Alphabet公司的人工智能研究部門(mén)DeepMind正在協(xié)助其姊妹公司W(wǎng)aymo在自動(dòng)駕駛汽車(chē)市場(chǎng)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介紹了合作。該部門(mén)一直在與Waymo合作，利用一種稱(chēng)為“基于人口的培訓”的技術(shù)來(lái)加速自動(dòng)駕駛軟件的開(kāi)發(fā)。

該方法最初由DeepMind發(fā)明，是先前的AI項目的一部分，該方法借鑒了進(jìn)化的線(xiàn)索來(lái)增強AI模型。 在某些方面，構建神經(jīng)網(wǎng)絡(luò )的過(guò)程本質(zhì)上是進(jìn)化的。在開(kāi)發(fā)過(guò)程中，AI模型會(huì )經(jīng)過(guò)培訓課程，在其中訓練樣本數據并修改其行為以產(chǎn)生更準確的結果。

但是，許多其他基本的開(kāi)發(fā)任務(wù)仍然必須使用手動(dòng)方法執行。 在這些任務(wù)中最重要的一項是超參數探索，這是DeepMind幫助Waymo簡(jiǎn)化的一項任務(wù)。這是對硬編碼到AI模型中的基本行為設置進(jìn)行微調的過(guò)程。工程師通常手動(dòng)設置模型的設置，或者在復雜的項目中使用計算機輔助的搜索，其中腳本嘗試大量隨機生成的選項。

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

DeepMind的研究人員詳細介紹說(shuō)：“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)群體的成員表現不佳，就會(huì )被表現更好的成員的“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。”

DeepMind與Waymo合作，將這種方法應用于優(yōu)化集團的自動(dòng)駕駛模型。在他們的第一個(gè)聯(lián)合項目中，Waymo使用了該技術(shù)來(lái)訓練AI，以檢測自動(dòng)駕駛汽車(chē)附近的行人，汽車(chē)和其他物體?；谌丝诘呐嘤栍兄趯⒛Ｐ彤a(chǎn)生的誤報數量減少24%。

Waymo繼續將該技術(shù)應用于其他項目。使用該方法，該小組將為AI找到最佳設置集所需的時(shí)間和為此所需的處理能力減少了一半。另外，它減少了開(kāi)發(fā)過(guò)程中的手動(dòng)輸入，從而為研究人員節省了時(shí)間。

研究人員寫(xiě)道：“通過(guò)將PBT(基于人口的培訓)直接整合到Waymo的技術(shù)基礎架構中，公司各處的研究人員都可以通過(guò)單擊按鈕來(lái)應用此方法，而花費更少的時(shí)間來(lái)調整他們的學(xué)習率。” “自完成這些實(shí)驗以來(lái)，PBT已應用于許多不同的Waymo模型，并有望在幫助路上制造出更有能力的車(chē)輛方面大有希望。”