Tesla's nieuwe AI-goeroe kan zijn auto's helpen zichzelf te leren

Elon Musk heeft gehuurd een nieuwe directeur van AI-onderzoek bij Tesla, en het kan een plan zijn om de manier waarop geautomatiseerd rijden werkt te heroverwegen.

Deze week is Musk gepocheerd Andrej Karpathy , een expert op het gebied van visie, diep leren en versterkend leren, van OpenAI, een non-profitorganisatie die Musk en anderen financieren en die zich toelegt op het ontdekken en uitvoeren van het pad naar veilige kunstmatige algemene intelligentie.

Karpathy, die blijkbaar rechtstreeks aan Musk zal rapporteren, is een rijzende ster in de wereld van AI en studeerde aan Stanford met Fei-Fei Li , een toonaangevende AI-expert die nu de hoofdwetenschapper is van Google Cloud. Li is beroemd in technische kringen omdat hij een dataset met afbeeldingen heeft ontwikkeld die heeft bijgedragen aan een doorbraak in machinevisie.

Velen hebben gewezen op de expertise van Karpathy op het gebied van computervisie als een belangrijke troef voor Tesla, en dat is waar. Maar zijn ervaring met het bouwen van leersystemen voor versterking zou nog belangrijker kunnen zijn voor Tesla's Autopilot-inspanningen.

Reinforcement learning is geïnspireerd op de manier waarop dieren leren door het gedrag te herhalen dat tot een positief resultaat heeft geleid. En, zoals we eerder dit jaar opmerkten, is het een krachtige manier gebleken om computers te trainen om dingen te doen die onmogelijk te programmeren zijn (zie 10 Breakthrough Technologies 2017: Reinforcement Learning). Deze vorm van machine learning stond aan de basis van AlphaGo, een computerprogramma van Alphabet's DeepMind dat het eeuwenoude bordspel Go leerde spelen met bovenmenselijke vaardigheden.

Een aantal autofabrikanten, waaronder Google, Uber en Mobileye, dat onlangs door Intel is overgenomen, wil het leren versterken als een manier om auto's voor zichzelf te laten uitvinden, in simulatie, hoe ze in uitdagende situaties moeten rijden. Denk aan een vierrichtingsstop of een druk kruispunt. Het is ongelooflijk uitdagend om de regels te schrijven voor een auto om door een dergelijke situatie te navigeren. Maar door middel van versterkend leren kan een zelfrijdende auto misschien leren hoe hij dit voor zichzelf kan doen.

Na Stanford liep Karpathy stage bij DeepMind, waar versterkend leren een belangrijk aandachtspunt is. De techniek is ook een groot thema bij OpenAI.

In feite, in een lange post over versterkingsleren op zijn eigen blog, noemt Karpathy versterkingsleren in de context van Tesla's Autopilot. Hij merkt op dat hoewel versterkingsleren over het algemeen niet goed schaalt naar situaties waar experimenteren kostbaar is, nieuwe benaderingen, gecombineerd met veel real-world gegevens (van het soort dat Tesla verzamelt) kunnen helpen.

De benoeming van Karpathy tot directeur van AI-onderzoek bij Tesla wijst op iets anders over de uitdaging van autonoom rijden: er is nog een lange weg te gaan voordat het is opgelost (zie Wat u moet weten voordat u in een zelfrijdende auto stapt).

(Lees verder: TechCrunch , 10 Doorbraaktechnologieën 2017: versterkend leren )

zich verstoppen