OpenAI開源自動駕駛訓練專案,用《俠盜獵車手》教AI「開車」!

首圖來源:俠盜獵車手

為了訓練自動駕駛系統,蒐集大量數據讓系統學習如何因應各種狀況是其中的關鍵——特斯拉透過量產汽車蒐集,Google則是耗費8年的時間讓無人車走透透,但現在有更省時省力的方式。人工智慧實驗室OpenAI日前開源一套透過《俠盜獵車手》學習的自動駕駛系統,只需要一部電腦、購買一套遊戲,人人都可以開發出自動駕駛系統。

可訓練自動駕駛系統避免碰撞、到達目的地、維持在道路中央等

由OpenAI開源的自動駕駛訓練專案來自「DeepDrive」,其在2015年將《俠盜獵車手》改為適合訓練自動駕駛系統的環境(如拿掉遊戲中的暴力或違法元素),再將遊戲作為自動駕駛系統的訓練模擬器,強化系統避免碰撞、到達目的地、維持在道路中央等駕駛行為。

OpenAI將DeepDrive整合進旗下訓練AI的虛擬世界Universe,並於今日開源,將繁瑣的事前環境設置簡化到只需20分鐘即可完成。開源項目除包含將遊戲設定為適合訓練自動駕駛的程式碼,也提供已訓練了21小時、相當於60萬格影像的「代理程式」,雖然其駕駛表現已和人類差不多,但仍會出錯,如在高速公路上突然迴轉。

不同路況、天氣和交通工具等擬真場景可加速自動駕駛系統學習

自動駕駛系統如同其他人工智慧,必須透過大量數據學習。不過,真實世界收集數據的速度有限,相較下,來自電腦合成並自動標記註釋的數據,不僅快速且品質穩定,可加速人工智慧訓練。例如,蘋果在2016年推出首份人工智慧論文,內容便是如何利用電腦合成圖像改進演算法辨識圖像的能力。

而《俠盜獵車手》的高擬真環境,正好相當適合訓練自動駕駛系統。該遊戲的場景範圍約是1/5個洛杉磯大,路況包含蜿蜒的城市街道、山區、沙漠和高速公路,提供廣泛多樣的訓練場景,且每種場景都能搭配14種不同天氣,以及257種不同汽車和7種腳踏車。

透過不同場景、天氣和交通工具的排列組合,自動駕駛系統能在短時間內在大量情境中學習。

減少訓練成本和時間、讓自駕車上路測試前更安全

用《俠盜獵車手》這類的虛擬環境訓練人工智慧,優勢在於可快速處理用於機器學習的數據,自動將場景內的物件分類,例如汽車、行人、自行車、動物、路面、交通號誌等,省去辨識和分析的時間及成本。在真實世界,單是收集街道影像和標記物件,都要耗費上千小時。

此外,DeepDrive可加速測試過程、減少測試成本。過去,要訓練AI處理特定事件,如在結冰的道路上行駛,需收集上千小時的道路駕駛經驗,但透過電玩模擬器,便可讓系統直接針對特定情境學習。這也讓自動駕駛系統在實際上路測試前變得更安全,因為在上路前他們已經歷過大量模擬事件。

10億

OpenAI的資金來自特斯拉CEO Elon Musk、LinkedIn共同創辦人里德‧霍夫曼、YCombinator共同創辦人Jessica Livingston等人,資助總額超過10億美元。

開放人工智慧(Open AI)

「OpenAI」是一間由Elon Musk投資的人工智慧研究公司,目標在於推廣和開發友善的開放式人工智慧,他們致力於跟不同的機構合作,並且將自己的專利和研究公開給大眾使用,儘管已經獲得十億美元的資助,在前面幾年只有一小部分花費,因為許多員工和董事對於人工智慧的風險仍有疑慮。 (來源: 維基百科數位時代 )

文章來源:數位時代,未經同意請勿轉載。

文章內容屬作者個人觀點,不代表本站立場

大數聚

透過數據,我們聚集各領域的專家,檢視時下重要議題及產業趨勢。當我們聚在一起,用數據說話,說出有意義、有價值的新觀點。歡迎加入我們,一起用數據看世界。