Патент Tesla использует весь парк выпущенных машин для обучения ИИ

Друзья, с момента основания проекта прошло уже 20 лет и мы рады сообщать вам, что сайт, наконец, переехали на новую платформу.

Какое-то время продолжим трудится на общее благо по адресу https://n-n-n.ru.
На новой платформе мы уделили особое внимание удобству поиска материалов.
Особенно рекомендуем познакомиться с работой рубрикатора.

Спасибо, ждём вас на N-N-N.ru

Tesla подала патентную заявку на технологию, позволяющую использовать весь парк уже выпущенных автомашин Tesla для обучения автопилота компании. Речь идет об интеллектуальном обучении центральной нейронной сети — собираемые каждой машиной данные классифицируются локально, бортовым компьютером, и оцениваются на предмет ценности для обучения ИИ. В ЦОД Tesla передаются только ценные данные. Они и используются для улучшения автопилота.

Бизнес-модель Tesla открывает перед разработчиками автопилота широкие возможности. В то время как прочие компании используют относительно небольшой флот автомобилей для проведения испытания и сбора данных, компания Илона Маска оснащает все свои электромобили набором сенсоров для сбора дорожной информации, продает их и тестирует систему беспилотного управления в «скрытом режиме».

Эти данные, полученные на примере реального опыта беспилотного движения по общественным дорогам, крайне важны для обучения нейронных сетей. Патентная заявка, о которой стало известно изданию Electrek, составлена Андреем Карпатым, главой ИИ-подразделения компании.

Она описывает метод, позволяющий классифицировать потенциальные данные для тренировки локально, до их передачи. Если программа оценивает данные как потенциально пригодные для ИИ, то дает команду передавать их по беспроводной сети. Затем они используются для улучшения автопилота.

«Системы глубокого обучения, которые применяются для автономного вождения, разрабатывают путем тренировки моделей машинного обучения, — пишет Карпатый. — Обычно производительность систем глубокого обучения ограничена как минимум отчасти качеством тренировочных данных. Во многих случаях значительные ресурсы вкладываются в сбор, исправление и аннотирование этих данных. Усилия, которые требуются для создания наборов данных, зачастую значительны. Более того, часто сложно собрать данные для определенных целей, которые требуются для улучшения модели машинного обучения».

Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 4 (1 vote)
Источник(и):

ХайТек+