MIT發(fā)明新AI模型，其核心控制系統(tǒng)僅用19個神經元就能實現(xiàn)自動駕駛

從搜索引擎到自動駕駛汽車，人工智能（AI）已經應用于日常生活的方方面面。這與近年來飛躍式的算力進步有很大關系。但 AI 研究的最新結果表明，更簡單小巧的神經網(wǎng)絡可以更好，更有效且更可靠地解決某些任務。

近日，麻省理工學院計算機科學與人工智能實驗室（MIT CSAIL），維也納工業(yè)大學和奧地利科技學院的國際研究團隊開發(fā)出了一種新型 AI 系統(tǒng)。

這種新穎的 AI 系統(tǒng)受到線蟲等細小動物的大腦的啟發(fā)，其核心控制系統(tǒng)僅用 19 個神經元就能操控車輛，實現(xiàn)自動駕駛。

研究團隊表示，該系統(tǒng)比以前的深度學習模型具有決定性的優(yōu)勢。它可以更好地應對噪聲的輸入，而且由于其構造的簡單性，人們可以很好地解釋其操作模式，不再是 “復雜的黑匣子”。這種新的深度學習模型現(xiàn)已發(fā)布在 Nature Machine Intelligence 上。

谷歌軟件工程師兼 AI 研究員 Fran?ois Chollet 表示，“神經回路政策是一種受生物神經元啟發(fā)的有前途的新架構。它生成的模型非常小，但能處理復雜任務。這種簡單性使其更強大，更易解釋?！?/p>

類似于大腦，人工神經網(wǎng)絡由許多單個神經元組成。當一個神經元處于活動狀態(tài)時，它將向其他神經元發(fā)送信號。下一個神經元會收集所有信號，組合起來并決定其自身是否激活。一個神經元影響下一個神經元的方式決定了整個系統(tǒng)的下一次行為。這些參數(shù)會在自動學習過程中不斷調整，直到神經網(wǎng)絡可以解決特定任務為止。

多年來，科學家們一直在研究可以從自然界中學到什么，以改善深度學習。秀麗隱桿線蟲是一個典型的研究對象，它只有數(shù)量極少的神經元，但仍然表現(xiàn)出非常有趣的行為模式，因為它的神經系統(tǒng)可以用非常高效而和諧的方式處理信息。

麻省理工學院 CSAIL 主任 Daniela Rus 教授表示，“大自然向我們展示了巨大的進步空間。我們的目標是大幅降低復雜性并開發(fā)一種新型神經網(wǎng)絡架構?！?/p>

與之前的深度學習模型相比，新架構的神經元和數(shù)學模型都是全新的，單個神經元的信號處理方式遵循了完全不同的數(shù)學原理。整個網(wǎng)絡非常稀疏，因為并非每個神經元之間都互相連接在一起。這讓模型變得更簡單。

為了測試新想法，研究團隊選擇了一項特別重要的任務：自動駕駛汽車并維持在車道上。神經網(wǎng)絡將攝像機捕捉的道路圖像作為輸入值，并自主決定是向右還是向左微調方向。

目前，用來實現(xiàn)自動駕駛等復雜任務的深度學習模型通常擁有數(shù)百萬個參數(shù)。相比之下，新架構僅用到了 7.5 萬個可訓練參數(shù)，規(guī)模減少了兩個數(shù)量級。

新系統(tǒng)由兩部分組成：卷積神經網(wǎng)絡和控制系統(tǒng)。

攝像機的輸入首先會經過卷積神經網(wǎng)絡，它僅負責處理視覺數(shù)據(jù)并從像素中提取結構特征，找到那些有趣和重要的信息，然后將信號傳輸?shù)杰囕v的控制系統(tǒng)中。

控制系統(tǒng)部分，又被稱為神經回路策略（NCP），可以將感知模塊中的數(shù)據(jù)轉換為轉向命令，僅包含 19 個神經元，比現(xiàn)有最好模型要小好幾個數(shù)量級。

兩個子系統(tǒng)堆疊在一起并同時接受訓練。訓練數(shù)據(jù)來自大波士頓地區(qū)，是由人類駕駛員完成的駕駛視頻，一同輸入網(wǎng)絡的還有何在任何給定情況下控制汽車方向的資料 —— 直到系統(tǒng)學會了自動將圖像與合適的轉向系統(tǒng)聯(lián)系起來，可以獨立處理新情況為止。

該深度學習模型已在自動駕駛汽車上進行了測試。研究人員可以輕易地找出，在駕駛時，神經網(wǎng)絡的注意力放在哪里：在這種情況下，是路肩和地平線。

他們還能確定每個神經元在駕駛決策中發(fā)揮的作用，即每個神經元的功能和行為。對于規(guī)模更大的深度學習模型，是不可能實現(xiàn)這種程度的可解釋性的?！?/p>

NCP 的魯棒性也經得住考驗。研究人員在輸入圖像中添加了干擾和噪聲，以測試 AI 的應對能力。得益于新神經網(wǎng)絡模型和架構，該模型表現(xiàn)出了強大的噪聲抵抗力。

研究人員 Ramin Hasani 認為，可解釋性和魯棒性是新模型的兩個最主要優(yōu)勢，但它實際上還有更多優(yōu)點，比如減少訓練時間，以及增加在簡單系統(tǒng)中實現(xiàn) AI 的可能性。

“我們的 NCP 可以在廣泛應用中進行模仿學習，包括自動化工作和機器人運動，”Hasani 補充稱，“這些新發(fā)現(xiàn)為 AI 社區(qū)拓展了新的方向，生物神經系統(tǒng)中的計算原理可以成為創(chuàng)建高性能可解釋 AI 的重要資源，作為現(xiàn)有黑盒機器學習系統(tǒng)的替代品?！?/p>

責任編輯：xj

原文標題：MIT領銜發(fā)明新AI模型，19個神經元就能操控車輛行駛

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關注！文章轉載請注明出處。