Как искусственный интеллект управляет автомобилем
Avtobest72.ru

Автомобильный портал

Как искусственный интеллект управляет автомобилем

Как искусственный интеллект управляет автомобилем

Об авторе: Андрей Беляев, технический директор (CTO) исследовательской компании Neurodata Lab.

Умные дома, самоуправляемые автомобили, роботы-помощники… Нас окружают инновационные технологии, в основе которых лежат алгоритмы, по своей специфике напоминающие работу человеческого мозга. Их называют по-разному: алгоритмы с использованием машинного обучения, глубокого обучения, а иногда и вовсе искусственный интеллект (ИИ).

В чем разница между этими названиями?

Все задачи, которые может решать человек или компьютер, можно условно разделить на две категории: рутинные и нерутинные.

К рутинным задачам можно отнести те, где достаточно просто найти универсальный путь решения: например, сложение чисел или измерение температуры воздуха.

Искусственным интеллектом сейчас принято называть все, что способно решать нерутинные задачи на уровне, близком к человеческому, а иногда и лучше. Такие задачи окружают нас везде. Камеры над дорогой вычисляют скорость автомобиля, распознают его знак и высылают штраф, а системы безопасности в метро и аэропортах находят преступников в толпе. Все это сегодня принято считать искусственным интеллектом, хотя в действительности алгоритмы, лежащие в основе каждой такой технологии, уникальны. И только некоторые используют машинное обучение.

Получается, что машинное обучение — это обучение ИИ

Искусственный интеллект — это название не какого-то отдельного алгоритма, но скорее группы методов, которыми пользуются для решения различного рода задач. Алгоритмы, которые используют подходы с обучением, являются лишь одной из подгрупп всего того множества алгоритмов, что принято называть искусственным интеллектом.

Машинное обучение — это подход, при котором алгоритм «учится» решать задачу. Один из самых простых примеров алгоритма, использующего машинное обучение, это классификация фотографий на те, где изображены кошки и те, где есть собаки:

Допустим, есть несколько тысяч фотографий кошек и несколько тысяч — собак. Эти данные можно загрузить в алгоритм и заставить его «учиться» отличать кошек от собак, «ругая» за ошибки в классификации и «поощряя» за правильные ответы. В зависимости от количества и качества вводных данных, а также от сложности используемого алгоритма после некоторого количества итераций с «наказанием» и «поощрением», получается обученный алгоритм, которой с разным качеством умеет отличать кошек и собак.

Применяя методы машинного обучения, эти же алгоритмы можно «натренировать» и для выполнения более сложных задач — таких как поиск людей на кадре, определение пола и возраста человека и т.д.

Такие алгоритмы можно научить решать задачи любой сложности?

В теории — да. Но на практике мы сталкиваемся с большим количеством проблем, начиная от недостаточного количества данных для обучения, заканчивая невозможностью интерпретировать действия человека при решении такой же задачи. Получается, что невозможно построить алгоритм, который эти действия бы совершал. Хороший пример — автопилотируемый автомобиль. Научить машину держать полосу, входить в повороты и автоматически перестраивать маршрут, если на дороге ремонт, сравнительно несложно, потому что есть понимание, как вел бы себя человек (а значит, как должна вести себя машина) в таких ситуациях.

Однако научить автомобиль принимать решения в чрезвычайных ситуациях гораздо сложнее: проблема в том, что и самому человеку трудно понять, как именно надо поступать в том или ином экстренном случае. Поэтому человек не может показать алгоритмам примеры хорошего и плохого поведения для таких случаев.

А что насчет глубокого обучения? Чем оно отличается от машинного?

Как машинное обучение является подвидом искусственного интеллекта, так и глубокое обучение является подвидом машинного (см. картинку в начале статьи). В глубоком обучении используются те же подходы: алгоритму дают много данных и «ругают» его за ошибки. Разница здесь в том, что сами алгоритмы глубокого обучения устроены гораздо сложнее и часто используют более серьезные математические модели. Сейчас под алгоритмами глубокого обучения практически всегда подразумевают нейронные сети.

Нейронные сети? Как те, что в мозгу у человека?

Такое сравнение действительно часто используется. Нейросеть — это последовательность слоев, каждый из которых, в свою очередь, состоит из нейронов, и каждый выполняет свою роль. Есть нейроны (или группы нейронов), которые учатся выделять важные элементы на изображениях, например шерсть у кошки или собаки; есть те, которые учатся делать выводы, исходя из выделенных элементов — например, если у животного длинные лапы, то, скорее всего, это собака. Эти нейроны объединяются в группы (слои), а они превращаются в единую нейронную сеть.

И все же можно как-то сравнить процессы внутри нейросети с деятельностью мозга?

Некоторое количество идей, используемых в нейросетях, разработчики почерпнули из знаний об устройстве человеческого мозга. Одни из самых частых задач для нейросетей — это задачи, связанные с работой с изображениями. Для таких задач используют специальный тип нейросетей, внутри которых есть так называемые сверточные слои.

Если говорить упрощенно, смысл этих слоев в том, чтобы оценивать каждый элемент картинки (пиксель) не отдельно, а в группе с несколькими соседними, благодаря чему можно находить как базовые фигуры (линии, углы, и т.д.), так и объекты целиком. Примерно такой же процесс происходит и в человеческом мозге при обработке визуальной информации. После снятия всех возможных визуальных признаков в нейросети, как и в человеческом мозге, происходит анализ этих признаков, а затем принимается решение: видим мы, допустим, кошку или собаку.

А как происходит процесс обучения?

Процесс обучения алгоритма во многом напоминает процесс обучения человека. Как мы совершаем ошибки и учимся на них (например, что не стоит засовывать руку в кипящую воду), так и алгоритмы, использующие машинное обучение, совершают ошибки, за что получают штраф.

В качестве примера можно рассмотреть процесс обучения нейросети распознаванию лиц. Чтобы корректно обучить любую нейросеть, нужно сделать две вещи: собрать достаточное количество данных и определить, за что мы будем ее штрафовать. Применительно к этой задаче, необходимо собрать несколько десятков фотографий лиц для каждого из людей, которых надо определить, и штрафовать нейросеть за то, что предсказанный ею человек не совпадает с человеком на фотографии.

Что значит «поощрять» и «штрафовать» нейросеть?

С математической точки зрения нейросеть — это функция с большим количеством параметров. Штрафование этой функции за неверное определения лица — это когда мы, упрощенно говоря, корректируем работу функции таким образом, чтобы в будущем она меньше ошибалась. Соответственно, поощрение нейросети — это когда мы ее просто не штрафуем.

Во всех примерах вы рассказываете про конкретные задачи. А можно ли нейросеть научить думать, как человек?

Это уже скорее философский вопрос. Мыслительный процесс напрямую связан с наличием сознания. Нейронная сеть, как и любой другой алгоритм машинного обучения, по своей сути является лишь математической функцией, и умеет решать лишь одну конкретную задачу. Нейросеть, которую учили отличать кошек и собак, не сможет отличить медведя от слона, ведь она даже не знала, что такие существуют. Процессы же анализа данных, которые происходят в голове у человека, намного сложнее чем те, что происходят в нейросети, так что даже при наличии данных, сопоставимых по размеру с массивом информации, которую за жизнь получает человек, сегодня обучить нейросеть думать, как человек, невозможно.

Подписывайтесь и читайте нас в Яндекс.Дзене — технологии, инновации, эко-номика, образование и шеринг в одном канале.

Искусственный интеллект и новые технологии в автомобилях. В чем польза?

Искусственный интеллект – это понятие исключительно 21 века. На данный момент он является последней разработкой современности. Но искусственный интеллект – это не деталь и не оборудование — его, скорее, можно назвать уже какой-то новой эпохой, если не сейчас, то через десятилетия – точно.

Его боятся и в то же время желают заполучить, о нем пишут книги и делают невероятные прогнозы, которые шокируют даже тех, кого уже мало, чем можно удивить.

В современном мире автоматизация захватывает – это факт, который нельзя отрицать. Так вот, автомобильный мир она тоже захватила, ну, или, успешными шагами уже к этому приближается.

Обычному человеку в диковинку увидеть на дороге автомобиль, у которого нет водителя или машину, которая работает, как планшет, повторяя фигуры и функции.

Но такие автомобили уже существуют, просто они пока еще не вошли в массы, и, конечно же, стоят заоблачных денег. Радуют прогнозы, которые обещают, что эти чудо-изобретения будут постепенно охватывать рынок, и, быть может, нам удастся познакомиться с ними поближе.

Читать еще:  Тест-драйв порше кайен

В будущем нас ждут еще более удивительные изменения, которые на данный момент мы даже не можем себе представить.

Спрос на автомобили будущего

Искусственный интеллект и автомобильные знания в симбиозе дают не только уникальные по своему роду изобретения, но и огромные финансовые доходы.

Если автомобильный мир претерпевает изменения, то сознание человека пока еще не достигает уровня «машины». Поэтому, любой производитель, специализирующийся на Ниве или на машине с искусственным интеллектом, в конечном итоге желает заполучить прибыль. И автопроизводителю важно сохранять «своего» клиента и постоянно быть ему интересным.

Создатели машин проводят всевозможные анализы, которые помогают узнать спрос на то или иное предложение. Ему необходимо понимать, в чем нуждается клиент, какие у него основные потребности и «боли».

Производя маркетинговый анализ, производитель делает вывод, что он будет внедрять в автомобили, разработкой и выпуском которых он сейчас занимается. К примеру, если известно, что клиенты Kia Rio нуждаются в голосовом помощнике, то эта функция непременно должна стать частью этого автомобиля.

Таким же образом на рынке «поддерживают» конкуренцию: вставляют опции, которые желают одни марки, в другие.

Можно сказать, что в ближайшем будущем (если речь касается искусственного интеллекта) будут востребованы беспилотники, а также автомобили, имеющие сверхпрочный корпус-капсулу, которые защищают даже от столкновения на высокой скорости. Фактически, наша жизнь будет доверяться компьютеру.

Как мы видим, наивысшим спросом для человека всегда будет и есть личная безопасность, а также комфорт и время, которым современный человек так дорожит.

Видео новые технологии и автомобили будущего

Чем полезен искусственный интеллект в автомобиля?

Давайте рассмотрим, как искусственный интеллект способен изменить автомобильный мир к лучшему, и чем он может помочь этой индустрии и человечеству.

  • Помощь водителю. Такие функции, как автоматическая парковка и предотвращение различного рода столкновений, являются основными положительными функциями в новых машинах. Последняя функция, конечно же, наиболее полезна и значима, так как помогает снизить последствия дорожных инцидентов и несчастных случаев. И это не просто рассуждения, а уже фактический результат: на сегодняшний день большое количество крупных производителей оснащают свои автомобили подобными функциями. В пассивных приложениях они также присутствуют, но только в виде звукового оповещения автовладельцев о том, что к его машине приближается объект. В более активных автомобилях эти программы способны в автоматическом режиме задействовать тормозную систему машины, гася силу удара;
  • Облачные помощники. Следующим примером применения искусственного интеллекта в автомобильной индустрии являются личные помощники в облаке. Эти системы аналогичны помощникам, которые встроены в смартфоны. Имея систему геопозиционирования, базу данных местных предприятий и информацию о состоянии автомобиля, они «прокладывают» самый короткий путь до ближайшей автомобильной заправки, когда заканчивается бензин, или напоминают вам о чем-то важном, чтобы вы не забыли это сделать;
  • Улучшение услуг по организации совместных поездок. Большую популярность сейчас приобретают райдшеринговые сервисы, такие как Uber и Lyft. Большое количество водителей, особенно молодого поколения, начинают отказываться от личных машин в пользу подобных услуг. Поскольку, где спрос, там и предложение, производители стараются удовлетворять своих клиентов, улучшая и разрабатывая предложения, в чем искусственный интеллект играет очень большую роль. Например, Uber не так давно приобрел Geometric Intelligence, чтобы с его помощью лучше интегрировать искусственный интеллект в платформу. А это, в свою очередь, повышает общую эффективность обслуживания.

Автомобили с такими функциями создаются для комфорта и рационального использования времени людей. Сюда можно предписать и их усталость. Иными словами, идея создания этих машин лежит в облегчении жизни человека и экономии его времени, ибо 21 век – это век тайм – менеджмента, в котором время является главным ресурсом, который не купишь ни за какие деньги.

Существующие автомобили, оснащенные искусственным интеллектом

Toyota Concept-i. Главной фишкой этой модели является наличие искусственного интеллекта Yui. Основной целью этого автомобиля является упрощение процесса езды и взаимодействия машины и человека. Умный помощник Yui будет не только ощупывать водителя, общаться с ним посредством голоса или цветовых оповещений, но и при помощи тактильной отдачи. Вообще, данный помощник способен передвигаться и автономно, но его главная функция – это ваше положительное состояние и поддержка. Умея считывать эмоции, он может начать разговаривать с вами, дабы поднять настроение, или каким-то другим способом дать вам понять, что вам пора передохнуть.

Divergent Blade. Компания специализируется на 3D печати, печати машин! Divergent Blade – это суперкар, который способен разогнаться до 100 км/ч всего за 2,5 секунды. Автомобиль ездит на газе или бензине, но при этом он гораздо более экологичен, чем электромобиль.

Дело в том, что распечатанный на 3D-принтере Blade несет на 65% меньше вреда экологии, чем собранный на заводе электромобиль. Интересно и то, что Blade — это не только распечатанный на принтере кузов, что уже далеко не новость, но и шасси. Основа автомобиля тоже распечатана на 3D-принтере и состоит из 28 килограмм алюминия и 19 кг карбона.

Беспилотные авто. Их основная идея – автономное движение. Эта идея буквально захватила мир. Одним из первых создателей беспилотных автомобилей является Honda. Ее NeuV рассчитана на двух человек, и компания видит ее идеальным автомобилем для Uber. Иными словами, это — такси без таксиста.

Hyundai решили шокировать внешним видом, который никак не отражает особенностей автомобиля. Все сенсоры спрятаны внутри кузова. Корейцы таким образом как бы дают понять, что их будущее немного ближе, чем у конкурентов.

Faraday Future FF91. Пожалуй, основными характеристиками этой машины можно считать скорость и долгое держание заряда батареи.

На одной зарядке FF91 может проехать 608 км. При этом заряжаться может от любых типов зарядных станций. Суммарная мощность Faraday Future FF91 — 1050 лошадиных сил. С нуля до сотни этот электромобиль разгоняется за 2,39 секунды. Машина совмещает в себе бойцовские качества спорткара с утилитарностью минивэна.

На информационном сайте для автолюбителей «FORAM» вы сможете найти много полезной информации, касающейся ремонта и обслуживания автомобилей.

Умные машины: как искусственный интеллект меняет авторынок

Разработки решений автопрома на базе алгоритмов машинного обучения и искусственного интеллекта сегодня сфокусированы в основном в области будущего беспилотников. Однако практическое применение и экономическую эффективность этого можно увидеть уже сегодня.

Автопроизводители

Благодаря искусственному интеллекту и машинному обучению, автомобили будут адаптироваться под стиль вождения, реакции владельца, методы использования функционала транспортного средства. Автопроизводителю важно сохранить клиента, поэтому он будет чаще обращаться к анализу, в том числе в реальном времени. Важно понимать, какими функциями чаще пользуются клиенты, ведь каждая, даже недорогая деталь в автомобиле, умноженная на десятки тысяч выпущенных машин, может повлиять на финансовый результат производителя. Зарабатывая на дополнительных опциях, необходимо понимать, какие из имеющихся функций в текущих вариантах автомобиля наиболее востребованы.

Если мы знаем, что клиенты Kia Rio не могут жить без голосового помощника, то можем вставить данную опцию и в другой автомобиль, сделав это его конкурентным преимуществом. Некоторые локальные автопроизводители, используя анализ данных, уже сегодня продают очень «начиненные» автомобили, потому что знают, что от автомобиля ожидает потенциальный владелец.

Например, один из ближневосточных автопроизводителей перед запуском новой серии автомобилей на рынке запросил спецификацию по региону на предмет использования водителями в предыдущей серии подрулевых переключателей скорости. Они по умолчанию были вставлены во все предыдущие модели, и эта опция стоила весьма заметную сумму. Согласно полученной информации, функцию подрулевых переключателей использовали в этом регионе менее 1% автовладельцев. В итоге было принято решение исключить ее без опасений снижения лояльности потребителей.

Дилеры

Дилерский бизнес сегодня находятся под ударом. В 2017 году, несмотря на рост продаж легковых автомобилей, число дилерских центров сократилось в России почти на 3%, до 3410 салонов, а всего за три последних года закрылось порядка 700 центров. На них всегда сказывалась покупательная способность населения, а теперь их теснят еще и автопроизводители, желающие напрямую работать с потребителем.

Цель дилера — удержать лояльного клиента, даже если клиент хочет поменять бренд автомобиля (для мультибрендовых дилеров). Предположим, клиент мультибрендового дилера ездит на автомобиле Volkswagen, благодаря телематике дилер знает, сколько его клиент проезжает километров в год, знает стиль вождения, когда он предпочитает приезжать в сервисный центр, какими услугами клиент пользовался и какие запасные части/аксессуары покупал и т. п. На основе данных с телематики дилер может перенести опыт пользования своего клиента на новый автомобиль и предложить ему машину другого бренда, входящего в холдинг, скажем, BMW.

Читать еще:  Сколько получают прокуроры в России

Что собой представляет телематика в целом? Это комплекс сервисов, использующих данные, получаемые с одного или нескольких телематических устройств. Это могут быть спутниковые навигационные чипы, акселерометры, модули мобильной связи с SIM-картой, через которые статистические данные передаются на сервер, встроенный аккумулятор, гироскоп. С помощью такого комплекса можно собрать данные, а следовательно, и получить ряд услуг: навигацию, удаленную диагностику, управление автопарком, безопасность, мультимедийные функции, связь, доступ к информации и управление определенными функциями автомобиля.

Автострахование

В автостраховании очевидный сценарий использования искусственного интеллекта в добавлении технологии в оценку рисков. С ним они будут оптимизировать расходы и портфель клиентов.

Сегодня активнее всех анализом стиля вождения клиентов занимаются каршеринговые компании. Выявляя аккуратных водителей, они предлагают им особенные тарифы или бонусы. Если средний тариф для трех топовых компаний каршеринга в Москве («Делимобиль», BelkaCar и YouDrive) — 10 рублей, то клиент с минимальными рисками по ДТП может получить тариф в 8 рублей и ниже. Пока что автостраховщики учитывают только общий стаж и предыдущие выплаты по страховке водителя, но в течение года они переймут у каршерингов эту модель и также будут оценивать непосредственный уровень безопасности вождения. При этом оцениваться будет не только история поездок: если у клиента меняется стиль вождения, то и тариф будет изменен.

Каршеринг

Москва стала лидером по объему общего парка авто для краткосрочной аренды — машины арендуются примерно 25 000 раз в день. При этом каршеринг развивается не только в столице, но и в других городах. Сервисы, например, работают в Санкт-Петербурге, Сочи и Новосибирске. В то же время крупные IT-гиганты запустили свои проекты, предлагающие совершенно новый формат взаимодействия с автомобилем, взятым в аренду. Сегодня каршеринговые компании — самые активные игроки авторынка, и главное в их бизнесе — кастомизация.

Например, основные игроки меняют тарифную сетку, основываясь на рабочем времени клиентов. Есть кастомизация, направленная на марки автомобиля, то есть выделение премиального сегмента, чтобы удовлетворить потребности определенной группы клиентов. Кроме того, клиент может получить персональные рекомендации по вождению.

Технологии искусственного интеллекта могут максимально персонализировать услугу, которую предлагают компании. Сфокусированные на персонализации автомобиля сервисы будут развивать его интерактивную составляющую: под пользователя будет подбираться определенный цвет и модель автомобиля, в салоне звучать любимая музыка, а навигатор знать, где находится дом и работа пользователя.

Помимо этого, искусственный интеллект может способствовать актуальному распределению автомобилей по районам города в зависимости от дня недели или времени суток. Машинное обучение может предсказывать поведение пользователей и предлагать оптимизацию расположения автомобилей. А когда-нибудь автомобили в беспилотном режиме даже смогут сами подъезжать к нужному времени в самые востребованные зоны.

Искусственный интеллект сегодня не просто меняет автомобильный бизнес, он меняет сам автомобиль и делает это быстро. Для развития на авторынке игрокам надо не только имплементировать решения на базе искусственного интеллекта или разрабатывать собственные, но и задуматься о времени. Чтобы сократить разрыв между собственными результатами и достижениями, о которых отчитываются сегодня глобальные игроки рынка технологий (Google, Tesla, Uber), необходимо объединение либо среди участников одной группы рынка, либо сотрудничество с поставщиками IT-решений.

AI (искусственный интеллект) и автоматическая безопасность в автомобилестроении: реальность и фантазия

Если вы еще не устали слышать термин «искусственный интеллект», можно отметить, что реализованная в автомобилях данная технология может реально спасти вашу жизнь. Однако, нужно четко понимать и разделять фантазии некоторых экспертов и реальность. К существующей реальности относятся автомобильные системы, облегчающие вождение и отслеживающие особенности вождения. Реально мыслящие автомобили – это пока нереализуемая фантазия.

Ситуация в том, что понятие «искусственный интеллект» объединяет под собой целый ряд технологий, включая смарт-управление на аналоговом, цифровом и логическом уровне, бионику на физическом уровне, а также интеллектуальную обработку информации. В совокупности – это все «искусственный интеллект», но в отдельности только его элементы.

Искусственный интеллект и цифровая производительность

ИИ фактически построен на обоснованном принципе, что компьютер, если ему дают правильные алгоритмы, может делать вычисления и решения гораздо быстрее и точнее, чем человек. За исключением, что алгоритмический подход на самом деле не является технологией искуственного интеллекта. Его главное качество – адаптивность и рефлексия по отношению к внутренней и внешней среде, возможность нечетко-логических выводов в отличие от четких алгоритмических решений, что предполагает гибкость принятия решений во всех возможных ситуациях.

Так что же в этой технологии вождения, и как она реализована за рулем?

AI на колесах

AI изначально не был трендом автопромышленности и развивался на задворках, сейчас его уже невозможно игнорировать. Нужно сказать, что технология гибко интегрировалась в существующие бортовые системы, использующие развитые алгоритмические подходы в различных системах курсовой устойчивости.

Одной из этих областей применения искусственного интеллекта в автопромышленности являются усовершенствованные системы помощи водителю, иногда их называют как «ADAS».

Искусственный интеллект на конференции AutoSens Brussels

Управляющий директор Sense Media Роб Стейд выступил на AutoSens Brussels 20 сентября 2017 года. Двухдневная конференция, проведенная в Autoworld Brussels, рассматривает множество аспектов автоматизированного вождения, включая роль искусственного интеллекта в этих системах.

Пассивное вождение

Искусственный интеллект включает в себя развитие таких конструктивных особенностей, как функции-аналоги нервной системы. Они, как известно, основаны на рефлексах. Если машины могут иметь лучшие и более совершенные рефлексы, то они могут взять на себя управление автомобилем. Так ли это? Да, но отчасти.

Современные люди не доверяют технике полностью совершенно обосновано, так как машина, даже самая умная, может не справиться с множественным выбором решений. Поэтому, выезжая из дома на работу, нужно брать запаску и все необходимое для оказание себе помощи на дороге, а также полагаться на автопилот только в качестве помощи. При этом в недалеком будущем низкоскоростные машины смогут вас перевозить из одного места в другое в автоматическом режиме, без необходимости вождения.

Искусственный интеллект в той или иной мере реализован во всех современных автомобилях, но имеет только частичные функции

В 2016 году GM потратила большую сумму на покупку Cruise Automation, разработчика автономных транспортных средств в Сан-Франциско. Научно-исследовательский институт Toyota представил интеллектуальную платформу 3.0 на выставке Consumer Electronics Show 2018 в Лас-Вегасе, штат Невада. При всех вложениях все эти системы имеют ограничения и не являются классическими системами искусственного интеллекта.

Длительные перспективы использования

Нововведения, в конечном итоге, сейчас сводятся к нескольким концептуальным тенденциям, кроме заимствования бионических принципов и мультисенсорного управления с помощью набора камер и датчиков, позволяющих прямо отслеживать качество дороги и условия вождения, перспективной считается 3D-визуализация на основе ИИ. Она использует биометрические маркеры для аутентификации, подстраивает условия вождения под стиль водителя и выполняет ряд других функций.

По мере того, как камеры могут обрабатывать визуальную информацию, процессоры становятся технологичнее и быстрее, человечество постепенно приближается к тому, что машины с цифровыми системами станут более безопасными, чем их аналоговые версии.

Проблему и перспективы искусственного интеллекта прокомментировать Джордж Бростофф (George Brostoff). Он является основателем и генеральным директором компании SensibleVision, лидера в области технологии проверки подлинности 3D-лиц, со штаб-квартирой в Кейп-Корал, штат Флорида.

Как автопилот въехал в нашу жизнь, а мы и не заметили

Современные технологии стали неотъемлемой частью урбана, передовые страны следуют мировым тенденциям и вводят гаджеты, упрощающие жизнь горожан. Россия не стала исключением на пути к созданию инновационных городов. В 2019 году дали зеленый свет беспилотным автомобилям на улицах Москвы и Казани.

В правительственном эксперименте до конца года примут участие 150 автопилотируемых прототипов, сообщил президент партнерства «ГЛОНАСС» Александр Гурко. Следуя постановлению, российские компании, участвующие в испытаниях, обязаны регистрировать каждый самоуправляемый автомобиль, а за рулем должен быть водитель-страховщик. В то время, как зарубежным маркам беспилотных автомобилей, таким как Tesla, нет необходимости соблюдать тестовый режим.

Читать еще:  Как правильно надеть чехлы на сиденья автомобиля

В этом году беспилотные автомобили стали центром внимания благодаря двум дорожно-транспортным происшествиям. В ноябре беспилотник Яндекс въехал в легковой автомобиль в районе Аминьевского шоссе, пресс-служба компании уверяет, что авария произошла по вине тестировщика и автономная система управления тут ни при чем. Вторая авария, которая несколько дней активно обсуждалась в СМИ, произошла на МКАДе. Электрокар Tesla врезался в неподвижный эвакуатор и взорвался. Несмотря на очередной факт возгорания Tesla, ДТП не стало бы сенсацией, если бы не автопилот. Именно он управлял автомобилем в потоке в Москве.

Парадокс заключается в том, что в данной ситуации автоматическая система управления не смогла среагировать на крупный недвижимый объект на скоростной магистрали, хотя Youtube полон видеороликов, демонстрирующих как Tesla просчитывает вероятность аварии и спасает жизнь пассажиров. Системные сбои — это то, от чего пока не застрахован искусственный интеллект, как впрочем и человек. Но ведь человек от робота «за рулем» ждет большего профессионализма, чем от себя самого.

Нейронная сеть беспилотника совершенствуется изо дня в день. Накапливая негативный опыт в базе данных, разработчики обучают нейросети, чтобы “робокар” не повторял ошибок. И что если Tesla соберет достаточное количество инфо-часов и устранит такие баги? Окажется, что наблюдательные способности беспилотника оставили человеческие далеко позади.

Система из датчиков, камер и специальных лидаров сканирует дорожную поверхность и обстановку в режиме 360 градусов, страхуя транспорт и пассажиров не только от собственных ошибок, но и от чужих. И все же важнейшим преимуществом беспилотников остается искусственный интеллект (ИИ), который в отсутствие сбоев, способен буквально предвидеть аварии.

Согласно общепринятой классификации SAE, существует 5 уровней автономности автопилотов. На первых уровнях водитель сам ведет машину, а система только помогает при необходимости, например, поддерживает скорость. Начиная с третьего уровня, устройство может самостоятельно вести машину на магистралях и парковаться, а уже с 4-го уровня водитель может спать за рулем и полностью доверится искусственному интеллекту. Высокие уровни автопилотирования реализованы пока только в выставочных экспонатах.

Как утверждают исследования Intel и Strategy Analytics, система обучится безрисковому вождению в течение 10 лет. И это сможет сохранить полмиллиона жизней в местах наибольшего развития в период с 2035-2045 года. Ведь по данным профильной ассоциации, ежегодно по всему миру в автомобильных авариях погибает более 1,25 млн. человек.

Однако владельцы Tesla уже настолько привыкли к, казалось бы, надежному ИИ, что спят за рулем. Так, в США случайный очевидец запечатлел на хайвее электрокар, водитель и передний пассажир которого уснули в пути. Tesla предупреждает владельцев о небезопасности такого «вождения», но водители чрезмерно доверяют системе, и такие случаи встречаются все чаще.

Существуют проблемы, не связанные с уровнем сложности нейронных сетей, а значит они не смогут быть решены и через десятилетия. В ситуации с безвыходным столкновением на дороге автопилоту придется условно выбирать между жизнью водителя (пассажира) и жизнью пешехода. Эта моральная дилемма в принципе не имеет правильного решения.

Ученые из MIT опросили участников дорожного движения, предложив им непростой выбор: спасение большего количества людей или жизнь владельца автомобиля. С одной стороны, опрошенные выступали за спасение пешеходов, допуская гибель водителя. С другой стороны, покупать автомобиль, который не пощадит их самих за рулем, опрошенные категорически отказались.

Эта дилемма присуща только автомобильным дорогам. Вероятно, поэтому в отличие от авиационного, железнодорожного и морского транспорта, где на пути прогресса мало преград в прямом и переносном смысле слова, в автоиндустрии автопилот все еще применяется с опаской.

Газ и тормоз беспилотников в России

Ситуация с российским рынком автопилотов выглядит неоднозначно. С одной стороны, консультанты из KPMG оценили готовность России к внедрению беспилотных автомобилей 22 местом из 25. В то же время аналитики из GlobalData выделили работу российских разработчиков. По мнению Давида Легрета (David Leggett), российские инженеры займут значительное место в конкурентной борьбе среди “робокаров”, а к 2028 году в России будет производиться более 3-х миллионов беспилотников в год, но объем мирового рынка аналитики не уточнили.

Российским компаниям еще не удалось добиться бесперебойной работы систем автономного управления автомобилями и монетизироваться на внутреннем рынке. В декабре 2019 года прошли соревнования беспилотных автомобилей в сложных погодных условиях — Up Great «Зимний город». Призовой фонд конкурса составляет 175 млн рублей. В этом году ни одна из команд так и не смогла преодолеть запрошенный технологический барьер, несмотря на то, что изначально заявились 30 участников, а до финала добралось только 5 команд: StarLine, НГТУ, Авто-РТК, МАДИ и BaseTracK.

Тем не менее эпизодические успехи всё же заметны. 2019 год был плодотворным для российских разработчиков: КАМАЗ стал использовать беспилотные грузовики для перевозок внутри промзоны, а фирма Cognitive Technologies разработали систему компьютерного зрения для Hyundai Mobis и заключили договор со Сбербанком по развитию инновационного транспорта. Стартап BaseTrack представил беспилотное маршрутное такси, которое работает на основе высокоточной навигации без использования дорогостоящих лидаров.

Парк беспилотных автомобилей Яндекс достиг ста прототипов к концу 2019 года. По словам руководителя направления беспилотных автомобилей Яндекс Дмитрия Полищука, количество тестовых машин увеличится до тысячи в 2020 году. В сентябре этого года руководители популярной поисковой системы заявили, что их беспилотники проехали в целом в США, России и Израиле более 1 миллиона километров. Кроме того, стало известно, что в декабре 2019 года компания перешла на лидары и камеры собственного производства, что вдвое дешевле иностранных аналогов. Аналитики банка UBS предсказывают, что к 2030 году Яндекс будет монополистом на российском рынке беспилотников, ожидается капитализация их бизнеса в более чем 6,4 млрд. долларов.

Медвежья услуга

Пока российские беспилотные автомобили формально могут разъезжать по нескольким городам и то только в тестовом режиме. В октябре 2018 года премьер-министр России Дмитрий Медведев подписал постановление о проведении эксперимента по эксплуатации беспилотных автомобилей на дорогах Москвы и Казани. Тесты начались с 1-го декабря 2018 года и продлятся до 1-го марта 2022 года, у всех прототипов будет знак «А» — «Автономное вождение».

Де-юре государство признало положительные стороны внедрения самоуправляемых автомобилей: в постановлении отмечается минимизация использования топлива на 19-22%, уменьшение потраченного времени в пути на 26-30% и снижение аварийности и другие. Вместе с тем регулятор уже на этапе испытаний начал создавать для технологии явные административные ограничения.

Так, например, беспилотную технологию разрешили испытывать только в присутствии пилота. Кроме того, регулятор обязал компании-разработчиков из России проводить сертификацию каждого тестируемого автомобиля в профильном центре ФГУП НАМИ. Процедура занимает 25 дней и обходится в 214 тыс. руб. за авто. Причем зарубежных производителей автопилотов документ вывел из-под регулирования, чем поставил российских производителей в заведомо невыигрышные условия.

Директор направления разработки беспилотников Яндекс Артем Фокин сетует на то, что развитие технологии сдерживается отсутствием нормативно-правовой базы в России, а также наличием административных барьеров, например, таких, как процедура сертификации НАМИ. По прогнозам J’son & Partners правовые вопросы касательно самоуправляемых автомобилей удастся решить не ранее 2023 года.

Через тернии к звездам

Tesla предупреждает, спать за рулем пока рано. По мнению экспертов Mckinsey ближайшие десять лет искусственному интеллекту беспилотника нужно учиться и наматывать инфо часы, чтобы водитель мог полностью довериться беспилотной машине. Технологии управления автомобилями предстоит непростой путь, Марк Роузкайнд (Mark Rosekind), бывший глава Национальной службы по обеспечению безопасности дорожного движения США, говорит, что гибель людей на этапе испытаний беспилотных автомобилей неизбежна. Кроме того, отлаживание нормативно-правовых вопросов тоже требует времени. Так, по мнению американского эксперта Натана Гринблата (Nathan A. Greenblatt) самоуправляемые машины будут готовы раньше, чем законы, регулирующие их деятельность.

Развитие беспилотных автомобилей это тернистый, но самый верный путь. Аналитики UBS, KPMG и McKinsey отмечают, что перемены, которые несет автопилотируемый транспорт имеют неоценимое значение. Беспилотные автомобили устранят 90% аварий и спасут тысячи жизней. Возможно, уже через поколение люди могут даже не знать, что такое автокатастрофа и что в ней могут быть погибшие или пострадавшие. Так же как и «поколение Z» не представляет, что такое палец застрявший в дисковом телефоне.

Ссылка на основную публикацию
Adblock
detector