Waymo, qui a débuté en 2009 en tant que projet de voiture autonome de Google, est prêt pour la prochaine phase ! Pour les non-initiés, les véhicules autonomes de Waymo utilisent des réseaux de neurones pour effectuer des tâches de conduite. Cela comprend la détection d'objets, la prédiction du comportement des autres et la planification des prochains mouvements de la voiture.
DeepMind à la rescousse !
Selon DeepMind, un artificial intelligence entreprise, la formation d'un réseau de neurones nécessite des semaines de réglage fin, d'expérimentation et une puissance de calcul substantielle. Fondé par Demis Hassabis, Mustafa Suleyman, Shane Legg, DeepMind était acquis par Google en 2014 pour tenter de repousser les limites de l'IA.
En quoi consiste la collaboration ?
Pour améliorer son voitures auto-conduite, Waymo a collaboré avec DeepMind, une autre unité de Google parent Alphabet, pour apporter une méthode de formation appelée Population Based Training (PBT).
Cette technique s'inspire du fonctionnement de l'évolution darwinienne. Notamment, les chercheurs ont utilisé cette technique pour entraîner DeepMind à jouer à StarCraft II.
Selon Oriol Vinyles, chercheur principal de DeepMind, le PBT formera des réseaux de neurones pour gérer les différentes décisions qui sont nécessaires pour maintenir la sécurité et le bon fonctionnement de véhicules autonomes.
Comment fonctionne la formation basée sur la population (PBT) ?
Inspirée des principes évolutifs, c'est la première méthode développée chez DeepMind qui aide à découvrir des régimes d'entraînement efficaces et efficients pour les réseaux de neurones. Pour le rendre plus précis, le PBT fonctionne en lançant plusieurs recherches d'hyperparamètres en même temps, avec des « compétitions » périodiques pour comparer les performances des modèles.
Les modèles perdants sont supprimés du pool d'entraînement et l'entraînement se poursuit en utilisant uniquement les modèles gagnants, mis à jour avec des hyperparamètres légèrement mutés. Il convient de mentionner que les hyperparamètres seront activement mis à jour tout au long de la formation.
Première expérience !
Les premières expériences sur lesquelles DeepMind et Waymo ont collaboré impliquaient la formation d'un réseau qui génère des boîtes autour des piétons, des cyclistes et des motocyclistes détectés par nos capteurs - nommé un «réseau de proposition de région».
Les véhicules de Waymo détectent ces usagers de la route à l'aide de plusieurs réseaux neuronaux et d'autres méthodes, mais le but de cette expérience était de former ce réseau neuronal unique pour maintenir le rappel à plus de 99 % tout en réduisant les faux positifs à l'aide d'une formation basée sur la population.
Des résultats prometteurs à la moitié de la puissance de calcul.
Selon le DeepMind, les résultats étaient prometteurs lorsqu'ils étaient appliqués à la détection des piétons. Ils ont ajouté : "Nos modèles PBT ont pu atteindre une plus grande précision en réduisant les faux positifs de 24 % par rapport à son équivalent réglé à la main tout en maintenant un taux de rappel élevé."
Cependant, cela ne s'arrête pas là puisqu'il a été appliqué à plusieurs modèles de véhicules autonomes de Waymo, promettant de nouvelles améliorations à la technologie.
Restez à l'écoute Silicon Canals pour plus de mises à jour dans la technologie startup monde.
IA française startup DriveTrust lève 1.5 million d'euros pour un avenir plus sûr au volant