（原標(biāo)題：DeepMind and Waymo collaborate to improve AI accuracy and speed up model training）

　　網(wǎng)易科技訊 7月26日消息，據(jù)國外媒體報(bào)道，Alphabet旗下的無人駕駛汽車公司W(wǎng)aymo進(jìn)行了大量訓(xùn)練來改良驅(qū)動其自動駕駛軟件的人工智能。最近，它與另一家Alphabet子公司DeepMind合作開發(fā)了一種模擬進(jìn)化論的新訓(xùn)練方法，來提高訓(xùn)練質(zhì)量和效率。

　　正如Waymo所解釋的那樣，人工智能算法通過反復(fù)試驗(yàn)來自我改進(jìn)。一個模型被提出一個任務(wù)，它通過不斷地嘗試和根據(jù)它收到的反饋進(jìn)行調(diào)整，來學(xué)習(xí)執(zhí)行這個任務(wù)。執(zhí)行表現(xiàn)在很大程度上依賴于訓(xùn)練方案——被稱為超級參數(shù)機(jī)制——而找到最佳訓(xùn)練方案的任務(wù)要有經(jīng)驗(yàn)的研究人員和工程師親自去完成。他們精心挑選正在接受訓(xùn)練的人工智能模型，剔除表現(xiàn)最差的模型，并釋放資源從頭開始訓(xùn)練新的算法。

　　DeepMind設(shè)計(jì)了一種不那么勞動密集型的訓(xùn)練方法：基于群體的訓(xùn)練（以下簡稱“PBT”），它從多個由隨機(jī)變量(超級參數(shù))啟動的機(jī)器學(xué)習(xí)模型開始運(yùn)作。這些模型會定期被評估，并以一種進(jìn)化的方式相互競爭，這樣，表現(xiàn)不佳的群體成員就會被“后代”(表現(xiàn)較好的成員的副本，其中的變量略有變化)所取代。PBT不需要重新開始訓(xùn)練，因?yàn)槊總€后代都繼承了父網(wǎng)絡(luò)的狀態(tài)，并且在整個訓(xùn)練過程中會主動更新超級參數(shù)。最終的結(jié)果是，PBT有了“良好的”超級參數(shù)值，用上多數(shù)的資源進(jìn)行訓(xùn)練。這就是進(jìn)化的由來，因?yàn)檫@是一種人工自然選擇的過程。

　　PBT并不完美——它傾向于對當(dāng)前進(jìn)行優(yōu)化，而沒有考慮長期結(jié)果，對發(fā)展遲緩的人工智能模型不利。為了緩解這種情況，DeepMind的研究人員訓(xùn)練了一個更大的群體，并創(chuàng)建了一個叫做“利基”的亞群體，在這個群體中，算法只允許在自己的子群體中競爭。最后，團(tuán)隊(duì)通過為更獨(dú)特的模型提供競爭優(yōu)勢來直接獎勵多樣性。

　　最近，Waymo和DeepMind讓PBT接受Waymo創(chuàng)造更好的虛擬司機(jī)的挑戰(zhàn)，訓(xùn)練結(jié)果令人印象深刻——DeepMind在一篇博客文章中表示，借助PBT，負(fù)責(zé)標(biāo)識區(qū)分由Waymo汽車的諸多傳感器發(fā)現(xiàn)的行人、騎車者和摩托車騎手的網(wǎng)絡(luò)誤報(bào)率下降了24%。不僅如此，與Waymo以前使用的標(biāo)準(zhǔn)方法相比，PBT還節(jié)省了大約50%的訓(xùn)練時間和資源。

　　使用這種方法時，為了避免潛在的缺陷，DeepMind經(jīng)過早期研究以后進(jìn)行了一些調(diào)整，其中包括每隔15分鐘就對模型進(jìn)行評估，構(gòu)建強(qiáng)大的驗(yàn)證標(biāo)準(zhǔn)和示例集，以便確保測試能夠?yàn)檎鎸?shí)世界構(gòu)建表現(xiàn)更好的神經(jīng)網(wǎng)絡(luò)，而不只是僅適用于它們被灌輸?shù)奶囟〝?shù)據(jù)的良好模式識別引擎。

　　Waymo表示，它已經(jīng)將PBT直接納入了Waymo的技術(shù)基礎(chǔ)設(shè)施中，使得來自整個公司的研究人員只需點(diǎn)擊一個按鈕就可以應(yīng)用PBT。該公司寫道，“自這些實(shí)驗(yàn)完成以來，PBT已被應(yīng)用于許多不同的Waymo車型，并有望幫助創(chuàng)造出更適合道路行駛的汽車。”（樂邦）