Kodėl dirbtinis intelektas gali išmokyti savarankiškai vairuoti automobilį

Savarankiškai važiuojantiems automobiliams taip pat reikia mokytojų, o dirbtinis intelektas (AI) gali efektyviai išmokyti šias transporto priemones išvengti avarijų – tikriausiai geriau nei žmonės.

Vienas geriausių būdų siųsti automobilius į Driver’s Ed – dirbtinio intelekto naudojimas. Tesla neseniai pristatė savo naują superkompiuterį, kuris bus naudojamas treniruoti neuroninius tinklus, maitinančius Tesla autopilotą ir būsimą savaiminio vairavimo AI. O automobiliams tampant savarankiškesniems, paaiškėja, kad jiems reikia daug treniruotis.

„Pateikus dirbtinį intelektą duomenims, susijusiems su automobilių vairavimu, AI gali pradėti atpažinti modelius“, – Chrisas Nicholsonas, bendrovės vadovas.

Pathmind, įmonė, taikanti AI pramoninėms operacijoms, sakė interviu el. „Parodykite vaizdus ir sužinosite, kaip atrodo pėstieji. Parodykite jam veiksmų seką kelyje ir sužinosite, kas sukelia avarijas ir kaip jų išvengti.

„Turėdamas tinkamus duomenis, AI gali labai tiksliai numatyti, ką jis žiūri“, – pridūrė Nicholsonas. „Ir kokios gali būti konkretaus veiksmo, pavyzdžiui, posūkio į kairę ar greitėjimo lyjant, pasekmės.

Augantis dirbtinio intelekto mokytojų skaičius

„Tesla“, „Audi“, „Toyota“, „GM's Cruise“ – beveik kiekvienas didžiausias automobilių gamintojas tam tikra forma naudoja dirbtinį intelektą, kad padidintų savo savarankiško vairavimo galimybes, sakė Nicholsonas. Ir kai kurie ne automobilių gamintojai, pvz Google Waymo, bendradarbiauja su automobilių gamintojais, tokiais kaip Chrysler Fiat, kurdami ir išbandydami savarankišką dirbtinį intelektą.

Andrejus Karpathy, Tesla dirbtinio intelekto vadovas, neseniai atidengtas naujausias įmonės superkompiuteris 2021 metų konferencijoje apie kompiuterinį matymą ir modelių atpažinimą.

Klasteris naudoja 720 mazgų 8x NVIDIA A100 Tensor Core GPU (iš viso 5760 GPU), kad būtų pasiektas 1,8 eksaflopo našumas. Kiekvienas eksaflopas yra lygus 1 kvintilijonui slankiojo kablelio operacijų per sekundę.

"Tai tikrai neįtikėtinas superkompiuteris", - sakė Karpathy. pagal pranešimą spaudai. „Tikrai tikiu, kad šnipščių požiūriu tai yra maždaug 5 superkompiuteris pasaulyje.

Gilus neuroninis tinklas stebi ir daro prognozes automobiliui važiuojant, faktiškai nevaldydamas transporto priemonės. Prognozės įrašomos, o visos klaidos ar klaidingi atpažinimai registruojami. Tada Tesla inžinieriai naudoja šiuos atvejus, kad sukurtų sudėtingų ir įvairių scenarijų mokymo duomenų rinkinį, kad patobulintų neuroninį tinklą,

Rezultatas yra maždaug 1 milijonas 10 sekundžių klipų, įrašytų 36 kadrų per sekundę greičiu, iš viso apie 1,5 petabaitų duomenų. Tada neuroninis tinklas pakartotinai paleidžiamas per šiuos scenarijus, kol veikia be klaidų. Galiausiai jis siunčiamas atgal į transporto priemonę ir vėl pradedamas procesas.

Automobilių siuntimas atgal į mokyklą

Naudodamiesi dirbtiniu intelektu, automobilius galima išmokyti greičiau nei bet kuris žmogus, sakė transporto ekspertė Aditya Pathak profesionalių paslaugų įmonė „Cognizant“., sakė interviu el.

„Autonominių transporto priemonių kūrimo procese vienas iš svarbiausių žingsnių yra duomenų anotacija“, – pridūrė jis. „Kitaip tariant, kaip žymimi žmonės, vietos ir daiktai, kad juos atpažintų transporto priemonės?

Duomenų peržiūros procesas užtruktų daug laiko ir darbo jėgos. „Naudojant AI ir mašininį mokymąsi procesas yra daug greitesnis ir efektyvesnis“, - sakė Pathakas.

AI turi išmokyti savarankiškai vairuojančius automobilius valdyti bet kokiomis sąlygomis, sako Antonas Slesarevas, bendrovės inžinerijos vadovas. savarankiškai vairuojančių automobilių kompanija „Yandex, sakė interviu el. Gali prisidėti orai, darbai kelyje, avarijos ir nenuoseklus kitų vairuotojų elgesys bei reakcija kelionės nenuspėjamumui, net ir vairuotojams, kurie kasdien važiuoja į tą pačią vietą, jis pridėta.

„Yandex“ teikia pirmąją Europoje robotų taksi paslaugą ir jau naudoja automatizuotus pristatymo robotus „Yandex rovers“ klientų užsakymams iš restoranų ir maisto prekių parduotuvių pristatyti. Bendrovė naudoja mašininį mokymąsi, kad padėtų savo robotams judėti.

„Pavyzdžiui, tai padeda atlikti gyvybiškai svarbias suvokimo funkcijas, tokias kaip kelio ženklų atpažinimas, net kai juos užstoja tokie dalykai kaip lietus ar medžio šaka“, – sakė Slesarevas. „Arba teikti saugos funkcijas, pvz., pastebėti pėsčiąjį, ruošiantį pereiti kelią, net naktį arba kai pėsčiąjį iš dalies slepia tokie daiktai kaip stovintys automobiliai.

Stebėtojai teigia, kad dirbtinio intelekto naudojimas automobilių mokymui gali padidinti saugumą.

„Įrodyta, kad dirbtinis intelektas yra tikslesnis nei žmonės vairuojant, ir labai tikėtina, kad jis labai sumažins nelaimingų atsitikimų skaičių“, - sakė Nicholsonas.