【小哈划重点：这项专利申请是特斯拉收购DeepScale后推出的产品之一，DeepScale是专注于全自动驾驶和为小型设备设计神经网络的AI初创公司。上述专利发明人是迈克尔·德里斯科（Michael Driscoll），在成为特斯拉的高级软件工程师之前，他曾是DeepScale的高级工程师。】
7月8日，据外媒报道，电动汽车制造商特斯拉在人工智能（AI）领域取得的进步是其当前和未来成功最重要的保证之一，这包括使其神经网络适应各种硬件平台。在最新名为“在硬件平台上采用神经网络模型的系统和方法”的专利申请文件中，特斯拉提出了应对上述挑战的方法。
一般而言，神经网络是一组用来收集数据并从中识别模式的算法。收集的具体数据取决于所涉及平台以及它可以发送到网络的信息类型，比如摄像头或图像数据等。平台之间的差异意味着神经网络算法的不同，对开发人员来说，调整这些算法是非常耗时的事情。例如，就像应用程序必须进行编程才能在手机或平板电脑上的操作系统或硬件上运行一样，神经网络也是如此。特斯拉对硬件适应问题的解决方案就是自动化。
在神经网络适应特定硬件的过程中，软件开发人员必须根据正在使用的硬件中内置的可用选项做出决定。反过来，这些选项通常依次需要进行研究、硬件文档审查和影响分析，并选择每组选项，最终形成神经网络要使用的配置。特斯拉的应用程序称这些选项为“决策点”，它们是特斯拉的发明如何发挥作用的关键部分。
专利申请文件中称，在插入用于适配的神经网络模型和特定硬件平台信息之后，软件代码会遍历网络以了解“决策点”在哪里，然后针对这些点运行硬件参数以提供可用的配置。更具体地说，软件方法着眼于硬件约束(如处理资源和性能指标)，并为神经网络生成满足其正确运行要求的设置。
特斯拉描述称：“为了产生抽象神经网络的具体实现，可以做出关于系统的数据布局、数值精度、算法选择、数据填充、加速器使用、步幅等中的一个或多个实现决策。这些决策可能是按层或按张量做出的，因此对于特定网络，可能要做出数百个或更多决策。本发明的在实现神经网络之前考虑了许多因素，因为许多配置不被底层软件或硬件平台支持，而这样的配置将导致无法操作的实现。”
特斯拉的发明还提供了在图形界面上显示神经网络配置信息的能力，使评估和选择对用户更加友好。例如，不同的配置可能具有不同的评估时间、功耗或内存消耗。这个过程就像是根据跟踪模式和范围模式之间的差异来选择配置，而不是根据用户希望AI如何与硬件一起工作。
据报道，这项专利申请是特斯拉收购DeepScale后推出的产品之一，DeepScale是专注于全自动驾驶和为小型设备设计神经网络的AI初创公司。上述专利发明人是迈克尔·德里斯科（Michael Driscoll），在成为特斯拉的高级软件工程师之前，他曾是DeepScale的高级工程师。DeepScale的前首席执行官弗雷斯特·兰多拉（Forrest Iandola）在今年转向独立研究之前，也曾在特斯拉担任高级机器学习科学家。（审校/金鹿）
