Όλο αυτό το διάστημα, ο Tesla φαινόταν να έχει προχωρήσει στην τεχνητή νοημοσύνη. Σίγουρα, η Neuralink του Elon Musk - μαζί με την SpaceX και την The Boring Company - είναι χωριστές εταιρείες από την Tesla, αλλά σίγουρα συμβαίνει διαρροή μεταξύ των εταιρειών. Έτσι, στο Εκδήλωση Tesla AI τον περασμένο μήνα, όταν η εταιρεία ανακοίνωσε ότι θα σχεδίαζε τα δικά της τσιπ πυριτίου, περισσότερο από ποτέ φαινόταν ότι η Tesla είχε ένα πλεονέκτημα.
Η εκδήλωση AI κορυφώθηκε με έναν χορευτικό άνθρωπο να παρουσιάζεται ως α ανθρωποειδές ρομπότ, σε προεπισκόπηση του Tesla Bot που σκοπεύει να κατασκευάσει η εταιρεία. Αλλά η πιο άμεση και σημαντική αποκάλυψη ήταν το προσαρμοσμένο τσιπ τεχνητής νοημοσύνης "D1", το οποίο θα χρησιμοποιηθεί για την εκπαίδευση του αλγορίθμου μηχανικής μάθησης πίσω από το σύστημα αυτόματης οδήγησης Autopilot της Tesla. Η Tesla επικεντρώνεται έντονα σε αυτήν την τεχνολογία, με ένα μόνο γιγαντιαίο νευρωνικό δίκτυο γνωστό ως «μετασχηματιστής» που λαμβάνει είσοδο από 8 κάμερες ταυτόχρονα.
"Κατασκευάζουμε ουσιαστικά ένα συνθετικό ζώο από την αρχή", δήλωσε ο επικεφαλής της τεχνητής νοημοσύνης της Tesla, Andrej Karpathy, κατά τη διάρκεια της εκδήλωσης τον Αύγουστο του 2021. «Το αυτοκίνητο μπορεί να θεωρηθεί ως ζώο. Κινείται αυτόνομα, αντιλαμβάνεται το περιβάλλον και ενεργεί αυτόνομα ».
CleanTechnicaτης Johnna Crider, η οποία παρακολούθησε την εκδήλωση AI, Shared "Στην αρχή της εκδήλωσης, ο διευθύνων σύμβουλος της Tesla Musk είπε ότι η Tesla είναι πολύ περισσότερο από μια εταιρεία ηλεκτρικών αυτοκινήτων και ότι έχει" βαθιά δραστηριότητα AI στο υλικό σε επίπεδο συμπερασμάτων και σε επίπεδο εκπαίδευσης ". ότι, «αποκαλύπτοντας τα σχέδια υπερυπολογιστών Dojo και εισάγοντας λεπτομέρειες για το πώς λύνει προβλήματα όρασης υπολογιστή, ο Tesla έδειξε στον κόσμο μια άλλη πλευρά στην ταυτότητά του».
Η εισβολή του Τέσλα σε τσιπς πυριτίου
Η Tesla είναι ο τελευταίος μη παραδοσιακός κατασκευαστής τσιπ, όπως περιγράφεται σε μια πρόσφατη Ενσύρματη ανάλυση. Η Intel Corporation είναι ο μεγαλύτερος κατασκευαστής τσιπ ημιαγωγών στον κόσμο, με βάση τις πωλήσεις του το 2020. Είναι ο εφευρέτης της σειράς μικροεπεξεργαστών x86 που βρίσκεται σήμερα στους περισσότερους προσωπικούς υπολογιστές. Ωστόσο, καθώς η τεχνητή νοημοσύνη κερδίζει έδαφος και τα τσιπ πυριτίου γίνονται απαραίτητα συστατικά στην τεχνολογία ολοκληρωμένης κατασκευής, πολλά άλλα, όπως η Google, η Amazon και η Microsoft, σχεδιάζουν τώρα τις δικές τους μάρκες.
Για την Tesla, το κλειδί για την επιτυχία των τσιπ πυριτίου θα είναι η βέλτιστη απόδοση από το σύστημα υπολογιστών που χρησιμοποιείται για την εκπαίδευση του νευρωνικού δικτύου της εταιρείας. "Εάν χρειαστούν μερικές ημέρες για να εκπαιδεύσει ένα μοντέλο έναντι δύο ωρών", δήλωσε ο CEO Elon Musk στην εκδήλωση AI, "είναι μεγάλη υπόθεση."
Αρχικά, η Tesla βασίστηκε στο υλικό της Nvidia για τα τσιπ πυριτίου της. Αυτό άλλαξε το 2019, όταν η Tesla επέστρεψε στο σπίτι για να σχεδιάσει τσιπ που ερμηνεύει την είσοδο αισθητήρα στα αυτοκίνητά της. Ωστόσο, η κατασκευή των τσιπ που απαιτούνται για την εκπαίδευση αλγορίθμων AI - η μεταφορά της δημιουργικής διαδικασίας από το όραμα στην εκτέλεση - είναι αρκετά περίπλοκη, δαπανηρή και απαιτητική προσπάθεια.
Το τσιπ D1, μέρος του υπερυπολογιστή Dojo της Tesla, χρησιμοποιεί διαδικασία κατασκευής 7 νανομέτρων, με 362 teraflops επεξεργαστικής ισχύος, είπε Ganesh Venkataramanan, ανώτερος διευθυντής υλικού Autopilot. Η Tesla τοποθετεί 25 από αυτά τα τσιπ σε ένα μόνο "πλακίδιο εκπαίδευσης" και 120 από αυτά τα πλακίδια συναντώνται σε πολλά ερμάρια διακομιστών, που αντιστοιχούν σε μια έξαρση ισχύος. "Συγκεντρώνουμε τα πρώτα μας γραφεία πολύ σύντομα", αποκάλυψε ο Venkataramanan.
CleanTechnicaτου Τσανάν Μπος αποδομημένος το τσιπ D1 περίπλοκα σε μια σειρά άρθρων (σε περίπτωση που τα χάσατε) και σχετικό ότι, σύμφωνα με τις προδιαγραφές του, το τσιπ D1 μπορεί να υπερηφανεύεται ότι διαθέτει 50 δισεκατομμύρια τρανζίστορ. Όσον αφορά τους επεξεργαστές, αυτό ξεπερνά απόλυτα το τρέχον ρεκόρ που κατέχει το τσιπ Epyc Rome της AMD των 39.54 δισεκατομμυρίων τρανζίστορ.
Λέει ο Τέσλα ότι η εταιρεία πιστεύει "ότι μια προσέγγιση βασισμένη σε προηγμένο AI για όραμα και σχεδιασμό, υποστηριζόμενη από αποτελεσματική χρήση συμπερασμάτων υλικού, είναι ο μόνος τρόπος για να επιτευχθεί μια γενική λύση για πλήρη αυτο-οδήγηση και πέρα." Για να γίνει αυτό, η εταιρεία θα:
- Κατασκευάστε τσιπ πυριτίου που τροφοδοτεί το πλήρες λογισμικό αυτόματης οδήγησης από την αρχή, λαμβάνοντας υπόψη κάθε μικρή αρχιτεκτονική και μικρο-αρχιτεκτονική βελτίωση ενώ πιέζεστε σκληρά για να συμπιέσετε τη μέγιστη απόδοση πυριτίου ανά watt.
- Πραγματοποιήστε αναλύσεις δαπέδου, χρονισμού και ισχύος στο σχεδιασμό.
- Γράψτε ισχυρές, τυχαιοποιημένες δοκιμές και πίνακες αποτελεσμάτων για να επαληθεύσετε τη λειτουργικότητα και την απόδοση.
- Εφαρμόστε μεταγλωττιστές και προγράμματα οδήγησης για προγραμματισμό και επικοινωνία με το τσιπ, με ιδιαίτερη έμφαση στη βελτιστοποίηση της απόδοσης και την εξοικονόμηση ενέργειας. και,
- Επικυρώστε το τσιπ πυριτίου και φέρτε το σε μαζική παραγωγή.
"Θα πρέπει να έχουμε το Dojo λειτουργικό το επόμενο έτος", δήλωσε ο CEO Elon Musk.
Το νευρωνικό δίκτυο Tesla & εκπαίδευση δεδομένων
Η προσέγγιση της Tesla στην πλήρη αυτο-οδήγηση βασίζεται στο νευρωνικό της δίκτυο. Οι περισσότερες εταιρείες που αναπτύσσουν τεχνολογία αυτο-οδήγησης το κοιτάζουν αντιμετώπιση, το οποίο είναι αρκτικόλεξο για "Ανίχνευση και κλίμακα φωτός". Είναι μια μέθοδος τηλεπισκόπησης που χρησιμοποιεί το φως με τη μορφή παλμικού λέιζερ για τη μέτρηση των αποστάσεων - δηλαδή των μεταβλητών αποστάσεων - προς τη Γη. Αυτοί οι παλμοί φωτός συνδυάζονται με άλλα δεδομένα που καταγράφονται από το αερομεταφερόμενο σύστημα για να παράγουν ακριβείς, τρισδιάστατες πληροφορίες σχετικά με το σχήμα της Γης και τα χαρακτηριστικά της επιφάνειάς της.
Ωστόσο, η Tesla απέρριψε το lidar, εν μέρει λόγω του ακριβού κόστους και της απαιτούμενης τεχνολογίας ανά όχημα. Αντ 'αυτού, ερμηνεύει σκηνές χρησιμοποιώντας τον αλγόριθμο νευρωνικού δικτύου για να διαχωρίσει την είσοδο από τις κάμερες και το ραντάρ του. Chris Gerdes, διευθυντής του Κέντρου Έρευνας Αυτοκινήτου στο Στάνφορντ, λέει αυτή η προσέγγιση είναι «υπολογιστικά τρομερή. Ο αλγόριθμος πρέπει να ανακατασκευάσει έναν χάρτη του περιβάλλοντός του από τις τροφοδοσίες της κάμερας αντί να βασίζεται σε αισθητήρες που μπορούν να καταγράψουν αυτήν την εικόνα απευθείας ».
Τέσλα εξηγεί στον ιστότοπό του τα πρωτόκολλα που έχει υιοθετήσει για την ανάπτυξη των νευρωνικών δικτύων του:
- Εφαρμόστε έρευνα αιχμής για να εκπαιδεύσετε βαθιά νευρωνικά δίκτυα σε προβλήματα που κυμαίνονται από την αντίληψη έως τον έλεγχο.
- Τα δίκτυα ανά κάμερα αναλύουν ακατέργαστες εικόνες για να πραγματοποιήσουν σημασιολογική τμηματοποίηση, ανίχνευση αντικειμένων και εκτίμηση μονοφθαλμικού βάθους.
- Τα δίκτυα Bird-eye-view λαμβάνουν βίντεο από όλες τις κάμερες για να εξάγουν τη διάταξη του δρόμου, τη στατική υποδομή και τα τρισδιάστατα αντικείμενα απευθείας στην προβολή από πάνω προς τα κάτω.
- Τα δίκτυα μαθαίνουν από τα πιο περίπλοκα και ποικίλα σενάρια στον κόσμο, τα οποία προέρχονται επαναληπτικά από στόλο σχεδόν 1 εκατομμυρίου οχημάτων σε πραγματικό χρόνο. και,
- Μια πλήρης δημιουργία νευρωνικών δικτύων αυτόματου πιλότου περιλαμβάνει 48 δίκτυα που χρειάζονται 70,000 ώρες GPU για να εκπαιδευτούν και, από κοινού, βγάζουν 1,000 διακριτούς μετρητές (προβλέψεις) σε κάθε χρονικό βήμα.
Εκπαίδευση Teslas μέσω Videofeeds
Η Tesla συγκεντρώνει περισσότερα δεδομένα εκπαίδευσης από άλλες εταιρείες αυτοκινήτων. Κάθε ένα από τα περισσότερα από 1 εκατομμύριο Teslas στο δρόμο στέλνει πίσω στην εταιρεία τις βιντεοταινίες από τις 8 κάμερές του. Hardware 3 ο υπολογιστής επεξεργάζεται περισσότερα από 40 χρόνια τα δεδομένα σε σύγκριση με το προηγούμενο σύστημα γενιάς της Tesla. Η εταιρεία απασχολεί 1,000 άτομα που επισημαίνουν αυτές τις εικόνες - σημειώνοντας αυτοκίνητα, φορτηγά, πινακίδες κυκλοφορίας, σήμανση λωρίδας και άλλα χαρακτηριστικά - για να βοηθήσουν στην εκπαίδευση του μεγάλου μετασχηματιστή.
Στην εκδήλωση του Αυγούστου, η Tesla είπε επίσης ότι μπορεί να επιλέξει αυτόματα ποιες εικόνες θα δώσει προτεραιότητα στην επισήμανση για να κάνει τη διαδικασία πιο αποτελεσματική. Αυτό είναι ένα από τα πολλά κομμάτια που ξεχωρίζει την Tesla από τους ανταγωνιστές της.
Η εικόνα παρέχεται από την Tesla μέσω κιτ τύπου
Εκτιμάτε την πρωτοτυπία της CleanTechnica; Σκεφτείτε να γίνετε Μέλος, υποστηρικτής, τεχνικός ή πρέσβης της CleanTechnica - ή ένας προστάτης Πατρέων.
Πλάτωνας. Επανεκτίμησε το Web3. Ενισχυμένη ευφυΐα δεδομένων.
Κάντε κλικ εδώ για πρόσβαση.
