Podczas prowadzenia samochodu nasz mózg wykonuje pracę, która pozwala nam bezpiecznie przemieścić się z punku A do punktu B. Wykorzystując posiadaną wiedzę, wykonujemy odpowiednie czynności, które sterują zachowaniem samochodu. Dodatkowo, w czasie jazdy, mniej lub bardziej świadomie, uczymy się, poszerzając nasze doświadczenie, które pozwala nam coraz lepiej realizować zadanie przejazdu na założonej trasie. Planując oddanie sterowania samochodem systemom autonomicznej jazdy, musimy im zatem koniecznie „włączyć myślenie”.
Szacuje się, że możliwości ludzkiego mózgu na poziomie pojedynczych synaps, w kontekście wykonywanych operacji, będą osiągalne dla komputerów o mocy obliczeniowej na poziomie EFLOPS. Obecnie uznawany za najszybszy komputer na świecie posiada moc obliczeniową 93 PFLOPS. Czas, kiedy takie moce obliczeniowe staną się udziałem systemów powszechnego użytku, jest tym bardziej odległą wizją przyszłości. Dużo bliższą wizją jest natomiast wizja samochodu autonomicznego, który będzie musiał być wyposażony w odpowiednią inteligencję aby zrealizować swój fundamentalny cel w postaci poruszania się po drogach publicznych bez wiodącej roli człowieka jako kierowcy.
Aby realizować swoją strategię See-Think-Act dla samochodów autonomicznych, w szczególności części odpowiedzialnej za „myślenie” systemu pojazdu autonomicznego, firma ZF podjęła strategiczną współpracę z firmą Nvidia. Już dawno zaawansowane procesory graficzne znalazły zastosowanie poza segmentem kart graficznych i zaczęły być wykorzystywane do zadań innego rodzaju, zadań wymagających złożonych obliczeń, zadań tak ambitnych jak sztuczna inteligencja. Efektem podjętej współpracy jest jednostka centralna ZF ProAI, wykorzystywana jako mózg sytemu pojazdu realizującego elementy jazdy autonomicznej.
ZF ProAI wyposażony jest w ośmiordzeniową jednostkę Xavier zbudowaną z 7 miliardów tranzystorów o wydajności 30 TOPS i poborze mocy jedynie 30 W. Tak wydajną jednostkę centralną można „karmić” danymi pochodzącymi z wielu różnych czujników zamontowanych w pojeździe, takich jak kamery, radary, lidary, aby osiągnąć świadomość otoczenia 360 stopni, z aktualizacją na poziomie 40 milisekund.
Deep learning ma pozwolić sztucznej inteligencji rozumieć otoczenie pojazdu i nabierać doświadczenia w miarę pokonywania kolejnych kilometrów. Aktywne systemy bezpieczeństwa mają dostrzegać i rozumieć sytuacje niebezpieczne, zanim w ogóle do nich dojdzie tak, aby odpowiednio im zapobiegać. Co więcej, nasz pojazd może korzystać z wiedzy zdobytej przez inne pojazdy, wiedzy udostępnionej w chmurze. W ten sposób tempo uczenia się będzie zwielokrotnione nie tyle mocą obliczeniową, co współistnieniem połączonych ze sobą wirtualnie wielu „mózgów” różnych pojazdów użytkujących te same drogi.
Rozwój sztucznej inteligencji jest wpisany w rozwój rynku Automotive. Kto wie, być może nasze samochody przyszłości poza spełnianiem swojej podstawowej funkcji transportu, staną się naszymi inteligentnymi przyjaciółmi, podpowiadającymi w drodze na umówione spotkanie, że dobrym pomysłem byłaby jednak najpierw wizyta u fryzjera.
Artykuł sponsorowany
Szacuje się, że możliwości ludzkiego mózgu na poziomie pojedynczych synaps, w kontekście wykonywanych operacji, będą osiągalne dla komputerów o mocy obliczeniowej na poziomie EFLOPS. Obecnie uznawany za najszybszy komputer na świecie posiada moc obliczeniową 93 PFLOPS. Czas, kiedy takie moce obliczeniowe staną się udziałem systemów powszechnego użytku, jest tym bardziej odległą wizją przyszłości. Dużo bliższą wizją jest natomiast wizja samochodu autonomicznego, który będzie musiał być wyposażony w odpowiednią inteligencję aby zrealizować swój fundamentalny cel w postaci poruszania się po drogach publicznych bez wiodącej roli człowieka jako kierowcy.
Aby realizować swoją strategię See-Think-Act dla samochodów autonomicznych, w szczególności części odpowiedzialnej za „myślenie” systemu pojazdu autonomicznego, firma ZF podjęła strategiczną współpracę z firmą Nvidia. Już dawno zaawansowane procesory graficzne znalazły zastosowanie poza segmentem kart graficznych i zaczęły być wykorzystywane do zadań innego rodzaju, zadań wymagających złożonych obliczeń, zadań tak ambitnych jak sztuczna inteligencja. Efektem podjętej współpracy jest jednostka centralna ZF ProAI, wykorzystywana jako mózg sytemu pojazdu realizującego elementy jazdy autonomicznej.
ZF ProAI wyposażony jest w ośmiordzeniową jednostkę Xavier zbudowaną z 7 miliardów tranzystorów o wydajności 30 TOPS i poborze mocy jedynie 30 W. Tak wydajną jednostkę centralną można „karmić” danymi pochodzącymi z wielu różnych czujników zamontowanych w pojeździe, takich jak kamery, radary, lidary, aby osiągnąć świadomość otoczenia 360 stopni, z aktualizacją na poziomie 40 milisekund.
Deep learning ma pozwolić sztucznej inteligencji rozumieć otoczenie pojazdu i nabierać doświadczenia w miarę pokonywania kolejnych kilometrów. Aktywne systemy bezpieczeństwa mają dostrzegać i rozumieć sytuacje niebezpieczne, zanim w ogóle do nich dojdzie tak, aby odpowiednio im zapobiegać. Co więcej, nasz pojazd może korzystać z wiedzy zdobytej przez inne pojazdy, wiedzy udostępnionej w chmurze. W ten sposób tempo uczenia się będzie zwielokrotnione nie tyle mocą obliczeniową, co współistnieniem połączonych ze sobą wirtualnie wielu „mózgów” różnych pojazdów użytkujących te same drogi.
Rozwój sztucznej inteligencji jest wpisany w rozwój rynku Automotive. Kto wie, być może nasze samochody przyszłości poza spełnianiem swojej podstawowej funkcji transportu, staną się naszymi inteligentnymi przyjaciółmi, podpowiadającymi w drodze na umówione spotkanie, że dobrym pomysłem byłaby jednak najpierw wizyta u fryzjera.
Artykuł sponsorowany
Fajne? Ranking DIY