智能汽车|美国研发新工具可量化 AI 算法的可信度 有利于普及自动驾驶技术
【智能汽车|美国研发新工具可量化 AI 算法的可信度 有利于普及自动驾驶技术】
盖世汽车讯据外媒报道 ， 美国南加州大学维特比工程学院（USCViterbiEngineering）的研究人员研发了一种新工具 ， 如果AI算法生成的数据和预测信息是可靠的 ， 该工具可以自动生成指标 。
本文图片
神经网络是一种人工智能（AI）技术 ， 能够模仿大脑并产生预测信息 。 但是 ， 此类神经网络产生的预测真的可信吗？自动驾驶汽车普及的一个关键障碍是 ， 汽车需要在自动驾驶时作为独立的决策者 ， 并快速理解和识别路上的物体 ， 无论该物体是减速带、无生命物体、宠物还是孩子 ， 并且在遇到另一辆车时 ， 其需要决定如何采取行动避开其他车辆 。 汽车是否应该撞上迎面驶来的车辆、或者撞上无生命的物体或儿童？我们能够信任车载计算机软件可以在几分之一秒内做出正确决定吗？特别是当不同的传感器给出相互冲突的信息时 ， 如摄像头的计算机视觉信息或激光雷达的数据？知道哪个系统值得信任 ， 哪个传感系统最准确 ， 将有助于确定自动驾驶系统应该做出什么决定 。
于是 ， 研究人员们打造了一个名为DeepTrust的工具 ， 可以将不确定性进行量化 ， 从而确定是否需要人工干预 。
研发该款工具花费了南加州大学研究团队近两年的时间 ， 他们利用主观逻辑来评估该神经网络架构 。 此外 ， 在2016年总统大选的民调中 ， DeepTrust发现 ， 指向希拉里获胜的预测有更大的误差率 。
该项研究的另一个重要意义是 ， 为如何测试AI算法的可靠性提供了见解 ， 因为此类算法通常需要在成千上万个数据点上进行训练 。 如果去检查此类指示AI预测的数据点是否进行了准确标记将非常耗时 。 研究人员表示 ， 更重要的是 ， 此类神经网络系统的架构将具有更高的精确度 。 此外 ， 如果计算机科学家想要同时将准确性和信任度实现最大化 ， 该项研究也可以作为测试样本中有多少"噪音"的路标 。
研究人员还认为 ， 他们研发的模型是首创 。 "据我们所知 ， 目前还没有用于量化深度学习、人工智能和机器学习信任度的模型或工具 。 作为首个方法 ， 该工具开辟了新的研究方向 ， 能够让AI具有感知能力和适应性 。 "
推荐阅读
- 南京■南京长途汽车东站12月28日起恢复发车
- 子良说汽车|崔克“唯一”的车型？TREK Domane进化史
- 汽车|马自达全新CX-5曝光！搭直列六缸引擎/后驱平台
- 汽车|8款新车12月份上市，开回家过年很有面子
- 汽车|9万不到的SUV 居然有197马力 而且还有大空间7座！
- 汽车|续航里程410km 华晨新日新能源汽车首车下线
- 汽车|评测 | 懂你所想，予你所需！依维柯欧胜2021款这个“搭档”可还行？
- 汽车知识|凯美瑞2.0L落地近22万，动力差，优惠少，但就是销量高！
- 汽车市场|品牌与性价比亦可兼得 实拍奥迪Q2L
- 汽车知识|保时捷灯玛莎脸，配上三菱动力，你会买吗