Industria e lojrave ka një ndikim të rëndësishëm në mësimin e thellë dhe makinat vetë-drejtuese. GPU-të nxitën përparimin në mësimin e thellë, pasi ato mundësuan trajnimin e rrjeteve nervore shumë më të mëdha në grupe të dhënash të mëdha.

Për rreth 20 vjet, GPU-të u përdorën kryesisht nga lojtarët. Çdo vit NVIDIA derdhte miliarda dollarë në R&D për të bërë GPU më të mira dhe më të shpejta për të mbështetur përvojën më të mirë të lojërave. Në fillim të viteve 2000, ata filluan të marrin në konsideratë llogaritjen shkencore dhe përshpejtimin e mësimit të makinerive, ose, në përgjithësi, llogaritjen e GPU me qëllim të përgjithshëm (GPGPU). Ata lëshuan versionin e parë të CUDA, një platformë kompjuterike paralele, në 2007. CUDA e bëri shumë më të lehtë programimin për GPU, gjë që çoi në më shumë eksperimentime nga studiuesit.

Në vitin 2012, grupi SuperVision (Alex Krizhevsky, Geoffrey Hinton dhe Ilya Sutskever) përdori CUDA për të zhvilluar modelin AlexNet që fitoi Sfida e Njohjes Vizuale në shkallë të gjerë të ImageNet. Ndoshta, ishte ngjarja që tërhoqi vëmendjen e komunitetit të mësimit të makinerive ndaj fuqisë së rrjeteve të thella nervore dhe llogaritjes GPU. Tani NVIDIA dominon tregun e pajisjeve për trajnimin e rrjeteve të thella nervore dhe po lëviz hapësirën e harduerit për konkluzione. Është interesante të mendosh se lojtarët e viteve '90 dhe 2000 paguanin për R&D të harduerit të të mësuarit të thellë.

Simulimi është një shembull tjetër i shfrytëzimit të softuerit të zhvilluar nga industria e lojërave për të nxitur përparimin e inteligjencës artificiale. Për shembull, kur zhvilloni softuer për vetura që drejtojnë vetë, ju duhet ta provoni atë në një sërë situatash. Shumica e vozitjes reale është pa ngjarje. Ngjarjet interesante, si ndërtimi i rrugës, një makinë që shkon kundër trafikut ose një luan mali që përplaset në rrugë, janë të rralla. Nëse mbledhni të dhëna dhe testoni softuerin tuaj vetëm në botën reale, do t'ju duhet shumë kohë dhe do të kushtojë shumë para, sepse makinat vetë-drejtuese dhe koha e inxhinierëve të testimit janë të shtrenjta. Nëse ndonjë rast interesant shfaqet vetëm një herë në 1000 orë vozitje, do t'ju duhet të vozitni shumë për të mbledhur të dhëna të mjaftueshme për të.

Një mënyrë për ta bërë atë më efikas është të simuloni situata interesante në botën reale. Kompanitë si Waymo, Uber, Tesla kanë ngritur vende testimi me rrugë, shenja rrugore, semaforë dhe kanë njerëz që lëvizin përreth për të krijuar trafik që duket real. Pastaj ata mund të vendosin situata si makina që ndalon papritur përpara jush, këmbësorë që vrapojnë në rrugë, etj. Kjo kërkon gjithashtu kohë dhe burime, por të paktën ju mund të provoni saktësisht atë që dëshironi të provoni dhe mund ta përsërisni rastin e provës sa më shumë. herë sa të duash.

Po sikur të mund të bëni një simulim softuerësh të botës? Atëherë mund të kontrolloni gjithçka dhe të kryeni testet më shpejt, aq shpejt sa e lejon hardueri juaj i llogaritjes. Ju mund të shkallëzoni llogaritjen duke shtuar më shumë GPU ose më shumë serverë. Ju mund të provoni çdo situatë ekzotike me saktësi të madhe. Në kohën që i duhet një flote e vërtetë makinash për të përzënë një mijë milje, simulimi juaj mund të përzënë miliona milje virtuale. Software Development Times botoi një pjesë mbi përdorimin e motorëve të lojërave për simulimin e makinave vetë-drejtuese.

Këtu, natyrisht, ka sfida. Ju duhet një motor i mirë fizik. Hartat duhet të duken reale. Në mënyrë ideale, do t'ju duhet të rikrijoni kopje të mira të qyteteve reale me të njëjtat shenja trafiku, shenja korsie, ndërtesa. Ju duhet të simuloni sinjale për të gjitha llojet e sensorëve: kamera, lidarë, radarë, etj. Shumë sfida interesante, por në fund, ju merrni eksperimente shumë më të shpejta. Gjithashtu, ju jep një aftësi për të bërë testimin e regresionit të softuerit tuaj në shkallë. Kur lëshoni një version të ri të softuerit, mund ta provoni atë në miliona raste testimi interesante, duke përfshirë rastet e rralla të skajeve.

Gjëja e mirë është se ndoshta nuk duhet të ndërtoni gjithçka nga e para. Industria e lojërave ka ndërtuar tashmë shumë funksionalitete të nivelit të ulët në motorët e lojërave. Për shembull, Udacity ndërtoi një simulator makine në krye të motorit Unity për programin e tij nanodegrade të makinave vetë-drejtuese (shih detajet në një artikull nga Naoki Shibuya). Të tjerët po përdorin Unreal Engine 4 (p.sh., imitues UE4Sim). Edhe Grand Theft Auto mund të përdoret për të testuar algoritme të thjeshta. Projekti DeepDrive përdori GTA V për simulim, por, për fat të keq, u mbyll për arsye ligjore.

Nuk munda të gjeja informacion mbi teknologjinë pas simulimit të makinave që përdorin kompanitë e makinave vetë-drejtuese si Waymo, Drive.ai, Voyage, Tesla, Uber dhe të tjera. Megjithëse, ka një mbulim se si ata përdorin simulimin. Atlantic botoi "një artikull" mbi operacionet e testimit të Waymo, duke përfshirë një bazë sekrete "Castle" në Luginën Qendrore dhe një softuer simulimi "Carcraft".

“Në çdo kohë, tani ka 25,000 makina virtuale vetë-drejtuese që kalojnë rrugën e tyre përmes versioneve të modeluara plotësisht të Austin, Mountain View dhe Phoenix, si dhe skenarëve të pista testimi. Waymo mund të simulojë ngasjen në një rrugë veçanërisht të ndërlikuar qindra mijëra herë në një ditë të vetme. Së bashku, ata tani ngasin 8 milionë milje në ditë në botën virtuale. Në vitin 2016, ata arritën 2.5 miliardë milje virtuale kundrejt pak më shumë se 3 milionë milje nga makinat vetë-drejtuese të Google IRL që qarkullojnë në rrugë publike. Dhe më e rëndësishmja, kilometrat virtuale përqendrohen në ato që njerëzit e Waymo i quajnë pa ndryshim milje "interesante" në të cilat ata mund të mësojnë diçka të re. Këto nuk janë kilometra të mërzitshme në autostradë.”

Ekziston edhe një kompani që fokusohet vetëm në simulim. Right Hook zhvillon softuer simulues për makina vetëdrejtuese, aviacion dhe robotikë. Dëgjoni "episodin 22 të podcast-it të Autonocast" për të mësuar më shumë rreth asaj që po bëjnë dhe pse mendojnë se simulimi është i rëndësishëm për të ardhmen e makinave vetë-drejtuese.

Është një sinergji dhe ripërdorim i madh i teknologjisë midis industrive të lojërave dhe inteligjencës artificiale. Ndoshta, në 10-20 vitet e ardhshme, industritë e të mësuarit të thellë dhe të automobilave do të paguajnë për R&D që do të përfitojnë lojtarët e së ardhmes. Kohë interesante.

Postime të tjera për makinat që drejtojnë vetë:

"Programi i Nanogrades së Makinave Flying Udacity"

"Çip i ri GPS me saktësi 30 cm"