3月23日，據Electrek報道，電動汽車制造商特斯拉已經申請了一項專利，內容是如何從其龐大的客戶車隊中獲取訓練數據，以訓練其自動駕駛神經網絡。

這項專利是為特斯拉申請的，但特斯拉人工智能和自動駕駛軟件主管安德烈·卡帕西(Andrej Karparis)被指定為該申請的唯一發明人。

卡帕西描述了在應用程序中為深度學習培訓收集數據的問題：“用于自動駕駛等應用的深度學習系統是通過訓練機器學習模型來開發的。通常，深度學習系統的性能至少部分地受到用于訓練模型的訓練集的質量限制。在許多情況下，大量的資源被投入到收集、管理和注釋培訓數據上。創建訓練集所需的工作量可能很大，而且通常是單調乏味的。此外，通常很難收集機器學習模型需要改進的特定用例的數據。”

特斯拉開發自動駕駛系統的方式與大多數其他公司大不相同。盡管大多數其他公司利用相對較少的測試車隊來收集數據并測試其系統，但特斯拉使用其數十萬輛配備了一系列傳感器的客戶汽車來收集道路和駕駛數據，并在“影子模式”下測試其自動駕駛系統。車隊收集的這些數據對特斯拉訓練其神經網絡實現自動駕駛極其有價值。然而，他們必須小心他們收集并提供給網絡的內容。

卡帕西在專利申請中注明：“隨著機器學習模型變得越來越復雜，比如深層神經網絡，大量訓練數據集的必要性也相應增加。與淺層神經網絡相比，這些深層神經網絡可能需要更多的訓練樣本，以確保它們的泛化能力較高。例如，雖然神經網絡可以被訓練成對于所給訓練數據來說高度精確，但其可能不能很好地推廣到未見的未來示例中。在這個例子中，神經網絡可能受益于訓練數據中包含的額外示例。”

因此，卡帕西解釋了他的專利方法，在傳輸之前就對源數據進行分類：“示例方法包括接收傳感器并將神經網絡應用于傳感器數據。將觸發器分類器應用于神經網絡的中間結果，以確定傳感器數據的分類器評分。根據至少部分分類器得分，決定是否通過計算機網絡傳輸至少部分傳感器數據。一旦確定為陽性，傳感器數據就會被傳輸并用于生成訓練數據。”