Beberapa tahun belakangan ini, teknologi semakin pesat berkembang. Banyak istilah baru yang muncul, seperti contohnya self-driving car.
Mari kita intip bagaimana teknologi bernama deep-learning bekerja pada self-driving car.
Sebenarnya, istilah self-driving cars sudah ada sejak 1920-an. Houdina Radio Control menjadi pionir self-driving cars dengan menggunakan radio kontrol di jalan kota New York. Lalu pada 1930, General Motors menggunakan gelombang elektromagnetik. Perkembangan self-driving cars memang selalu menjadi perbincangan hangat, terbukti banyak perusahaan selalu mencoba melakukan inovasi pada self-driving cars.
Dengan memanfaatkan deep learning, Tesla merancang dua kemampuan agar mobilnya dapat menjadi mobil self-driving. Dua kemampuan tersebut adalah computer vision yang merupakan kemampuan mobil untuk mengidentifikasi objek yang dilihat mobil dengan tepat dan decision making. Untuk melakukan hal tersebut, mobil Tesla menggunakan 8 kamera yang dilengkapi dengan sistem radar, sehingga mobil Tesla dapat mengidentifikasi dan menganalisis secara langsung objek seperti hambatan, jalan, kendaraan lain, pedestrian, lampu lalu lintas, persimpangan, vegetasi, bahkan batas antara jalan dengan trotoar. Identifikasi objek pada mobil Tesla dilakukan dengan menggunakan salah satu metode yang diadaptasi dari kerja otak manusia, yaitu Artificial Neural Network. Artificial neural network adalah serangkaian algoritma yang berusaha untuk mengenali hubungan antar data. Melalui proses yang meniru cara kerja otak manusia, jaringan ini memiliki input layer, processing layer dan akan banyak terdapat neuron layer tergantung penggunaan dan output layer. Agar jaringan dapat mengidentifikasi objek, kita perlu menginput sekumpulan gambar yang akan diidentifikasi. Selanjutnya, model akan dilatih terus-menerus menggunakan gambar tersebut, sampai ketika kita memberikan gambar yang belum dikenali, model mampu mengidentifikasi gambar tersebut dengan benar. Jika model menemukan gambar yang tidak teridentifikasi, secara otomatis sistem akan memasukkan kembali gambar tersebut ke dalam training set.
Bagaimana tesla memproses dan mengumpulkan data yang sangat-sangat banyak tersebut untuk computer vision ?
Di tahun 2019, Tesla meluncurkan 2 chip Full Self Driving (FSD) yang bekerja 21 kali lebih cepat dari chip yang mereka gunakan sebelumnya. Kedua chip bekerja dengan membuat keputusan sendiri. Jika kedua chip setuju, mobil akan mengambil tindakan. Namun jika chip tidak setuju, komputer akan membuang frame data dan kemudian mencoba lagi. Tesla secara efektif mengumpulkan banyak data, baik dari dalam kendaraan maupun dari sensor eksternal yang dihasilkan dari kamera yang dilengkapi dengan radar. Data yang terkumpul dapat membantu sistem bekerja lebih optimal sehingga pengemudi bisa mengetahui banyak informasi seperti kecepatan dan kondisi lalu lintas, bahkan potensi bahaya yang mengancam di jalan.
Pelajari lebih lanjut disini.