ずっと、テスラは人工知能で優位に立つ立場にあるように見えました。 確かに、Elon MuskのNeuralinkは、SpaceXやThe Boring Companyとともに、Teslaとは別の会社ですが、確かに会社間の浸透が起こっています。 だから、で テスラAIイベント 先月、同社が独自のシリコンチップを設計すると発表したとき、これまで以上にテスラが有利であるように見えました。
AIイベントは、踊る人間を装って最高潮に達しました。 ヒューマノイドロボット、会社が構築しようとしているテスラボットをプレビューします。 しかし、より迅速で重要な発表は、テスラの自動運転システムの背後にある機械学習アルゴリズムのトレーニングに使用されるカスタムAIチップ「D1」でした。 テスラはこのテクノロジーに熱心に取り組んでおり、「トランスフォーマー」と呼ばれる単一の巨大なニューラルネットワークが8台のカメラからの入力を一度に受信します。
テスラのAIチーフであるAndrejKarpathyは、2021年XNUMX月のイベントで、「私たちは効果的に合成動物をゼロから構築しています」と述べています。 「車は動物と考えることができます。 自律的に動き回り、環境を感知し、自律的に行動します。」
CleanTechnicaAIイベントに参加したのJohnnaCriderは、 shared 「イベントの冒頭で、テスラのCEOマスクは、テスラは電気自動車会社以上のものであり、「推論レベルとトレーニングレベルでハードウェアの深いAI活動を行っている」と述べました。」と彼女は結論付けました。 「Dojoスーパーコンピューターの計画を発表し、コンピューターの視覚問題をどのように解決しているかの詳細を調べることで、テスラは世界にそのアイデンティティの別の側面を示しました。」
テスラのシリコンチップへの進出
テスラは、最近の記事で説明されているように、最新の非伝統的なチップメーカーです ワイヤード 分析。 インテルコーポレーションは、2020年の売上高に基づく世界最大の半導体チップメーカーです。 これは、今日のほとんどのパーソナルコンピュータに見られるx86シリーズのマイクロプロセッサの発明者です。 しかし、AIが注目を集め、シリコンチップがテクノロジー統合製造に不可欠な要素になるにつれて、Google、Amazon、Microsoftなど、他の多くの企業が独自のチップを設計しています。
テスラにとって、シリコンチップの成功の鍵は、会社のニューラルネットワークのトレーニングに使用されるコンピューターシステムから最適なパフォーマンスを引き出すことです。 「モデルのトレーニングに数日かかるのに対し、数時間かかる場合、CEOのElon MuskはAIイベントで、「それは大したことです」と述べました。
当初、テスラはシリコンチップをNvidiaハードウェアに依存していました。 テスラが車内のセンサー入力を解釈するチップを設計するために社内に転向した2019年にそれは変わりました。 ただし、AIアルゴリズムのトレーニングに必要なチップの製造、つまり創造的なプロセスをビジョンから実行に移すのは、非常に洗練され、コストがかかり、要求の厳しい作業です。
テスラのDojoスーパーコンピューターシステムの一部であるD1チップは、7ナノメートルの製造プロセスを使用し、362テラフロップスの処理能力を備えています。 と オートパイロットハードウェアのシニアディレクター、GaneshVenkataramanan。 テスラは、これらのチップのうち25個を単一の「トレーニングタイル」に配置し、これらのタイルのうち120個は、複数のサーバーキャビネットにまたがって集まっており、XNUMXエクサフロップ以上の電力に相当します。 「私たちはすぐに最初のキャビネットを組み立てます」とVenkataramananは明らかにしました。
CleanTechnicaのチャナンボス 解体 一連の記事で複雑にD1チップ（あなたがそれらを逃した場合に備えて）そしてそれに関連して、その仕様の下で、D1チップは50億個のトランジスタを持っていることを誇っています。 プロセッサに関して言えば、これは、AMDのEpycRomeチップが保持している39.54億XNUMX万個のトランジスタの現在の記録を完全に上回っています。
テスラはその上で言います ウェブサイト 同社は、「推論ハードウェアの効率的な使用によってサポートされる、ビジョンと計画のための高度なAIに基づくアプローチが、完全な自動運転以降の一般的なソリューションを実現する唯一の方法である」と考えています。 そのために、会社は次のことを行います。
- ワットあたりの最大シリコン性能を圧迫することを強く求めながら、すべての小さなアーキテクチャおよびマイクロアーキテクチャの改善を考慮に入れて、完全な自動運転ソフトウェアにゼロから電力を供給するシリコンチップを構築します。
- 設計に対してフロアプラン、タイミング、および電力分析を実行します。
- 機能とパフォーマンスを検証するために、堅牢でランダム化されたテストとスコアボードを作成します。
- パフォーマンスの最適化と省電力に重点を置いて、チップをプログラムおよび通信するためのコンパイラーとドライバーを実装します。 と、
- シリコンチップを検証し、大量生産に持ち込みます。
「来年はDojoを稼働させる必要があります」とCEOのElonMuskは断言しました。
テスラニューラルネットワークとデータトレーニング
テスラの完全自動運転へのアプローチは、ニューラルネットワークに基づいています。 自動運転技術を開発しているほとんどの企業は、 対処、「Light DetectionandRanging」の頭字語です。 これは、パルスレーザーの形の光を使用して、地球までの距離（つまり、可変距離）を測定するリモートセンシング手法です。 これらの光パルスは、空中システムによって記録された他のデータと組み合わされて、地球の形状とその表面特性に関する正確な3次元情報を生成します。
しかし、テスラは、その高価なコストと車両ごとに必要な技術の量のために、LIDARを拒否しました。 代わりに、ニューラルネットワークアルゴリズムを使用してシーンを解釈し、カメラとレーダーからの入力を分析します。 スタンフォード大学自動車研究センター所長、クリス・ガーデス 言う このアプローチは「計算上手ごわいです。 アルゴリズムは、その画像を直接キャプチャできるセンサーに依存するのではなく、カメラフィードから周囲の地図を再構築する必要があります。」
テスラ 説明して そのウェブサイトでは、ニューラルネットワークを開発するために採用したプロトコル：
- 最先端の研究を適用して、知覚から制御に至るまでの問題について深いニューラルネットワークをトレーニングします。
- カメラごとのネットワークは、生の画像を分析して、セマンティックセグメンテーション、オブジェクト検出、および単眼深度推定を実行します。
- Birds-eye-viewネットワークは、すべてのカメラからビデオを取得して、道路レイアウト、静的インフラストラクチャ、および3Dオブジェクトをトップダウンビューに直接出力します。
- ネットワークは、世界で最も複雑で多様なシナリオから学習し、1万台近くの車両からリアルタイムで繰り返し調達されます。 と、
- オートパイロットニューラルネットワークの完全な構築には、トレーニングに48 GPU時間かかり、各タイムステップで70,000個の異なるテンソル（予測）を出力する1,000個のネットワークが含まれます。
ビデオフィードを介したテスラのトレーニング
テスラは、他の自動車会社よりも多くのトレーニングデータを収集しています。 道路上の1万台を超えるテスラはそれぞれ、8台のカメラからのビデオフィードを会社に送り返します。 ハードウェア3 オンボードコンピュータは、テスラの前世代のシステムと比較して、40秒以上のデータを処理します。 同社は、大型変圧器の訓練を支援するために、これらの画像にラベルを付ける1,000人の従業員（車、トラック、交通標識、車線標識、その他の機能）を採用しています。
テスラはXNUMX月のイベントで、プロセスをより効率的にするために、ラベル付けで優先する画像を自動的に選択できるとも述べました。 これは、テスラを競合他社と一線を画す多くの作品のXNUMXつです。
プレスキットを介してテスラから提供された画像
CleanTechnicaの独創性を高く評価しますか？ になることを検討してください CleanTechnicaメンバー、サポーター、技術者、またはアンバサダー —または後援者 Patreon.
PlatoAi。 Web3の再考。 増幅されたデータインテリジェンス。
アクセスするには、ここをクリックしてください。
