왜 강화 학습은 대중을위한 자율적 인 자동차를 풀어 놓을 것인가?

인간의 뇌는 그 앞의 장면에 대한 많은 정보를 가지고 의사 결정을 내릴 수 있습니다. 사슴이 차 앞에서 뛰어 내린다. 브레이크에 슬램. 차가 속도를 늦추고 있습니까? 차선을 변경하십시오.

자치 차량의 경우 이러한 결정이 쉽지 않습니다. 우리의 두뇌는 행동을 취하기 위해 필요한 모든 정보를 처리하고 있다고 등록 할 수는 없지만 자율 시스템은 브레이크를 적용하기 전에 많은 변수를 고려해야합니다. 시스템이 도로를 올바르게 읽지 못하면 치명적인 충돌이 발생할 수 있습니다. MIT의 기사 기술 검토 월요일에 자동차 기술 회사 인 Mobileye가 자율 차량 뒤에 인공 지능을 훈련시키기 위해 강화 학습을 사용하는 방법을 설명합니다. 이 방법은 실제 운전 데이터에 의존하며 데이터 세트가 클수록 A.I. 충돌을 피하는 법을 배웁니다. 하지만 문제가 하나 있습니다. 경쟁 업체는 공유하고 싶지 않습니다.

현재 소프트웨어 엔지니어는 가능한 모든 시나리오를 설명하고 자동차를 다루어야합니다. 그러나 현실 세계에서 도로는 매우 역동적이고 다양한 환경입니다. 엔지니어가 가능한 모든 상황을 예상 할 수있는 방법이 없습니다.

엔지니어는 모든 시나리오를 예상하도록 자동차를 프로그래밍하는 대신 자동차가 스스로 시나리오를 탐색하는 방법을 배우도록 자동차를 프로그래밍 할 수 있습니다. 강화 학습은 본질적으로 좋은 결과를 보상함으로써 자율 차량을 훈련시킵니다. 실험을하고 충돌을 일으키지 않고 차는 다양한 상황에서 무엇을해야 하는지를 배우고이를 미래의 시나리오에 적용 할 수 있습니다.

그러나 자율 차량에 대한 학습 강화의 열쇠는 데이터입니다. 많은 데이터. 자동차가 실제로 발생할 수있는 모든 시나리오에 대해 배우려면 현실 세계에서 수집 한 데이터를 차량용 소프트웨어에서 사용할 수 있어야 가상적으로 무엇을해야하는지 알 수 있습니다.

자동차 회사가 데이터를 공유하도록하는 것은 큰 과제입니다. 경쟁자는 그들의 차를 진드기로 만드는 것을 공유하는 것으로 알려져 있지 않습니다. 그러나 Mobileye와 같은 회사에 자신의 데이터를 공개하면 (적어도 고속도로에서는) 스스로를 운전할 수있는 차량이 더 빨리 현실화 될 것입니다.