Waymo, das 2009 als Google-Projekt für selbstfahrende Autos begann, ist bereit für die nächste Phase! Für Uneingeweihte: Die selbstfahrenden Fahrzeuge von Waymo nutzen neuronale Netze, um Fahraufgaben auszuführen. Dazu gehört das Erkennen von Objekten, das Vorhersagen des Verhaltens anderer und das Planen der nächsten Schritte des Autos.
DeepMind zur Rettung!
Laut DeepMind, ein artificial intelligence Unternehmen erfordert das Training eines neuronalen Netzwerks wochenlange Feinabstimmung, Experimente und erhebliche Rechenleistung. DeepMind wurde von Demis Hassabis, Mustafa Suleyman und Shane Legg gegründet von Google erworben bereits im Jahr 2014, um die Grenzen der KI zu erweitern.
Worum geht es bei der Zusammenarbeit?
Um es zu verbessern selbstfahrenden AutosWaymo hat mit DeepMind, einer Partnereinheit der Google-Muttergesellschaft Alphabet, zusammengearbeitet, um eine Trainingsmethode namens Population Based Training (PBT) auf den Markt zu bringen.
Diese Technik orientiert sich an der Funktionsweise der darwinistischen Evolution. Insbesondere nutzten die Forscher diese Technik, um DeepMind für das Spielen von StarCraft II zu trainieren.
Laut Oriol-Vinyle, leitender Forschungswissenschaftler von DeepMind, wird das PBT neuronale Netze trainieren, um die verschiedenen Entscheidungen zu treffen, die erforderlich sind, um die ordnungsgemäße Sicherheit und den ordnungsgemäßen Betrieb aufrechtzuerhalten autonome Fahrzeuge.
Wie funktioniert bevölkerungsbasiertes Training (PBT)?
Inspiriert von evolutionären Prinzipien ist es die erste bei DeepMind entwickelte Methode, die dabei hilft, effektive und effiziente Trainingsprogramme für neuronale Netze zu entdecken. Um es genauer zu machen: Das PBT startet viele Hyperparameter-Suchen gleichzeitig mit regelmäßigen „Wettbewerben“, um die Leistung der Modelle zu vergleichen.
Die Verlierermodelle werden aus dem Trainingspool entfernt und das Training wird nur mit Gewinnermodellen fortgesetzt, die mit leicht veränderten Hyperparametern aktualisiert werden. Erwähnenswert ist, dass die Hyperparameter während des Trainings aktiv aktualisiert werden.
Erstes Experiment!
Die ersten Experimente, an denen DeepMind und Waymo zusammenarbeiteten, umfassten das Training eines Netzwerks, das Boxen um Fußgänger, Radfahrer und Motorradfahrer generiert, die von unseren Sensoren erkannt wurden – ein sogenanntes „Region Proposal Network“.
Die Fahrzeuge von Waymo erkennen diese Verkehrsteilnehmer mithilfe mehrerer neuronaler Netze und anderer Methoden. Das Ziel dieses Experiments bestand jedoch darin, dieses einzelne neuronale Netz so zu trainieren, dass die Rückrufquote bei über 99 % liegt und gleichzeitig durch bevölkerungsbasiertes Training Fehlalarme reduziert werden.
Vielversprechende Ergebnisse bei halber Rechenleistung.
Laut DeepMind waren die Ergebnisse bei der Anwendung auf die Fußgängererkennung vielversprechend. Sie fügten hinzu: „Unsere PBT-Modelle konnten eine höhere Präzision erreichen, indem sie Fehlalarme um 24 % im Vergleich zu ihrem handabgestimmten Äquivalent reduzierten und gleichzeitig eine hohe Rückrufrate beibehielten.“
Dies ist jedoch noch nicht alles, denn es wurde auf mehrere Modelle der selbstfahrenden Fahrzeuge von Waymo angewendet und verspricht weitere Verbesserungen der Technologie.
Bleib dran Silicon Canals für weitere Updates in der Technik startup Welt.