인공 지능은 검색 엔진에서 자율 주행 차에 이르기까지 우리의 일상 생활에 이미 넓게 퍼져가고 있습니다.
이것은 최근 몇 년 동안 사용 가능한 엄청난 컴퓨팅 성능과 관련이 있습니다.
그러나 AI 연구의 새로운 결과는 이제 더 간단하고 작은 신경망을 사용하여 특정 작업을 이전보다 훨씬 더 좋고 효율적이며 안정적으로 해결할 수 있음을 보여줍니다.
미국 MIT의 국제 연구팀이 쓰레드 웜과 같은 작은 동물의 뇌를 기반으로 한 새로운 인공 지능 시스템을 개발했습니다.
이 새로운 AI 시스템은 몇 개의 인공 뉴런으로 차량을 제어 할 수 있습니다. 팀은 시스템이 이전 딥 러닝 모델에 비해 결정적인 이점을 가지고 있다고 합니다.
복잡한 입력에 훨씬 더 잘 대처할 수 있으며 단순성으로 인해 작동 모드를 자세히 설명 할 수 있습니다.
복잡한 "블랙 박스"로 간주 할 필요는 없지만 인간은 이해할 수 있습니다. 이 새로운 딥 러닝 모델은 현재 Nature Machine Intelligence 저널에 게재되었습니다.
살아있는 뇌와 마찬가지로 인공 신경망은 많은 개별 세포로 구성됩니다.
셀이 활성화되면 다른 셀에 신호를 보냅니다. 다음 셀에서 수신 한 모든 신호가 결합되어이 셀도 활성화되는지 여부를 결정합니다.
한 세포가 다음 세포의 활동에 영향을 미치는 방식에 따라 시스템의 행동이 결정됩니다. 이러한 매개 변수는 신경망이 특정 작업을 해결할 수있을 때까지 자동 학습 프로세스에서 조정됩니다.
새로운 아이디어를 테스트하기 위해 해당 연구팀은, 특히 중요한 테스트 작업 즉, 차선에 머물러있는 자율 주행 자동차를 선택했습니다.
신경망은 도로의 카메라 이미지를 입력으로 받아 오른쪽 또는 왼쪽으로 조향할지 여부를 자동으로 결정합니다.
MIT CSAIL의 PhD 학생 인 Alexander Amini는 새로운 시스템이 두 부분으로 구성되어 있다고 설명합니다.
카메라 입력은 먼저 들어오는 픽셀에서 구조적 특징을 추출하기 위해 시각적 데이터 만 인식하는 소위 컨볼 루션 신경망에 의해 처리됩니다.
이 네트워크는 카메라 이미지의 어느 부분이 흥미롭고 중요한지 결정한 다음 신호를 네트워크의 중요한 부분 인 "제어 시스템"으로 전달하여 차량을 조종합니다.
두 하위 시스템은 함께 쌓여 있고 동시에 훈련됩니다.
보스턴 지역에서 사람이 운전하는 많은 양의 교통 흐름 데이터가 수집되어 주어진 상황에서 차량을 조종하는 방법에 대한 정보와 함께 네트워크에 입력되어 시스템이 이미지를 적절한 이미지와 자동으로 연결하는 방법을 배울 때까지 방향을 조정하고 독립적으로 새로운 상황을 처리 할 수 있습니다.
인식 모듈의 데이터를 조종 명령으로 변환하는 시스템의 제어 부분
(신경 회로 정책 또는 NCP라고 함)은 19 개의 뉴런으로 만 구성됩니다. Mathias Lechner는 NCP가 이전의 최첨단 모델에서 가능했던 것보다 최대 3 배 더 작다고 설명합니다.
새로운 딥 러닝 모델은 실제 자율 주행 차량에서 테스트되었습니다.
"우리의 모델을 사용하면 네트워크가 운전하는 동안주의를 집중시키는 것이 무엇인지 조사 할 수 있습니다.
우리의 네트워크는 카메라 사진의 매우 특정한 부분 인 도로변과 지평선에 초점을 맞춥니다.이 동작은 매우 바람직합니다.
댓글