बाएं से: मैट पोलक, सीन मर्फी, कैरोलीन हेस, अहसान क़मर
एक पैनल चर्चा में इसका पता लगाया गया माइक्रोइलेक्ट्रॉनिक्स यू.एसइलेक्ट्रॉनिक्स वीकली के संपादक, कैरोलीन हेस द्वारा संचालित। एडब्ल्यूएस के वरिष्ठ उद्योग विशेषज्ञ समाधान वास्तुकार मैट पोलक ने एमएल के प्रसार की पुष्टि की। “उद्योग [focus] एलएलएम के आसपास रहा है, और हम उन भाषा मॉडल के साथ क्या कर सकते हैं, हालांकि, हम बहुत से पारंपरिक एमएल प्रकार के वर्कफ़्लो देख रहे हैं, उदाहरण के लिए, धारणा एल्गोरिदम। कैमरा डेटा, जो एक पैदल यात्री, एक मुर्गी, एक साइकिल को पहचानने वाला है, को काम करने के लिए आमतौर पर एलएलएम की आवश्यकता नहीं होती है। इसी तरह, यदि हम डेटा विश्लेषण कर रहे हैं और वाहनों पर डेटा के भीतर पारगमन पैटर्न की पहचान कर रहे हैं, तो यह एमएल पक्ष पर अधिक होने वाला है। और मैं तत्व पक्ष पर अधिक इंटरैक्टिव ट्रांसफॉर्मर या संशोधित पाठ या भाषण या मानव इंटरैक्शन को अधिक देखता हूं, ”उन्होंने कहा।
फ़ंक्शन एल्गोरिदम
अहसान क़मर, वरिष्ठ प्रबंधक सिस्टम इंजीनियरिंग और परीक्षण, फोर्ड, ने कहा कि एमएल एल्गोरिदम बदलते हैं क्योंकि धारणा या स्वायत्त ड्राइविंग फ़ंक्शन एल्गोरिदम नियतात्मक नियंत्रण प्रणाली बनाने पर आधारित थे। “तो अनिवार्य रूप से, यह क्षेत्र था कि आप इन मशीन लर्निंग एल्गोरिदम को कैसे लेते हैं और उन्हें सुरक्षा के लिए योग्य बनाते हैं। कुछ क्षेत्र जहां इसने तेजी से प्रगति की है, वह है स्पीच-टू-टेक्स्ट या एज डिवाइस के साथ स्पीच कनेक्शन।”
एमआईपीएस में सीपीयू आईपी के उत्पाद निदेशक सीन मर्फी का मानना है कि विलंबता एआई के बढ़ते उपयोग को बढ़ावा देगी। “एडीएएस अभी कुछ समय से अस्तित्व में है, लेकिन निश्चित रूप से अनुप्रयोग के दृष्टिकोण से नया है। गणना के नजरिए से मैं जो एकमात्र चीज जोड़ूंगा वह यह है कि यह प्रशिक्षण की शक्ति का जीडब्ल्यू नहीं है, यह औसत थ्रूपुट-आधारित नहीं है, यह अब रीयलटाइम विलंबता-आधारित है। यह किनारे पर गणना है। आप यह निर्धारित करने के लिए क्लाउड पर भरोसा नहीं कर सकते कि पैदल यात्री कहां से आ रहा है और क्या आपको ड्राइविंग बंद करने की आवश्यकता है; आपको वाहन गणना पर ऐसा करना होगा। विलंबता का अर्थ है दूरी, ताकि ऐसा हो सके [determines] रोकने की दूरी। ये सभी पूरी तरह से अलग समस्याएं हैं: आप सबसे खराब स्थिति में 50 एमएस से कम के निष्पादन समय की बात कर रहे हैं।
पोलक ने कहा, वाहनों में बेहतर गणना प्रदर्शन से विलंबता में कमी आएगी। “कुछ नवीनतम सिलिकॉन के साथ, चार पहियों पर चलने वाली गणना शक्ति की मात्रा 5-10 साल पहले की तुलना में काफी अधिक है। उदाहरण के लिए, एनवीडिया-उन्मुख थोर लगभग दोगुनी लागत के लिए लगभग साढ़े सात गुना प्रदर्शन वृद्धि है।” उन्होंने कहा कि बेहतर सिलिकॉन अधिक जटिल मॉडल चलाने और प्रदर्शन को बेहतर बनाने के मामले में कई संभावनाओं को खोलता है। बेहतर प्रदर्शन का एक अन्य तत्व “अधिकतम प्रदर्शन और न्यूनतम अतिरिक्त गणना के लिए एल्गोरिदम को बेरहमी से अनुकूलित करना” होगा, उन्होंने कहा।
क़मर ने विलंबता के लिए एल्गोरिदम डिज़ाइन के महत्व पर भी जोर दिया। जिस प्रकार एक ड्राइवर कुछ निर्णय तुरंत लेता है, उदाहरण के लिए धीमा करना है या तेज़ करना है, उसी प्रकार अन्य निर्णय धीमी गति से लिए जा सकते हैं। इसके लिए, एक वाहन को स्थानीय रिफ्लेक्स को अलग करने के साथ एक बहुत तेज़ प्रतिक्रिया नियंत्रण प्रणाली की आवश्यकता होगी, जिसे तेज़ होना होगा, जबकि एक केंद्रीय रिजर्व धीमा हो सकता है, लेकिन अधिक संज्ञानात्मक, उच्च स्तरीय नीतिगत निर्णय लेने में सक्षम हो सकता है। “परिणामस्वरूप, इन दो प्रकार के एल्गोरिदम के लिए आवश्यक गणना भी थोड़ी भिन्न है, क्योंकि एक कठिन, वास्तविक समय, माइक्रो-रिकवरी-आधारित है, और दूसरा अधिक संबद्ध है।”
RISC-वी
मर्फी ने कहा कि आरआईएससी-वी एआई घटकों में एक भूमिका निभाने जा रहा है। वह आरआईएससी-वी सीपीयू को एक वेक्टर इंजन के साथ देखता है, जो स्केलेबिलिटी और सॉफ्टवेयर पोर्टेबिलिटी की पेशकश करता है, विभिन्न आवश्यकताओं के लिए अलग-अलग मॉडल पेश करता है; उन्होंने कहा, धीमे और तेज मॉडल होंगे। “वेक्टर तत्वों को बदलना, मैट्रिक्स के कई आकारों को बदलना, मॉडल के लिए हार्डवेयर का आकार बदलना, और आप किस समस्या को हल करने का प्रयास कर रहे हैं, लेकिन उसी हार्डवेयर में कुछ मात्रा में सॉफ़्टवेयर संगतता बनाए रखना वास्तव में बहुत सारे लाभों को लॉक करने वाला है,” उन्होंने कहा।
“पोर्टफोलियो परिप्रेक्ष्य से, या गणना परिप्रेक्ष्य से, आपके पास सुपर-हैवी, रीयल-टाइम एक्चुएशन से लेकर सभी तरह की सीमा होनी चाहिए [components] कि सीखते रहो. . . आपके पास भौतिक एआई स्पेक्ट्रम के प्रत्येक चरण के लिए समाधान होंगे जहां आप महसूस कर रहे हैं, सोच रहे हैं, कार्य कर रहे हैं और संचार कर रहे हैं, ”उन्होंने कहा।
सेंसर संलयन
स्वाभाविक रूप से, पोलक धारणा कार्यों के लिए भौतिक डेटा सेट को बढ़ाने पर ध्यान केंद्रित करता है। इसे दुर्लभ घटनाओं या दुर्लभ परिदृश्यों का पता लगाने के लिए शीर्ष पर संश्लेषण के साथ कैमरों, लिडार और रडार द्वारा प्राप्त किया जाता है। उन्होंने एक ऐसे दृश्य में सड़क पार कर रहे मुर्गे को शामिल करने का उदाहरण दिया, जहां आमतौर पर आपके पास ऐसा नहीं हो सकता है, “यह देखने के लिए कि उस धारणा एल्गोरिथ्म के साथ क्या होने वाला है और अच्छे मौसम की स्थिति में क्या हुआ, इसकी रिकॉर्डिंग लें, और बाद में, कोहरे में क्या होता है, बारिश में क्या होता है, टेक्सास में ओलावृष्टि में क्या होता है। ये ऐसी चीजें हैं जो आप आमतौर पर एक परीक्षण अभियान में योजना बनाने में सक्षम नहीं हो सकते हैं, लेकिन वाहन के संचालन और वाहन में सुविधाओं के लिए महत्वपूर्ण होने जा रहे हैं”।
क़मर ने कहा: “आपको यह भी सोचना होगा कि आपके पास किस प्रकार की सेंसर खामियां हैं और उन्हें ऊर्ध्वाधर परिप्रेक्ष्य से देखें। एक उदाहरण यह है कि आप किसी ऑब्जेक्ट को वर्गीकृत या पहचानते हैं – जो आईएसओ 26262 के अंतर्गत आता है, लेकिन आपको सुरक्षा तंत्र या अनावश्यक सेंसिंग को भी संबोधित करना पड़ सकता है। मशीन लर्निंग मॉडल स्टेम सेल के संदर्भ में, अनावश्यक सेंसिंग के बारे में बहुत बहस है, और वे सेंसर फ़्यूज़न भाग कैसे लेते हैं, और वे एक सेंसर से गड़बड़ी कैसे लेते हैं, और फिर यह फ़्यूज़न सेंसर की समग्र गड़बड़ी बढ़ सकती है।” इसके लिए एमएल पाइपलाइन के साथ-साथ, एक नियतात्मक असतत नियंत्रक का उपयोग करते हुए, एक एंड-टू-एंड पाइपलाइन भी है, उन्होंने समझाया, जहां डेटा को ऑब्जेक्ट को वर्गीकृत करने के संदर्भ में प्रशिक्षित नहीं किया जाता है, बल्कि उस ऑब्जेक्ट के लिए प्रतिक्रिया क्या होनी चाहिए। उन्होंने स्वीकार किया, “मुझे लगता है कि उनके लिए कई प्रोटोटाइप उपलब्ध हैं, और प्रत्येक के अपने फायदे और नुकसान हैं।”
मर्फी ने सेंसर फ़्यूज़न में एक और प्रवृत्ति की पहचान की। “आपको सही काम के लिए सही सेंसर चुनना होगा,” उन्होंने कहा। पहली श्रेणी कैमरा सेंसर है। मर्फी ने बताया कि टेस्ला जैसी कंपनियां इस कार्य के लिए एक अलग सेंसर का उपयोग करने के बजाय, उदाहरण के लिए दूरी को देखते हुए, वाहन के कैमरे पर बहुत अधिक गणना कर रही हैं, जबकि अन्य कंपनियां सेंसर फ्यूजन का उपयोग कर रही हैं। लाभ यह है कि कैमरे अपेक्षाकृत सस्ते होते हैं और अच्छा सिमेंटिक डेटा प्रदान करते हैं (यानी, रुकने के संकेत, ट्रैफिक सिग्नल को पढ़ना) लेकिन दूरी का आकलन करना बहुत कठिन होता है। लिडार सेंसर महंगे हैं लेकिन बहुत अच्छा रिज़ॉल्यूशन प्रदान करते हैं, खासकर किसी दृश्य की इमेजिंग सटीकता के संबंध में। उन्होंने आगे कहा, रडार सेंसर संभवतः मौसम के लिए सबसे मजबूत हैं, लेकिन लिडार की सटीकता से मेल नहीं खा सकते हैं। यदि इमेजिंग रडार प्रगति करता है और लागत कम हो जाती है, तो वे लिडार को पूरी तरह से बदल सकते हैं, उन्होंने सुझाव दिया।
मर्फी ने आगे कहा, “इन सभी प्रणालियों में मौसम बड़ी बाधा है।” वे साफ आसमान के साथ चमकदार रोशनी में अच्छा काम करते हैं लेकिन कैमरे अंधेरे परिस्थितियों में उतना अच्छा काम नहीं करते हैं और लिडार बारिश और कोहरे में अच्छा काम नहीं करता है। “आसान प्रारंभिक चरणों में से एक इन मॉडलों को दी गई मौसम की स्थिति के लिए सही सेंसर का वजन देना शुरू करना है,” उन्होंने प्रस्तावित किया। दूसरे शब्दों में, यह मानना कि रडार सही है और रडार के प्रति धारणा को अधिक महत्व देता है, भले ही कैमरा कह रहा हो कि देखने के लिए कुछ भी नहीं है। यह बहुत सारे दिलचस्प परीक्षण मुद्दे पैदा करता है, और – चाहे वह हार्डवेयर सॉफ़्टवेयर हो – मुझे लगता है कि यह ADAS के सामने आने वाली मुख्य चुनौतियों में से एक है,” उन्होंने कहा।
क़मर इस बात से सहमत थे कि फ़्यूज़न त्रुटि को कम करना परीक्षण के लिए एक चुनौती होगी। उन्होंने संलयन की बढ़ती गड़बड़ी और इसे तेजी से बढ़ाने के आसपास शोध पत्रों का उल्लेख किया। चुनौती कुछ आभासी वातावरण में चलाने के लिए सिंथेटिक डेटा और दृश्य धारणा का प्रदर्शन कर रही है, जबकि उन गड़बड़ी को शारीरिक गड़बड़ी के रूप में इंटरैक्टिव रूप से पेश करने की कोशिश कर रही है, और फिर उनके प्रभाव को देखने के लिए बहुत सारे काम की आवश्यकता होगी और, आज तक, प्रोटोटाइप सटीक रूप से नहीं चल रहे हैं।
पोलक अधिक आशावादी है. “मेरा विचार है कि एकीकरण समस्या सेंसर फ़्यूज़न, अगर सही ढंग से हल किया जाता है, तो सेंसर के अलग-अलग तौर-तरीकों के कारण, अकेले कैमरों से आपको जो प्रदर्शन मिलने वाला है, उससे बेहतर छत मिलती है। परीक्षण मामलों को समानांतर में चलाने में सक्षम होने के लिए बहुत सारे वर्चुअलाइज्ड परीक्षण की आवश्यकता होगी, टीपी उन परिदृश्यों को क्रंच करें और उन किनारे के मामलों की पहचान करने के लिए जितना संभव हो उतना कवरेज प्राप्त करें। यह एक टन का काम है, लेकिन मेरी राय में, यह उच्च मूल्य का परिणाम है जिसकी बेहतर छत है प्रदर्शन,” उन्होंने कहा।
डेस्टिनेशन ऑस्टिन – माइक्रोइलेक्ट्रॉनिक्स यूएस उद्योग आपूर्ति श्रृंखला पर केंद्रित है
