تسلا خودروی الکتریکی تولید می‌کند و در حال حاضر جدیدترین شرکتی است که با ساخت تراشه‌های سیلیکونی به دنبال پیشرفت در زمینه هوش مصنوعی است. در رویداد تبلیغاتی که ماه گذشته برگزار شد، تسلا جزئیات یک تراشه AI سفارشی به نام D1 را فاش کرد. این قطعه برای الگوریتم یادگیری ماشین سیستم خودران (Autopilot self-driving system) آموزش می‌بیند. این رویداد روی تلاش‌های تسلا در حوزه هوش مصنوعی متمرکز بود و یک مرد رقصنده به عنوان ربات انسان‌نمایی که شرکت مذکور قصد ساختش را دارد، در آن حضور داشت.
به گزارش وایرد، تسلا جدیدترین تولیدکننده تراشه‌های غیر سنتی محسوب می‌شود که سیلیکون انحصاری خود را طراحی کرده است. با توجه به افزایش اهمیت و قیمت توسعه هوش مصنوعی، سایر شرکت‌هایی که سرمایه‌گذاری زیادی در این فناوری انجام داده‌اند، از جمله گوگل، آمازون و مایکروسافت نیز اکنون تراشه‌های خود را طراحی می‌کنند.
در این رویداد ایلان ماسک، مدیرعامل تسلا، گفت تمرکز بیشتر روی عملکرد سیستم کامپیوتری مورد استفاده برای آموزش شبکه عصبی، کلید پیشرفت در حوزه رانندگی خودکار است. وی گفت:
اگر مدلی که پیش‌تر چند روز برای آموزش آن زمان صرف میشد، تنها در عرض چند ساعت تمرین‌های مورد نیاز را به تمام برساند، کار بزرگی انجام شده است.
تسلا در سال ۲۰۱۹ به استفاده از سخت‌افزار انویدیا خاتمه داد و در حال حاضر تراشه‌هایی طراحی می‌کند که ورودی سنسور در خودروهای آن را تفسیر می‌کنند؛ اما ایجاد یک تراشه قوی و پیچیده مورد نیاز برای آموزش الگوریتم‌های هوش مصنوعی بسیار گران‌تر و چالش‌برانگیز است.
کریس گردس، مدیر مرکز تحقیقات خودرو در استنفورد که در رویداد تسلا شرکت کرده بود، می‌گوید:
اگر فکر می‌کنید راه حل پیشرفت رانندگی خودکار، آموزش یک شبکه عصبی بزرگ است، پس به استراتژی یکپارچه احتیاج دارید.
بسیاری از شرکت‌های خودروسازی از شبکه‌های عصبی برای شناسایی اجسام در جاده استفاده می‌کنند؛ اما تسلا بیشتر از دیگران به این فناوری متکی بوده و در حال کار کردن روی یک شبکه عصبی غول‌پیکر است که به‌عنوان «ترنسفورمر» شناخته می‌شود. این شبکه هم‌زمان از هشت دوربین، ورودی دریافت می‌کند.
آندره کارپاتی، رئیس بخش هوش مصنوعی تسلا، در جریان رویداد ماه آگوست گفت:
ما در حال خلق یک حیوان مصنوعی از ابتدا هستیم. ماشین را می‌توان یک حیوان تصور کرد. به‌طور مستقل حرکت می‌کند، توانایی احساس محیط را دارد و می‌تواند به‌صورت خودکار عمل کند.
دیوید کانتر، تحلیلگر تراشه در Real World Technologies، می‌گوید ایلان ماسک شرط می‌بندد با سرعت بخشیدن به روند آموزش، این شرکت می‌تواند از جدی‌ترین رقیبان خود، کروزز و ویمو نیز پیشی بگیرد.
گردس از دانشگاه استنفورد، می‌گوید استراتژی تسلا حول شبکه عصبی آن بنا شده است. بر خلاف بسیاری از شرکت‌های خودروهای خودران، تسلا از لایدار، سنسور گران‌قیمت‌تری که می‌تواند جهان را به‌صورت سه‌بعدی مشاهده کند، استفاده نمی‌کند. در عوض خودروهای این شرکت به تفسیر صحنه‌ها با استفاده از الگوریتم شبکه عصبی برای تجزیه ورودی دوربین‌ها و رادار خود متکی هستند. این سیستم به محاسبات بیشتری نیاز دارد؛ زیرا الگوریتم آن باید به جای تکیه بر حسگرهایی که می‌توانند تصویر را مستقیماً ضبط کنند، نقشه محیط اطراف خود را از فید دوربین بازسازی کند.
اما تسلا همچنین اطلاعات آموزشی بیشتری نسبت به سایر شرکت‌های خودروسازی جمع‌آوری می‌کند. تمام خودروهای تسلا که در جاده‌ها حرکت می‌کنند و تعداد آن‌ها بیش از یک میلیون است، ویدئوهای هشت دوربین خود را به شرکت ارسال می‌کنند. تسلا می‌گوید هزار نفر را استخدام کرده است تا ویژگی‌های مختلف تصاویر ارسالی مانند اتومبیل‌ها، کامیون‌ها، علائم راهنمایی و رانندگی، خط‌کشی جاده و دیگر موارد را برای آموزش ترنسفورمر بزرگ برچسب‌گذاری کنند. همچنین در رویداد ماه آگوست، تسلا گفت می‌تواند به‌طور خودکار انتخاب کند که کدام تصویر در برچسب‌گذاری اولویت‌بندی شود تا این فرایند کارآمدتر باشد.
گردس می‌گوید یکی از خطرات رویکرد تسلا این است که در نقطه خاصی، افزودن داده‌های بیشتر ممکن است سیستم را بهتر نکند. او می‌گوید:
آیا پیشرفت این سیستم فقط به داده‌های بیشتر مربوط می‌شود؟ یا آیا توانایی‌های شبکه‌های عصبی در سطح پایین‌تری از آنچه انتظار دارید قرار دارد؟
ظهور مدل‌های بزرگ و گران‌قیمت‌تر هوش مصنوعی نه‌تنها برخی از شرکت‌های بزرگ را ترغیب کرده است که تراشه‌های خود را توسعه بدهند، بلکه توانسته است باعث ایجاد ده‌ها استارتاپ با بودجه خوب شود که روی سیلیکون تخصصی کار می‌کنند.
در حال حاضر بازار تراشه‌های آموزشی هوش مصنوعی تحت سلطه انویدیا است که در ساخت تراشه بازی شهرت دارد. هنگامی که مشخص شد واحدهای پردازش گرافیکی (GPU) آن برای اجرای شبکه‌های عصبی بزرگ مناسب‌تر از واحدهای پردازشی مرکزی (CPU) در هسته رایانه‌های عمومی هستند، این شرکت روی تأمین تراشه‌های هوش مصنوعی تمرکز کرد.
باید به این مسئله اشاره کرد که هوش مصنوعی همچنین باعث ایجاد تنوع در طراحی تراشه‌ها می‌شود. طراحی تراشه به‌طور معمول نیاز به تخصص و مهارت فنی عمیق دارد؛ اما یادگیری ماشین برای خودکارسازی فرایند تولید آن مؤثر بوده است. گوگل، سامسونگ و دیگران در حال ساخت تراشه‌هایی هستند که تا حدی توسط هوش مصنوعی طراحی شده‌اند.
کانتر، تحلیلگر دنیای فناوری، می‌گوید سؤالات فنی در مورد تراشه‌های تخصصی تسلا باقی مانده است؛ از جمله اینکه چگونه می‌توان آن‌ها را به‌طور مؤثر به هم متصل کرد یا نحوه تقسیم الگوریتم در تراشه‌های مختلف چگونه است. تسلا به این سؤالات پاسخ نداده است.
هوئی پنگ، استاد دانشگاه میشیگان که بر حوزه خودروهای خودران تمرکز دارد، می‌گوید در صورت موفقیت D1، ماسک می‌تواند آن را به سایر خودروسازان بفروشد. پنگ نمی‌داند رویکرد تسلا از نظر مالی یا فنی مؤثر خواهد بود یا خیر، اما یاد گرفته است که علیه ماسک شرط‌بندی نکند. او در بخشی از صحبت‌های خود گفت:
تاکنون کارهای زیادی وجود داشته که همه در ابتدا گفته بودند امکان‌پذیر نیستند؛ اما آن‌ها [تسلا] در نهایت آن را انجام دادند.