如同NVIDIA藉由建立全3D擬真虛擬環境,藉此讓自動駕駛或自動化操作等人工智慧技術應用,能藉此進行深入的訓練學習,Facebook稍早宣布透過虛擬環境設計工具,讓開發者能藉由建立更擬真的虛擬環境,讓電腦系統能從中學習各類應用情境中的操作互動需求。
由於在真實環境中讓電腦系統進行學習,雖然能以最真實場景進行訓練,但往往也伴隨前期訓練過程可能會出現失控,或是整體訓練成本較高,以及實際效率等問題,例如訓練自駕車系統如何在道路上正確行駛,一開始可能會面臨車輛無法順利言著正確路徑前進,甚至可能發生車輛撞傷等情況,因此NVIDIA後續提出的訓練方式,則是藉由顯示卡運算效能建立貼近真實世界場景的3D虛擬環境,讓自駕車系統能在初期階段先以模擬方式進行訓練。
透過軟硬體模擬訓練,即可在同時間內以虛擬化方式讓多組自駕車系統投入學習,藉此讓整體訓練學習所需時間大幅縮減,例如原本需要1個月的訓練時間,藉由大量相同系統進行密集訓練之下,大約僅需1週時間即可達成相同學習訓練成果,同時是在安全、節省成本情況下完成訓練。
而此次由Facebook人工智慧團隊與虛擬實境實驗室提出的AI Habitat平台,以及Replica資料庫系統,則可讓開發者快速藉由對應真實物理環境的數據,針對各類人工智慧訓練需求建造貼近真實世界的虛擬場景。
在這個虛擬場景中,開發者可設定讓人工智慧針對訓練場景中所發生情境進行學習,例如用於訓練家中監視系統,當發現家中大門在深夜時刻以不正常情況開啟時,即可自動進入戒備狀態,並且啟動錄影記錄功能,或是自動偵測家中廚房爐火是否在長時間無人狀態下維持開啟,此時就會自動發出警告等。
目前Facebook已經針對此項工具提供18種空間模版,其中包客廳、會議室,獨棟兩層房屋等空間,並且透過Github提供下載使用,甚至可以依照需求進行修改。
類似應用,Ubisoft過去推出《看門狗2》時,曾經也標榜將完整舊金山市區資料收錄在遊戲內,並且可藉由隨機模擬路人於街上行進情況,讓自駕車系統能此作為自動駕駛訓練使用。並且藉由模擬真實舊金山市區高低起伏、狹窄路況,以及繁雜行人行進狀況,讓自駕系統能學習實際駕駛方式。
另一方面,百度先前也宣布攜手Unity建立擬真虛擬環境,讓自駕車能在虛擬環境中更有效率地學習開車。