橡树岭国家实验室:进化神经网络技术授权通用汽车商用,助力辅助驾驶

2021 年 4 月 30 日 机器之心
机器之心报道
编辑:维度、陈萍

几年前,美国橡树岭国家实验室(ORNL)开发了一种利用进化算法自动生成神经网络的 AI 系统 MENNDL,基于使用计算机的性能,该系统可以在几小时内生成数千个优化的神经网络。此前,该系统已经在医学、高能物理数据和中微子研究等领域得到应用,如今它的应用场景又扩展至了汽车辅助驾驶领域。

近日,美国能源部所属的橡树岭国家实验室(ORNL)将其人工智能软件系统——深度学习的多节点进化神经网络(Multi-node Evolutionary Neural Networks for Deep Learning, MENNDL)授权给了通用汽车公司,应用于车辆技术的开发和设计。

这既是 MENNDL 系统的首个商业授权,也是 ORNL 实验室首个获得商用许可的 AI 技术。


接下来,通用汽车公司将评估 MENNDL 系统在加速高级驾驶辅助系统技术和设计中的前景。

MENNDL 系统是什么?

MENNDL 系统诞生于 2014 年,为医学研究、卫星图像、高能物理数据和中微子研究等工作提供支持。2015 年 11 月,相关论文被 MLHPC 2015 会议接收。


论文链接:https://www.ornl.gov/content/optimizing-deep-learning-hyper-parameters-through-evolutionary-algorithm

人工神经网络在本质上是模拟人类大脑的计算系统,并且计算机通过这种算法可以识别文本、图像或语音数据集中的模式类别。在经过训练之后,神经网络可以完成特定任务,例如能够比人类更快、更广泛地识别照片中的人脸。

但应看到,即使是最专业的开发者,设计一种高效的神经网络也需要耗费一年甚至更长的时间。

这正是 MENNDL 系统「大展身手」的地方。

这种 AI 系统利用进化算法显著加速这一过程, 在几小时内可以生成数千个优化的神经网络 ,具体取决于所使用计算机的性能。通过自动结合和测试数百万的父级网络(parent network),MENNDL 系统可以生成特定于应用的高性能优化神经网络。

值得一提的是,MENNDL 系统可以利用 ORNL 实验室的 Summit 超级计算机来设计 AI 算法,最终结果几乎可以部署到任何计算设备上,从台式机到云计算再到配备 GPU 的高性能超级计算机,如 ORNL 的 Summit。

Summit 超级计算机。

ORNL 学习系统小组以及 MENNDL 系统开发团队负责人 Robert Patton 表示:「MENNDL 利用计算能力来探索用户可以获得的所有不同设计参数,整个过程是完全自动化的,然后返回结果『这是所有网络设计的列表清单,有些设计是好的,有些设计不好』。现在, 在几个小时的时间内,你就会得到一整套针对特定应用的网络设计 。」

Robert Patton。

基于其强大的性能,MENNDL 系统入围了美国计算机协会(ACM)戈登贝尔奖的决赛,并成为了 2018 年度百度科技研发奖(R&D 100 Award)之一。

MENNDL 系统能做些什么?

对于汽车制造商来说,MENNDL 可以用来加速先进的驾驶辅助技术,解决采用这项技术所面临的最大问题之一:汽车如何快速准确地感知周围环境,以及在这些环境中安全地导航?

MENNDL 的使用提供了更好地清除障碍的潜力。利用先进的神经网络,可以即时分析车载摄像头的反馈,并正确标记汽车视野中的每个物体,这种先进的计算有可能使车辆更有效地利用能源,同时提高其车载计算能力。

示例 1:使用驾驶模拟器来评估网络在不同光照条件下感知对象(object)的能力。图源:ORNL

此前,MENNDL 曾应用在费米国家加速器实验室的粒子物理实验中。费米实验室的研究人员对中微子和高能亚原子粒子很感兴趣,这些粒子很少与正常物质相互作用,但可能是理解宇宙形成早期的关键。费米实验室的一个实验涉及到一种中微子相互作用的「快照」。

研究人员想用 AI 系统对费米实验室的探测器数据进行分析和分类。MENNDL 在 24 小时内评估了 500,000 个神经网络。其最终解决方案优于人类科学家开发的定制模型。

Fermi 国家加速器实验室的 MINERvA 中微子探测器。

在另一个涉及与孟菲斯圣裘德儿童研究医院合作的案例中,MENNDL 把人类设计算法在脑组织三维电子显微镜图像内线粒体识别错误率减少了 30%。

参考链接:
http://www.kejilie.com/startup-partner/article/VNFzIv.html
https://www.ornl.gov/news/ornl-licenses-revolutionary-ai-system-general-motors-automotive-use
https://www.nextgov.com/emerging-tech/2021/04/general-motors-licenses-neural-network-tech-national-lab/173646/

CVPR 2021 线下论文分享会


为更好的服务 AI 社区,促进国内计算机视觉学术交流,机器之心计划于 6 月 12 日组织大型「CVPR 2021 线下论文分享会」。

本次活动将设置  Keynote、 论文分享和 Poster 环节 ,邀请顶级专家、论文作者与现场参会观众共同交流。欢迎论文作者、AI 社区从业者们积极报名参与。


点击阅读原文 ,了解详情并参与报名。


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:content@jiqizhixin.com

登录查看更多
0

相关内容

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
视频分析中的人工智能 (AI)白皮书,16页pdf
专知会员服务
65+阅读 · 2021年5月6日
专知会员服务
133+阅读 · 2021年2月17日
DARPA可解释人工智能
专知会员服务
127+阅读 · 2020年12月22日
【Cell 2020】神经网络中的持续学习
专知会员服务
59+阅读 · 2020年11月7日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
智能网联汽车关键技术调研报告
智能交通技术
8+阅读 · 2019年3月22日
【机器视觉】计算机视觉前沿技术探索
产业智能官
11+阅读 · 2018年12月25日
Arxiv
0+阅读 · 2021年6月17日
Arxiv
26+阅读 · 2019年3月5日
Arxiv
5+阅读 · 2018年5月1日
VIP会员
相关VIP内容
视频分析中的人工智能 (AI)白皮书,16页pdf
专知会员服务
65+阅读 · 2021年5月6日
专知会员服务
133+阅读 · 2021年2月17日
DARPA可解释人工智能
专知会员服务
127+阅读 · 2020年12月22日
【Cell 2020】神经网络中的持续学习
专知会员服务
59+阅读 · 2020年11月7日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
Top
微信扫码咨询专知VIP会员