Google 系两公司联手，要让无人车少「犯错」

来源：爱范儿  作者：吴志奇

在无人驾驶 汽车 还未普及之前，它必定要经过无数次的算法训练和测试，才能保证其安稳上路。

训练算法的最简单方法是反复试验，然后一次次地调整，以创建出最好的结果。但是微调的时间太长，调整部分太多，训练结果变化也很大，还需要有经验的研究人员亲自找到最佳模型。

这也是自动驾驶公司的工程师和数据科学家面临的最大难题。

所以自动驾驶汽车公司 Waymo 开始和人工智能公司 DeepMind 合作，想要加强训练 AI 算法的质量和效率。

他们希望训练出一个 AI 模型，让无人驾驶汽车可以保持 99% 以上的障碍物识别率。

这两家公司可以说是一对「表兄弟」，都归 Google 母公司 Alphabet 所有，在这项合作中，DeepMind 为 Waymo 提供了一种被称为「基于人口的训练（Population Based Training，简称 PBT）」的 AI 技术，这项技术能让 Waymo 的算法训练不那么「密集劳动」。

▲图片来自：CNET

PBT 的灵感来自于达尔文的进化论，由 DeepMind 在 2017 年开发。

Waymo 之前的算法是一个模型接受一个任务来不断优化，而 PBT 是由多个随机变量启动的机器学习模型，以一种进化的方式相互对抗，只有最优的才会留下来。

因此 PBT 的模型不需要重新训练，它会自动更新出更好的参数值。为了让 PBT 长期保持优化，DeepMind 还创建了更多样的模型与之竞争。

DeepMind 还凭借着 PBT 训练机器人，让机器人在《星际争霸》等 游戏 中击败了人类玩家。

Waymo 团队看到了它在自动驾驶上的潜力，并通过一个虚拟司机「驾驶」Waymo 进行了试验。结果发现，使用 PBT 的算法，计算资源减少了一半，训练时间缩短了一半，Waymo 的性能水平也达到了最高。

▲ 图片来自：thenextweb

领导该项目的 Waymo 高级软件工程师 Joyce Chen 表示，与 Waymo 之前的算法相比：

这项技术不仅改善了我们算法中的数据标签流程，还让 Waymo 无人车检测行人、骑行者、驾驶者、植被、道路的误报率降低了 24％。

▲ 图片来自：Financial Times

现在，Waymo 已将 PBT 纳入了技术基础设施中，研究人员点点按钮就能应用该算法，DeepMind 每隔 15 分钟就会对模型进行一次评估，以让测试结果更适应真实世界。

Waymo 在 10 多年前就开始研究无人驾驶汽车，普遍被视为是自动驾驶技术的领导者，它还是世界上唯一一家在公共道路上运营全自动 商业 出租车服务的公司。现在，这项技术也让自动驾驶领域中训练神经网络的规则再次更新。

▲ 图片来自：cn.techrecipe.co.kr

而对消费者来说，我们未来无疑也能坐到更安全的自动驾驶汽车了。