自動駕駛車輛采用神經(jīng)網(wǎng)絡來執(zhí)行許多駕駛任務，從檢測物體和預測其他人的行為方式，到規(guī)劃汽車的下一步動作。一般情況下，訓練單獨的神經(jīng)網(wǎng)絡需要數(shù)周的微調和實驗，以及大量的算力�，F(xiàn)在，Waymo與DeepMind的研究合作，從達爾文對進化論中汲取靈感，使這項訓練更加有效和高效。

神經(jīng)網(wǎng)絡的性能受訓練方案的影響非常大，主要思路就是找到最優(yōu)學習率、讓神經(jīng)網(wǎng)絡在每次迭代后變得更好，但性能波動不需要太大。

尋找最佳訓練方案（或“超參數(shù)方案”）通常是通過工程師的經(jīng)驗和直覺，或通過廣泛的搜索來實現(xiàn)的。在隨機搜索中，研究人員在多種類型的超參數(shù)上應用了許多隨機超參數(shù)調度，以便獨立地并行地訓練不同的網(wǎng)絡 ，然后可以選擇性能最佳的模型。

因為并行訓練大量模型在計算上是昂貴的，所以研究人員通常通過在訓練期間監(jiān)視網(wǎng)絡，手動調整隨機搜索，定期剔除最弱表現(xiàn)的運算并釋放資源，以從頭開始用新的隨機超參數(shù)訓練新網(wǎng)絡。這種類型的手動調整可以更快地產生更好的結果，但這是非常耗費人力的。

為了提高這一過程的效率，DeepMind 的研究人員設計了一種基于進化競爭（PBT）自動確定良好超參數(shù)調度的方法，該方案結合了手動調整和隨機搜索的優(yōu)點。

基于PBT模型如何運作：

PBT的工作原理是同時啟動許多超參數(shù)搜索，并定期進行“競爭”以比較模型的性能。從訓練池中刪除失敗的模型，并且僅使用獲勝模型繼續(xù)訓練，使用稍微突變的超參數(shù)更新。

PBT比研究人員采用的傳統(tǒng)方法更有效，例如隨機搜索，因為每個新的神經(jīng)網(wǎng)絡都繼承了其父網(wǎng)絡的完整狀態(tài)，并且不需要從一開始就重新開始訓練。此外，超參數(shù)不是靜態(tài)的，而是在整個培訓過程中積極更新。與隨機搜索相比，PBT將更多的資源培訓用于成功的超參數(shù)值。

實驗取得了不錯的進展，PBT算法不僅實現(xiàn)了更高的精度，并且減少24％的誤報、保持了較高的召回率。

同時，PBT還節(jié)省了時間和資源。通過PBT訓練的網(wǎng)絡，時間和資源只有原來的一半。24％的誤報，同時也能保持較高的召回率。此外，PBT所需的訓練時間和計算資源僅為原來的一半。

現(xiàn)在，Waymo 已將 PBT 納入了技術基礎設施中，研究人員點點按鈕就能應用該算法，DeepMind 每隔 15 分鐘就會對模型進行一次評估，以讓測試結果更準確。

這是Waymo第一次曝光的與DeepMind在網(wǎng)絡上的合作，然而這種異步優(yōu)化的PBT方法其實早就出現(xiàn)了。

它在Multi－Agent或者并行訓練中被提到過，甚至在DeepMind 星際爭霸II里的AlphaStar中都使用了該方法。主要用來自適應調節(jié)超參數(shù)。打破了通常的深度學習，超參數(shù)都是憑經(jīng)驗預先設計好的，會花費大量精力且不一定有好的效果，特別是在深度強化學習這種非靜態(tài)（non－stationary）的環(huán)境中，要想得到SOTA效果，超參數(shù)還應隨著環(huán)境變化而自適應調整，比如探索率等等。這種基于種群（population）的進化方式，淘汰差的模型，利用（exploit）好的模型并添加隨機擾動（explore）進一步優(yōu)化，最終得到最優(yōu)的模型。

有學者曾分別從強化學習，監(jiān)督學習，GAN三個方面做實驗，論證了這個簡單但有效的算法。

與其他領域不同的是，自動駕駛會涉及人身安全，所以應用起來不像博弈游戲一樣隨便，通過競爭篩選模型是一個優(yōu)勢，但同樣也可能是個劣勢，需要提供足夠的種群才能讓篩選出的網(wǎng)絡結構變得意義。