新的深度进修模子：更少的神经元，更多的智力

来自维也纳维也纳(Vienna)，奥地利奥地利技能学院(IST Austria)和美国麻省理工学院(MIT)的国际研究团队已经开拓了一种新的人工智能体系，该体系基于线虫等小动物的大脑。这个新奇的AI体系可以节制带有几小我私人工神经元的车辆。该团队暗示，该体系比早年的深度进修模子具有抉择性的上风：它可以更好地应对嘈杂的输入，而且因为其简朴性，可以具体声名其操纵模式。它不必被视为伟大的“黑匣子”，但人类可以领略。这种新的深度进修模子现已颁发在《天然呆板智能》杂志上。

相同于活脑，人工神经收集由很多单个细胞构成。当一个单位处于勾当状态时，它将向其他单位发送信号。下一个小区吸取到的全部信号城市组合起来，以抉择该小区是否也将变为勾当状态。一个细胞影响下一个细胞勾当的方法抉择了体系的举动-在自动进修进程中调解这些参数，直到神经收集可以办理特定使命为止。

“多年来，我们一向在研究我们可以从天然界中学到什么，以改进深度进修，”维也纳家产大学“收集物理体系”研究小组认真人拉杜格罗苏传授说。“譬喻，线虫的线虫糊口中的神经元数目惊人地少，而且如故示意出风趣的举动模式。这是因为线虫的神经体系有用而调和地处理赏罚信息的方法所致。”

麻省理工学院计较机科学与人工智能尝试室(CSAIL)主任Daniela Rus传授说：“天然向我们展示了仍有许多改造的空间。“因此，我们的方针是大幅低落伟大性并加强神经收集模子的可表明性。”

“受天然界的开导，我们开拓了神经元和突触的新数学模子，” IST Austria总裁Thomas Henzinger传授说。

TU Wien和MIT CSAIL计较机工程学院的博士后研究员Ramin Hasani博士说：“与早年的深度进修模子对比，单个单位内信号的处理赏罚遵循差异的数学道理。”“另外，我们的收集很是稀少-这意味着并非每个单位都与其他每个单位毗连。这也使收集越发简朴。”

为了测试新设法，团队选择了一项出格重要的测试使命：将自动驾驶汽车留在本身的车道上。神经收集吸取阶梯的摄像机图像作为输入，并自动抉择是向右照旧向左转向。

“现在，具稀有百万个参数的深度进修模子凡是用于进修诸如自动驾驶之类的伟大使命，” IST Austria的TU Wien校友和博士生Mathias Lechner说。“可是，我们的新要领使我们可以或许将收集局限镌汰两个数目级。我们的体系仅行使75,000个可实习参数。”

麻省理工学院CSAIL的门生亚历山大·阿米尼(Alexander Amini)表明说，新体系由两部门构成：摄像机输入起首由所谓的卷积神经收集处理赏罚，该卷积神经收集仅感知视觉数据以从传入像素中提取布局特性。该收集确定摄像机图像的哪些部门风趣且重要，然后将信号转达到收集的要害部门-“节制体系”，然后节制车辆。

两个子体系堆叠在一路并同时接管培训。网络了大波士顿地域很多小时的人类驾驶交通视频，并将其与有关如安在任何给定环境下怎样驾驶汽车的信息一路馈入收集-直到体系学会了自动将图像与恰当的位置毗连并可以独立处理赏罚新环境。

该体系的节制部门(称为神经回路计策或NCP)将感知模块中的数据转换为转向呼吁，仅包括19个神经元。Mathias Lechner表明说，NCP比早年的最新模子小3个数目级。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!