19 個神經(jīng)元之所以能控制自動駕駛，主要得益于以下幾個方面：

首先，研究人員受到線蟲大腦的啟發(fā)，提出了神經(jīng)元回路策略（NCP）。這種策略重新利用生物神經(jīng)回路模型的功能，創(chuàng)建可解釋的控制智能體。

其次，該系統(tǒng)用少量人工神經(jīng)元控制車輛轉(zhuǎn)向。通過 253 個突觸將 32 個封裝的輸入特征連接到輸出，可以學習把高維輸入映射到操縱命令。

再者，NCP 方法構(gòu)建的自動駕駛系統(tǒng)由兩部分組成。一部分是用于從攝像機傳入的視覺數(shù)據(jù)中提取結(jié)構(gòu)特征的卷積神經(jīng)網(wǎng)絡（CNN），另一部分是僅包含 19 個神經(jīng)元的控制部分，將感知系統(tǒng)中的數(shù)據(jù)轉(zhuǎn)換為轉(zhuǎn)向命令。兩個子系統(tǒng)堆疊在一起并同時接受訓練，訓練數(shù)據(jù)集是波士頓地區(qū)人類駕駛汽車視頻。

此外，與傳統(tǒng)的深度學習模型相比，每個單元內(nèi)信號的處理遵循不同的數(shù)學原理。NCP 方法能夠?qū)⒕W(wǎng)絡規(guī)模減少兩個數(shù)量級，參數(shù)數(shù)量降低了 2 個數(shù)量級，僅使用了 7.5 萬個訓練參數(shù)。

同時，NCP 模型還有多個優(yōu)勢。比如具有可解釋性，能讓我們看到網(wǎng)絡將注意力集中在什么方面，還能看到哪個神經(jīng)元在駕駛決策中的作用。它還具有魯棒性，對輸入圖像的擾動表現(xiàn)出強大的抵抗力。此外，還能減少訓練時間，減少在相對簡單的系統(tǒng)中實現(xiàn) AI 的不確定性。

總之，19 個神經(jīng)元控制的自動駕駛系統(tǒng)，不僅結(jié)構(gòu)簡單，還具有諸多優(yōu)勢，未來不僅能應用于自動駕駛，還可能在倉庫的自動化機器人等領(lǐng)域發(fā)揮作用。

（圖/文/攝：太平洋汽車 整理于互聯(lián)網(wǎng)）