Hvorfor AI kan træne din selvkørende bil

Selvkørende biler har også brug for lærere, og kunstig intelligens (AI) kan effektivt lære disse køretøjer at undgå ulykker - sandsynligvis bedre end mennesker.

En af de bedste måder at sende biler til Driver's Ed på er ved at bruge kunstig intelligens. Tesla afslørede for nylig sin nye supercomputer, der skal bruges til at træne de neurale net, der driver Teslas autopilot og kommende selvkørende AI. Og efterhånden som biler bliver mere autonome, viser det sig, at de har brug for meget træning.

"Ved at udsætte AI for data relateret til bilkørsel, kan AI begynde at genkende mønstre," Chris Nicholson, administrerende direktør for

Pathmind, en virksomhed, der anvender kunstig intelligens til industrielle operationer, sagde i et e-mailinterview. "Vis den billeder, og den kan lære, hvordan fodgængere ser ud. Vis den sekvenser af handlinger på vejen, og den kan lære, hvad der fører til ulykker, og hvordan man undgår dem."

"Med de rigtige data kan AI lave meget præcise forudsigelser om, hvad den ser på," tilføjede Nicholson. "Og hvad er konsekvenserne af en given handling, såsom at dreje til venstre eller accelerere i regnvejr, kan være."

Stigende antal AI-lærere

Tesla, Audi, Toyota, GM's Cruise - næsten hver eneste større bilproducent bruger kunstig intelligens i en eller anden form for at øge sine selvkørende evner, sagde Nicholson. Og nogle ikke-bilproducenter, som f.eks Googles Waymo, arbejder sammen med bilproducenter som Chrysler Fiat om at udvikle og teste selvkørende kunstig intelligens.

Andrej Karpathy, Teslas leder af AI, for nylig afsløret virksomhedens seneste supercomputer under en præsentation på 2021 Conference on Computer Vision and Pattern Recognition.

Klyngen bruger 720 noder af 8x NVIDIA A100 Tensor Core GPU'er (5.760 GPU'er i alt) for at opnå 1,8 exaflops af ydeevne. Hver exaflop er lig med 1 kvintillion flydende kommaoperationer i sekundet.

"Dette er en virkelig utrolig supercomputer," sagde Karpathy, ifølge en pressemeddelelse. "Jeg tror faktisk, at i form af flops, er dette nogenlunde den nr. 5 supercomputer i verden."

Et dybt neuralt netværk observerer og foretager forudsigelser, mens bilen kører uden egentlig at kontrollere køretøjet. Forudsigelserne registreres, og eventuelle fejl eller fejlidentifikationer logges. Tesla-ingeniører bruger derefter disse instanser til at skabe et træningsdatasæt med vanskelige og forskelligartede scenarier for at forfine det neurale netværk,

Resultatet er en samling af omkring 1 million 10-sekunders klip optaget med 36 billeder i sekundet, i alt omkring 1,5 petabyte data. Det neurale netværk køres derefter gennem disse scenarier gentagne gange, indtil det fungerer uden fejl. Til sidst sendes den tilbage til køretøjet og begynder processen igen.

Sender biler tilbage til skolen

Brug af kunstig intelligens kan også træne biler hurtigere end noget menneske kunne, Aditya Pathak, en transportekspert for professionelt servicefirma Cognizant, sagde i et e-mailinterview.

"I udviklingsprocessen for autonome køretøjer er et af de kritiske trin dataannotering," tilføjede han. "Med andre ord, hvordan mærkes mennesker, steder og ting, så de kan genkendes af køretøjer?"

Udført manuelt vil processen med at gennemse dataene være tidskrævende og arbejdskrævende. "Med kunstig intelligens og maskinlæring er processen meget hurtigere og mere effektiv," sagde Pathak.

AI skal lære selvkørende biler, hvordan de fungerer under enhver form for tilstand, Anton Slesarev, ingeniørchef ved selvkørende bilfirma Yandex, sagde i et e-mailinterview. Vejr, vejarbejde, ulykker og inkonsekvent adfærd og reaktioner fra andre bilister kan bidrage til uforudsigeligheden af ​​en rejse, selv for chauffører, der pendler til det samme sted hver dag, han tilføjet.

Yandex driver Europas første robottaxitjeneste og bruger allerede automatiserede leveringsrobotter, Yandex rovere, til kundeordreleveringer fra restauranter og dagligvarebutikker. Virksomheden bruger maskinlæring til at hjælpe sine robotter med at komme rundt.

"For eksempel hjælper det med at udføre vitale perceptionsfunktioner som at genkende vejskilte, selv når de er skjult af ting som regn eller en trægren," sagde Slesarev. "Eller for at give sikkerhedsfunktioner såsom at bemærke en fodgænger, der er ved at krydse vejen, selv om natten, eller når fodgængeren er delvist skjult af ting som parkerede biler."

Brug af kunstig intelligens til at træne biler kan øge sikkerheden, siger observatører.

"AI har vist sig at være mere præcis end folk i køresituationer, og det er meget sandsynligt, at det vil reducere antallet af ulykker markant," sagde Nicholson.