特斯拉申請車隊數據獲取專利 以訓練自動駕駛神經網絡

據electrek報道，特斯拉申請了一項技術專利，計劃從其龐大的車隊中獲取數據，以訓練自動駕駛神經網絡。

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

卡帕西在這項專利中描述了在應用程序中為深度學習培訓收集數據的問題：“通過訓練機器學習模型，開發應用于自動駕駛等領域的深度學習系統。

通常，深度學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，為機器學習模型改進，進行特定案例數據收集通常是困難的。”

特斯拉開發自動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隊測試車輛，收集數據和檢測系統，但特斯拉利用其銷售的成千上萬車進行數據收集。這些車配備一組傳感器收集路上和駕駛數據，以及測試無人駕駛系統在“影子模式”中的運行。

車隊收集的這些數據對特斯拉訓練自動駕駛神經網絡非常有價值。但是，又必須小心地收集，并把數據供給自動駕駛神經網絡。

卡帕西在專利申請中提到：“隨著機器學習模型變得越來越復雜，如更深層次的神經網絡，對大型訓練數據集的需求也相應增加。

與較淺的神經網絡相比，這些較深的神經網絡可能需要更多的訓練實例，以確保其通用性。例如，一個神經網絡可能被訓練得對相關數據非常精確，但是這個神經網絡可能不能很好地泛化到預測未來的案例。而在這個案例中，神經網絡可能會受益于訓練數據中包含的其他例子。”

因此，卡帕西解釋了他的專利方法，將潛在的訓練數據從源頭分類，然后再傳輸：

“示例方法包括接收傳感器并將神經網絡應用于傳感器數據。將觸發分類器應用于神經網絡的中間結果，以確定傳感器數據的分類器評分。根據至少部分分類器得分，決定是否通過計算機網絡傳輸至少部分傳感器數據。當確定為‘積極’時，傳感器數據被傳輸并用于生成訓練數據。”