Op de investeerdersdag van Autonomy lieten Elon Musk en zijn team veel cijfers zien. Ze spraken veel over de groei van de vlootomvang en de prestaties van de nieuwe FSD neurale netwerkchip. Hij vergat echter een nummer te vermelden. Het is het product van deze twee factoren vermenigvuldigd.
Als je naar TOP500.org kijkt, waar de 500 krachtigste supercomputers ter wereld worden vermeld, zie je veel snelle machines. Een van de maatstaven van deze systemen zijn Pflops (wat overeenkomt met één biljard (duizend biljoen) drijvende-kommabewerkingen per seconde).
De snelste supercomputer op de lijst is Summit, bij het Department of Energy in Oak Ridge, Tennessee. Het heeft een capaciteit van ongeveer 144 Pflops. En als we alle verwerkingskracht van de eerste 500 computers bij elkaar optellen, krijgen we een totale verwerkingskracht van ongeveer 1.415 Pflops.
Over ongeveer een jaar zal Tesla ongeveer een miljoen voertuigen op de weg hebben gezet die zijn uitgerust met de nieuwe ‘Full Self Driving’-chip. Ongeveer de helft van hen zal worden geleverd met deze chip vooraf geïnstalleerd, en de andere helft, die momenteel in omloop is, zal kunnen worden geüpgraded.
Voor de gehele vloot zal Tesla een verwerkingskracht hebben van ongeveer 117.000 TOP's. Normaal gesproken wordt de verwerkingskracht van een supercomputer gemeten in drijvende-kommabewerkingen, terwijl Tesla alleen geïnteresseerd is in vermenigvuldiging van gehele getallen voor autonomie. Laten we dus aannemen dat FLOP's 10 keer ‘krachtiger' zijn dan OP's (de conversie is niet exact, maar zou ons een orde van grootte moeten geven).
Dit betekent dat het gecombineerde voertuignetwerk van Tesla een orde van grootte groter is dan de snelste supercomputer ter wereld, en een orde van grootte groter dan de snelste 500 computers samen. Bij het vergelijken van supercomputers is PFlops niet het enige dat ertoe doet, maar het is een gemakkelijk te gebruiken maatstaf. Il est clair qu'avec la quantité très limitée de bande passante disponible entre les voitures et le nuage, l'architecture de l'application doit être très différente de celle d'un superordinateur typique, et lui donnera à la fois des avantages et des nadelen.
De gedistribueerde machine van Tesla zal zeer interessante kenmerken hebben.
- Het zal over de hele wereld verspreid worden
- Het zal extreem mobiel zijn
- Het zal worden verbonden met een reeks sensoren (visie, radar, echografie).
- Het zal het grootste neurale netwerk ter wereld exploiteren, gebaseerd op AI deep learning en gericht op beeldherkenning.
- De omvang ervan zal voortdurend toenemen (in een exponentieel tempo in de komende jaren).
- Het zal worden geoptimaliseerd om weinig energie te verbruiken en zal in toenemende mate worden aangedreven door zonne-energie.
- Het wordt automatisch en dynamisch bijgewerkt.
Het doel van deze IT-moloch zal beperkt blijven tot één enkele taak: het besturen van voertuigen die zijn uitgerust met evoluerende ‘kunstmatige intelligentie’. Deze AI zal gebaseerd zijn op diepgaand leren door neurale netwerken die miljarden kilometers aan visuele voertuiggegevens per maand verwerken, evenals andere sensorgegevens. Het doel van dit systeem zal zijn om het ‘autonoom rijden’ van auto’s te perfectioneren tot een niveau dat geen mens ooit zou kunnen bereiken.
Hoewel er andere applicaties zijn die worden gedistribueerd met enorme aantallen “nodes” die te zien zijn in bitcoin mining, XBox, Whatsapp-clients, enz…. De zelfrijdende moloch Tesla is anders omdat het een systeem is dat verbetert naarmate het aantal knooppunten toeneemt, en dat in de loop van de tijd steeds meer op een geautomatiseerde manier zal gebeuren vanwege de toenemende afhankelijkheid van neurale netwerken en software-engineeringalgoritmen.
Zoals Stewart Bowers opmerkte tijdens zijn Autonomy investor day-presentatie: “We kunnen niet alleen kijken naar wat er rond het voertuig gebeurt, maar we kunnen ook kijken naar hoe mensen ervoor hebben gekozen om met die omgeving om te gaan. We beginnen met één enkel neuraal netwerk, met detecties eromheen. Vervolgens bouwen we het allemaal samen in meerdere neurale netwerken en meerdere detecties. Vervolgens integreren we alle andere sensoren en zetten we alles om in wat Elon ‘vectorruimte’ noemt, dat wil zeggen een begrip van de wereld om ons heen. Naarmate we beter worden, brengen we steeds meer van deze logica over naar de neurale netwerken zelf. Het voor de hand liggende einddoel is dat het neurale netwerk naar alle auto’s kijkt, alle informatie verzamelt en uiteindelijk een bron van waarheid produceert voor de wereld om ons heen.”
In werkelijkheid creëert het neurale netwerk van Tesla zowel een model van de wereld zoals die is als een probabilistisch model van hoe verschillende dingen in de wereld zich gedragen op basis van hun uiterlijk. Neem het voorbeeld van een kuil in het wegdek of een zak op de weg. Als het een kuil is, zal de auto het zien en dan merken dat hij nooit beweegt. En als u erop rijdt, zal uw vering enige impact hebben. Als het een zak is, kan hij bewegen (als hij beweegt, is het geen kuil), en als je hem op de grond of in de lucht raakt, heeft dit geen grote impact op het voertuig.
Hij vervolgt: “We hebben een neuraal netwerk dat draait op onze brede fisheye-camera. Dit neurale netwerk doet geen enkele voorspelling over de wereld, het maakt veel verschillende voorspellingen, waarvan sommige elkaar verifiëren. Deze voorspellingen geven ons samen een beter idee van wat we wel en niet kunnen aanbieden aan de voorkant van het voertuig en hoe we dat moeten plannen. (…) We kunnen dit zowel gebruiken om toekomstig gedrag te leren dat heel precies is, maar we kunnen ook heel precieze voorspellingen doen over hoe de dingen voor ons zullen blijven gebeuren.’
Na Tesla's zelfrijdende uitrol zou de volgende grootste “specifieke” en natuurlijk schaalbare applicatie voor een computersysteem het onlangs geüpgradede weersvoorspellingssysteem van NOAA kunnen zijn, dat draait op een paar 8-cijferige supercomputers gecombineerd, en het weer voorspelt hele Verenigde Staten. Hoewel de nieuwste update van NOAA in drie jaar tijd ongeveer 50% meer vermogen vertegenwoordigde, evolueert het zelfrijdende AI-systeem van Tesla in een veel sneller tempo. Zoals Elon opmerkt: “Als dingen in een exponentieel tempo veranderen, is het heel moeilijk om er grip op te krijgen, omdat we gewend zijn om op lineaire basis te extrapoleren. Maar als je enorme hoeveelheden hardware onderweg hebt, groeit de cumulatieve data exponentieel en verbetert de software exponentieel.”
In vier jaar tijd zal Tesla, naast de nieuwe drie keer snellere chiparchitectuur die in ontwikkeling is, naar verwachting ruim vijf miljoen auto's op de weg hebben, met een gecombineerde verwerkingskracht van iets van bijna 2 miljoen POP's (22.500 meer verwerkingskracht dan NOAA's huidige paar). ).
Het is ook mogelijk dat Tesla de komende jaren snel satellietinternet kan gebruiken (tenminste buiten dichtbevolkte stedelijke gebieden) om hogesnelheidsbandbreedte aan het netwerk te leveren, dat momenteel ernstig wordt beperkt door inconsistente 4G-snelheidsconnectiviteit. , waardoor er meer mogelijkheden voor snelle verbetering ontstaan.
Binnen vier jaar zou de concurrentie zich echter naar Tesla kunnen wenden. Tegen die tijd is het zeer waarschijnlijk dat andere grote autofabrikanten een manier zullen vinden om de software op het merendeel van hun nieuwe voertuigen te updaten.