據外媒報道，谷歌母公司Alphabet 旗下自動駕駛子公司Waymo的自動駕駛汽車與引導普通汽車的“大腦”有一些共同之處：其智能都由進化推動發展。目前，Waymo的工程師就正與DeepMind（也是Alphabet旗下子公司，專注於AI）的研究人員合作，尋找一種更加高效的方法，培訓和調整Waymo的自動駕駛算法。
據外媒報道，谷歌母公司Alphabet 旗下自動駕駛子公司Waymo的自動駕駛汽車與引導普通汽車的“大腦”有一些共同之處：其智能都由進化推動發展。目前，Waymo的工程師就正與DeepMind（也是Alphabet旗下子公司，專注於AI）的研究人員合作，尋找一種更加高效的方法，培訓和調整Waymo的自動駕駛算法。
（圖片來源：Waymo官網）
研究人員們採用了一種稱為“基於群體進行訓練”（PBT）的技術，此前DeepMind研發了該技術，以提升視頻遊戲的算法。PBT技術的靈感來自於生物進化，通過讓候選代碼從算法群中抽取“最合適”的樣本（最有效執行給定任務的樣本），加速選出特定任務中用到的機器學習算法和參數。
以此種方式改進AI算法可幫助Waymo獲得優勢。隨著自動駕駛汽車收集越來越多的數據並部署到新地點，引導自動駕駛汽車的算法也需要得到重新培訓和校準。目前，已經有數十家公司爭相在真實道路上展示最好的自動駕駛汽車，Waymo也在探索其他方法，以加速其機器學習算法的開發。
實際上，更有效地再培訓機器學習算法的方法應該讓AI在不同背景下變的更加靈活、更實用。研究人員表示，Waymo目前正使用PBT技術，改進探測車道標記、車輛和行人的深度學習代碼的開發，並驗證輸入到其他機器學習算法中且已經做好標記的數據的準確性，結果發現，PBT將重新訓練神經網絡所需的計算機能力降低了大約一半，而且將開發週期的速度提高了一至兩倍。
此外，谷歌目前還在研發一系列技術，以讓訓練機器學習模型的過程實現自動化，而且已經通過“Cloud Auto-ML”項目為顧客提供了一些技術。毫無疑問，讓AI培訓更加高效、更加自動化，對自動駕駛技術的商業化以及盈利至關重要。
相關推薦
