Google 旗下兩強公司聯手,要讓自駕車少「犯錯」

作者 | 發布日期 2019 年 07 月 30 日 7:45 | 分類 AI 人工智慧 , 汽車科技 , 自駕車 follow us in feedly


自駕車未普及之前,必要經過無數次演算法訓練和測試,才能保證安穩上路。

訓練演算法的最簡單方法是反覆試驗,然後一次次調整,以得出最好的結果,但微調時間太長,調整部分太多,訓練結果變化也很大,需要有經驗的研究人員親自找到最佳模型。

這也是自動駕駛公司的工程師和數據科學家面臨的最大難題。

(Source:DeepMind

所以自駕車公司 Waymo 開始和人工智慧公司 DeepMind 合作,想加強訓練 AI 演算法的品質和效率。他們希望訓練出一個 AI 模型,讓自駕車保持 99% 以上的障礙物辨識率。

這兩家公司可說是「表兄弟」,都歸 Google 母公司 Alphabet 所有,在這項合作中,DeepMind 為 Waymo 提供稱為「基於人口的訓練」(Population Based Training,PBT)AI 技術,能讓 Waymo 演算法訓練不那麼「密集勞動」。

(Source:Waymo

PBT 的靈感來自達爾文的進化論,由 DeepMind 在 2017 年開發。

Waymo 之前演算法是一個模型接受一個任務以不斷優化,而 PBT 是由多個隨機變量啟動的機器學習模型,以一種進化方式相互對抗,只有最優秀的才會留下來。

因此 PBT 模型不需要重新訓練,它會自動更新到最佳參數值。為了讓 PBT 長期保持優化,DeepMind 還創建了更多樣模型與之競爭。

DeepMind 還藉著 PBT 訓練機器人,讓機器人在《星海爭霸》等遊戲擊敗人類玩家。

Waymo 團隊看到它在自動駕駛的潛力,透過虛擬司機「駕駛」Waymo 車試驗。結果發現,使用 PBT 演算法,計算資源減少一半,訓練時間縮短一半,Waymo 的性能水準也到達最高。

領導計畫的 Waymo 高級軟體工程師 Joyce Chen 表示,與 Waymo 之前的演算法相比:

這項技術不僅改善我們演算法的數據標記流程,還讓 Waymo 自駕車檢測行人、兩輪騎士、四輪駕駛、植被、道路的誤報率降低 24%。

現在,Waymo 已將 PBT 納入技術基礎設施,研究人員點點按鈕就能應用此演算法,DeepMind 每隔 15 分鐘就會評估模型一次,以讓測試結果更適合真實世界。

Waymo 十多年前就開始研究自駕車,普遍視為是自動駕駛技術的領導者,還是世界唯一一家在公共道路經營全自動商業計程車的公司。現在,這項技術也讓自動駕駛領域訓練神經網路的規則再次更新。

(Source:影片截圖)

對消費者來說,未來無疑能坐到更安全的自駕車了。

(本文由 愛范兒 授權轉載;首圖來源:shutterstock)