特斯拉申請車(chē)隊數據獲取專(zhuān)利 以訓練自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò )

據electrek報道，特斯拉申請了一項技術(shù)專(zhuān)利，計劃從其龐大的車(chē)隊中獲取數據，以訓練自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò )。

特斯拉申請了這項專(zhuān)利，但特斯拉人工智能和自動(dòng)駕駛軟件負責人安德烈·卡帕西（Andrej Karpathy）被指定為這項專(zhuān)利應用的唯一發(fā)明人。

卡帕西在這項專(zhuān)利中描述了在應用程序中為深度學(xué)習培訓收集數據的問(wèn)題：“通過(guò)訓練機器學(xué)習模型，開(kāi)發(fā)應用于自動(dòng)駕駛等領(lǐng)域的深度學(xué)習系統。

通常，深度學(xué)習系統的性能至少在一定程度上受到用于訓練模型的訓練集的質(zhì)量的限制。在許多情況下，重要的資源被投入到收集、管理和注釋培訓數據上。創(chuàng )建訓練集所需的工作可能很重要，而且常常很繁瑣。此外，為機器學(xué)習模型改進(jìn)，進(jìn)行特定案例數據收集通常是困難的?！?/p>

特斯拉開(kāi)發(fā)自動(dòng)駕駛系統的方式與大多數其他公司大相徑庭。大多數其他公司利用相對較小的車(chē)隊測試車(chē)輛，收集數據和檢測系統，但特斯拉利用其銷(xiāo)售的成千上萬(wàn)車(chē)進(jìn)行數據收集。這些車(chē)配備一組傳感器收集路上和駕駛數據，以及測試無(wú)人駕駛系統在“影子模式”中的運行。

車(chē)隊收集的這些數據對特斯拉訓練自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò )非常有價(jià)值。但是，又必須小心地收集，并把數據供給自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò )。

卡帕西在專(zhuān)利申請中提到：“隨著(zhù)機器學(xué)習模型變得越來(lái)越復雜，如更深層次的神經(jīng)網(wǎng)絡(luò )，對大型訓練數據集的需求也相應增加。

與較淺的神經(jīng)網(wǎng)絡(luò )相比，這些較深的神經(jīng)網(wǎng)絡(luò )可能需要更多的訓練實(shí)例，以確保其通用性。例如，一個(gè)神經(jīng)網(wǎng)絡(luò )可能被訓練得對相關(guān)數據非常精確，但是這個(gè)神經(jīng)網(wǎng)絡(luò )可能不能很好地泛化到預測未來(lái)的案例。而在這個(gè)案例中，神經(jīng)網(wǎng)絡(luò )可能會(huì )受益于訓練數據中包含的其他例子?！?/p>

因此，卡帕西解釋了他的專(zhuān)利方法，將潛在的訓練數據從源頭分類(lèi)，然后再傳輸：

“示例方法包括接收傳感器并將神經(jīng)網(wǎng)絡(luò )應用于傳感器數據。將觸發(fā)分類(lèi)器應用于神經(jīng)網(wǎng)絡(luò )的中間結果，以確定傳感器數據的分類(lèi)器評分。根據至少部分分類(lèi)器得分，決定是否通過(guò)計算機網(wǎng)絡(luò )傳輸至少部分傳感器數據。當確定為‘積極’時(shí)，傳感器數據被傳輸并用于生成訓練數據?！?/p>