"\u003Cdiv\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002Fe07543baac724698b1aad6a5ec377097\" img_width=\"850\" img_height=\"410\" alt=\"Waymo携手DeepMind 用新方法提升无人车AI性能\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-justify\"\u003E\u003Cstrong\u003E车东西\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E\u003Cstrong\u003E编 | 郭志豪\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E\u003Cstrong\u003E导语：人工智能企业DeepMind正在帮助自动驾驶汽车公司Waymo研发新的自动驾驶AI算法，提供一种更为有效的训练来培训和调整自动驾驶汽车AI算法。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E车东西7月26日消息，据MIT Technology Review报道，近日，Alphabet（阿尔法特，谷歌母公司）旗下的Waymo与DeepMind的研究人员正在合作，寻找一种更有效的流程来培训和微调自动驾驶AI算法。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E一、Waymo研究人员训练神经网络，加强机器深度学习能力\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E他们使用了一种名为PBT（基于人群的训练）的技术，该技术之前由DeepMind开发。PBT从生物进化中获得灵感，通过让候选代码从算法种群中“最合适”的样本(最有效地执行给定任务的样本)中抽取样本，加快对特定任务的机器学习算法和参数选择。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E这种方式可以改进人工智能算法，也能帮助Waymo在自动驾驶中获得优势。自动驾驶汽车在越来越多的地方落地，其收集到的数据越来越多，为了保障自动驾驶的安全性，需要重新培训和校准自动驾驶汽车的算法。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003EWaymo机器学习基础设施主管Matthieu Devin表示:“研究机器学习的人必须面对的挑战之一就是利用新代码重建系统。我们需要不断地重新训练，重写代码，重新训练时需要重新调整参数。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E“在Waymo，研究人员花了很多时间来训练大量不同的神经网络。我们的团队现在正在改进PBT用于检测车道标记、车辆和行人的深度学习代码，并验证其他机器学习算法标记数据的准确性。PBT降低了重新训练神经网络所需的算力，并将开发速度提高了一倍或两倍。” Waymo的机器学习基础设施工程师Yu-hsin (Joyce) Chen说到。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E二、谷歌正在开发自动机器学习平台并向客户提供技术\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E现在自动驾驶汽车几乎都是由算法和技术控制的，算法和技术被设计得过度复杂。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E机器需要大量学习以便在传感器收集的数据中识别道路、标志、其他车辆和行人，然后配合代码，控制车辆和应对不同的事件，自动驾驶系统的每次更新都必须经过严格的仿真测试。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E如今的自动驾驶汽车严重依赖深度学习，但用正确的属性和参数(一开始硬编码的值)配置深度神经网络是极其复杂的。候选网络和参数大多需要手动选择，这会花费很多时间，也可以由计算机随机调整，但这需要计算机拥有极强的数据处理能力。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E谷歌正在开发一系列技术来帮助培训机器自动学习，并且已经通过一个名为Cloud Auto-ML（自动机器学习平台）的项目向客户提供其中的一些技术。毫无疑问，让人工智能培训更加高效和自动化，才能从这项技术中获得利益。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003EOriol Vinyals是DeepMind的首席研究科学家，他和他的同事们首先开发了这项技术用于磨练视频游戏算法，通过强化学习来加速电脑对星际争霸2的训练。星际争霸2是一款战斗视频游戏，对机器来说极具挑战性。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-justify\"\u003E文章来源：MIT Technology Review\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E"'.slice(6, -6), groupId: '6717857913639010830