人間を介したディープラーニングが自動運転社会の未来を作る

img_2184
Above: Uber Self-Driving Car Image Credit: Uber

Naveen Rao氏はNervana Systems社のCEO。同時に彼はニューロ・サイエンティスト、プロセッサーアーキテクトでもある。同氏の自動運転社会とディープラーニング、特にそこに人間を組み込んだ手法についての寄稿記事をアウトラインでお送りする。全文はこちらをご覧いただきたい。

  • そんなに遠くない未来、AI(人工知能)で稼働する車は増える
  • 路上での自動化というのは全体の半分。システム側は安全性を担保するためにアップデートを繰り返さないといけない。全車両に対してこのアップデート作業を実施するというのは大変なチャレンジとなる。
  • 製品版としての自動運転車は少なくとも5年ほどでリリースされる。ただ、先日のテスラの自動運転時のトラブルなどを含め、抱えてる課題は山ほどある。
  • 100%の正確性はあり得ないのでテクノロジーと人間性のコンビネーション、つまり人間がコンピューターに運転を「教えること」が重要になってくる。
  • このアップデートという作業がなぜ重要か、という点を説明するために記事では仮想の話として、2025年に商業リリースを済ませた自動運転車メーカーの話を記載。
  • 例えば車線変更のパフォーマンスを毎週アップデートしようとすると、仮想の自動運転車メーカーは、製造した車両(100万台と仮定して)から発生する1億回の車線変更データをメンテナンスしなければならない。
img_2185
Image Credit University of Tronto
  • 主には車線変更をしようとする車両近くの車を認識するボックス情報(上記イメージの矩形データ)を管理することになるのだが、これらの内の幾つかはあまり正確でなかったりする。サイズを見誤ると当然接触事故が発生する。
  • その部分については人間がフィードバックすることで補正が可能となるが、それを1億回もいちいち補正はできない。
  • そこでディープラーニング・モデルにバウンディング矩形データの信頼性を学習させ、信頼性の低いものだけを取り出すという手法を取る。後はそれを人間がチェックすれば、1億回のビデオチェックを5000回という現実的な数字に減らすことができる。100人でチェックすれば1時間程度で終わる。

【原文】

【via VentureBeat】 @VentureBeat