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”的技術來加速自動駕駛軟件的開發(fā)。

該方法最初由DeepMind發(fā)明，是先前的AI項目的一部分，該方法借鑒了進化的線索來增強AI模型。 在某些方面，構建神經(jīng)網(wǎng)絡的過程本質(zhì)上是進化的。在開發(fā)過程中，AI模型會經(jīng)過培訓課程，在其中訓練樣本數(shù)據(jù)并修改其行為以產(chǎn)生更準確的結果。

但是，許多其他基本的開發(fā)任務仍然必須使用手動方法執(zhí)行。 在這些任務中最重要的一項是超參數(shù)探索，這是DeepMind幫助Waymo簡化的一項任務。這是對硬編碼到AI模型中的基本行為設置進行微調(diào)的過程。工程師通常手動設置模型的設置，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。基本概念是使用自動化算法來測試一組AI模型中的不同設置組合，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的研究人員詳細介紹說：“網(wǎng)絡會定期進行評估，并以進化的方式相互競爭以求生存?！?“如果某個群體的成員表現(xiàn)不佳，就會被表現(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)?！?/p>

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

Waymo繼續(xù)將該技術應用于其他項目。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)過程中的手動輸入，從而為研究人員節(jié)省了時間。

研究人員寫道：“通過將PBT（基于人口的培訓）直接整合到Waymo的技術基礎架構中，公司各處的研究人員都可以通過單擊按鈕來應用此方法，而花費更少的時間來調(diào)整他們的學習率。” “自完成這些實驗以來，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輛方面大有希望?！?/p>