ИИ на 50% оптимизировал маршруты в картах Google

Компания DeepMind, при помощи специальной модели искусственного ума, улучшила расчет времени в пути на 50%. Также метод поможет улучшить путь водителя и создать его резвее.

Компания DeepMind, при помощи собственной модели искусственного ума (ИИ), улучшила навигацию в картах Гугл — по словам инженеров, они создали расчет времени передвижений поточнее на 50%. Опыты проводились сходу в нескольких регионах, включая Берлин, Джакарту, Сан-Паулу, Сидней, Токио и Вашингтон. Благодаря использованию способов машинного обучения, они смогли уменьшить погрешности прогнозирования движения, включив реляционное обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками), которое моделирует дорожные сети.

Гугл Maps анализирует трафик в настоящем времени на дорогах по всему миру, но оно не употребляет почти все вводные — нагрузку на дороги, среднюю скорость передвижения на определенном участке и остальные.  Машинное обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) дозволяет Гугл Maps соединять условия дорожного движения с историческими моделями дорог по всему миру. Для заслуги данной нам цели компания DeepMind разработала нейронные сети графиков, которая проводит пространственно-временные рассуждения.

Вся эта информация поступает в нейронные сети, разработанные DeepMind, которые выбирают закономерности в данных и употребляют их для прогнозирования грядущего трафика. Гугл гласит, что ее новейшие модели улучшили точность прогнозирования, но в дальнейшем она станет еще поточнее. При всем этом данные автоматом будут коррелироваться, для их не нужна помощь исследователей.

Модели работают методом разделения карт на то, что Гугл именует «суперсегментами» — общим трафиком примыкающих дорог. При всем этом любой из их соединен с персональной нейронной сетью, которая делает прогноз интенсивности движения для определенного сектора. Непонятно, как значительны эти «суперсегменты», но Гугл отмечает, что они имеют «динамические размеры», для каждой из их употребляется террабаты данных. Неповторимость подхода в том, что для этого употребляется особая нейросеть, которая отлично подступает для анализа картографических данных.

Читайте также:

— Нимб Андромеды приближается к нашей галактике. Рассказываем, почему это принципиально

—  нередкое проявление какого-нибудь работоспособности»>заболевания (нарушения нормальной жизнедеятельности, работоспособности) коронавируса у малышей. На что стоит направить внимание?

— Разработана неповторимая молекула для хранения солнечной энергии

Источник