详细内容或原文请订阅后点击阅览
NVIDIA 打开其自动驾驶汽车深度神经网络的“黑匣子”（+视频）
深度神经网络的自学习能力是一个特殊的优势，随着经验的积累，机器会变得更加完善。它唯一的缺点是它没有专家可以配置的代码。这是一种黑匣子。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）深度神经网络的自学习能力是一个特殊的优势，随着经验的积累，机器会变得更加完善。它唯一的缺点是它没有专家可以配置的代码。这是一种黑匣子。
这就是为什么 Google Deep Mind AlphaGo 的创造者无法解释这个 AI 在围棋游戏中的表现。他们只能眼睁睁地看着自己的造物达到如此程度，能够击败世界上最优秀的选手之一。
能够获胜这种封闭性对于老虎机来说是好事，但对于无人车的控制系统来说就不方便了。如果汽车确实犯了错误，工程师必须能够深入了解引擎盖下的情况，找到缺陷并修复它，以便汽车不再犯同样的错误。实现这一目标的一种方法是通过模拟，人工智能首先显示一个对象，然后显示另一个对象，从而识别影响决策的因素。
作为汽车人工智能系统（机器人汽车）芯片组供应商，NVIDIA 提供了一种更简单的方法。 NVIDIA 汽车部门负责人丹尼·夏皮罗 (Danny Shapiro) 表示：“虽然技术使我们能够使用无法手动编程的算法创建自学习系统，但我们仍然可以解释系统如何做出决策。”
由于这项工作是在构成神经网络的阵列处理层内部完成的，因此结果可以实时显示，作为覆盖在直接来自汽车前向的图像上的“渲染掩模”相机。目前，控制输入包括转动方向盘以使车辆保持在车道内。
确实，工程师无法登录来修复“bug”，因为深度神经网络没有可以称为 buggy 的代码。