Tesla là một công ty sản xuất xe của Mỹ được thành lập bởi Elon Musk 2003.
Công ty được biết đến nhiều nhất với ô tô điện và chuyên sản xuất các tấm pin mặt trời và bộ lưu trữ năng lượng pin lithium-ion.
Xe Tesla đi kèm với rất nhiều tính năng mang tính cách mạng bao gồm siêu sạc, truy cập bằng thẻ khóa và chế độ lái tự động.
Chế độ lái tự động đã có thể thực hiện được do lấy ý tưởng từ Trí tuệ nhân tạo (AI) và Kiến trúc mạng thần kinh tiên tiến của Tesla.
Hãy thảo luận chi tiết về kiến trúc Mạng thần kinh Tesla.
Mạng thần kinh là gì?
Mạng thần kinh, hoặc NN, là một loạt các thuật toán được mô hình hóa dựa trên hoạt động sinh học của bộ não con người. Mạng lưới thần kinh bao gồm các nút, còn được gọi là tế bào thần kinh. Tập hợp các nút dọc được gọi là các lớp.
Mỗi lớp bao gồm các nút, còn được gọi là tế bào thần kinh, nơi các phép tính diễn ra. Các nút của một lớp được kết nối với lớp tiếp theo thông qua các đường truyền như hình dưới đây.
Trong sơ đồ sau, các vòng tròn đại diện cho các nút và tập hợp các nút theo chiều dọc đại diện cho các lớp. Có ba lớp trong mô hình này.
Làm thế nào để họ học?
Dữ liệu được cung cấp cho mô hình một thực thể tại một thời điểm cùng với một nhãn. Dữ liệu được chia thành nhiều phần và được chuyển qua từng nút của mô hình.
Các nút thực hiện các phép toán trên các khối này. Sau một loạt các phép tính trong một lớp, dữ liệu sẽ được chuyển sang lớp tiếp theo và cứ tiếp tục như vậy.
Sau khi hoàn thành, mô hình của chúng tôi dự đoán nhãn dữ liệu ở lớp đầu ra. Sau đó, mô hình tiến hành so sánh giá trị dự đoán này với giá trị nhãn thực tế.
Nếu các giá trị khớp nhau, mô hình của chúng tôi sẽ lấy đầu vào tiếp theo nhưng nếu các giá trị khác nhau, mô hình sẽ tính toán sự khác biệt giữa cả hai giá trị, được gọi là tổn thất và điều chỉnh các phép tính nút để tạo ra các nhãn phù hợp vào lần tiếp theo.
Kiến trúc mạng thần kinh của Tesla
Tesla sử dụng nghiên cứu tiên tiến để đào tạo mạng lưới thần kinh sâu về các vấn đề từ nhận thức đến kiểm soát.
Mạng mỗi camera của Tesla phân tích hình ảnh thô để thực hiện phân đoạn ngữ nghĩa, phát hiện đối tượng và ước tính độ sâu một mắt.
Bộ dữ liệu
Mạng Nơ-ron được đào tạo dựa trên hình ảnh thô được trích xuất từ video được quay từ camera mạng xem mắt chim để xuất ra bố cục đường, cơ sở hạ tầng tĩnh và các đối tượng 3D trực tiếp ở chế độ xem từ trên xuống.
Hình ảnh dữ liệu không được gắn nhãn và bao gồm nhiều tình huống đa dạng trên khắp thế giới và bao gồm một triệu phương tiện trong thời gian thực.
Học như thế nào?
Mạng bao gồm 70,000 Đơn vị xử lý đồ họa (GPU), đào tạo 48 học kĩ càng .
Các thành phần phần cứng của xe bao gồm camera và cảm biến, cung cấp dữ liệu không giám sát được truyền qua mạng của các mẫu xe này.
Xe học về các đối tượng có thể có trong môi trường, như người đi bộ, cây cối, v.v. từ dữ liệu đã cho.
Kiến trúc cũng bao gồm hai chip AI sử dụng các nguyên tắc của học kĩ càng. Những con chip này giúp đưa ra các quyết định trong thời gian thực cho chiếc xe, như thời điểm và cách rẽ khi đang lái xe.
Kiến trúc Mạng thần kinh bao gồm nhiều thiết bị và khái niệm mạnh mẽ góp phần vào hoạt động của nó, bao gồm:
Chip FSD
Tự lái hoàn toàn (FSD) là chip suy luận AI chạy phần mềm lái tự động của Tesla. Những con chip này đã được thiết kế với những cải tiến về kiến trúc vi mô để đạt được hiệu suất silicon tối đa trên mỗi watt.
FSD thực hiện lập kế hoạch tầng, thời gian và phân tích công suất trong khi viết các bài kiểm tra và bảng điểm mạnh mẽ để xác minh chức năng và hiệu suất của AI.
Hệ thống và chip Dojo
Dojo là hệ thống siêu máy tính của Tesla giải quyết các vấn đề khó khăn bằng công nghệ tiên tiến để cung cấp và làm mát năng lượng cao.
Dojo Chip bao gồm AI hỗ trợ các hệ thống này và được thiết kế cho hiệu suất, thông lượng và băng thông tối đa ở mọi mức độ chi tiết.
Cùng với nhau, các chip và hệ thống được sử dụng để tối ưu hóa năng lượng và hiệu suất cho NN của Tesla.
Thuật toán tự trị
Các thuật toán tự hành là các thuật toán cốt lõi giúp điều khiển xe bằng cách tạo ra sự thể hiện thế giới có độ trung thực cao và lập kế hoạch cho quỹ đạo trong một không gian nhất định.
Đến đào tạo mạng lưới thần kinh để dự đoán những biểu hiện như vậy, Tesla tạo ra dữ liệu thực tế trên quy mô lớn và chính xác bằng thuật toán bằng cách kết hợp thông tin từ các cảm biến của ô tô xuyên không gian và thời gian.
Các thuật toán này sử dụng các kỹ thuật tiên tiến để xây dựng một hệ thống lập kế hoạch và ra quyết định mạnh mẽ hoạt động trong các tình huống thực tế phức tạp mà không chắc chắn.
Cơ sở hạ tầng đánh giá
Cơ sở hạ tầng đánh giá của Tesla bao gồm các công cụ đánh giá vòng mở, vòng kín và phần cứng trong vòng và cơ sở hạ tầng trên quy mô lớn.
Cơ sở hạ tầng này cho phép AI theo dõi các cải tiến hiệu suất và ngăn chặn sự thoái lui.
Các tính năng chính của NN của Tesla
- Máy ảnh, cảm biến siêu âm và radar nhận biết môi trường
- Một radar đo khoảng cách xung quanh xe
- Kỹ thuật tia cực tím đo khoảng cách gần và video thụ động nhận dạng các vật thể xung quanh xe
- Sử dụng hai chip AI được xây dựng dựa trên các nguyên tắc của mạng nơ-ron sâu
- Chip AI tạo thành 6 tỷ bóng bán dẫn
- Nhanh hơn 21 lần so với chip Nvidia
- Chip AI có 32 MB bộ nhớ SRAM tốc độ cao
- Bao gồm 48 mô hình Học sâu
- Chứa 70,000 đơn vị xử lý đồ họa (GPU)
- Xuất ra 1000 tenxơ (dự đoán) riêng biệt ở mỗi bước thời gian
Kết luận
Hàng đầu của Tesla Mạng lưới thần kinh và kiến trúc AI đã biến ý tưởng về ô tô tự lái thành hiện thực.
Thành công này của nhà sản xuất ô tô hàng đầu dựa trên AI là kết quả của sự tiên tiến Chip FSD, Chip Dojo, thuật toán tự trị, cơ sở hạ tầng đánh giá, v.v.
Nếu bạn muốn tìm hiểu thêm về AI, Deep Learning và các xu hướng công nghệ mới nhất, hãy xem các bài viết thú vị khác của chúng tôi.
Bình luận