Waymo использует эволюционную конкуренцию для совершенствования самоуправляемых автомобилей

При обычном подходе процесс обучения автономному управлению автомобиля с использованием ИИ, как сообщает ресурс engadget.com, будет довольно длительным и не отличаться особой эффективностью, так как исследователям потребуется либо использовать огромное количество вычислительной мощности для параллельного обучения систем, либо они будут тратить массу времени, вручную отсеивая неудачные решения.

GLENN CHAPMAN/AFP/Getty Images

В компании Waymo, специализирующейся на разработке самоуправляемых автомобилей, остановились на более разумном подходе, заключающемся в использовании тех же принципов, которые определяют эволюцию.

Компания договорилась о сотрудничестве с британской фирмой DeepMind, специализирующейся на разработке искусственного интеллекта и использующей эволюционную теорию Дарвина, чтобы сделать тренинг систем автономного вождения более эффективным и действенным.

Обучение индивидуальной нейронной сети, которые используются в робомобилях Waymo для выполнения многочисленных задач автономного вождения: от обнаружения объектов и прогнозирования их поведения до планирования дальнейшего движения автомобиля, традиционно требовало многих недель для проведения корректировки и экспериментов, а также привлечения огромных вычислительных мощностей.

При применении метода DeepMind нейронные сети в ходе отбора должны конкурировать друг с другом, причем более слабые решения отсеиваются. Их заменяют более сильные «потомки», которые являются копиями более эффективных сетей со слегка подправленными параметрами (точно так же, как ребёнок не является идеальным клоном своего родителя). Это позволяет автоматически удалять из перечня сети с более низкой эффективностью, избавляя Waymo от необходимости переучивать сети с нуля — они уже унаследовали новые навыки от своих «родителей».

Источник ^[1]

Источник ^[2]