7 月 8 日，據(jù)外媒報道，電動汽車制造商特斯拉在人工智能(AI)領域取得的進步是其當前和未來成功最重要的保證之一，這包括使其神經網(wǎng)絡適應各種硬件平臺。在最新名為“在硬件平臺上采用神經網(wǎng)絡模型的系統(tǒng)和方法”的專利申請文件中，特斯拉提出了應對上述挑戰(zhàn)的方法。

　　一般而言，神經網(wǎng)絡是一組用來收集數(shù)據(jù)并從中識別模式的算法。收集的具體數(shù)據(jù)取決于所涉及平臺以及它可以發(fā)送到網(wǎng)絡的信息類型，比如攝像頭或圖像數(shù)據(jù)等。平臺之間的差異意味著神經網(wǎng)絡算法的不同，對開發(fā)人員來說，調整這些算法是非常耗時的事情。例如，就像應用程序必須進行編程才能在手機或平板電腦上的操作系統(tǒng)或硬件上運行一樣，神經網(wǎng)絡也是如此。特斯拉對硬件適應問題的解決方案就是自動化。

　　在神經網(wǎng)絡適應特定硬件的過程中，軟件開發(fā)人員必須根據(jù)正在使用的硬件中內置的可用選項做出決定。反過來，這些選項通常依次需要進行研究、硬件文檔審查和影響分析，并選擇每組選項，最終形成神經網(wǎng)絡要使用的配置。特斯拉的應用程序稱這些選項為“決策點”，它們是特斯拉的發(fā)明如何發(fā)揮作用的關鍵部分。

　　專利申請文件中稱，在插入用于適配的神經網(wǎng)絡模型和特定硬件平臺信息之后，軟件代碼會遍歷網(wǎng)絡以了解“決策點”在哪里，然后針對這些點運行硬件參數(shù)以提供可用的配置。更具體地說，軟件方法著眼于硬件約束(如處理資源和性能指標)，并為神經網(wǎng)絡生成滿足其正確運行要求的設置。

　　特斯拉描述稱：“為了產生抽象神經網(wǎng)絡的具體實現(xiàn)，可以做出關于系統(tǒng)的數(shù)據(jù)布局、數(shù)值精度、算法選擇、數(shù)據(jù)填充、加速器使用、步幅等中的一個或多個實現(xiàn)決策。這些決策可能是按層或按張量做出的，因此對于特定網(wǎng)絡，可能要做出數(shù)百個或更多決策。本發(fā)明的在實現(xiàn)神經網(wǎng)絡之前考慮了許多因素，因為許多配置不被底層軟件或硬件平臺支持，而這樣的配置將導致無法操作的實現(xiàn)。”

　　特斯拉的發(fā)明還提供了在圖形界面上顯示神經網(wǎng)絡配置信息的能力，使評估和選擇對用戶更加友好。例如，不同的配置可能具有不同的評估時間、功耗或內存消耗。這個過程就像是根據(jù)跟蹤模式和范圍模式之間的差異來選擇配置，而不是根據(jù)用戶希望 AI 如何與硬件一起工作。

　　據(jù)報道，這項專利申請是特斯拉收購 DeepScale 后推出的產品之一，DeepScale 是專注于全自動駕駛和為小型設備設計神經網(wǎng)絡的 AI 初創(chuàng)公司。上述專利發(fā)明人是邁克爾··德里斯科(Michael Driscoll)，在成為特斯拉的高級軟件工程師之前，他曾是 DeepScale 的高級工程師。DeepScale 的前首席執(zhí)行官弗雷斯特·蘭多拉(Forrest Iandola)在今年轉向獨立研究之前，也曾在特斯拉擔任高級機器學習科學家。
　?。?a href="http://www.weiseditor.com/wechat/">邯鄲小程序開發(fā)）