MIT用19个神经元实现自动驾驶控制，灵感来自秀丽隐杆线虫

打造一个自动驾驶控制系统需要多少个神经元/p>

MIT的科学家告诉你，最少只要19个！方法是向线虫这种初等生物学习。

△用CNN实现的车辆控制系统

为何能做到这么少的神经元数量，论文共同一作MIT CSAIL博士后Ramin Hasani解释说：

与以前的深度学习模型相比，每个单元内信 的处理都遵循不同的数学原理。

他们从秀丽隐杆线虫这种生物受到启发，在2018年提出了一种神经元回路策略（Neuronal Circuit Policies，NCP）。

诸如自动驾驶之类的复杂任务，往往需要具有数百万个参数的深度学习模型。但是，用NCP方法能够将 络规模减少两个数量级。

而这个19神经元极简自动驾驶系统仅使用了7.5万个训练参数，参数数量降低了2个数量级。

NCP方法构建的自动驾驶系统也需要CNN，但是仅用于从摄像机传入的视觉数据，并从中提取出结构特征。它与车辆的实际转向无关。

后面的神经 络来确定摄像机图像的哪些部分重要，然后将信 传递到 络的NCP控制系统。

此外，可解释性细化到了每个神经元。我们还能看到哪个神经元（视频中亮起部分）在驾驶决策中的作用。我们可以了解单个神经元的功能及其行为。

为了测试对比与传统模型和NCP模型的鲁棒性，研究人员还给输入图像加入了扰动，并评估了智能体对噪声的处理能力。结果NCP表现出了对输入伪像的强大抵抗力。

除了可解释性和鲁棒性，NCP模型还有其他优势。比如减少训练时间，减少在相对简单的系统中实现AI的不确定性。

Ramin Hasani博士还表示，NCP不仅能应用自动驾驶中，它能模仿学习意味着更广泛的应用，比如仓库的自动化机器人等等。

参考链接：
https://www.csail.mit.edu/news/new-deep-learning-models-require-fewer-neurons
https://www.nature.com/articles/s42256-020-00237-3
https://www.youtube.com/watch=8KBOf7NJh4Y&ab_channel=MITCSAIL
https://github.com/mlech26l/keras-ncp/

— 完 —

「百度AI开发系列课」免费 名！

11月4日，百度资深工程师带你0代码定制企业级NLP模型！扫码添加量子位小助手（qbitbot12）、加入课程直播群吧~▽

p.s.参与群互动、完成课堂任务还有机会获得100元京东卡、《智能经济》图书等礼品哦~

追踪AI技术和产品新动态

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见~