Google 旗下两强公司联手，要让自驾车少“犯错”

▼

自驾车未普及之前，必要经过无数次演算法训练和测试，才能保证安稳上路。

训练演算法的最简单方法是反复试验，然后一次次调整，以得出最好的结果，但微调时间太长，调整部分太多，训练结果变化也很大，需要有经验的研究人员亲自找到最佳模型。

这也是自动驾驶公司的工程师和数据科学家面临的最大难题。

（Source：DeepMind）

所以自驾车公司 Waymo 开始和人工智慧公司 DeepMind 合作，想加强训练 AI 演算法的品质和效率。他们希望训练出一个 AI 模型，让自驾车保持 99% 以上的障碍物辨识率。

这两家公司可说是“表兄弟”，都归 Google 母公司 Alphabet 所有，在这项合作中，DeepMind 为 Waymo 提供称为“基于人口的训练”（Population Based Training，PBT）AI 技术，能让 Waymo 演算法训练不那么“密集劳动”。

（Source：Waymo）

PBT 的灵感来自达尔文的进化论，由 DeepMind 在 2017 年开发。

Waymo 之前演算法是一个模型接受一个任务以不断优化，而 PBT 是由多个随机变量启动的机器学习模型，以一种进化方式相互对抗，只有最优秀的才会留下来。

因此 PBT 模型不需要重新训练，它会自动更新到最佳参数值。为了让 PBT 长期保持优化，DeepMind 还创建了更多样模型与之竞争。

DeepMind 还藉着 PBT 训练机器人，让机器人在《星海争霸》等游戏击败人类玩家。

Waymo 团队看到它在自动驾驶的潜力，透过虚拟司机“驾驶”Waymo 车试验。结果发现，使用 PBT 演算法，计算资源减少一半，训练时间缩短一半，Waymo 的性能水准也到达最高。

领导计划的 Waymo 高级软件工程师 Joyce Chen 表示，与 Waymo 之前的演算法相比：

这项技术不仅改善我们演算法的数据标记流程，还让 Waymo 自驾车检测行人、两轮骑士、四轮驾驶、植被、道路的误报率降低 24%。

现在，Waymo 已将 PBT 纳入技术基础设施，研究人员点点按钮就能应用此演算法，DeepMind 每隔 15 分钟就会评估模型一次，以让测试结果更适合真实世界。

Waymo 十多年前就开始研究自驾车，普遍视为是自动驾驶技术的领导者，还是世界唯一一家在公共道路经营全自动商业计程车的公司。现在，这项技术也让自动驾驶领域训练神经网络的规则再次更新。

（Source：影片截图）

对消费者来说，未来无疑能坐到更安全的自驾车了。

（本文由 爱范儿 授权转载；首图来源：shutterstock）

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。