盖世汽车讯 自动驾驶汽车通常由深度学习模型控制，但这些模型有时会在意外情况下出现故障。例如，汽车可能会莫名其妙地刹车，阻挡迎面驶来的紧急车辆。此时，驾驶员或乘客可能需要迅速做出反应以避免碰撞。 据外媒报道，为了帮助人们更好地预测车辆的失误，麻省理工学院（MIT）和自动驾驶技术公司Motional的研究人员开发了一种新方法，可以清晰地解释底层模型的决策过程。 图片来源：MIT 通常，深度学习模型的内部推理过程晦涩难懂。但这种名为概念包装网络（CW-Net）的新方法，可以将推理过程转化为概念，这些概念能够忠实地描述自动驾驶汽车的决策，而不会影响其驾驶性能。 CW-Net使用易于理解的概念（例如“接近静止车辆”或“靠近骑行者”）来解释基于机器学习的规划器的决策。这些解释可以纠正驾驶员和乘客对车辆行为的误解，并提高他们的情境感知能力。 在私人赛道上进行的道路测试中，CW-Net的解释帮助安全驾驶员更准确地预测车辆行为；一项针对非专业用户的大型模拟研究也得到了类似的结果。这些实验表明，CW-Net可以为工程师在排查车载人工智能系统故障时提供重要的反馈。从长远来看，这项技术可以提高...