本文经AI新媒体量子位(微信官方账号ID:QbitAI)授权转载。转载请联系出处。
构建一个自动驾驶控制系统需要多少个神经元？
麻省理工学院的科学家告诉你至少有19个！方法是向这种基本生物线虫学习。
最近，来自麻省理工学院CSAIL、维也纳理工大学和奥地利科技学院的团队开发了一种基于线虫大脑的新AI系统。这项研究成果发表在最近的《自然和机器智能》杂志上。
他们发现，一个具有19个控制神经元的单一算法可以通过253个突触将32个封装的输入特征连接到输出，从而学习将高维输入映射到操纵命令。
这个新的人工智能系统使用少量的人工神经元来控制车辆转向。基于LSTM的神经网络构建相同的自动驾驶系统要复杂得多。
△实现的车辆控制系统
为什么能做到神经元数量这么少？麻省理工学院CSAIL的博士后Ramin Hasani解释道:
与之前的深度学习模型相比，每个细胞中的信号处理遵循不同的数学原理。
受秀丽隐杆线虫的启发，他们在2018年提出了神经回路政策(NCP)。
NCP方法是一种强化学习(RL)测试平台，它重用生物神经回路模型的功能，创建可解释的控制代理并管理虚拟和现实世界。
该方法对线虫的TW神经回路进行建模，TW神经回路主要负责线虫对外界机械触摸刺激的反射反应。通过掌握其突触和神经元参数，将其作为控制基本强化学习任务的策略。
为了测试这个新的数学模型，团队选择了一个特别重要的测试任务——让自动驾驶汽车保持在车道上。神经网络接收摄像头拍摄的道路图像，然后自动决定左转还是右转。
自动驾驶等复杂任务往往需要拥有数百万参数的深度学习模型。但是，NCP方法可以将网络规模降低两个数量级。
但是这个19神经元极简自动驾驶系统只使用了75000个训练参数，参数数量减少了两个数量级。
NCP方法构建的自动驾驶系统也是需要的，但只用于来自摄像头的视觉数据，并从中提取结构特征。与车辆的实际转向无关。
后面的神经网络确定摄像机图像的哪些部分是重要的，然后将信号传输到网络的NCP控制系统。
系统的控制部分将传感系统中的数据转换成转向命令，只包含19个神经元。
两个子系统叠加在一起，同时训练。训练数据集是人类在波士顿驾驶汽车的视频，包括图像和汽车转向操作之间的相关性数据。
将它们一起输入到网络中，直到系统学会自动将图像与适当的转向系统连接起来，并能够独立处理新的情况。
除了结构简单之外，NCP设计的自动驾驶仪系统与传统模型相比有两个优点:可解释性和鲁棒性。
系统的可解释性能允许我们看到网络将关注什么。
从视频中可以看出，神经网络专注于图像中非常特定的部分，例如路边和地平线。研究人员表示，这种行为在AI系统中是独一无二的。
此外，可解释性被细化到每个神经元。我们还可以看到哪个神经元(视频中被照亮的部分)在驱动决策中发挥了作用。我们可以理解单个神经元的功能和行为。
为了测试与传统模型和NCP模型比较的鲁棒性，研究人员还在输入图像中添加了干扰，并评估了代理处理噪声的能力。结果NCP对输入伪像有很强的抵抗力。
除了可解释性和健壮性，NCP模型还有其他优点。比如减少训练时间，减少在相对简单的系统中实现AI的不确定性。
Ramin Hasani博士还表示，NCP不仅可以用于自动驾驶，还可以模仿学习，这意味着更广泛的应用，比如自动化机器人在……安置等等。本文经AI新媒体量子位(微信官方账号ID:QbitAI)授权转载。转载请联系出处。
构建一个自动驾驶控制系统需要多少个神经元？
麻省理工学院的科学家告诉你至少有19个！方法是向这种基本生物线虫学习。
最近，来自麻省理工学院CSAIL、维也纳理工大学和奥地利科技学院的团队开发了一种基于线虫大脑的新AI系统。这项研究成果发表在最近的《自然和机器智能》杂志上。
他们发现，一个具有19个控制神经元的单一算法可以通过253个突触将32个封装的输入特征连接到输出，从而学习将高维输入映射到操纵命令。
这个新的人工智能系统使用少量的人工神经元来控制车辆转向。基于LSTM的神经网络构建相同的自动驾驶系统要复杂得多。
△实现的车辆控制系统
为什么能做到神经元数量这么少？麻省理工学院CSAIL的博士后Ramin Hasani解释道:
与之前的深度学习模型相比，每个细胞中的信号处理遵循不同的数学原理。
受秀丽隐杆线虫的启发，他们在2018年提出了神经回路政策(NCP)。
NCP方法是一种强化学习(RL)测试平台，它重用生物神经回路模型的功能，创建可解释的控制代理并管理虚拟和现实世界。
该方法对线虫的TW神经回路进行建模，TW神经回路主要负责线虫对外界机械触摸刺激的反射反应。通过掌握其突触和神经元参数，将其作为控制基本强化学习任务的策略。
为了测试这个新的数学模型，团队选择了一个特别重要的测试任务——让自动驾驶汽车保持在车道上。神经网络接收摄像头拍摄的道路图像，然后自动决定左转还是右转。
自动驾驶等复杂任务往往需要拥有数百万参数的深度学习模型。但是，NCP方法可以将网络规模降低两个数量级。
但是这个19神经元极简自动驾驶系统只使用了75000个训练参数，参数数量减少了两个数量级。
NCP方法构建的自动驾驶系统也是需要的，但只用于来自摄像头的视觉数据，并从中提取结构特征。与车辆的实际转向无关。
后面的神经网络确定摄像机图像的哪些部分是重要的，然后将信号传输到网络的NCP控制系统。
系统的控制部分将传感系统中的数据转换成转向命令，只包含19个神经元。
两个子系统叠加在一起，同时训练。训练数据集是人类在波士顿驾驶汽车的视频，包括图像和汽车转向操作之间的相关性数据。
将它们一起输入到网络中，直到系统学会自动将图像与适当的转向系统连接起来，并能够独立处理新的情况。
除了结构简单之外，NCP设计的自动驾驶仪系统与传统模型相比有两个优点:可解释性和鲁棒性。
系统的可解释性能允许我们看到网络将关注什么。
从视频中可以看出，神经网络专注于图像中非常特定的部分，例如路边和地平线。研究人员表示，这种行为在AI系统中是独一无二的。
此外，可解释性被细化到每个神经元。我们还可以看到哪个神经元(视频中被照亮的部分)在驱动决策中发挥了作用。我们可以理解单个神经元的功能和行为。
为了测试与传统模型和NCP模型比较的鲁棒性，研究人员还在输入图像中添加了干扰，并评估了代理处理噪声的能力。结果NCP对输入伪像有很强的抵抗力。
除了可解释性和健壮性，NCP模型还有其他优点。比如减少训练时间，减少在相对简单的系统中实现AI的不确定性。
Ramin Hasani博士还表示，NCP不仅可以用于自动驾驶，还可以模仿学习，这意味着更广泛的应用，比如仓库的自动化机器人等等。
标签：发现
10月30日消息，据国外媒体报道，吉利控股集团旗下高端电动车品牌Polestar（中文名“极星”）正在与投资者谈判，计划融资89亿美元。消息人士称，这笔资金将帮助北极星扩大生产和产品线。
1900/1/1 0:00:0010月30日，红旗品牌正式公布了未来10年内的产品规划，红旗将构建L、S、H、Q四大系列产品，并开始智能化和电动化转型，后续混动、插电式混动等产品将陆续投产，
1900/1/1 0:00:00时代瞬息万变，创意等待发声。10月21日晚，以“寻找创意合伙人”为主题的2020广汽传祺全国大学生广告创意挑战赛（以下简称“广汽传祺创意挑战赛”）“不公开课”，在全国重点高校正式巡讲。
1900/1/1 0:00:0010月28日29日，由嘉定政府支持，国家特聘专家汽车组及盖世汽车联合主办的“2020第十二届全球汽车产业峰会暨第八届汽车与环境创新论坛”隆重召开。
1900/1/1 0:00:00恒大再一次向世人证明了什么是恒大速度。根据深圳证监局平台显示，恒大汽车辅导机构海通证券披露，恒大汽车科创板上市第一期辅导工作已于9月22日至10月13日完成。
1900/1/1 0:00:00或许是在贸易战当中看到了未来可能存在的掣肘，亦或是感受到特斯拉自研FSD的威胁。近一年，自动驾驶芯片似乎成了汽车圈的热词。
1900/1/1 0:00:00
汽车导航