Міністр транспорту США Шон Даффі наполегливо працює над дерегуляцією автономних транспортних засобів, щоб ця технологія швидше і хаотично заповнила американські дороги. Тим часом, деякі намагаються вдосконалити цю технологію, щоб вона безпечніше та гармонійніше працювала з людьми.
Дослідники з Массачусетського технологічного інституту (MIT) разом із компанією Motional, що займається технологіями автономних автомобілів, нещодавно опублікували своє дослідження в журналі Nature. Вони розробили програму, яка може повідомляти людині, що саме бачить автомобіль і що він робить, щоб зрозуміти, чи допоможе це людям краще усвідомити, як працює штучний інтелект (ШІ) в автономному транспортному засобі. Згадайте, в одній з попередніх статей Jalopnik ми обговорювали AV Framework Даффі, який, по суті, заявив: “автономним транспортним засобам не потрібні педалі гальм чи важелі екстреного гальмування”. Там ми розмірковували, які наслідки це може мати на екстрені ситуації, які ШІ не може належним чином передбачити чи впоратися з ними, та які варіанти дій у вас є. Автономні транспортні засоби продемонстрували, що вони далекі від досконалості, про що свідчать численні задокументовані збої в реальних екстрених ситуаціях. І це не враховуючи системи “підтримки водія” від Tesla, які вмикалися під час зіткнень з будівлями, мотоциклами тощо.
Тепер уявіть алгоритм у рамках технології автономного транспортного засобу, який дозволяє ШІ пояснювати, чому автомобіль робить те, що він робить. Ідея полягає в тому, що якщо людина отримуватиме зворотний зв’язок у реальному часі, “водій” зможе бути уважнішим, щоб запобігти деяким із вищезгаданих проблем. Але це також допоможе розробникам отримати цінний зворотний зв’язок щодо реакції системи ШІ на навколишнє середовище, щоб краще вдосконалити її реакції.
Вбудовуємо ШІ в ШІ для перекладу дій ШІ
Для цього MIT і Motional створили систему під назвою “Concept-Wrapper Network” (CW-Net). Ця спеціально розроблена мережа сама по собі є алгоритмом ШІ, навченим на 130 мільйонах прикладів сцен з автономних транспортних засобів з різними позначеними концепціями в кожній сцені. Іншими словами, вони класифікували для ШІ такі поняття, як напрямки (ліворуч, праворуч, прямо), швидкість (зупинка та повільно), або навчали його таким речам, як перехрестя, світлофор, пішохід, що таке слідування та за чим він слідує. Звідти мережа підключається до системи машинного навчання автономного транспортного засобу для “перекладу” його дій.
Під час реальних випробувань автономний транспортний засіб з інтегрованою мережею зупинився біля дорожнього конуса. Дослідники повідомили, що водій-людина вважав, що конус є причиною зупинки, але ШІ повідомив, що він “наближається до зупиненого транспортного засобу”. Тепер є поле для вдосконалення розробниками. Це також допомагає пасажирам зрозуміти, “в чому причина затримки”, що може дратувати в конкретній ситуації. В іншому тесті дослідники спостерігали, як автономний транспортний засіб взаємодіє з велосипедистами, і мав труднощі з їх виявленням. Водій помітив цю повторювану проблему і зміг скоригувати швидкість і курс автомобіля, щоб уникнути небезпечної ситуації.
Те, що автомобіль повідомляє вам про свої дії, може бути надмірним для пасажирів, які просто насолоджуються поїздкою в сучасних автономних транспортних засобах. Але такий зворотний зв’язок також може інформувати пасажирів про несподівані зупинки та помилки. А для нервових користувачів, як я, пояснення машиною того, що вона робить, може допомогти зменшити вагання щодо цієї технології. Або ж навпаки, але будемо намагатися залишатися позитивними.
CW-Net теоретично може також принести користь користувачам систем допомоги водієві, таких як Super Cruise від GM, BlueCruise від Ford та Autopilot від Tesla. Ці системи автоматизують частину вашого водіння, але ви (водій-людина) все ще повинні бути уважними та усвідомлювати, що відбувається. Якщо автомобіль спілкується з вами, ви будете звертати увагу, що може допомогти водіям, які, за повідомленнями, мають труднощі з концентрацією уваги під час роботи цих систем, залишатися зосередженими.
Подальші зусилля з вдосконалення автономного водіння
Робота MIT і Motional — не єдина спроба вдосконалити автономне водіння. Дослідження в Школі інженерії Тандон Нью-Йоркського університету, а також у Лабораторії мобільності Каліфорнійського університету в Лос-Анджелесі (UCLA) шукають шляхи, щоб автономні транспортні засоби могли спілкуватися між собою, допомагаючи кожному автомобілю розширювати знання про своє оточення. Йонг Лю, професор Нью-Йоркського університету та керівник проекту, пояснив: “Автомобіль, який їздив лише в Манхеттені, тепер міг би дізнатися про дорожні умови в Брукліні від інших транспортних засобів, навіть якщо він сам ніколи туди не їздив. Це зробить кожен автомобіль розумнішим і краще підготовленим до ситуацій, з якими він особисто не стикався”.
Щодо роботи UCLA, то частина розробок спрямована на те, щоб автомобілі могли спілкуватися між собою таким чином, щоб зменшити або мінімізувати “сліпі зони”, спричинені людиною. Програма використовувала приклад, коли автомобіль наближається до перехрестя, де дерево може закривати людину. Інший автомобіль, що наближається до того ж перехрестя з іншої зони, міг би повідомити першому автомобілю про наявність там людини, щоб він міг усвідомлювати потенційну небезпеку під час проїзду.
Незалежно від цього, наявність способу розуміння того, як ці моделі машинного навчання інтерпретують інформацію в реальному часі, може бути корисною як для того, щоб допомогти водіям почуватися комфортніше з цією, здавалося б, “чарівною” технологією, так і для того, щоб допомогти людям бачити помилки в реальному часі, які потенційно можна виправити на бекенді. З огляду на це, можливо, дерегуляція та позбавлення автономних транспортних засобів важливих компонентів, таких як гальма та кермо, мають бути призупинені, доки ці системи не будуть перевірені та доведені як більш передбачувані на дорогах загального користування. Але це, звичайно, вимагало б регулювання, а в нинішньому режимі це навряд чи найближчим часом буде на порядку денному. Ну, принаймні, вчені намагаються зробити це краще.
Джерело новини: www.jalopnik.com