Развитие Тесла в области искусственного интеллекта является одним из наиболее важных аспектов его текущих и будущих технологий, и это включает адаптацию нейронных сетей к различным аппаратным платформам. Недавняя патентная публикация под названием «Система и метод адаптации модели нейронной сети на аппаратной платформе» дает представление о том, как производитель электромобилей принимает этот вызов.
В целом, нейронная сеть представляет собой набор алгоритмов, предназначенных для сбора данных и распознавания шаблонов из них. Конкретные данные, которые собираются, зависят от используемой платформы и той информации, которую она может отправлять в сеть, например, камеры / данные изображения и т. Д. Различия между платформами означают различия в алгоритмах нейронной сети, и их адаптация требует времени. Разработчики. Так же, как приложения должны быть запрограммированы для работы на основе операционной системы или аппаратного обеспечения, например, на телефоне или планшете, а также нейронных сетей. Ответ Теслы на вопрос об адаптации — это автоматизация (конечно).
В процессе адаптации нейронной сети к конкретному оборудованию разработчик программного обеспечения должен принимать решения на основе доступных параметров, встроенных в используемое оборудование. Каждый из этих вариантов, в свою очередь, обычно требует исследования, анализа документации оборудования и анализа воздействия, причем каждый выбранный набор параметров в конечном итоге добавляет конфигурацию для использования нейронной сети. Тесла называет эти варианты «точками решения», и они являются важной частью того, как работает их изобретение.
Кредит: Тесла / USPTO
Согласно приложению, после подключения модели нейронной сети и информации о конкретной аппаратной платформе для адаптации программный код пересекает сеть, чтобы выяснить, где находятся точки принятия решения, а затем запускает параметры оборудования для этих точек, чтобы предоставить доступные конфигурации. Более конкретно, программный метод учитывает аппаратные ограничения (такие как ресурсы обработки и показатели производительности) и генерирует настройки для нейронной сети, которые будут удовлетворять требованиям для ее правильной работы. Из приложения:
«Чтобы создать конкретную реализацию абстрактной нейронной сети, можно принять несколько решений о реализации одного или нескольких типов размещения системы, точности чисел, выбора алгоритма, заполнения данных, использования ускорителя, шага и многого другого. Эти решения могут быть приняты на уровне каждого уровня или на уровне тензора, поэтому потенциально могут быть сотни или даже больше решений для конкретной сети. Варианты осуществления изобретения учитывают множество факторов перед реализацией нейронной сети, поскольку многие конфигурации не поддерживаются базовыми программными или аппаратными платформами, и такие конфигурации приведут к неработающей реализации. «
Кредит: Тесла / USPTO
Изобретение Тесла также предоставляет возможность отображать информацию о конфигурации нейронной сети на графическом интерфейсе, чтобы сделать оценку и выбор более удобными для пользователя. Например, разные конфигурации могут иметь разное время оценки, энергопотребление или потребление памяти. Возможно, аналогия для этого процесса будет состоять в выборе конфигураций, основанных на различиях между режимом трека и режимом диапазона, но вместо того, чтобы ваш ИИ работал с вашим оборудованием.
Эта патентная заявка, по-видимому, является одним из продуктов, приобретенных Tesla DeepScale, стартапом AI, сфокусированным на полностью самоуправляемом и проектировании нейронных сетей для небольших устройств. Названный изобретатель, доктор Майкл Дрисколл, был старшим инженером по персоналу в DeepScale, пока он не был повышен до старшего инженера-программиста в Tesla. Доктор Форрест Иандола, предыдущий генеральный директор DeepScale, также присоединился к Tesla в качестве старшего научного сотрудника по машинному обучению, прежде чем перейти к независимым исследованиям в этом году.
Статья: Нейронная сеть Тесла адаптируется к оборудованию, выделенному в новой заявке на патент
