Waymo, dat in 2009 begon als het zelfrijdende autoproject van Google, is klaar voor de volgende fase! Voor niet-ingewijden: de zelfrijdende voertuigen van Waymo maken gebruik van neurale netwerken om rijtaken uit te voeren. Het omvat het detecteren van objecten, het voorspellen van andermans gedrag en het plannen van de volgende bewegingen van de auto.
DeepMind schiet te hulp!
Think DeepMindeen artificial intelligence bedrijf vereist het trainen van een neuraal netwerk weken van fijnafstemming, experimenteren en substantiële rekenkracht. Opgericht door Demis Hassabis, Mustafa Suleyman, Shane Legg, DeepMind was overgenomen door Google terug in 2014 in een poging om de grenzen van AI te verleggen.
Waar gaat de samenwerking over?
Om het te verbeteren zelfrijdende auto's, heeft Waymo samengewerkt met DeepMind, een mede-eenheid van Google-moeder Alphabet, om een trainingsmethode te introduceren met de naam Population Based Training (PBT).
Deze techniek is gebaseerd op hoe de darwinistische evolutie werkt. Met name gebruikten de onderzoekers deze techniek om DeepMind te trainen om StarCraft II te spelen.
Think Oriol Vinyls, DeepMind hoofdonderzoeker, zal de PBT neurale netwerken trainen om de verschillende beslissingen te nemen die nodig zijn om de juiste veiligheid en werking van autonome voertuigen.
Hoe werkt Population-Based Training (PBT)?
Geïnspireerd door evolutionaire principes, is het de eerste methode ontwikkeld door DeepMind die helpt bij het ontdekken van effectieve en efficiënte trainingsregimes voor neurale netwerken. Om het nauwkeuriger te maken, werkt de PBT door veel hyperparameter-zoekopdrachten tegelijk te starten, met periodieke "wedstrijden" om de prestaties van modellen te vergelijken.
De verliezende modellen worden uit de trainingspool verwijderd en de training gaat door met alleen winnende modellen, bijgewerkt met enigszins gemuteerde hyperparameters. Het is vermeldenswaard dat de hyperparameters tijdens de training actief worden bijgewerkt.
Eerste experiment!
De eerste experimenten waaraan DeepMind en Waymo samenwerkten, betroffen het trainen van een netwerk dat dozen rond voetgangers, fietsers en motorrijders genereert die door onze sensoren worden gedetecteerd, een 'regiovoorstelnetwerk' genoemd.
De voertuigen van Waymo detecteren deze weggebruikers met behulp van meerdere neurale netwerken en andere methoden, maar het doel van dit experiment was om dit enkele neurale netwerk te trainen om de herinnering voor meer dan 99% te behouden en tegelijkertijd valse positieven te verminderen met behulp van op de bevolking gebaseerde training.
Veelbelovende resultaten met de helft van de rekenkracht.
Volgens DeepMind waren de resultaten veelbelovend bij toepassing op voetgangersdetectie. Ze voegden eraan toe: "Onze PBT-modellen waren in staat om een hogere precisie te bereiken door fout-positieven met 24% te verminderen in vergelijking met het met de hand afgestemde equivalent, terwijl een hoog terugroeppercentage behouden bleef."
Dit houdt hier echter niet op, aangezien het is toegepast op verschillende modellen van Waymo's zelfrijdende voertuigen, wat verdere verbeteringen aan de technologie belooft.
Blijf op de hoogte Silicon Canals voor meer updates in de tech startup wereld.