Alphabet的DeepMind在GoogleMaps中详细介绍了新的AI预测技术

时间:2020-09-28 10:15:55来源:
导读 Alphabet公司的人工智能研究部门DeepMind今天详细介绍了其开发的新机器学习技术,以使Google Maps更加有用。Maps在全球拥有超过10亿用户,

Alphabet公司的人工智能研究部门DeepMind今天详细介绍了其开发的新机器学习技术,以使Google Maps更加有用。

Maps在全球拥有超过10亿用户,他们依赖该服务来规划其旅行路线。该服务最主要的功能之一就是它能够生成到达时间的估计值,从而帮助驾驶员查看关键信息,例如他们需要多久才能赶上火车。

DeepMind与姊妹公司Google LLC合作,以减少到达时间估算的不准确性。他们的合作(今天上午进行了详细介绍)使不准确率降低了两位数。在一种情况下,预测误差下降了不少于51%。

DeepMind通过在Maps中实现所谓的“图形”神经网络来帮助估计到达时间,从而实现了这一改进。图形是一种数据结构,以互连点的形式存储数据点及其之间的关系。DeepMind发现,这种结构非常适合捕获道路系统的互连特性。

DeepMind的工程师Oliver Lange和Luis Perez在博客文章中详细介绍了“例如,考虑一条小巷的拥堵如何溢出来影响较大道路上的交通。” 他们解释说,由于AI可以捕获多个路段和交叉路口的完整视图,因此“该模型能够自然地预测转弯处的延误,归并引起的延误以及走走停停的通行时间。”

该公司必须克服多种技术挑战,才能开始使用其图神经网络来估计到达时间。主要问题之一是如何训练AI。

开发神经网络需要在样本数据上进行训练,这些样本数据将类似于预期在现实世界中处理的数据。如果要让AI负责分析长颈鹿的照片,则需要对AI进行长颈鹿照片的培训。

但是对于Maps而言,此过程并不那么简单,因为道路的构建方式有所不同。训练有素的估计公路旅行持续时间的AI不一定能够在城市道路上做到同样的效果,而且较小的差异也会引起准确性问题。

DeepMind通过利用其神经网络的图结构解决了这一难题。该部门的工程师还根据图形结构将AI处理的道路数据整理成“超段”,以估算到达时间,这与AI本身很相似。这些Supersegment具有足够的灵活性,DeepMind的神经网络可以克服训练数据的差异。

由Google等公司进行的AI研究在许多情况下不仅有助于改进自己的产品,而且可以促进整个领域的发展。DeepMind和其他科技巨头的AI研究小组经常在学术论文中与世界分享他们的工作。

标签:GoogleMaps
最新文章