7 月 8 日，據外媒報道，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絡模型的系統和方法”的專利申請文件中，特斯拉提出了應對上述挑戰的方法。

　　一般而言，神經網絡是一組用來收集數據并從中識別模式的算法。收集的具體數據取決于所涉及平臺以及它可以發送到網絡的信息類型，比如攝像頭或圖像數據等。平臺之間的差異意味著神經網絡算法的不同，對開發人員來說，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或硬件上運行一樣，神經網絡也是如此。特斯拉對硬件適應問題的解決方案就是自動化。

　　在神經網絡適應特定硬件的過程中，軟件開發人員必須根據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”，它們是特斯拉的發明如何發揮作用的關鍵部分。

　　專利申請文件中稱，在插入用于適配的神經網絡模型和特定硬件平臺信息之后，軟件代碼會遍歷網絡以了解“決策點”在哪里，然后針對這些點運行硬件參數以提供可用的配置。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絡的具體實現，可以做出關于系統的數據布局、數值精度、算法選擇、數據填充、加速器使用、步幅等中的一個或多個實現決策。這些決策可能是按層或按張量做出的，因此對于特定網絡，可能要做出數百個或更多決策。本發明的在實現神經網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。”

　　特斯拉的發明還提供了在圖形界面上顯示神經網絡配置信息的能力，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跟蹤模式和范圍模式之間的差異來選擇配置，而不是根據用戶希望 AI 如何與硬件一起工作。

　　據報道，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絡的 AI 初創公司。上述專利發明人是邁克爾··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。
　　（邯鄲小程序開發）