그동안 Tesla는 인공 지능에서 우위를 점할 수 있는 위치에 있는 것처럼 보였습니다. 물론 Elon Musk의 Neuralink는 SpaceX 및 The Boring Company와 함께 Tesla와 별도로 보유된 회사이지만 회사 간에는 확실히 침투가 발생합니다. 그래서, 테슬라 AI 이벤트 지난 달 회사가 자체 실리콘 칩을 설계하겠다고 발표했을 때 Tesla가 그 어느 때보다 유리해 보였습니다.
AI 이벤트는 춤추는 인간이 포즈를 취하는 것으로 절정에 이르렀습니다. 휴머노이드 로봇, 회사가 구축하려는 Tesla 봇을 미리 봅니다. 그러나 더 즉각적이고 중요한 공개는 Tesla의 Autopilot 자율주행 시스템 이면의 기계 학습 알고리즘을 훈련하는 데 사용되는 맞춤형 AI 칩 "D1"이었습니다. Tesla는 한 번에 8개의 카메라에서 입력을 받는 "변압기"로 알려진 단일 거대한 신경망을 통해 이 기술에 집중하고 있습니다.
Tesla의 AI 책임자인 Andrej Karpathy는 2021년 XNUMX월 행사에서 "우리는 처음부터 합성 동물을 효과적으로 만들고 있습니다. “자동차는 동물이라고 생각할 수 있습니다. 자율적으로 움직이고, 환경을 감지하고, 자율적으로 행동합니다.”
CleanTechnicaAI 행사에 참석한 's Johnna Crider는 공유 "행사 초반에 Tesla CEO Musk는 Tesla가 전기차 회사 그 이상이며 '추론 수준과 교육 수준에서 하드웨어에 딥 AI 활동'이 있다고 말했습니다." 그녀는 결론을 내렸습니다. "Dojo 슈퍼컴퓨터 계획을 공개하고 컴퓨터 비전 문제를 해결하는 방법에 대해 자세히 알아봄으로써 Tesla는 세상에 또 다른 면을 보여주었습니다."
테슬라의 실리콘 칩 진출
Tesla는 최근의 비전통적인 칩 제조업체입니다. 유선 분석. Intel Corporation은 2020년 매출 기준으로 세계 최대 반도체 칩 제조업체입니다. 오늘날 대부분의 개인용 컴퓨터에서 볼 수 있는 x86 시리즈 마이크로프로세서의 발명가입니다. 그러나 AI가 두각을 나타내고 실리콘 칩이 기술 통합 제조의 필수 요소가 되면서 Google, Amazon, Microsoft를 비롯한 많은 다른 기업이 이제 자체 칩을 설계하고 있습니다.
Tesla의 경우 실리콘 칩 성공의 열쇠는 회사의 신경망을 훈련하는 데 사용되는 컴퓨터 시스템에서 최적의 성능을 도출하는 것입니다. 엘론 머스크(Elon Musk) CEO는 AI 행사에서 “모델을 훈련하는 데 몇 시간이 걸리고 며칠이 걸린다면 큰일입니다.”라고 말했습니다.
처음에 Tesla는 실리콘 칩을 위해 Nvidia 하드웨어에 의존했습니다. 2019년 Tesla가 자동차의 센서 입력을 해석하는 칩을 설계하기 위해 사내로 전환하면서 상황이 바뀌었습니다. 그러나 창의적인 프로세스를 비전에서 실행으로 옮기는 AI 알고리즘을 훈련하는 데 필요한 칩을 제조하는 것은 상당히 정교하고 비용이 많이 들고 힘든 노력입니다.
Tesla Dojo 슈퍼컴퓨터 시스템의 일부인 D1 칩은 7테라플롭의 처리 능력을 갖춘 362나노미터 제조 공정을 사용합니다. 말했다 Autopilot 하드웨어 수석 이사 Ganesh Venkataramanan. Tesla는 이러한 칩 중 25개를 단일 "트레이닝 타일"에 배치하고 이 타일 중 120개를 여러 서버 캐비닛에 걸쳐 결합하여 엑사플롭 이상의 전력에 해당합니다. Venkataramanan은 "곧 첫 번째 캐비닛을 조립할 예정입니다.
CleanTechnica의 차난 보스 해체 일련의 기사(당신이 그들을 놓친 경우에 대비하여) 및 관련하여 D1 칩은 사양에 따라 50억 개의 트랜지스터가 있다고 자랑합니다. 프로세서의 경우, 이는 AMD의 Epyc Rome 칩이 보유하고 있는 39.54억 XNUMX천만 트랜지스터의 현재 기록을 절대적으로 능가합니다.
테슬라는 이에 대해 웹 사이트 회사는 "추론 하드웨어의 효율적인 사용으로 지원되는 비전 및 계획을 위한 고급 AI 기반 접근 방식이 완전한 자율 주행 및 그 이상을 위한 일반적인 솔루션을 달성하는 유일한 방법"이라고 믿습니다. 이를 위해 회사는 다음을 수행합니다.
- 모든 작은 아키텍처 및 마이크로 아키텍처 개선을 고려하면서 와트당 최대 실리콘 성능을 짜내기 위해 열심히 노력하면서 완전한 자율 구동 소프트웨어를 구동하는 실리콘 칩을 구축하십시오.
- 설계에 대한 평면도, 타이밍 및 전력 분석을 수행합니다.
- 기능과 성능을 검증하기 위해 강력한 무작위 테스트 및 스코어보드를 작성합니다.
- 성능 최적화 및 절전에 중점을 두고 칩을 프로그래밍하고 통신하기 위해 컴파일러 및 드라이버를 구현합니다. 그리고,
- 실리콘 칩을 검증하고 양산합니다.
Elon Musk CEO는 “내년에는 Dojo를 가동해야 합니다.
Tesla 신경망 및 데이터 교육
완전 자율주행에 대한 Tesla의 접근 방식은 신경망에 기반을 두고 있습니다. 자율주행 기술을 개발하는 대부분의 기업은 거래, "Light Detection and Ranging"의 약어입니다. 펄스 레이저 형태의 빛을 사용하여 지구까지의 범위(즉, 가변 거리)를 측정하는 원격 감지 방법입니다. 이 광 펄스는 항공 시스템에 의해 기록된 다른 데이터와 결합되어 지구의 모양과 표면 특성에 대한 정확한 3차원 정보를 생성합니다.
그러나 Tesla는 값 비싼 비용과 차량당 필요한 기술의 양 때문에 부분적으로 Lidar를 거부했습니다. 대신 신경망 알고리즘을 사용하여 카메라와 레이더의 입력을 분석하여 장면을 해석합니다. 스탠포드 자동차 연구 센터 소장인 Chris Gerdes는 라고 이 접근 방식은 "전산적으로 강력합니다. 알고리즘은 사진을 직접 캡처할 수 있는 센서에 의존하기보다는 카메라 피드에서 주변 지도를 재구성해야 합니다.”
테슬라 설명 웹사이트에서 신경망을 개발하기 위해 채택한 프로토콜:
- 인식에서 제어에 이르는 문제에 대해 심층 신경망을 훈련하기 위해 최첨단 연구를 적용합니다.
- 카메라별 네트워크는 원시 이미지를 분석하여 의미론적 분할, 객체 감지 및 단안 깊이 추정을 수행합니다.
- 조감도 네트워크는 모든 카메라에서 비디오를 가져와 도로 레이아웃, 정적 인프라 및 3D 개체를 하향식 보기에서 직접 출력합니다.
- 네트워크는 실시간으로 거의 1백만 대의 차량에서 반복적으로 공급되는 세계에서 가장 복잡하고 다양한 시나리오에서 학습합니다. 그리고,
- Autopilot 신경망의 전체 빌드에는 훈련하는 데 48 GPU 시간이 걸리는 70,000개의 네트워크가 포함되며, 함께 각 시간 단계에서 1,000개의 고유한 텐서(예측)를 출력합니다.
Videofeeds를 통한 Tesla 교육
Tesla는 다른 자동차 회사보다 더 많은 교육 데이터를 수집합니다. 도로 위의 1만 대가 넘는 Tesla 차량은 각각 8대의 카메라에서 비디오 피드를 회사로 보냅니다. 3 하드웨어 온보드 컴퓨터는 Tesla의 이전 세대 시스템에 비해 40초 이상 데이터를 처리합니다. 이 회사는 대형 변압기 훈련을 돕기 위해 자동차, 트럭, 교통 표지판, 차선 표시 및 기타 기능을 표시하는 이미지에 레이블을 지정하는 1,000명의 직원을 고용하고 있습니다.
XNUMX월 이벤트에서 Tesla는 프로세스를 보다 효율적으로 만들기 위해 라벨링에서 우선 순위를 지정할 이미지를 자동으로 선택할 수 있다고 말했습니다. 이것은 Tesla를 경쟁업체와 차별화하는 많은 부분 중 하나입니다.
보도 자료를 통해 Tesla에서 제공한 이미지
CleanTechnica의 독창성을 인정하십니까? 고려하는 것을 고려하십시오 CleanTechnica 회원, 후원자, 기술자 또는 대사 — 또는 후원자 Patreon.
PlatoAi. Web3 재창조. 데이터 인텔리전스 증폭.
액세스하려면 여기를 클릭하십시오.
