Alphabets Robotaxi-Firma Waymo kooperiert mit Deepmind und setzt auf evolutionäre Algorithmen, um autonomes Fahren sicherer zu machen.
Alphabets Waymo startete 2009 als Googles "Self-Driving Car Project" und arbeitet seitdem an selbstfahrenden Autos und Robotaxis. Während Elon Musk seine Tesla-Robotaxis nächstes Jahr auf die Straßen bringen will, führt das 2016 gegründete Waymo seit 2017 einen lokalen Testbetrieb in Phoenix im US-Bundesstaat Arizona durch.
Waymos Robotaxis nutzen neuronale Netze für eine Vielzahl an Aufgaben: In Kombination mit Kameras erkennen sie zum Beispiel Straßenschilder und andere Verkehrsteilnehmer. Das Training eines einzelnen neuronalen Netzes ist jedoch zeit- und kostenintensiv, der Prozess inklusive Feineinstellungen dauert oft mehrere Wochen.
Auf der Suche nach alternativen Trainingsmethoden kooperiert Waymo jetzt mit der Google-Schwesterfirma Deepmind. Das Ziel: schnelleres Training bei gleicher Leistung.
Evolution und künstliche Selektion für neuronale Netze
Deepmind soll mit neuen Trainingsmethoden die KI zum Profifahrer machen. Die beiden Firmen setzen in ihrer ersten Zusammenarbeit auf das sogenannte "Population Based Training" (PBT).
Die Methode nimmt sich ein Beispiel an Darwins Evolutionstheorie: Eine Vielzahl von KIs tritt gleichzeitig gegeneinander an. In diesem Fall dreht sich der Wettbewerb um die Erkennung von Fahrrädern, Passanten und anderen Verkehrsteilnehmern.
Alle 15 Minuten wird die Leistung der Netzwerke durch einen automatisierten Benchmark bewertet. Die Gewinner überleben, die Verlierer werden aussortiert.
Schneidet ein Netzwerk überdurchschnittlich gut ab, bekommt es Nachkommen. Diese sind leicht modifizierte Kopien der produktivsten Netzwerke und ersetzen die Verlierernetzwerke. Sie erben die positiven Eigenschaften des Vorgängernetzwerks und müssen so beim Training nicht von vorne beginnen.
Manche der zufälligen Modifikationen lassen die Netzwerke stärker als ihre Vorfahren werden, andere senken die Leistung. Am Ende setzt sich immer das bessere Netzwerk durch.
Damit möglicherweise erst nach längerem Training auftretende, sinnvolle Entwicklungen durch die kurze Trainingszeit von 15 Minuten nicht ausgeschlossen sind, schuf Deepmind künstliche Nischen. In diesen können sich einzelne KI-Gruppen langfristig entwickeln.
Deepmind orientiert sich bei diesem Prinzip an den isolierten Arealen unserer Erde wie etwa Inseln. Dort entwickelt sich Flora und Fauna trotz gleicher Vorfahren anders als auf dem Kontinent.
Die beste KI überlebt
Das Gewinner-Netzwerk beeindruckte die Entwickler: Es erkannte in gängigen Tests 99 Prozent der Verkehrsteilnehmer bei einer um 25 Prozent reduzierten Fehlerrate. Objekte wie ein Busch am Straßenrand oder ein auf ein Auto geschnalltes Fahrrad wurden weniger häufig fälschlicherweise als Verkehrsteilnehmer eingestuft.
Darüber hinaus ist das evolutionäre KI-Training schneller und kostengünstiger als bisherige Trainingsverfahren. Trainingszeit und -ressourcen seien um etwa 50 Prozent gesunken, so Deepmind in einem Blog-Beitrag.
In Zukunft soll die Methode auch für andere neuronale Netze von Waymos Robotaxis genutzt werden und so den Weg auf die Straße finden.
Quelle: Deepmind
