助力|人工智能的仿生模型，更有效助力自动驾驶中薪|高薪|模型|自动驾驶|神经

泛智能时代下，人工智能已经嵌入人们的生活的方方面面，从搜索引擎到自动驾驶汽车，打开的新闻是人工智能为做的算法推荐，网上购物，首页上显示的是人工智能为用户推荐的最有可能感兴趣、最有可能购买的商品，这些生活变化背后的技术进步，一点都不比机器能在棋盘上战胜人类冠军来得更小。
这与近年来巨大的计算能力有关，但同时，人工智能研究的最新结果表明，更简单、更小的神经网络可以比以前更好、更有效、更可靠地解决某些任务。比如，让人工智能模仿生物模型，事实上这也一直是科学家研究的重要方向之一。

文章插图
近日，来自麻省理工学院CSAIL、tuwien（维也纳）和IST奥地利的一个国际研究小组就开发了一种新的人工智能系统，它基于微小动物的大脑，如丝虫。这种新型的人工智能系统只需19个人工神经元就能控制车辆。
类似于大脑，人工神经网络由许多单个神经元组成。当一个神经元处于活动状态时，它将向其他神经元发送信号。下一个神经元会收集所有信号，组合起来并决定其自身是否激活。一个神经元影响下一个神经元的方式决定了整个系统的下一次行为。这些参数会在自动学习过程中不断调整，直到神经网络可以解决特定任务为止。
与此前的深度学习模型相比，新架构的神经元和数学模型是全新的，单个神经元的信号处理方式遵循了完全不同的数学原理。整个网络非常稀疏，因为并非每个神经元之间都互相连接在一起。这让模型变得更简单。
新系统由卷积神经网络和控制系统构成。其中，控制系统部分，又被称为神经回路策略（NCP），可以将感知模块中的数据转换为转向命令，仅包含 19 个神经元，比现有最好模型要小好几个数量级。
新的深度学习模型在一辆真正的自主汽车上进行了测试。研究人员可以轻易地找出，在驾驶时，神经网络的注意力放在哪里：在这种情况下，是路肩和地平线。
【 助力|人工智能的仿生模型，更有效助力自动驾驶】研究小组表示，与以前的深度学习模型相比，该系统具有决定性的优势：它能更好地处理噪声输入，而且由于其简单，其操作模式可以详细解释。它不必被视为一个复杂的“黑匣子”，因为它可以被人类理解。这种新的深度学习模型已经发表在《自然机器智能》杂志上。

文章插图