MIT stara się opracować model sztucznej inteligencji, który może prowadzić prawie jak człowiek

Tworzenie samochodów bez kierowcy, które potrafią rozumować i radzić sobie w sytuacjach podobnych do ludzkich, to jeden z długoterminowych i najważniejszych celów firm pionierów w dziedzinie pojazdów autonomicznych, takich jak Waymo, GM, Cruise, Uber i kilku innych wielkich marek. Mobileye, dobrze znane przedsiębiorstwo zajmujące się opracowywaniem technologii wizyjnych dla zaawansowanych systemów wspomagania kierowcy (ADAS) i pojazdów autonomicznych, będące częścią Intel Corporation, zaproponowało już model matematyczny, który można nazwać bezpieczeństwem uwzględniającym odpowiedzialność (RSS). Wynalazek ten jest opisywany jako zaawansowany sposób pomagania samochodowi w podejmowaniu dokładniejszych decyzji podczas eksploatacji, podobnie jak zwykle skręcamy samochód, i zebrał sporo recenzji. Pozytywne opinie społeczności. Poza tym inna duża firma, która również jest bardzo zainteresowana dziedziną pojazdów autonomicznych, Nvidia, również aktywnie rozwija Safety Force Field - „politykę”, która pomaga samochodowi podejmować trafne decyzje w oparciu o zdolność planowania, monitorowania i oceny wszelkich niebezpieczne działania podczas operacji poprzez analizę danych z czujników zebranych w czasie rzeczywistym.

• Bosch wprowadza skrzynkę z czujnikami przeznaczoną do bezzałogowych „latających taksówek”.

Powyższe stanowi typowy przykład godnych pochwały wysiłków przedsiębiorstw skupiających się na rozwijaniu umiejętności bezpiecznej jazdy – podstawowego czynnika decydującego o powodzeniu pojazdu autonomicznego. Naukowcy z Massachusetts Institute of Technology (MIT) mają jednak znacznie większą ambicję, a mianowicie zbudowanie systemu sztucznej inteligencji zdolnego do prowadzenia pojazdów zupełnie jak ludzie. Mówiąc dokładniej, zespół ekspertów z MIT zajmujących się sztuczną inteligencją pracuje obecnie nad metodą wykorzystania danych map i innych typów danych wizualnych podobnych do GPS, aby umożliwić pojazdom autonomicznym opartym na sztucznej inteligencji nauczenie się, jak ludzie prowadzą, a jednocześnie „płynnie” ” zastosować zdobytą wiedzę na skomplikowanych, eksperymentalnych trasach w nigdy wcześniej nie widzianych środowiskach. W związku z tym badania te opierają się na kompleksowych systemach nawigacji zaprojektowanych przez Daniela Rusa, dyrektora amerykańskiego Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL). Automatyzacja w Long Beach, Kalifornia, USA w przyszłym miesiącu.

• Funkcje bezpieczeństwa znajdujące się w samochodach Tesli utrudniają „chcenie” zjechania na niewłaściwy pas

Poprzedni model uczenia maszynowego autorstwa Daniela Rusa i współpracowników uznano za „niewygodny” i mniej prawdopodobny, że zostanie szeroko wdrożony. Jednak w tym nowym modelu naukowcy z MIT niemal całkowicie pokonali powyższy problem. „Dzięki naszemu systemowi nie musisz uczyć samochodu na każdej drodze, ale możesz pobrać dla samochodu nową mapę, która pomoże mu poruszać się po wybranych drogach. Nigdy wcześniej nie przejeżdżał”, powiedział inżynier Alexander Amini, szef działu zespół badawczy.

Jak wyjaśnia inżynier Amini i współpracownicy, ich system sztucznej inteligencji jest w stanie obserwować i uczyć się od kierowcy, jak kontrolować pojazd, a następnie korelować obroty kierownicy z każdym zakrętem wykonywanym przez kierowcę. Jest to obserwowane za pośrednictwem kamery i systemu map, które zostały zawarte w poprzednim systemie. Wreszcie, samochód może wydawać precyzyjne „polecenia jazdy” dla każdej trasy, np. prostych dróg, skrzyżowań czterokierunkowych lub trójkierunkowych, rond…

• Testowanych jest jednocześnie 55 samochodów autonomicznych od 5 głównych producentów samochodów

W wielu eksperymentach badacze wprowadzili do modelu uczenia maszynowego mapę z losowo wybraną trasą. Podczas pracy pojazdu system wyodrębniał cechy wizualne z kamery, umożliwiając przewidywanie każdego elementu konstrukcji drogi, takiego jak znaki, progi zwalniające, twarde mediany... Więcej Co więcej, model AI jest również w stanie korelować dane wizualne wraz z danymi mapowymi w celu wykrycia nieprawidłowości, pomagające dokładniej określić lokalizację pojazdu na drodze i zapewnić, że pojazd porusza się po trasie.najbezpieczniejsza droga. Przykładowo, gdy model AI jechał samochodem po prostej drodze, bez żadnych zakrętów, ale system map popełnił błąd i wskazał, że samochód musi skręcić w prawo, AI rozpoznała, że ​​jest to nierozsądne i wiedząc, jak kontrolować samochód na właściwej trasie bez wykonywania poleceń z mapy.

• Czy ludzkość jest na dobrej drodze w rozwoju technologii pojazdów autonomicznych?

„W prawdziwym świecie czujniki nie zawsze mogą osiągnąć idealną dokładność. Chcemy jednak mieć pewność, że nasz model będzie w stanie „dostosować się” do różnych błędów pojawiających się w rzeczywistych operacjach, budując system, który będzie w stanie rozpoznać anomalie, a jednocześnie będzie w stanie precyzyjnie nawigować i pozycjonować na wszystkich drogach” – dodał inżynier Alexander Amini.