Alphabet公司的人工智能研究部门DeepMind正在协助其姊妹公司Waymo在自动驾驶汽车市场做出努力。
DeepMind的研究人员今天在该小组博客中的帖子中详细介绍了合作。该部门一直在与Waymo合作，利用一种称为“基于人口的培训”的技术来加速自动驾驶软件的开发。
该方法最初由DeepMind发明，是先前的AI项目的一部分，该方法借鉴了进化的线索来增强AI模型。 在某些方面，构建神经网络的过程本质上是进化的。在开发过程中，AI模型会经过培训课程，在其中训练样本数据并修改其行为以产生更准确的结果。
但是，许多其他基本的开发任务仍然必须使用手动方法执行。 在这些任务中最重要的一项是超参数探索，这是DeepMind帮助Waymo简化的一项任务。这是对硬编码到AI模型中的基本行为设置进行微调的过程。工程师通常手动设置模型的设置，或者在复杂的项目中使用计算机辅助的搜索，其中脚本尝试大量随机生成的选项。
基于人群的培训使工作流程更加高效。基本概念是使用自动化算法来测试一组AI模型中的不同设置组合，识别表现欠佳的成员并将其替换为表现最佳的对等版本。该小组在每个这样的周期处理数据方面都变得更好。
DeepMind的研究人员详细介绍说：“网络会定期进行评估，并以进化的方式相互竞争以求生存。” “如果某个群体的成员表现不佳，就会被表现更好的成员的“后代”所取代。后代是性能更好的成员的副本，具有超突变的超参数。”
DeepMind与Waymo合作，将这种方法应用于优化集团的自动驾驶模型。在他们的第一个联合项目中，Waymo使用了该技术来训练AI，以检测自动驾驶汽车附近的行人，汽车和其他物体。基于人口的培训有助于将模型产生的误报数量减少24%。
Waymo继续将该技术应用于其他项目。使用该方法，该小组将为AI找到最佳设置集所需的时间和为此所需的处理能力减少了一半。另外，它减少了开发过程中的手动输入，从而为研究人员节省了时间。
研究人员写道：“通过将PBT(基于人口的培训)直接整合到Waymo的技术基础架构中，公司各处的研究人员都可以通过单击按钮来应用此方法，而花费更少的时间来调整他们的学习率。” “自完成这些实验以来，PBT已应用于许多不同的Waymo模型，并有望在帮助路上制造出更有能力的车辆方面大有希望。”