Olhando para o futuro: As duas empresas pertencentes à Alphabet trabalham juntas para aplicar uma nova abordagem para otimizar modelos de direção autônomos. Essa pode ser uma daquelas idéias simples, mas eficazes, que podem levar ao desenvolvimento de uma das inovações mais perturbadoras do nosso tempo.
A subsidiária da Alphabet, Waymo, executa um ambicioso projeto autônomo de direção e robótica e tornou uma tarefa monumental criar uma IA na qual você possa confiar para fazer algo que exija enorme poder de computação e um período de tempo Teste e otimize com perfeição.
Com a ajuda da empresa irmã DeepMind, ele teria encontrado uma nova maneira interessante de melhorar os algoritmos de IA e tornar todo o processo mais rápido e eficaz. A técnica é chamada de treinamento populacional e é inspirada na biologia evolutiva.
As duas empresas descreveram a colaboração em uma postagem no blog que aproveitou a experiência de um projeto anterior do DeepMind que tentou treinar uma rede neural chamada AlphaStar para derrotar pessoas no StarCraft II. Agora é usado para treinar a IA para reconhecer peões, carros e vários outros objetos no trânsito.
Em resumo, as redes neurais são modelos de IA que am por inúmeras sessões de treinamento nas quais são fornecidos dados de amostra para melhorar e adaptar os resultados como resultado desse processo. Em outras palavras, é um fluxo interminável de tentativa e erro.
Tradicionalmente, alguns dos desenvolvimentos que Waymo tem que fazer são manuais. É aqui que entra o DeepMind, que ajudou a simplificar a busca pelo melhor "agendamento de hiperparâmetros", uma das tarefas mais importantes nesse processo. Simplificando, um pesquisador pode ajustar o esquema de treinamento com base na experiência e intuição e alterar os principais recursos, como a taxa de aprendizado da rede neural.
Isso é alcançado usando muito poder de computação no problema e distribuindo modelos de IA fracos manualmente. Isso não é particularmente eficaz nem economiza tempo, motivo pelo qual a Waymo está agora realizando um treinamento baseado na população. Isso funciona de maneira semelhante à evolução biológica porque cria um ambiente automatizado que favorece os mais poderosos modelos de IA.
A nova tecnologia os utiliza para substituir constantemente os modelos menos poderosos por cópias dos modelos mais poderosos que contêm pequenas alterações ou "mutações", se você preferir. O grupo inteiro melhora a cada ciclo, à medida que as redes neurais são forçadas a competir entre si pela "sobrevivência".
Velocidade e eficiência não são as únicas vantagens dessa abordagem, pois os engenheiros da Waymo não precisam mais iniciar o treinamento repetidamente. Eles simplesmente usam cópias que são atualizadas dinamicamente, e não apenas no final. Adicione os testes extras que são feitos no mundo real e você terá uma receita para uma IA potencialmente boa.
Outras empresas como Tesla e Uber também estão tentando colocar seus próprios carros autônomos na estrada, mas Waymo parece estar em uma posição melhor para conquistar a coroa nesta corrida até agora. Enquanto isso, é interessante dar uma olhada na viagem que torna a tecnologia autônoma comum.
