腾讯科技讯 3月23日音讯，据外媒报导，电动轿车制造商特斯拉现已请求了一项专利，内容是怎么从其巨大的客户车队中获取练习数据，以练习其无人驾驭神经网络。
这项专利是为特斯拉请求的，但特斯拉人工智能和无人驾驭软件主管安德烈·卡帕西(Andrej Karparis)被指定为该请求的仅有发明人。
卡帕西描绘了在运用程序中为深度学习练习搜集数据的问题：“用于无人驾驭等运用的深度学习体系是经过练习机器学习模型来开发的。一般，深度学习体系的功能至少部分地遭到用于练习模型的练习集的质量约束。在许多情况下，很多的资源被投入到搜集、办理和注释练习数据上。创立练习集所需的工作量或许很大，并且一般是单调乏味的。此外，一般很难搜集机器学习模型需求改善的特定用例的数据。”
特斯拉开发无人驾驭体系的办法与大多数其他公司大不相同。尽管大多数其他公司运用相对较少的测验车队来搜集数据并测验其体系，但特斯拉运用其数十万辆装备了一系列传感器的客户轿车来搜集路途和驾驭数据，并在“影子形式”下测验其无人驾驭体系。车队搜集的这些数据对特斯拉练习其神经网络完成自动驾驭极端有价值。但是，他们有必要当心他们搜集并提供应网络的内容。
卡帕西在专利请求中注明：“跟着机器学习模型渐渐的变杂乱，比方深层神经网络，很多练习数据集的必要性也相应添加。与浅层神经网络比较，这些深层神经网络或许需求更多的练习样本，以保证它们的泛化才能较高。例如，尽管神经网络能够被练习成关于所给练习数据来说高度准确，但其或许不能很好地推行到未见的未来示例中。在这个比如中，神经网络或许获益于练习数据中包含的额定示例。”
因而，卡帕西解说了他的专利办法，在传输之前就对源数据进行分类：“示例办法包含接纳传感器并将神经网络运用于传感器数据。将触发器分类器运用于神经网络的中心成果，以确认传感器数据的分类器评分。依据至少部分分类器得分，决议是否经过计算机网络传输至少部分传感器数据。一旦确认为阳性，传感器数据就会被传输并用于生成练习数据。”（腾讯科技审校/金鹿）
