金沙js0888_首頁(欢迎您)

  • <td id="dgejl"><strike id="dgejl"></strike></td>
        1. MIT用19个神经元实现自动驾驶控制,灵感来自秀丽隐杆线虫

          作者: 晓查 2020-10-30 14:44:14

          本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

          打造一个自动驾驶控制系统需要多少个神经元?

          MIT的科学家告诉你,最少只要19个!方法是向线虫这种初等生物学习。

          MIT用19个神经元实现自动驾驶控制,灵感来自秀丽隐杆线虫

          最近,来自MIT CSAIL、维也纳工业大学、奥地利科技学院的团队已经开发了一种基于线虫大脑的新型AI系统。研究成果登上了最近的《自然·机器智能》杂志。

          他们发现,具有19个控制神经元的单个算法,通过253个突触将32个封装的输入特征连接到输出,可以学习把高维输入映射到操纵命令。

          这种新的AI系统用少量人工神经元控制车辆转向。而基于CNN和LSTM的神经网络打造同样的自动驾驶系统,网络结构则要复杂得多。

          MIT用19个神经元实现自动驾驶控制,灵感来自秀丽隐杆线虫

          △用CNN实现的车辆控制系统

          为何能做到这么少的神经元数量,论文共同一作MIT CSAIL博士后Ramin Hasani解释说:

          与以前的深度学习模型相比,每个单元内信号的处理都遵循不同的数学原理。

          他们从秀丽隐杆线虫这种生物受到启发,在2018年提出了一种神经元回路策略(Neuronal Circuit Policies,NCP)。

          MIT用19个神经元实现自动驾驶控制,灵感来自秀丽隐杆线虫

          NCP方法是重新利用生物神经回路模型的功能,创建可解释的控制智能体,管理虚拟和现实世界的强化学习(RL)测试平台。

          该方法对线虫的TW神经回路进行建模,这个回路主要负责线虫对外部机械触摸刺激的反射反应,通过掌握其突触和神经元参数,作为控制基本强化学习任务的策略。

          为了测试这种新的数学模型,团队选择了一项特别重要的测试任务——让自动驾驶汽车保持在车道上。神经网络接收摄像机拍摄的道路图像,然后自动决定是向左还是向右转。

          MIT用19个神经元实现自动驾驶控制,灵感来自秀丽隐杆线虫

          诸如自动驾驶之类的复杂任务,往往需要具有数百万个参数的深度学习模型。但是,用NCP方法能够将网络规模减少两个数量级。

          而这个19神经元极简自动驾驶系统仅使用了7.5万个训练参数,参数数量降低了2个数量级。

          NCP方法构建的自动驾驶系统也需要CNN,但是仅用于从摄像机传入的视觉数据,并从中提取出结构特征。它与车辆的实际转向无关。

          后面的神经网络来确定摄像机图像的哪些部分重要,然后将信号传递到网络的NCP控制系统

          MIT用19个神经元实现自动驾驶控制,灵感来自秀丽隐杆线虫

          系统的控制部分将感知系统中的数据转换为转向命令,仅包含19个神经元。

          两个子系统堆叠在一起并同时接受训练,训练数据集是波士顿地区人类驾驶汽车视频,包括图像与汽车转向操作的关联数据。

          将它们一起输入网络,直到系统学会自动将图像与适当的转向系统连接起来,可以独立处理新情况。

          除了结构简单外,用NCP设计的自动驾驶系统相比传统模型,还有两大优势:可解释性鲁棒性

          系统的可解释性能让我们我们看到网络将注意力集中在什么方面。

          从视频中可以看出,神经网络专注于图像的非常具体的部分,比如路边和地平线。研究人员表示,这种行为是在AI系统中是独一无二的。

          MIT用19个神经元实现自动驾驶控制,灵感来自秀丽隐杆线虫

          此外,可解释性细化到了每个神经元。我们还能看到哪个神经元(视频中亮起部分)在驾驶决策中的作用。我们可以了解单个神经元的功能及其行为。

          为了测试对比与传统模型和NCP模型的鲁棒性,研究人员还给输入图像加入了扰动,并评估了智能体对噪声的处理能力。结果NCP表现出了对输入伪像的强大抵抗力。

          除了可解释性和鲁棒性,NCP模型还有其他优势。比如减少训练时间,减少在相对简单的系统中实现AI的不确定性。

          Ramin Hasani博士还表示,NCP不仅能应用自动驾驶中,它能模仿学习意味着更广泛的应用,比如仓库的自动化机器人等等。

          自动驾驶 数据 人工智能
          上一篇:下一代人工智能的发展方向 (上) 下一篇:下一代人工智能的发展方向 (下)
          评论
          取消
          暂无评论,快去成为第一个评论的人吧

          更多资讯推荐

          建立公平的“数据访问”新秩序 AI在城市治理中生根发芽

          多年以来,AI技术成为全球各国政府的关注焦点,并敦促其纷纷拿出自己的AI发展战略、借此改变远程办公时代下的运作方式。

          佚名 ·? 18h前
          什么是机器学习?机器变得越来越聪明,不再是科幻电影

          机器学习(ML)是教导计算机系统根据一组数据进行预测的过程。通过为系统提供一系列的试验和错误场景,机器学习研究人员致力于创建 可以分析数据,回答问题并自行做出决定的人工智能系统。

          BENCOM信息科技 ·? 22h前
          机器学习概念和经典算法,我用大白话给你讲清楚了!入门必看

          尽管数据分析实际工作中用到机器学习的机会真的不多,但我觉得它仍是数分从业者所需的技能之一,所以今天这篇文章,主要对那些想了解机器学习的人做一个简单的介绍。

          数据分析不是个事儿 ·? 22h前
          指纹、面部和虹膜:如何选择适合的生物识别技术?

          今天的三种主要生物特征识别方式是指纹、面部和虹膜,每种都有其优点和缺点……

          佚名 ·? 23h前
          当人工智能伤害了人,谁来承担责任?

          就像硬币的两面,技术进步在便利人们生产生活的同时,也带来一个严峻的现实问题——当机器足够智能之后,其对人类造成的不可挽回的伤害该由谁负责?

          竞科技 ·? 1天前
          5种云计算所需的机器学习技能

          为了成功采用人工智能技术,组织的IT团队需要开发一些机器学习技能,并了解如何将这些转化为主要云平台所需的技能。

          Dan Sullivan ·? 1天前
          爱分析·中国数据智能应用趋势报告

          随着企业业务发展与技术成熟,企业面临海量增长的数据,结合大数据、人工智能物联网等技术,企业对数据的应用从监测、洞察逐步向决策迈进,进入了数据智能应用的时代。

          佚名 ·? 1天前
          人工智能与物联网:应对自然灾害的新举措

          技术,尤其是人工智能和物联网,不仅使我们能够加快对任何自然灾害的救援响应速度,而且还改善了灾害预测。

          Sukanya Mandal ·? 1天前
          Copyright?2005-2020 51CTO.COM 版权所有 未经许可 请勿转载
          金沙js0888