Waymo con DeepMind per l'IA della guida autonoma

Waymo e DeepMind hanno unito le forze per sperimentare il metodo Population Based Training nell'istruzione degli algoritmi delle self-driving car.
Waymo e DeepMind hanno unito le forze per sperimentare il metodo Population Based Training nell'istruzione degli algoritmi delle self-driving car.
Guarda 15 foto Guarda 15 foto

La divisione di Alphabet (Google) al lavoro sulle self-driving car unisce le forze con un altro team al servizio del gruppo di Mountain View per accelerare lo sviluppo della tecnologia che un giorno si spera non troppo lontano potrà essere messa a disposizione delle vetture a guida autonoma. Waymo annuncia oggi la collaborazione con DeepMind legata a un nuovo metodo destinato all’istruzione degli algoritmi delegati a gestire i veicoli.

Waymo e DeepMind per le self-driving car

Battezzato Population Based Training, si basa sull’impiego di reti neurali che interagiscono tra loro proprio come farebbero due operatori in carne e ossa, analizzando l’efficacia delle istruzioni eseguite da diverse intelligenze artificiali, premiando i risultati migliori e cassando invece quelli ritenuti meno performanti. Si risparmiano tempo e risorse che sarà possibile investire su altri aspetti del progetto. Più nel dettaglio, l’IA così formata si occuperà di identificare la presenza di pedoni durante il movimento, garantendo un adeguato livello di sicurezza anche agli altri occupanti della strada.

Waymo: il metodo Population Based Training per l'IA della guida autonoma

La squadra di Waymo, nel post di presentazione dell’iniziativa, ammette che ricorrere esclusivamente a un approccio di questo tipo al fine di perfezionare l’IA potrebbe rivelarsi rischioso sul lungo termine. Questo perché la dinamica tende a premiare i miglioramenti apportati agli algoritmi e che si manifestano nell’immediato, penalizzando dunque potenzialmente quelli che invece potrebbero essere apprezzati solo in seguito a uno sviluppo più esigente in termini di tempo. Per questo motivo sono state previste delle “nicchie”, sottogruppi di reti neurali che competono tra loro tenendo in considerazione parametri e condizioni che seppur raramente verificabili in un contesto di simulazione potrebbero aver luogo in un ambiente reale.

Tecnicismi nei quali sarebbe poco utile addentrarsi ulteriormente (chi lo vuol fare trova il link verso il post originale a fondo articolo). Ciò che è importante è che il metodo si traduce in una più elevata affidabilità: la quota dei falsi positivi generati dall’intelligenza artificiale nell’individuazione dei pedoni è scesa del 24%. Il metodo, a detta degli ingegneri che lo stanno sperimentando, potrà in futuro essere applicato anche ad altre operazioni legate alla guida autonoma.

Link copiato negli appunti

Ti potrebbe interessare

Link copiato negli appunti