据外媒报道，近日，特斯拉申请了一项专利，计划从其庞大的消费者车队中获取训练数据，以训练其自动驾驶神经网络。
（图片来源：electrek.co）
该项专利的发明人、特斯拉AI和自动驾驶软件负责人Andrej Karpathy描述了在应用中为深度学习训练收集数据的问题。Karpathy表示，“用于自动驾驶等应用的深度学习系统是通过训练机器学习模型来开发的。通常，深度学习系统的性能至少在一定程度上受到训练模型的训练集质量的限制。在许多情况下，重要的资源被投入到收集、管理和注释训练数据上。创建训练集所需的工作很重要，而且常常很繁琐。此外，收集特定应用场景的数据通常很困难，因此机器学习模型需要不断改进。”
特斯拉开发自动驾驶系统的方式与其他大多数公司大不相同。大多数公司利用规模相对较小的测试车辆车队收集数据，并测试其系统。而特斯拉利用其成千上万的消费者车辆组成的车队，这些车辆配备一系列传感器，收集道路和驾驶数据，并在“影子模式”下测试其自动驾驶系统。
车队收集的数据对特斯拉训练自动驾驶神经网络非常有价值。但是，收集并提供给神经网络的内容都必须非常谨慎。Karpathy在专利申请中指出，“随着机器学习模型变得越来越复杂，比如更深层次的神经网络，大型训练数据集的需求也相应增加。与较浅的神经网络相比，较深的神经网络可能需要更多的训练实例，以确保其通用性。例如，神经网络可能经过训练，因此相关数据非常精确，但是可能仍然无法很好地应对未见过的案例。而在该案例中，神经网络可能会受益于训练数据中的其他例子。”
因此，Karpathy解释了其专利方法，将潜在的训练数据从源头分类，然后再进行传输。Karpathy解释说，“示例方法包括接收传感器，并将神经网络用于传感器数据。将触发器分类器应用于神经网络的中间结果，以确定传感器数据的分类器评分。再根据至少部分分类器得分，决定是否通过计算机网络传输至少部分传感器数据。一旦确定，传感器数据就会被传输并用于生成训练数据。”