[汽車之家 資訊] 日前，據(jù)外媒報道，美國麻省理工學院（MIT）的研究人員展示了當某種特定的神經(jīng)網(wǎng)絡(luò)被訓練執(zhí)行導航任務時，其能夠理解該項任務真正的因果結(jié)構(gòu)。該項研究能夠提升執(zhí)行高風險的機器學習代理的可靠性和可信度，如在繁忙高速公路上駕駛自動駕駛汽車。
據(jù)悉，此類神經(jīng)網(wǎng)絡(luò)能夠直接從視覺數(shù)據(jù)理解該任務，當在樹木密集或天氣條件變化迅速的地方等復雜環(huán)境中導航時，此類神經(jīng)網(wǎng)絡(luò)比其他神經(jīng)網(wǎng)絡(luò)更高效。該項新研究利用了此前Hasani和其他人的研究，后者展示了一種由液體神經(jīng)網(wǎng)絡(luò)細胞構(gòu)建的、受大腦啟發(fā)的深度學習系統(tǒng)-神經(jīng)回路策略（Neural Circuit Policy，NCP），如何通過只有19個控制神經(jīng)元的網(wǎng)絡(luò)自動控制一輛自動駕駛汽車。
研究人員觀察到，執(zhí)行車道保持任務的NPC在做出駕駛決策時，會將注意力集中在道路的地平線和邊界上，這與人類駕駛汽車時的做法相同，而所研究的其他神經(jīng)網(wǎng)絡(luò)并不會總會關(guān)注于道路。他們發(fā)現(xiàn)，當一個NCP在接受完成一個任務的訓練時，該神經(jīng)網(wǎng)絡(luò)學會與環(huán)境互動，并理解干預行為。從本質(zhì)上看，該網(wǎng)絡(luò)能夠識別其輸出是否被某種干預所改變，然后將因果聯(lián)系在一起。
在訓練過程中，該網(wǎng)絡(luò)向前運行以生成輸出，然后返回運行以糾正錯誤。研究人員觀察到，NPC會在前向運行和后向運行模式中將因果關(guān)系關(guān)聯(lián)起來，從而可以使該網(wǎng)絡(luò)能夠?qū)⒆⒁饬性谡嬲囊蚬Y(jié)構(gòu)上。
研究人員發(fā)現(xiàn)，在天氣好的情況下，NPC在較簡單任務上的表現(xiàn)與其他神經(jīng)網(wǎng)絡(luò)一樣好，但在更具挑戰(zhàn)性的任務上，如在暴雨中跟隨移動的物體時，NPC的表現(xiàn)要好于其他神經(jīng)網(wǎng)絡(luò)。未來，研究人員希望探索采用NCP來構(gòu)建更大的系統(tǒng)。將成千上萬的神經(jīng)網(wǎng)絡(luò)連接在一起，從而讓其處理更復雜的任務。（編譯/汽車之家 馬艾駿）
