلتی رہ سکتی ہے۔
Tesla یہ اضافی احتیاطی تدابیر اختیار کرتا ہے تاکہ یہ یقینی بنایا جا سکے کہ گاڑیاں کسی غیر متوقع ناکامی کی صورت میں حادثے سے بچنے کے لیے اچھی طرح سے تیار ہیں۔
واحد آلہ جو نئے ٹیسلا مائیکرو پروسیسر کے مقابلے فی سیکنڈ زیادہ آپریشن کر سکتا ہے وہ انسانی دماغ ہے (1 quadrillion آپریشن فی سیکنڈ)۔ یہ پہلے استعمال ہونے والی Tesla Nvidia مائیکرو چپس سے 21 گنا زیادہ طاقتور ہے۔
ان کے مکمل سیلف ڈرائیونگ سافٹ ویئر کو طاقت دینے کے لیے AI انفرنس پروسیسرز بنائیں، جس میں ہر ایک چھوٹی آرکیٹیکچرل اور مائیکرو آرکیٹیکچرل اضافہ کو مدنظر رکھتے ہوئے سلیکون کی کارکردگی فی واٹ کو زیادہ سے زیادہ کریں۔
اگرچہ ٹیسلا بلاشبہ مکمل طور پر خودمختار انجنوں کے لیے مارکیٹ کی قیادت کرتی ہے، لیکن یہ اب بھی ایک جدید آٹو پائلٹ گاڑی تیار کرنے سے بہت دور ہے۔
ٹیسلا ڈوجو چپ
Tesla نے Tesla D1 کی نقاب کشائی کی، BF362/CFP16 میں 8 TFLOPs پاور کے ساتھ ایک نیا پروسیسر جو خاص طور پر اس کے لیے بنایا گیا تھا۔ مصنوعی ذہانت. اس بات کا انکشاف ایک حالیہ دوران کیا گیا۔ ٹیسلا اے آئی دن کی پریزنٹیشن۔
فنکشنل یونٹس کے نیٹ ورک کو جوڑ کر ایک بہت بڑی چپ بنائی جاتی ہے جسے فنکشنل یونٹس کا نیٹ ورک کہا جاتا ہے، جس میں Tesla D1 کل 354 ٹریننگ نوڈس کا اضافہ کرتا ہے۔ ہر فنکشنل یونٹ میں ایک کواڈ کور، 64 بٹ ISA CPU ہوتا ہے جس میں بیسپوک، لنک ٹراورسل، براڈکاسٹ اور ٹرانسپوزیشن کے لیے خصوصی ڈیزائن ہوتا ہے۔ سپر اسکیلر نفاذ اس CPU (4-wide scalar اور 2-wide vector pipelines) کے ذریعے استعمال کیا جاتا ہے۔
یہ نیا ٹیسلا سلیکون NVIDIA A100 ایکسلریٹر میں پائے جانے والے GA100 GPU سے چھوٹا ہے جس کا سائز 826 ملی میٹر مربع ہے۔ یہ 7nm کے عمل کا استعمال کرتے ہوئے تیار کیا گیا ہے، اس میں مجموعی طور پر 50,000 ملین ٹرانجسٹر ہیں، اور 645 ملی میٹر مربع رقبہ پر مشتمل ہے۔
ٹیسلا کا دعویٰ ہے کہ اس کی ڈوجو چپ کمپیوٹر وژن ڈیٹا کو موجودہ سسٹمز سے چار گنا زیادہ تیزی سے پروسیس کرے گی، جس سے کمپنی اپنے سیلف ڈرائیونگ سسٹم کو مکمل طور پر خودکار کر سکے گی۔
تاہم، دو سب سے مشکل تکنیکی کارنامے، یعنی ٹائل ٹو ٹائل انٹرکنیکٹ اور سافٹ ویئر، ابھی تک ٹیسلا نے مکمل نہیں کیے ہیں۔
ٹاپ گریڈ نیٹ ورکنگ سوئچ کسی بھی ٹائل کی بیرونی بینڈوتھ کا مقابلہ نہیں کر سکتے۔ ایسا کرنے کے لیے، ٹیسلا نے منفرد انٹرکنیکٹس بنائے۔
ڈوجو سسٹم
ڈوجو سسٹم بنائیں، اعلی سطحی سافٹ ویئر APIs سے لے کر اسے سلیکون فرم ویئر انٹرفیس تک کنٹرول کریں۔ مشکل حالات کو حل کرنے کے لیے جدید ترین ہائی پاور ڈیلیوری اور کولنگ ٹیکنالوجیز کا استعمال کریں، اور قابل توسیع کنٹرول لوپس اور مانیٹرنگ سافٹ ویئر بنائیں۔
Tesla ڈیٹا سینٹرز میں استعمال کے لیے مشین لرننگ کمپیوٹ کی اگلی نسل تیار کرنے کے لیے اپنی مکینیکل، تھرمل، اور الیکٹریکل انجینئرنگ ٹیموں کی پوری مہارت کا استعمال کریں۔ صرف پابندی آپ کی تخیل ہے۔
کے ہر جزو کے ساتھ کام کریں۔ نظام ڈیزائن. ایک عوامی سامنا کرنے والا API تیار کریں جو Dojo کو ہر کسی کے لیے قابل رسائی بنائے، اور Tesla fleet Learning کے ساتھ تعاون کرے تاکہ ان کے بے پناہ ڈیٹا سیٹس کو استعمال کرتے ہوئے تربیتی کام کا بوجھ فراہم کیا جا سکے۔
خود مختاری الگورتھم
آٹوموبائل کو چلانے والے کلیدی الگورتھم تیار کرنے کے لیے اس جگہ میں ایک اعلیٰ مخلص عالمی ماڈل اور پلاٹ کی رفتار بنائیں۔
گاڑی کے سینسر سے جگہ اور وقت کے اعداد و شمار کو جمع کرکے، ایک الگورتھم عین مطابق اور وسیع زمینی سچائی کا ڈیٹا فراہم کر سکتا ہے جسے تربیت دینے کے لیے استعمال کیا جا سکتا ہے۔ نیند نیٹ ورک ان نمائندگیوں کا اندازہ لگانے کے لیے۔
وہ جدید ترین طریقوں کا استعمال کرتے ہوئے مضبوط منصوبہ بندی اور فیصلہ سازی کا نظام بناتے ہیں جو غیر یقینی صورتحال کے ساتھ حقیقی دنیا کے چیلنج کرنے والے منظرناموں میں کام کر سکتے ہیں۔
ٹیسلا کے پورے بیڑے کی سطح پر الگورتھم کا تجزیہ کرنا فائدہ مند ہے۔
عصبی نیٹ ورک
گہرے اعصابی نیٹ ورکس کو جدید تحقیق کا استعمال کرتے ہوئے ادراک سے لے کر کنٹرول تک کے مسائل پر تربیت دی جا سکتی ہے۔ سیمنٹک سیگمنٹیشن، آبجیکٹ کی شناخت، اور یک آواز گہرائی کے تخمینے کو پورا کرنے کے لیے، ان کے فی کیمرہ نیٹ ورک خام تصویروں کی جانچ کرتے ہیں۔
ان کے برڈز آئی ویو نیٹ ورکس تمام کیمروں سے فوٹیج استعمال کرتے ہیں تاکہ سڑک کی ترتیب، جامد انفراسٹرکچر، اور 3D اشیاء کے اوپر سے نیچے کا نقطہ نظر پیدا کیا جا سکے۔
ان کے نیٹ ورکس کو ان کے تقریباً 1M کاروں کے بیڑے سے مسلسل ڈیٹا فراہم کیا جاتا ہے، جس میں دنیا کے سب سے پیچیدہ اور مختلف حالات شامل ہیں۔
48 نیٹ ورکس جو آٹو پائلٹ نیورل نیٹ ورکس کی پوری تعمیر کو بناتے ہیں ان کو تربیت کے لیے 70,000 GPU گھنٹے درکار ہوتے ہیں۔ ہر ٹائم سٹیپ پر، وہ اجتماعی طور پر 1,000 مختلف ٹینسر (پیش گوئیاں) تیار کرتے ہیں۔
انفراسٹرکچر کی تشخیص
انہوں نے انفراسٹرکچر اور اوپن اور کلوز لوپ ہارڈویئر ان دی لوپ اسسمنٹ ٹولز بھی بنائے ہیں تاکہ جدت کی رفتار کو تیز کیا جا سکے، کارکردگی میں اضافہ کی نگرانی کی جا سکے اور رجعت کو روکا جا سکے۔
وہ اپنے بیڑے کے گمنام خصوصیت والے کلپس کا استعمال کرتے ہیں اور انہیں بہت سے آزمائشی منظرناموں میں شامل کرتے ہیں۔ ایسا کوڈ لکھیں جو ان کے حقیقی ماحول کی تقلید کرتا ہے، خودکار جانچ یا لائیو ڈیبگنگ کے لیے استعمال کرنے کے لیے ان کے آٹو پائلٹ پروگرام کے لیے ناقابل یقین حد تک زندگی جیسے بصری اور دیگر سینسر ڈیٹا تیار کرتا ہے۔
ٹیسلا بگ ڈیٹا، مصنوعی ذہانت اور مشین لرننگ کا فائدہ کیسے اٹھاتا ہے؟
بگ ڈیٹا
بگ ڈیٹا صرف ٹیسلا کے ذریعے مسائل کو حل کرنے کے لیے استعمال نہیں کیا جاتا ہے۔ یہ صارفین کی خوشی بڑھانے کے لیے بھی استعمال ہوتا ہے۔ وہ اپنے کلائنٹس کی آن لائن کمیونٹیز سے معلومات حاصل کرتے ہیں، اور وہ اسے اپنی بعد کی مینوفیکچرنگ کو بڑھانے کے لیے استعمال کرتے ہیں۔ اس قسم کے کلائنٹ کے تعامل کو کاروبار میں سنا نہیں جاتا ہے۔
بگ ڈیٹا ٹیسلا کی لاگت بچانے، نئی منڈیاں تلاش کرنے، صارفین کو خوش کرنے، نئی مصنوعات بنانے اور اپنی گاڑیوں کو بہتر بنانے کی کوششوں کی حمایت کرتا ہے۔
معلومات کا استعمال انتہائی ڈیٹا پر مشتمل نقشے بنانے کے لیے کیا جاتا ہے جو خطرات کے مقام سے کچھ بھی ظاہر کرتے ہیں جو ڈرائیوروں کو سڑک کے ایک مخصوص حصے پر ٹریفک کی رفتار میں اوسط اضافے کے لیے کارروائی کرنے پر مجبور کرتے ہیں۔
ایج کمپیوٹنگ اس بات کا تعین کرتا ہے کہ ہر ایک کار کو ابھی کیا کارروائی کرنی چاہیے، جبکہ کلاؤڈ میں مشین لرننگ پورے بیڑے کو تربیت دیتی ہے۔
مزید برآں، فیصلہ سازی کا ایک تیسرا درجہ ہے، جس کے تحت آٹوموبائل ہمسایہ ٹیسلا گاڑیوں کے ساتھ نیٹ ورک بنانے اور علاقے کے بارے میں معلومات کا اشتراک کرنے کے لیے رابطہ قائم کر سکتے ہیں۔
یہ نیٹ ورک ممکنہ طور پر دوسرے مینوفیکچررز کی بنائی ہوئی گاڑیوں کے ساتھ ساتھ دیگر سسٹمز جیسے ٹریفک کیمروں، زمین پر مبنی سینسرز، یا فونز کے ساتھ مستقبل قریب کی دنیا میں بھی بات چیت کریں گے جہاں خود مختار کاریں عام ہیں۔
مصنوعی ذہانت
خود گاڑی چلانے کے قابل ہونے کے لیے، خود مختار کاریں اپنے سینسر اور مشین ویژن کیمروں سے ڈیٹا کا مسلسل جائزہ لیتی ہیں۔ پھر وہ ان معلومات کی بنیاد پر فیصلے کرتے ہیں۔
وہ سائیکلوں، پیدل چلنے والوں اور کاروں کی نقل و حرکت کو سمجھنے اور ان کا اندازہ لگانے کے لیے AI کا استعمال کرتے ہیں۔ وہ الگ الگ فیصلے کر سکتے ہیں اور اس علم کا استعمال کرتے ہوئے تیزی سے اپنی سرگرمیوں کی منصوبہ بندی کر سکتے ہیں۔
کیا کار کو اسی لین میں رہنا چاہیے جس میں یہ ابھی ہے، یا اسے بدلنا چاہیے؟ کیا اسے اسی طرح چلتے رہنا چاہئے یا ان کے سامنے کار کو اوورٹیک کرنا چاہئے؟ گاڑی کو کب سست یا تیز کرنا چاہیے؟
کاروں کو مکمل طور پر خود مختار بنانے کے لیے، Tesla کو الگورتھم کو تربیت دینے اور اس کے AIs کو فیڈ کرنے کے لیے ضروری ڈیٹا اکٹھا کرنا چاہیے۔ مزید تربیتی ڈیٹا ہمیشہ بہتر کارکردگی کا باعث بنے گا، اور Tesla اس سلسلے میں سبقت لے جاتا ہے۔
ٹیسلا کو مسابقتی برتری حاصل ہے کیونکہ وہ اپنے تمام ڈیٹا کو ان لاکھوں ٹیسلا گاڑیوں سے اکٹھا کرتا ہے جو اب سڑک پر ہیں۔ اندرونی اور بیرونی سینسر اس بات پر نظر رکھتے ہیں کہ Teslas مختلف حالات میں کیسے کام کرتا ہے۔
مزید برآں، وہ مشاہدہ کرتے ہیں کہ ڈرائیور کس طرح برتاؤ کرتے ہیں، بشمول مختلف حالات پر ان کے ردعمل اور وہ اسٹیئرنگ وہیل یا ڈیش بورڈ کو کتنی بار چھوتے ہیں۔ ان کے پاس بہت نفیس ٹریکنگ سسٹم ہے۔
مثال کے طور پر، Tesla وقت میں ایک فوری ریکارڈ کرتا ہے، اسے ڈیٹا اکٹھا کرنے میں شامل کرتا ہے، اور پھر ماحول کی ایک تجریدی تصویر بنانے کے لیے رنگین شکلوں کا استعمال کرتا ہے جس سے نیورل نیٹ ورک سیکھ سکتا ہے۔
ایسا اس وقت ہوتا ہے جب ٹیسلا گاڑی اس بارے میں غلط قیاس کرتی ہے کہ کار یا سائیکل کیسا برتاؤ کرے گا۔
مشین لرننگ
اندرونی اور بیرونی سینسرز کے استعمال کے ساتھ جو کہ کنٹرولز پر ڈرائیور کے ہاتھ کی لوکیشن کے بارے میں بھی معلومات حاصل کر سکتے ہیں اور یہ کہ وہ کیسے چل رہے ہیں، ٹیسلا مشین لرننگ کامیابی کے ساتھ اپنی تمام گاڑیوں کے ساتھ ساتھ ان کے کچھ اہم ڈیٹا کو بھی جمع کرتی ہے۔ ڈرائیورز
معلومات کا استعمال بہت زیادہ ڈیٹا پر مشتمل نقشے بنانے کے لیے بھی کیا جاتا ہے جو سڑک کی ایک خاص لمبائی کے دوران ٹریفک کی رفتار میں اوسط اضافے سے لے کر خطرات کی موجودگی تک سب کچھ دکھاتے ہیں اور یہاں تک کہ ڈرائیوروں کو کارروائی کرنے کا اشارہ کرتے ہیں۔
جبکہ کا حصہ کنارے کمپیوٹنگ ہر ایک کار پر یہ طے ہوتا ہے کہ کار کو ابھی کیا کارروائی کرنی ہے، Tesla کی کلاؤڈ بیسڈ مشین لرننگ پورے بیڑے کو تربیت دینے کا انچارج ہے۔
کچھ مقامی بصیرت اور معلومات کا تبادلہ کرنے کے لیے، آٹوموبائلز قریبی Tesla گاڑیوں کے ساتھ نیٹ ورک کرنے کے قابل ہیں۔
نتیجہ
Tesla ہمیشہ سے ایک ایسا کاروبار رہا ہے جو ڈیٹا اکٹھا کرنے اور تجزیہ کرتا ہے جو کہ جو کچھ بھی کرتا ہے اس کے لیے سب سے طاقتور ٹول ہے۔ انہوں نے اپنے CPUs کو ڈیزائن کرتے وقت کوئی رعایت نہیں کی۔
کی ترقی خود مختار گاڑیاں اور کارپوریشن کی طرف سے شماریاتی ڈیٹا کے تجزیے نے مصنوعی ذہانت، ڈیٹا کا تجزیہ، بڑا ڈیٹا، مشین لرننگ، کمپیوٹر ویژن، نیورل نیٹ ورکس، FSD چپ، اور بہت سے دوسرے الگورتھم کی بدولت گاڑی چلانے کے طریقے کو مکمل طور پر تبدیل کرنا ممکن بنا دیا ہے۔
جواب دیجئے