據(jù)外媒Electrek報道，特斯拉于近日申請了一項專利，即如何從龐大的客戶車隊中獲取訓練數(shù)據(jù)，以訓練其自動駕駛神經(jīng)網(wǎng)絡(luò)。

據(jù)悉，特斯拉人工智能和自動駕駛軟件負責人Andrej Karpathy是該專利的唯一發(fā)明人。Karpathy指出了在應(yīng)用程序中為深度學習培訓收集數(shù)據(jù)的難點：“用于自動駕駛等應(yīng)用的深度學習系統(tǒng)是通過訓練機器學習模型來開發(fā)的。通常深度學習系統(tǒng)的性能在一定程度上受制于訓練集的質(zhì)量。在大多數(shù)情況下，在收集、管理和注釋培訓數(shù)據(jù)方面需要投入大量資源，創(chuàng)建訓練集的工作因此很重要且繁瑣。此外，通常很難為機器學習模型需要改進的特定用例收集數(shù)據(jù)。”

值得一提的是，特斯拉開發(fā)自動駕駛系統(tǒng)的方法與大多數(shù)汽車公司大相徑庭。大多數(shù)汽車公司使用相對較小的測試車輛車隊來收集數(shù)據(jù)和測試其系統(tǒng)，而特斯拉則利用配備了一系列傳感器的數(shù)十萬客戶車輛來收集道路和駕駛數(shù)據(jù)，并在“陰影模式”下測試自動駕駛系統(tǒng)，因此，車隊收集的這些數(shù)據(jù)對于特斯拉訓練神經(jīng)網(wǎng)絡(luò)進行自動駕駛是非常有價值的。

Karpathy在專利中提到，“隨著機器學習模型變得越來越復(fù)雜，例如更深層次的神經(jīng)網(wǎng)絡(luò)，大型訓練數(shù)據(jù)集的必要性也相應(yīng)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例，以確保其通用性?！?/p>

因此，工程師解釋了其專利方法，即在傳輸潛在培訓數(shù)據(jù)之前，先對數(shù)據(jù)源進行分類。