Alphabet公司的人工智能研究部門DeepMind正在協(xié)助其姊妹公司W(wǎng)aymo在自動(dòng)駕駛汽車市場做出努力。

DeepMind的研究人員今天在該小組博客中的帖子中詳細(xì)介紹了合作。該部門一直在與Waymo合作，利用一種稱為“基于人口的培訓(xùn)”的技術(shù)來加速自動(dòng)駕駛軟件的開發(fā)。

該方法最初由DeepMind發(fā)明，是先前的AI項(xiàng)目的一部分，該方法借鑒了進(jìn)化的線索來增強(qiáng)AI模型。 在某些方面，構(gòu)建神經(jīng)網(wǎng)絡(luò)的過程本質(zhì)上是進(jìn)化的。在開發(fā)過程中，AI模型會(huì)經(jīng)過培訓(xùn)課程，在其中訓(xùn)練樣本數(shù)據(jù)并修改其行為以產(chǎn)生更準(zhǔn)確的結(jié)果。

但是，許多其他基本的開發(fā)任務(wù)仍然必須使用手動(dòng)方法執(zhí)行。 在這些任務(wù)中最重要的一項(xiàng)是超參數(shù)探索，這是DeepMind幫助Waymo簡化的一項(xiàng)任務(wù)。這是對硬編碼到AI模型中的基本行為設(shè)置進(jìn)行微調(diào)的過程。工程師通常手動(dòng)設(shè)置模型的設(shè)置，或者在復(fù)雜的項(xiàng)目中使用計(jì)算機(jī)輔助的搜索，其中腳本嘗試大量隨機(jī)生成的選項(xiàng)。

基于人群的培訓(xùn)使工作流程更加高效?；靖拍钍鞘褂米詣?dòng)化算法來測試一組AI模型中的不同設(shè)置組合，識別表現(xiàn)欠佳的成員并將其替換為表現(xiàn)最佳的對等版本。該小組在每個(gè)這樣的周期處理數(shù)據(jù)方面都變得更好。

DeepMind的研究人員詳細(xì)介紹說：“網(wǎng)絡(luò)會(huì)定期進(jìn)行評估，并以進(jìn)化的方式相互競爭以求生存?！?“如果某個(gè)群體的成員表現(xiàn)不佳，就會(huì)被表現(xiàn)更好的成員的“后代”所取代。后代是性能更好的成員的副本，具有超突變的超參數(shù)。”

DeepMind與Waymo合作，將這種方法應(yīng)用于優(yōu)化集團(tuán)的自動(dòng)駕駛模型。在他們的第一個(gè)聯(lián)合項(xiàng)目中，Waymo使用了該技術(shù)來訓(xùn)練AI，以檢測自動(dòng)駕駛汽車附近的行人，汽車和其他物體?；谌丝诘呐嘤?xùn)有助于將模型產(chǎn)生的誤報(bào)數(shù)量減少24%。

Waymo繼續(xù)將該技術(shù)應(yīng)用于其他項(xiàng)目。使用該方法，該小組將為AI找到最佳設(shè)置集所需的時(shí)間和為此所需的處理能力減少了一半。另外，它減少了開發(fā)過程中的手動(dòng)輸入，從而為研究人員節(jié)省了時(shí)間。

研究人員寫道：“通過將PBT（基于人口的培訓(xùn)）直接整合到Waymo的技術(shù)基礎(chǔ)架構(gòu)中，公司各處的研究人員都可以通過單擊按鈕來應(yīng)用此方法，而花費(fèi)更少的時(shí)間來調(diào)整他們的學(xué)習(xí)率?！?“自完成這些實(shí)驗(yàn)以來，PBT已應(yīng)用于許多不同的Waymo模型，并有望在幫助路上制造出更有能力的車輛方面大有希望。”