從方向盤後面移開駕駛員可能也需要從開發實驗室移開人員。
總部位於加利福尼亞州門洛帕克的新創公司 Helm.ai 最近脫穎而出，它試圖通過一種稱為 非監督式學習 的 AI 訓練方法來大大減少自動駕駛汽車開發週期中的瓶頸。與主動式學習 等其他先進學習工具一樣，非監督式學習也採用了一種智慧的方法來進行訓練，以減輕人類注解者的負擔。
無人駕駛汽車必須從海量數據中學習，以 PB 或數百萬 GB 為單位進行測量，以確保無人駕駛時的安全駕駛。甚至更低級別的自主性，例如 L2+ 和 L3 的 AI 輔助駕駛 ，也需要進行深入的訓練才能有效運行。
數以百萬計的畫面中嵌入了行人，汽車，標誌和其他物體的圖像，這些數據被嵌入大量數據中。對於監督式學習，必須對所有這些進行標記，以便深度神經網路可以學會自己識別它們。這是一個非常昂貴，費時費力的過程，因此很難快速開發和迭代新功能。
Helm.ai 是 NVIDIA Inception新創虛擬加速器 的成員，並使用 NVIDIA資料中心 GPU的高性能來運行其非監督式學習技術來訓練其自動駕駛算法。在車內，該新創公司還依靠NVIDIA DRIVE AGX Xavier來運行其自動駕駛軟體。
卸下訓練輪
非監督式學習是一種在沒有標記數據的情況下訓練神經網路的方法。這是 AI 研究的一個開放領域，具有多種風格，以前的一些方法旨在識別數據中的新模式或對數據池進行預處理。
Helm.ai 正在努力擴大非監督式學習以及數學建模的範圍，以有效地擴展自動駕駛汽車的訓練。
這家新創企業沒有採用傳統方法，而是希望掌握非監督式學習，以消除對大規模數據和大量人工注解者的需求。結果是可擴展的 AI 軟體，可以在改進的時間表和預算上實現自動駕駛功能。
Helm.ai 的創辦人暨執行長 Vladislav Voroninski 說：“我們發現了傳統方法無法解決的一些關鍵挑戰，特別是在 AI 軟體的可擴展性和準確性方面。” “我們很早就建立了一些原型，這使我們相信我們可以穩健前行。我們的技術利用最前端的應用數學來釋放深度學習的全部潛力，以大規模部署安全的自主系統。”
借助高效能運算進行創新
為了在 AI 訓練中實現這些突破， Helm.ai 依靠資料中心和車輛行業中的領先運算。
資料中心中的NVIDIA V100 Tensor Core GPU使處理 PB 級數據成為可能，而不會遇到昂貴的障礙，從而啟用了 Helm.ai 的先進學習技術。
經過訓練後，即可使用 NVIDIA DRIVE AGX Xavier AI 運算平台在車輛中測試該新創公司的 2 級以上自動駕駛軟體。 DRIVE AGX Xavier 提供每秒 30 兆次操作，用於 2 級以上和 3 級自動駕駛。
Xavier 系統單晶片 是其核心，這是有史以來的第一個生產自動級 SoC ，其中整合了六種不同類型的處理器，用於高性能，高能效的 AI 運算。
通過更準確，更具成本效益的 AI 訓練， Helm.ai 和 NVIDIA 使業界能夠安全地部署運輸技術，從而改變人和貨物的移動方式。