如何从庞大的客户车队中获取训练数据，以训练其自动驾驶神经网络

据外媒Electrek报道，特斯拉于近日申请了一项专利，即如何从庞大的客户车队中获取训练数据，以训练其自动驾驶神经网络。

据悉，特斯拉人工智能和自动驾驶软件负责人Andrej Karpathy是该专利的唯一发明人。Karpathy指出了在应用程序中为深度学习培训收集数据的难点：“用于自动驾驶等应用的深度学习系统是通过训练机器学习模型来开发的。通常深度学习系统的性能在一定程度上受制于训练集的质量。在大多数情况下，在收集、管理和注释培训数据方面需要投入大量资源，创建训练集的工作因此很重要且繁琐。此外，通常很难为机器学习模型需要改进的特定用例收集数据。”

值得一提的是，特斯拉开发自动驾驶系统的方法与大多数汽车公司大相径庭。大多数汽车公司使用相对较小的测试车辆车队来收集数据和测试其系统，而特斯拉则利用配备了一系列传感器的数十万客户车辆来收集道路和驾驶数据，并在“阴影模式”下测试自动驾驶系统，因此，车队收集的这些数据对于特斯拉训练神经网络进行自动驾驶是非常有价值的。

Karpathy在专利中提到，“随着机器学习模型变得越来越复杂，例如更深层次的神经网络，大型训练数据集的必要性也相应增加。与较浅的神经网络相比，这些较深的神经网络可能需要更多的训练实例，以确保其通用性。”

因此，工程师解释了其专利方法，即在传输潜在培训数据之前，先对数据源进行分类。