Beim Investorentag von Autonomy präsentierten Elon Musk und sein Team viele Zahlen. Sie sprachen viel über das Wachstum der Flottengröße und die Leistung des neuen FSD-Chips für neuronale Netze. Allerdings vergaß er, eine Nummer anzugeben. Es ist das Produkt dieser beiden Faktoren multipliziert.
Wenn Sie sich TOP500.org ansehen, das die 500 leistungsstärksten Supercomputer der Welt auflistet, werden Sie viele schnelle Maschinen sehen. Eines der Maße dieser Systeme ist Pflops (was einer Billiarde (eintausend Billionen) Gleitkommaoperationen pro Sekunde entspricht).
Der schnellste Supercomputer auf der Liste ist Summit im Energieministerium in Oak Ridge, Tennessee. Es hat eine Kapazität von ca. 144 Pflops. Und wenn wir die gesamte Rechenleistung der ersten 500 Computer addieren, erhalten wir eine Gesamtverarbeitungsleistung von etwa 1.415 Pflops.
In etwa einem Jahr wird Tesla rund eine Million Fahrzeuge mit seinem neuen „Full Self Driving“-Chip auf die Straße bringen. Etwa die Hälfte von ihnen wird mit diesem Chip vorinstalliert sein, und die andere Hälfte, die heute im Umlauf ist, wird aufrüstbar sein.
Für die gesamte Flotte wird Tesla über eine Rechenleistung von rund 117.000 TOPs verfügen. Typischerweise wird die Rechenleistung eines Supercomputers in Gleitkommaoperationen gemessen, während Tesla für die Autonomie nur an der Ganzzahlmultiplikation interessiert ist. Nehmen wir also an, dass FLOPs zehnmal „leistungsstärker“ sind als OPs (die Umrechnung ist nicht genau, sollte uns aber eine Größenordnung liefern).
Das bedeutet, dass das kombinierte Fahrzeugnetzwerk von Tesla um Größenordnungen mehr Rechenleistung hat als der schnellste Supercomputer der Welt und eine Größenordnung mehr Rechenleistung als die schnellsten 500 Computer zusammen. Beim Vergleich von Supercomputern kommt es nicht nur auf PFlops an, aber es handelt sich um eine einfach zu verwendende Metrik. Es ist klar, dass sich die Architektur der Anwendung aufgrund der sehr begrenzten Bandbreite, die zwischen Autos und der Cloud verfügbar ist, stark von der eines typischen Supercomputers unterscheiden muss und sowohl Vor- als auch Nachteile mit sich bringt.
Die verteilte Maschine von Tesla wird sehr interessante Eigenschaften haben.
- Es wird auf der ganzen Welt verteilt
- Es wird extrem mobil sein
- Es wird mit einer Reihe von Sensoren (Sicht, Radar, Ultraschall) verbunden.
- Es wird das weltweit größte neuronale Netzwerk betreiben, das auf KI-Deep-Learning basiert und sich auf Bilderkennung konzentriert.
- Seine Größe wird kontinuierlich zunehmen (in den nächsten Jahren exponentiell).
- Es wird auf einen geringen Energieverbrauch optimiert und zunehmend mit Solarenergie betrieben.
- Es wird automatisch und dynamisch aktualisiert.
Das Ziel dieses IT-Giganten wird sich auf eine einzige Aufgabe beschränken: das Fahren von Fahrzeugen, die mit sich weiterentwickelnder „künstlicher Intelligenz“ ausgestattet sind. Diese KI basiert auf Deep Learning durch neuronale Netze, die monatlich Milliarden Kilometer an visuellen Fahrzeugdaten sowie andere Sensordaten verarbeiten. Ziel dieses Systems wird es sein, das „autonome Fahren“ von Autos auf ein Niveau zu perfektionieren, das kein Mensch erreichen kann.
Obwohl es andere Anwendungen gibt, die mit einer riesigen Anzahl von „Knoten“ verteilt sind, die man beim Bitcoin-Mining, bei XBox-, WhatsApp-Clients usw. sehen kann. Der selbstfahrende Moloch Tesla unterscheidet sich dadurch, dass es sich um ein System handelt, das sich mit zunehmender Anzahl von Knoten verbessert, und dies im Laufe der Zeit aufgrund der zunehmenden Abhängigkeit von neuronalen Netzen und Software-Engineering-Algorithmen immer automatisierter geschieht.
Wie Stewart Bowers während seiner Präsentation zum Autonomy-Investorentag betonte: „Wir können uns nicht nur ansehen, was rund um das Fahrzeug passiert, sondern auch, wie Menschen sich dafür entschieden haben, mit dieser Umgebung zu interagieren.“ Wir beginnen mit einem einzelnen neuronalen Netzwerk und Erkennungen um dieses herum. Anschließend bauen wir alles in mehreren neuronalen Netzen und mehreren Erkennungen zusammen. Anschließend integrieren wir alle anderen Sensoren und wandeln alles in das um, was Elon „Vektorraum“ nennt, also ein Verständnis der Welt um uns herum. Je besser wir werden, desto mehr dieser Logik übertragen wir in die neuronalen Netze selbst. Das offensichtliche Endziel besteht darin, dass das neuronale Netzwerk alle Autos untersucht, alle Informationen sammelt und letztendlich eine Quelle der Wahrheit für die Welt um uns herum liefert.“
In Wirklichkeit erstellt das neuronale Netzwerk von Tesla sowohl ein Modell der Welt, wie sie ist, als auch ein Wahrscheinlichkeitsmodell dafür, wie sich verschiedene Dinge in der Welt basierend auf ihrem Aussehen verhalten. Nehmen Sie das Beispiel eines Schlaglochs oder einer Tasche auf der Straße. Wenn es sich um ein Schlagloch handelt, erkennt das Auto es und merkt dann, dass es sich nie bewegt. Und wenn Sie darauf fahren, wird Ihre Federung einen gewissen Aufprall spüren. Wenn es sich um eine Tasche handelt, kann sie sich bewegen (wenn sie sich bewegt, ist es kein Schlagloch), und wenn Sie sie auf dem Boden oder in der Luft treffen, hat dies keine größeren Auswirkungen auf das Fahrzeug.
Er fährt fort: „Wir haben ein neuronales Netzwerk, das auf unserer Weitwinkel-Fisheye-Kamera läuft. Dieses neuronale Netzwerk macht keine einzige Vorhersage über die Welt, sondern viele verschiedene Vorhersagen, von denen sich einige gegenseitig bestätigen. Diese Vorhersagen geben uns eine bessere Vorstellung davon, was wir vor dem Fahrzeug bieten können und was nicht, und wie wir dies planen können. (…) Damit können wir einerseits sehr präzise zukünftige Verhaltensweisen erlernen, andererseits aber auch sehr präzise Vorhersagen darüber treffen, wie sich die Dinge vor uns weiterentwickeln werden.“
Nach Teslas selbstfahrender Einführung könnte die nächstgrößere „dedizierte“ und natürlich skalierbare Anwendung für ein Computersystem das kürzlich aktualisierte Wettervorhersagesystem der NOAA sein, das auf einem Paar 8-stelliger Supercomputer mit 4 PFlops läuft und das Wetter für die USA vorhersagt gesamten Vereinigten Staaten. Doch während das neueste Update der NOAA innerhalb von drei Jahren etwa 50 % mehr Leistung bedeutete, entwickelt sich Teslas selbstfahrendes KI-System viel schneller weiter. Elon bemerkt: „Wenn sich die Dinge exponentiell ändern, ist es sehr schwierig, das in den Griff zu bekommen, weil wir es gewohnt sind, auf linearer Basis zu extrapolieren.“ Aber wenn man riesige Mengen an Hardware unterwegs hat, wachsen die kumulierten Daten exponentiell und die Software verbessert sich exponentiell.“
Zusätzlich zu seiner neuen, dreimal schnelleren Chip-Architektur, die sich in der Entwicklung befindet, wird Tesla in vier Jahren voraussichtlich über 5 Millionen Autos auf der Straße haben, mit einer kombinierten Rechenleistung von etwa 2 Millionen POPs (22.500 mehr Rechenleistung als das aktuelle Paar von NOAA). ).
Es ist auch möglich, dass Tesla in den nächsten Jahren in der Lage sein wird, Hochgeschwindigkeits-Satelliteninternet (zumindest außerhalb dicht besiedelter städtischer Gebiete) zu nutzen, um Hochgeschwindigkeitsbandbreite für das Netzwerk bereitzustellen, das derzeit durch inkonsistente 4G-Geschwindigkeitskonnektivität stark eingeschränkt ist , was ein größeres Potenzial für schnelle Verbesserungen eröffnet.
Allerdings könnte sich die Konkurrenz innerhalb von 4 Jahren an Tesla wenden. Bis dahin ist es sehr wahrscheinlich, dass andere große Automobilhersteller einen Weg finden werden, die Software der meisten ihrer Neufahrzeuge zu aktualisieren.