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，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)驗的研究人員親自找到最佳模型。

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

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

他們希望訓(xùn)練出一個 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)，這項技術(shù)能讓 Waymo 的算法訓(xùn)練不那么「密集勞動」。

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

因此 PBT 的模型不需要重新訓(xùn)練，它會自動更新出更好的參數(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)練機器人，讓機器人在《星際爭霸》等游戲中擊敗了人類玩家。

Waymo 團隊看到了它在自動駕駛上的潛力，并通過一個虛擬司機「駕駛」Waymo 進(jìn)行了試驗。結(jié)果發(fā)現(xiàn)，使用 PBT 的算法，計算資源減少了一半，訓(xùn)練時間縮短了一半，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，研究人員點點按鈕就能應(yīng)用該算法，DeepMind 每隔 15 分鐘就會對模型進(jìn)行一次評估，以讓測試結(jié)果更適應(yīng)真實世界。

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營全自動商業(yè)出租車服務(wù)的公司。現(xiàn)在，這項技術(shù)也讓自動駕駛領(lǐng)域中訓(xùn)練神經(jīng)網(wǎng)絡(luò)的規(guī)則再次更新。

而對消費者來說，我們未來無疑也能坐到更安全的自動駕駛汽車了。