مباراة صنعت في جنة النقل: الذكاء الاصطناعي والسيارات ذاتية القيادة

يمتلك الذكاء الاصطناعي (AI) القدرة على إحداث ثورة في طريقة قيادتنا ونقل البضائع والأشخاص. السيارات ذاتية القيادة ، والمعروفة أيضًا باسم المركبات ذاتية القيادة ، هي نوع من المركبات التي تستخدم الذكاء الاصطناعي وغيرها من التقنيات المتقدمة للتنقل على الطرق والطرق السريعة دون الحاجة إلى سائق بشري.

هناك العديد من الفوائد للسيارات ذاتية القيادة. أولاً ، لديهم القدرة على تقليل عدد الحوادث الناجمة عن الخطأ البشري بشكل كبير. هذا يمكن أن يؤدي إلى عدد أقل من القتلى والجرحى على الطريق. يمكن للسيارات ذاتية القيادة أيضًا تحسين تدفق حركة المرور وتقليل الازدحام ، حيث إنها قادرة على التواصل مع بعضها البعض واتخاذ القرارات في الوقت الفعلي لتحسين طرقها وسرعاتها.

بالإضافة إلى ذلك ، يمكن أن يكون للسيارات ذاتية القيادة أيضًا تأثير إيجابي على البيئة من خلال تقليل استهلاك الوقود والانبعاثات. يمكنهم أيضًا زيادة التنقل للأشخاص غير القادرين على القيادة بسبب العمر أو الإعاقة أو عوامل أخرى.

كيف يتم استخدام الذكاء الاصطناعي في السيارات ذاتية القيادة؟

لا تزال هناك العديد من التحديات التي يجب مواجهتها قبل أن تنتشر السيارات ذاتية القيادة. يتمثل أحد التحديات الرئيسية في تطوير أنظمة ذكاء اصطناعي موثوقة وآمنة بدرجة كافية لاستخدامها في الطرق العامة. هناك أيضًا مسائل تنظيمية وقانونية وأخلاقية يجب مراعاتها ، مثل كيفية ضمان سلامة الركاب والمشاة وكيفية التعامل مع المسؤولية في حالة وقوع حادث.

على الرغم من هذه التحديات ، فإن تطوير السيارات ذاتية القيادة يتقدم بخطى سريعة. تستثمر العديد من الشركات ، بما في ذلك شركات صناعة السيارات التقليدية وشركات التكنولوجيا ، بكثافة في التكنولوجيا ، ويتم بالفعل اختبار السيارات ذاتية القيادة على الطرق العامة في بعض المناطق. من المحتمل أننا سنرى سيارات ذاتية القيادة على الطرق في المستقبل القريب ، على الرغم من أنه من الصعب التنبؤ بالضبط متى ستصبح شائعة.

الذكاء الاصطناعي في صناعة السيارات

فيما يلي بعض الطرق التي يستخدم بها الذكاء الاصطناعي في السيارات ذاتية القيادة:

الاستشعار والإدراك

تستخدم السيارات ذاتية القيادة مجموعة متنوعة من أجهزة الاستشعار ، مثل الكاميرات والليدار والرادار وأجهزة الاستشعار فوق الصوتية ، لجمع البيانات حول محيطها. ثم تتم معالجة هذه البيانات وتحليلها باستخدام خوارزميات الذكاء الاصطناعي لإنشاء خريطة مفصلة للبيئة وتحديد الأشياء ، مثل المشاة والمركبات الأخرى وإشارات المرور وعلامات الطريق.

القرارات

تستخدم السيارات ذاتية القيادة الذكاء الاصطناعي لاتخاذ قرارات في الوقت الفعلي بناءً على البيانات التي تجمعها من أجهزة الاستشعار الخاصة بها. على سبيل المثال ، إذا اكتشفت سيارة ذاتية القيادة عبور أحد المشاة للطريق ، فستستخدم الذكاء الاصطناعي لتحديد أفضل مسار للعمل ، مثل الإبطاء أو التوقف.

النمذجة التنبؤية

تستخدم السيارات ذاتية القيادة الذكاء الاصطناعي للتنبؤ بسلوك مستخدمي الطريق الآخرين ، مثل المشاة والمركبات الأخرى. يساعد ذلك السيارة على توقع المشاكل المحتملة واتخاذ الإجراءات المناسبة لتفاديها.

معالجة اللغة الطبيعية

تم تجهيز بعض السيارات ذاتية القيادة بتقنية التعرف على الصوت التي تتيح للركاب التواصل مع السيارة باستخدام لغة طبيعية. تستخدم هذه التقنية الذكاء الاصطناعي لفهم الأوامر المنطوقة والاستجابة لها.

بشكل عام ، يعد الذكاء الاصطناعي مكونًا رئيسيًا للسيارات ذاتية القيادة ، مما يمكّنها من الإحساس ببيئتها وإدراكها والتنقل فيها ، فضلاً عن اتخاذ القرارات والاستجابة للظروف المتغيرة في الوقت الفعلي.

التعلم العميق في السيارات ذاتية القيادة

التعلم العميق هو نوع من التعلم الآلي الذي يتضمن تدريب الشبكات العصبية الاصطناعية على مجموعات البيانات الكبيرة. هذه الشبكات العصبية قادرة على التعلم والتعرف على الأنماط في البيانات ويمكن استخدامها لأداء مجموعة واسعة من المهام ، بما في ذلك التعرف على الصور والكلام ومعالجة اللغة الطبيعية والنمذجة التنبؤية.

في سياق السيارات ذاتية القيادة ، غالبًا ما يستخدم التعلم العميق لتحسين دقة وموثوقية أنظمة الذكاء الاصطناعي التي تمكن السيارة من التنقل واتخاذ القرارات. على سبيل المثال ، يمكن تدريب خوارزميات التعلم العميق على مجموعات كبيرة من الصور ومقاطع الفيديو لتمكين السيارة من التعرف على الأشياء وتصنيفها في بيئتها ، مثل المشاة والمركبات الأخرى وعلامات المرور.

---

يعمل إطار التعلم العميق PaddlePaddle على توسيع نطاق الذكاء الاصطناعي ليشمل التطبيقات الصناعية

---

يستخدم التعلم العميق أيضًا لتحسين دقة النمذجة التنبؤية في السيارات ذاتية القيادة. على سبيل المثال ، يمكن للسيارة استخدام خوارزميات التعلم العميق لتحليل البيانات من مستشعراتها والتنبؤ باحتمالية عبور أحد المشاة للطريق في موقع معين ، أو احتمال قيام مركبة أخرى بتغيير المسار بشكل مفاجئ.

أهمية GDDR6 للسيارات ذاتية القيادة

GDDR6 (معدل بيانات الرسومات المضاعفة 6) هو نوع من الذاكرة يتم استخدامه في وحدات معالجة الرسومات (GPU) لتخزين البيانات ومعالجتها لعرض الرسومات والمهام الحسابية الأخرى المكثفة. في سياق القيادة الذاتية ، تعتبر GDDR6 مهمة لأنها تتيح المعالجة عالية السرعة لكميات كبيرة من البيانات المطلوبة لتشغيل السيارات ذاتية القيادة.

تعتمد السيارات ذاتية القيادة على مجموعة متنوعة من أجهزة الاستشعار ، مثل الكاميرات والليدار والرادار وأجهزة الاستشعار فوق الصوتية ، لجمع البيانات حول محيطها. ثم تتم معالجة هذه البيانات وتحليلها باستخدام خوارزميات الذكاء الاصطناعي لإنشاء خريطة مفصلة للبيئة وتحديد الأشياء ، مثل المشاة والمركبات الأخرى وإشارات المرور وعلامات الطريق. إن معالجة البيانات وتحليلها المطلوبين لتمكين هذه المهام عملية حسابية مكثفة ، وتتطلب ذاكرة عالية السرعة مثل GDDR6 لتخزين البيانات والوصول إليها بسرعة.

بالإضافة إلى تمكين المعالجة عالية السرعة للبيانات ، فإن GDDR6 هي أيضًا موفرة للطاقة ، وهو أمر مهم لتشغيل السيارات ذاتية القيادة ، حيث يجب أن تكون قادرة على العمل لفترات طويلة من الوقت دون الحاجة إلى إعادة شحنها.

بشكل عام ، تعد GDDR6 تقنية مهمة لمستقبل القيادة الذاتية ، لأنها تتيح المعالجة السريعة والفعالة للكميات الكبيرة من البيانات المطلوبة لتشغيل السيارات ذاتية القيادة.

خوارزميات الذكاء الاصطناعي للسيارات والسيارات ذاتية القيادة

يتم استخدام كل من طرق التعلم الخاضعة للإشراف وغير الخاضعة للإشراف في خوارزميات الذكاء الاصطناعي الخاصة بالسيارات.

الإشراف على التعلم

التعلم الخاضع للإشراف هو نوع من التعلم الآلي يتم فيه تدريب النموذج على مجموعة بيانات معنونة ، مما يعني أن البيانات قد تم تصنيفها بالمخرجات الصحيحة. الهدف من التعلم الخاضع للإشراف هو تعلم وظيفة تقوم بتعيين المدخلات إلى المخرجات بناءً على البيانات المصنفة.

أثناء عملية التدريب ، يتم تقديم النموذج مع مجموعة من أزواج الإدخال / الإخراج ويستخدم خوارزمية تحسين لضبط المعلمات الداخلية بحيث يمكنه التنبؤ بدقة بالمخرجات عند إدخال إدخال جديد. بمجرد تدريب النموذج ، يمكن استخدامه لعمل تنبؤات بشأن بيانات جديدة غير مرئية.

يشيع استخدام التعلم الخاضع للإشراف في مهام مثل التصنيف (توقع تسمية الفصل) ، والانحدار (التنبؤ بقيمة مستمرة) ، والتنبؤ المنظم (توقع تسلسل أو ناتج منظم على شكل شجرة).

يمكن استخدام التعلم الخاضع للإشراف في السيارات ذاتية القيادة بعدة طرق. وفيما يلي بعض الأمثلة على ذلك:

• التعرف على الأشياء: يمكن استخدام خوارزميات التعلم الخاضع للإشراف لتدريب نموذج على التعرف على الأشياء في البيانات التي تم جمعها بواسطة مستشعرات السيارة ذاتية القيادة. على سبيل المثال ، يمكن تدريب النموذج على التعرف على المشاة والمركبات الأخرى وإشارات المرور وعلامات الطريق في الصور أو سحب نقطة ليدار.
• النمذجة: يمكن استخدام خوارزميات التعلم الخاضع للإشراف لتدريب نموذج للتنبؤ باحتمالية وقوع أحداث معينة في البيئة. على سبيل المثال ، يمكن تدريب النموذج على التنبؤ باحتمالية عبور أحد المشاة للطريق في موقع معين أو احتمال قيام مركبة أخرى بتغيير المسار بشكل مفاجئ.
• توقع السلوك: يمكن استخدام خوارزميات التعلم الخاضع للإشراف لتدريب نموذج للتنبؤ بسلوك مستخدمي الطريق الآخرين ، مثل المشاة والمركبات الأخرى. يمكن استخدام هذا ، على سبيل المثال ، للتنبؤ باحتمالية عبور أحد المشاة للطريق في موقع معين أو للتنبؤ باحتمالية قيام مركبة أخرى بتغيير المسار بشكل مفاجئ.

تعليم غير مشرف عليه

التعلم غير الخاضع للإشراف هو نوع من التعلم الآلي يتم فيه تدريب النموذج على مجموعة بيانات غير مسماة ، مما يعني أن البيانات لم يتم تصنيفها بالإخراج الصحيح. الهدف من التعلم غير الخاضع للإشراف هو اكتشاف الأنماط أو العلاقات في البيانات ، بدلاً من التنبؤ بنتيجة معينة.

لا تملك خوارزميات التعلم غير الخاضعة للإشراف هدفًا محددًا للتنبؤ به وتستخدم بدلاً من ذلك للعثور على أنماط وعلاقات في البيانات. غالبًا ما تُستخدم هذه الخوارزميات في مهام مثل التجميع (تجميع نقاط البيانات المتشابهة معًا) ، وتقليل الأبعاد (تقليل عدد الميزات في البيانات) ، واكتشاف الشذوذ (تحديد نقاط البيانات غير العادية أو التي لا تتناسب مع بقية بيانات).

يمكن استخدام التعلم غير الخاضع للإشراف في السيارات ذاتية القيادة بعدة طرق. وفيما يلي بعض الأمثلة على ذلك:

• إكتشاف عيب خلقي: يمكن استخدام خوارزميات التعلم غير الخاضعة للإشراف لتحديد الأحداث غير العادية أو غير المتوقعة في البيانات التي تم جمعها بواسطة أجهزة استشعار السيارة ذاتية القيادة. على سبيل المثال ، يمكن استخدام خوارزمية تعلم غير خاضعة للإشراف لتحديد أحد المشاة الذين يعبرون الطريق في موقع غير متوقع أو تقوم مركبة بتغيير المسار بشكل مفاجئ.
• تجمع: يمكن استخدام خوارزميات التعلم غير الخاضعة للإشراف لتجميع البيانات التي تم جمعها بواسطة مستشعرات السيارة ذاتية القيادة ، وتجميع نقاط البيانات المتشابهة معًا. يمكن استخدام هذا ، على سبيل المثال ، لتجميع نقاط البيانات التي تتوافق مع أنواع مختلفة من أسطح الطرق أو لتجميع نقاط البيانات التي تتوافق مع ظروف حركة المرور المختلفة معًا.
• ميزة استخراج: يمكن استخدام خوارزميات التعلم غير الخاضعة للإشراف لاستخراج الميزات من البيانات التي تم جمعها بواسطة مستشعرات السيارة ذاتية القيادة. على سبيل المثال ، يمكن استخدام خوارزمية التعلم غير الخاضعة للإشراف لتحديد الميزات في سحابة نقطة ليدار التي تتوافق مع حواف الكائنات في البيئة أو لتحديد الميزات في الصورة التي تتوافق مع حواف الكائنات في المشهد.

مستويات الحكم الذاتي في السيارات ذاتية القيادة

يتم تصنيف السيارات ذاتية القيادة بشكل عام وفقًا لمستويات الأتمتة ، والتي تتراوح من المستوى 0 (بدون أتمتة) إلى المستوى 5 (ذاتية القيادة بالكامل). يتم تحديد مستويات الأتمتة من قبل جمعية مهندسي السيارات (SAE) وهي كما يلي:

المستوى 0: لا أتمتة

يتحكم السائق بشكل كامل في السيارة في جميع الأوقات.

المستوى 1: مساعدة السائق

تحتوي السيارة على بعض الوظائف الآلية ، مثل الحفاظ على المسار أو التحكم التكيفي في ثبات السرعة ، ولكن يجب على السائق أن يظل يقظًا ومستعدًا للتحكم في أي وقت.

المستوى 2: الأتمتة الجزئية

تحتوي السيارة على وظائف آلية أكثر تقدمًا ، مثل القدرة على التحكم في تسارع السيارة ، والفرملة ، وتوجيه السيارة ، ولكن لا يزال يتعين على السائق مراقبة البيئة والاستعداد للتدخل إذا لزم الأمر.

المستوى 3: التشغيل الآلي الشرطي

تكون السيارة قادرة على أداء جميع مهام القيادة في ظل ظروف معينة ، ولكن يجب أن يكون السائق جاهزًا لتولي السيطرة إذا واجهت السيارة موقفًا لا يمكنها التعامل معه.

المستوى 4: أتمتة عالية

تكون السيارة قادرة على أداء جميع مهام القيادة في ظل مجموعة واسعة من الظروف ، ولكن قد يظل السائق مطالبًا بالتحكم في مواقف معينة ، مثل الطقس السيئ أو في بيئات القيادة المعقدة.

المستوى الخامس: أتمتة كاملة

السيارة قادرة على أداء جميع مهام القيادة تحت أي ظروف ، والسائق غير مطالب بالتحكم.

وتجدر الإشارة إلى أن السيارات المستقلة لم تصل بعد إلى المستوى الخامس ، وليس من الواضح متى ستصل إلى هذا المستوى. معظم السيارات ذاتية القيادة الموجودة حاليًا على الطريق في المستوى 5 أو أقل.

السيارات ذاتية القيادة: إيجابيات وسلبيات

تتمتع السيارات ذاتية القيادة بإمكانية تحقيق العديد من الفوائد ، ولكن هناك أيضًا بعض التحديات التي يجب معالجتها قبل أن تنتشر على نطاق واسع.

الايجابيات

• حوادث مخفضة: تتمتع السيارات ذاتية القيادة بإمكانية الحد بشكل كبير من عدد الحوادث الناجمة عن الخطأ البشري ، مما قد يؤدي إلى عدد أقل من الوفيات والإصابات على الطريق.
• تحسين تدفق حركة المرور: يمكن للسيارات ذاتية القيادة تحسين تدفق حركة المرور وتقليل الازدحام من خلال التواصل مع بعضها البعض واتخاذ قرارات في الوقت الفعلي لتحسين طرقها وسرعاتها.
• زيادة الحركة: يمكن أن تزيد السيارات ذاتية القيادة من حركة الأشخاص غير القادرين على القيادة بسبب العمر أو الإعاقة أو عوامل أخرى.
• فوائد بيئية: يمكن للسيارات ذاتية القيادة أن تقلل من استهلاك الوقود والانبعاثات ، مما قد يكون له تأثير إيجابي على البيئة.

سلبيات

• الموثوقية والسلامة مخاوف: هناك مخاوف بشأن موثوقية وسلامة السيارات ذاتية القيادة ، خاصة في مواقف القيادة المعقدة أو غير المتوقعة.
• فقدان الوظيفة: من المحتمل أن تؤدي السيارات ذاتية القيادة إلى فقدان الوظائف للسائقين البشريين ، مثل سائقي سيارات الأجرة والشاحنات.
• القضايا الأخلاقية والقانونية: هناك مسائل أخلاقية وقانونية يجب أخذها في الاعتبار ، مثل كيفية ضمان سلامة الركاب والمشاة وكيفية التعامل مع المسؤولية في حالة وقوع حادث.
• مخاطر الأمن السيبراني: قد تكون السيارات ذاتية القيادة عرضة للهجمات الإلكترونية ، مما قد يعرض سلامتها وخصوصيتها للخطر.

أمثلة من الحياة الواقعية للسيارات ذاتية القيادة

هناك العديد من الأمثلة على السيارات ذاتية القيادة التي يتم تطويرها أو التي هي بالفعل على الطريق:

Waymo

Waymo هي شركة سيارات ذاتية القيادة مملوكة لشركة Alphabet ، الشركة الأم لـ Google. يتم اختبار سيارات Waymo المستقلة على الطرق العامة في العديد من المدن في الولايات المتحدة ، بما في ذلك فينيكس وأريزونا وديترويت بولاية ميشيغان.

[المحتوى جزءا لا يتجزأ]

تسلا الطيار الآلي

تسلا الطيار الآلي هو نظام قيادة شبه مستقل متوفر في بعض موديلات تسلا. على الرغم من أنها ليست ذاتية القيادة بالكامل ، إلا أنها تتيح للسيارة التعامل مع بعض مهام القيادة ، مثل الحفاظ على المسار وتغيير المسار ، بأقل قدر من المدخلات من السائق.

[المحتوى جزءا لا يتجزأ]

رحلة بحرية

رحلة بحرية هي شركة سيارات ذاتية القيادة مملوكة لشركة جنرال موتورز. يتم اختبار سيارات كروز ذاتية القيادة على الطرق العامة في سان فرانسيسكو ، كاليفورنيا وفينيكس ، أريزونا.

[المحتوى جزءا لا يتجزأ]

فجر

فجر هي شركة سيارات ذاتية القيادة تعمل على تطوير تقنية المركبات المستقلة لاستخدامها في مجموعة متنوعة من التطبيقات ، بما في ذلك سيارات الركاب ومركبات التوصيل والنقل العام. يتم اختبار سيارات Aurora ذاتية القيادة على الطرق العامة في عدة مدن في الولايات المتحدة.

[المحتوى جزءا لا يتجزأ]

الوجبات الرئيسية

• يلعب الذكاء الاصطناعي دورًا مهمًا في تطوير وتشغيل السيارات ذاتية القيادة.
• يمكّن الذكاء الاصطناعي السيارات ذاتية القيادة من استشعار بيئتها وإدراكها والتنقل فيها ، فضلاً عن اتخاذ قرارات في الوقت الفعلي بناءً على البيانات التي تم جمعها من أجهزة الاستشعار الخاصة بها.
• يستخدم التعلم العميق ، وهو نوع من التعلم الآلي الذي يتضمن تدريب الشبكات العصبية الاصطناعية على مجموعات البيانات الكبيرة ، على نطاق واسع في تطوير السيارات ذاتية القيادة.
• يتم تصنيف السيارات ذاتية القيادة بشكل عام وفقًا لمستويات الأتمتة ، والتي تتراوح من المستوى 0 (بدون أتمتة) إلى المستوى 5 (ذاتية القيادة بالكامل).
• تقع معظم السيارات ذاتية القيادة الموجودة حاليًا على الطريق في المستوى 4 أو أقل ، مما يعني أنها قادرة على أداء جميع مهام القيادة في ظل ظروف معينة ، ولكن يجب أن يكون السائق جاهزًا للتحكم إذا لزم الأمر.
• تتمتع السيارات ذاتية القيادة بإمكانية الحد بشكل كبير من عدد الحوادث الناجمة عن الخطأ البشري ، مما قد يؤدي إلى عدد أقل من الوفيات والإصابات على الطريق.
• يمكن للسيارات ذاتية القيادة تحسين تدفق حركة المرور وتقليل الازدحام من خلال التواصل مع بعضها البعض واتخاذ قرارات في الوقت الفعلي لتحسين طرقها وسرعاتها.
• يمكن أن تزيد السيارات ذاتية القيادة من حركة الأشخاص غير القادرين على القيادة بسبب العمر أو الإعاقة أو عوامل أخرى.
• يمكن للسيارات ذاتية القيادة أن تقلل من استهلاك الوقود والانبعاثات ، مما قد يكون له تأثير إيجابي على البيئة.
• هناك تحديات يجب مواجهتها قبل انتشار السيارات ذاتية القيادة ، بما في ذلك تطوير أنظمة ذكاء اصطناعي موثوقة وآمنة بما يكفي للاستخدام على الطرق العامة ، فضلاً عن القضايا التنظيمية والقانونية والأخلاقية.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
• المصدر https://dataconomy.com/2022/12/artificial-intelligence-and-self-driving/