在無人駕駛汽車還未普及之前，它必定要經(jīng)過無數(shù)次的算法訓(xùn)練和測試，才能保證其安穩(wěn)上路。

訓(xùn)練算法的最簡單方法是反復(fù)試驗(yàn)，然后一次次地調(diào)整，以創(chuàng)建出最好的結(jié)果。但是微調(diào)的時(shí)間太長，調(diào)整部分太多，訓(xùn)練結(jié)果變化也很大，還需要有經(jīng)驗(yàn)的研究人員親自找到最佳模型。

這也是自動(dòng)駕駛公司的工程師和數(shù)據(jù)科學(xué)家面臨的最大難題。

所以自動(dòng)駕駛汽車公司 Waymo 開始和人工智能公司 DeepMind 合作，想要加強(qiáng)訓(xùn)練 AI 算法的質(zhì)量和效率。

他們希望訓(xùn)練出一個(gè) AI 模型，讓無人駕駛汽車可以保持 99% 以上的障礙物識別率。

這兩家公司可以說是一對「表兄弟」，都?xì)w Google 母公司 Alphabet 所有，在這項(xiàng)合作中，DeepMind 為 Waymo 提供了一種被稱為「基于人口的訓(xùn)練（Population Based Training，簡稱 PBT）」的 AI 技術(shù)，這項(xiàng)技術(shù)能讓 Waymo 的算法訓(xùn)練不那么「密集勞動(dòng)」。

PBT 的靈感來自于達(dá)爾文的進(jìn)化論，由 DeepMind 在 2017 年開發(fā)。

Waymo 之前的算法是一個(gè)模型接受一個(gè)任務(wù)來不斷優(yōu)化，而 PBT 是由多個(gè)隨機(jī)變量啟動(dòng)的機(jī)器學(xué)習(xí)模型，以一種進(jìn)化的方式相互對抗，只有最優(yōu)的才會(huì)留下來。

因此 PBT 的模型不需要重新訓(xùn)練，它會(huì)自動(dòng)更新出更好的參數(shù)值。為了讓 PBT 長期保持優(yōu)化，DeepMind 還創(chuàng)建了更多樣的模型與之競爭。

DeepMind 還憑借著 PBT 訓(xùn)練機(jī)器人，讓機(jī)器人在《星際爭霸》等游戲中擊敗了人類玩家。

Waymo 團(tuán)隊(duì)看到了它在自動(dòng)駕駛上的潛力，并通過一個(gè)虛擬司機(jī)「駕駛」Waymo 進(jìn)行了試驗(yàn)。結(jié)果發(fā)現(xiàn)，使用 PBT 的算法，計(jì)算資源減少了一半，訓(xùn)練時(shí)間縮短了一半，Waymo 的性能水平也達(dá)到了最高。

領(lǐng)導(dǎo)該項(xiàng)目的 Waymo 高級軟件工程師 Joyce Chen 表示，與 Waymo 之前的算法相比：

這項(xiàng)技術(shù)不僅改善了我們算法中的數(shù)據(jù)標(biāo)簽流程，還讓 Waymo 無人車檢測行人、騎行者、駕駛者、植被、道路的誤報(bào)率降低了 24％。

現(xiàn)在，Waymo 已將 PBT 納入了技術(shù)基礎(chǔ)設(shè)施中，研究人員點(diǎn)點(diǎn)按鈕就能應(yīng)用該算法，DeepMind 每隔 15 分鐘就會(huì)對模型進(jìn)行一次評估，以讓測試結(jié)果更適應(yīng)真實(shí)世界。

Waymo 在 10 多年前就開始研究無人駕駛汽車，普遍被視為是自動(dòng)駕駛技術(shù)的領(lǐng)導(dǎo)者，它還是世界上唯一一家在公共道路上運(yùn)營全自動(dòng)商業(yè)出租車服務(wù)的公司?，F(xiàn)在，這項(xiàng)技術(shù)也讓自動(dòng)駕駛領(lǐng)域中訓(xùn)練神經(jīng)網(wǎng)絡(luò)的規(guī)則再次更新。

而對消費(fèi)者來說，我們未來無疑也能坐到更安全的自動(dòng)駕駛汽車了。