Transporditaevas tehtud matš: AI ja isejuhtivad autod

Tehisintellektil (AI) on potentsiaal muuta meie sõiduviisi ning kaupade ja inimeste transportimist. Isejuhtivad autod, tuntud ka kui autonoomsed sõidukid, on teatud tüüpi sõidukid, mis kasutavad AI-d ja muid arenenud tehnoloogiaid teedel ja maanteedel navigeerimiseks ilma inimjuhti kasutamata.

Isejuhtivatel autodel on mitmeid eeliseid. Esiteks on neil potentsiaal oluliselt vähendada inimliku vea põhjustatud õnnetuste arvu. See võib põhjustada teedel vähem hukkunuid ja vigastusi. Isejuhtivad autod võiksid parandada ka liiklusvoogu ja vähendada ummikuid, kuna nad suudavad omavahel suhelda ja reaalajas otsuseid teha, et optimeerida oma marsruute ja kiirust.

Lisaks võivad isejuhtivad autod avaldada positiivset mõju keskkonnale, vähendades kütusekulu ja heitgaase. Samuti võivad need suurendada nende inimeste liikuvust, kes ei saa vanuse, puude või muude tegurite tõttu juhtida.

Kuidas kasutatakse tehisintellekti isejuhtivates autodes?

Enne isejuhtivate autode laialdast levikut tuleb lahendada veel palju väljakutseid. Üks peamisi väljakutseid on AI-süsteemide väljatöötamine, mis on piisavalt usaldusväärsed ja ohutud, et neid avalikel teedel kasutada. Kaaluda tuleb ka regulatiivseid, juriidilisi ja eetilisi küsimusi, näiteks kuidas tagada reisijate ja jalakäijate ohutus ning kuidas käsitleda vastutust õnnetusjuhtumi korral.

Vaatamata nendele väljakutsetele liigub isejuhtivate autode areng kiires tempos. Paljud ettevõtted, sealhulgas traditsioonilised autotootjad ja tehnoloogiafirmad, investeerivad tehnoloogiasse palju ning isejuhtivaid autosid katsetatakse juba mõnes piirkonnas avalikel teedel. Tõenäoliselt näeme lähiajal teedel ka isejuhtivaid autosid, kuigi on raske ennustada, millal need täpselt levima hakkavad.

Tehisintellekt autotööstuses

Siin on mõned viisid, kuidas tehisintellekti isesõitvates autodes kasutatakse:

Tajumine ja tajumine

Isejuhtivad autod kasutavad ümbritseva kohta andmete kogumiseks mitmesuguseid andureid, nagu kaamerad, lidar, radar ja ultraheliandurid. Seejärel töödeldakse ja analüüsitakse neid andmeid AI-algoritmide abil, et luua üksikasjalik keskkonnakaart ja tuvastada objekte, nagu jalakäijad, muud sõidukid, foorid ja liiklusmärgid.

Otsuse tegemine

Isejuhtivad autod kasutavad tehisintellekti, et teha oma anduritelt kogutud andmete põhjal reaalajas otsuseid. Näiteks kui isejuhtiv auto tuvastab teed ületava jalakäija, kasutab ta tehisintellekti, et määrata kindlaks parim toimimisviis, näiteks aeglustada või peatuda.

Ennustav modelleerimine

Isejuhtivad autod kasutavad tehisintellekti teiste liiklejate, näiteks jalakäijate ja muude sõidukite käitumise ennustamiseks. See aitab autol võimalikke probleeme ennetada ja nende vältimiseks vastavaid meetmeid võtta.

Loomuliku keele töötlemine

Mõned isejuhtivad autod on varustatud hääletuvastustehnoloogiaga, mis võimaldab reisijatel autoga suhelda loomulikus keeles. See tehnoloogia kasutab kõnekäskude mõistmiseks ja neile reageerimiseks tehisintellekti.

Üldiselt on tehisintellekt isejuhtivate autode põhikomponent, mis võimaldab neil oma keskkonda tajuda, tajuda ja navigeerida, samuti reaalajas otsuseid teha ja muutuvatele tingimustele reageerida.

Sügav õpe isejuhtivates autodes

Süvaõpe on masinõppe tüüp, mis hõlmab tehisnärvivõrkude treenimist suurtel andmekogudel. Need närvivõrgud on võimelised õppima ja ära tundma andmete mustreid ning neid saab kasutada mitmesuguste ülesannete täitmiseks, sealhulgas pildi- ja kõnetuvastus, loomuliku keele töötlemine ja ennustav modelleerimine.

Isejuhtivate autode kontekstis kasutatakse süvaõpet sageli tehisintellektisüsteemide täpsuse ja töökindluse parandamiseks, mis võimaldavad autol navigeerida ja otsuseid langetada. Näiteks saab süvaõppe algoritme treenida suurte piltide ja videote andmehulkade põhjal, et võimaldada autol tuvastada ja klassifitseerida oma keskkonnas olevaid objekte, nagu jalakäijad, muud sõidukid ja liiklusmärgid.

---

PaddlePaddle'i süvaõpperaamistik laiendab tehisintellekti tööstuslikele rakendustele

---

Sügavat õppimist kasutatakse ka isejuhtivate autode ennustava modelleerimise täpsuse parandamiseks. Näiteks saab auto kasutada süvaõppe algoritme, et analüüsida oma andurite andmeid ja ennustada jalakäija teeületuse tõenäosust konkreetses kohas või tõenäosust, et mõni muu sõiduk teeb järsu sõidurajavahetuse.

GDDR6 tähtsus isejuhtivate autode jaoks

GDDR6 (Graphics Double Data Rate 6) on teatud tüüpi mälu, mida kasutatakse graafikatöötlusüksustes (GPU-d) andmete salvestamiseks ja töötlemiseks graafika renderdamiseks ja muudeks arvutusmahukateks ülesanneteks. Autonoomse sõidu kontekstis on GDDR6 oluline, kuna võimaldab kiirelt töödelda suuri andmemahtusid, mis on vajalikud isejuhtivate autode tööks.

Isejuhtivad autod kasutavad ümbritseva kohta andmete kogumiseks mitmesuguseid andureid, nagu kaamerad, lidar, radar ja ultraheliandurid. Seejärel töödeldakse ja analüüsitakse neid andmeid AI-algoritmide abil, et luua üksikasjalik keskkonnakaart ja tuvastada objekte, nagu jalakäijad, muud sõidukid, foorid ja liiklusmärgid. Nende ülesannete võimaldamiseks vajalik andmetöötlus ja analüüs on arvutusmahukas ning andmete kiireks salvestamiseks ja neile juurdepääsuks on vaja kiiret mälu (nt GDDR6).

Lisaks kiire andmetöötluse võimaldamisele on GDDR6 ka energiasäästlik, mis on oluline isejuhtivate autode tööks, kuna need peavad saama töötada pikka aega ilma laadimiseta.

Üldiselt on GDDR6 autonoomse sõidu tuleviku jaoks oluline tehnoloogia, kuna see võimaldab kiiresti ja tõhusalt töödelda isejuhtivate autode tööks vajalikke suuri andmemahtusid.

Autotööstuse tehisintellekti algoritmid ja isejuhtivad autod

Autotööstuse AI-algoritmides kasutatakse nii juhendatud kui ka järelevalveta õppemeetodeid.

Juhendatud õppimine

Juhendatud õpe on masinõppe tüüp, mille puhul mudelit koolitatakse märgistatud andmestiku põhjal, mis tähendab, et andmed on märgistatud õige väljundiga. Juhendatud õppe eesmärk on õppida selgeks funktsioon, mis kaardistab märgistatud andmete põhjal sisendid väljunditeks.

Treeningprotsessi käigus esitatakse mudelile sisend/väljundpaaride komplekt ja see kasutab optimeerimisalgoritmi, et kohandada oma sisemisi parameetreid nii, et see suudab uue sisendiga antud väljundit täpselt ennustada. Kui mudel on välja õpetatud, saab seda kasutada uute, seninägematute andmete prognoosimiseks.

Juhendatud õppimist kasutatakse tavaliselt selliste ülesannete jaoks nagu klassifikatsioon (klassi sildi ennustamine), regressioon (pideva väärtuse ennustamine) ja struktureeritud ennustamine (jada või puustruktuuriga väljundi ennustamine).

Juhendatud õppimist saab isejuhtivates autodes kasutada mitmel viisil. Siin on mõned näited.

• Objekti tuvastamine: Järelevalvega õppealgoritme saab kasutada mudeli koolitamiseks, et tuvastada objekte isejuhtiva auto andurite kogutud andmetes. Näiteks võiks mudelit õpetada ära tundma jalakäijaid, muid sõidukeid, foore ja liiklusmärke piltidel või lidari punktipilvedes.
• Modelleerimine: Juhendatud õppealgoritme saab kasutada mudeli treenimiseks, et ennustada teatud keskkonnas toimuvate sündmuste tõenäosust. Näiteks võiks mudelit õpetada ennustama tõenäosust, et jalakäija ületab teed konkreetses kohas, või tõenäosust, et mõni muu sõiduk teeb järsu reavahetuse.
• Käitumise ennustus: Järelevalvega õppealgoritme saab kasutada mudeli koolitamiseks, et ennustada teiste liiklejate, näiteks jalakäijate ja muude sõidukite käitumist. Seda saab kasutada näiteks selleks, et ennustada tõenäosust, et jalakäija ületab teed teatud kohas, või ennustada tõenäosust, et mõni muu sõiduk teeb järsu sõidurajavahetuse.

Järelevalveta õppimine

Järelevalveta õpe on masinõppe tüüp, mille puhul mudelit koolitatakse märgistamata andmekogumil, mis tähendab, et andmed ei ole märgistatud õige väljundiga. Järelevalveta õppimise eesmärk on avastada andmetes mustreid või seoseid, mitte ennustada konkreetset väljundit.

Järelevalveta õppealgoritmidel ei ole ennustamiseks kindlat sihtmärki ja selle asemel kasutatakse andmetest mustrite ja seoste leidmiseks. Neid algoritme kasutatakse sageli selliste ülesannete jaoks nagu rühmitamine (sarnaste andmepunktide rühmitamine), dimensioonide vähendamine (andmetes olevate funktsioonide arvu vähendamine) ja anomaaliate tuvastamine (ebatavaliste või ülejäänud andmepunktidega mittesobivate andmepunktide tuvastamine). andmed).

Järelevalveta õppimist saab isejuhtivates autodes kasutada mitmel viisil. Siin on mõned näited.

• Anomaalia tuvastamine: Järelevalveta õppealgoritme saab kasutada isejuhtiva auto andurite kogutud andmetes ebatavaliste või ootamatute sündmuste tuvastamiseks. Näiteks saab järelevalveta õppealgoritmi abil tuvastada ootamatus kohas teed ületanud jalakäija või järsult sõiduraja vahetava sõiduki.
• Klastrid: Järelevalveta õppealgoritme saab kasutada autonoomse auto andurite kogutud andmete koondamiseks, rühmitades kokku sarnased andmepunktid. Seda saab kasutada näiteks erinevat tüüpi teekatetele vastavate andmepunktide rühmitamiseks või erinevatele liiklustingimustele vastavate andmepunktide rühmitamiseks.
• Funktsiooni ekstraheerimine: Järelevalveta õppealgoritme saab kasutada isesõitva auto andurite kogutud andmetest funktsioonide eraldamiseks. Näiteks saab järelevalveta õppimisalgoritmi kasutada lidari punktipilves objektide tuvastamiseks, mis vastavad keskkonnas olevate objektide servadele, või kujutise tunnuste tuvastamiseks, mis vastavad stseeni objektide servadele.

Autonoomia tase isejuhtivates autodes

Isejuhtivad autod liigitatakse üldiselt automatiseerituse tasemete järgi alates tasemest 0 (automaatika puudub) kuni tasemeni 5 (täielikult autonoomne). Automatiseerimise tasemed on määratlenud Autoinseneride Ühing (SAE) ja need on järgmised:

Tase 0: automatiseerimine puudub

Juhil on kogu aeg sõiduki üle täielik kontroll.

Tase 1: juhiabi

Sõidukil on mõned automatiseeritud funktsioonid, nagu sõidurea hoidmine või kohanduv püsikiirusehoidja, kuid juht peab jääma tähelepanelikuks ja igal ajal valmis kontrolli üle võtma.

Tase 2: osaline automatiseerimine

Sõidukil on täiustatud automatiseeritud funktsioonid, näiteks võimalus kontrollida sõiduki kiirendust, pidurdamist ja juhtimist, kuid juht peab siiski jälgima keskkonda ja olema vajadusel valmis sekkuma.

3. tase: tingimuslik automatiseerimine

Sõiduk suudab teatud tingimustel täita kõiki sõiduülesandeid, kuid juht peab olema valmis kontrolli haarama, kui sõiduk satub olukorda, millega ta hakkama ei saa.

4. tase: kõrge automatiseeritus

Sõiduk on võimeline täitma kõiki sõiduülesandeid väga erinevates tingimustes, kuid juhilt võidakse teatud olukordades, näiteks halva ilmaga või keerulises sõidukeskkonnas, siiski nõuda kontrolli ülevõtmist.

5. tase: täielik automatiseerimine

Sõiduk suudab mistahes tingimustes täita kõiki sõiduülesandeid ning juht ei pea kontrolli üle võtma.

Väärib märkimist, et autonoomsed autod ei ole veel tasemel 5 ja pole selge, millal nad sellele tasemele jõuavad. Enamik praegu teel olevaid isejuhtivaid autosid on 4. tasemel või madalamal.

Isejuhtivad autod: plussid ja miinused

Isejuhtivad autod võivad tuua palju eeliseid, kuid on ka mõningaid väljakutseid, millega tuleb enne nende laialdast levikut tegeleda.

Plusse

• Vähem õnnetusi: Isejuhtivad autod võivad oluliselt vähendada inimlikust eksimusest põhjustatud õnnetuste arvu, mis võib kaasa tuua vähem surmajuhtumeid ja vigastusi teedel.
• Parem liiklusvoog: Isejuhtivad autod võivad parandada liiklusvoogu ja vähendada ummikuid, suheldes omavahel ja tehes reaalajas otsuseid marsruutide ja kiiruste optimeerimiseks.
• Suurenenud liikuvus: Isejuhtivad autod võivad suurendada nende inimeste liikuvust, kes ei saa vanuse, puude või muude tegurite tõttu juhtida.
• Kasu keskkonnale: Isejuhtivad autod võivad vähendada kütusekulu ja heitkoguseid, millel võib olla positiivne mõju keskkonnale.

Miinused

• Usaldusväärsuse ja ohutusega seotud probleemid: Muret valmistatakse isejuhtivate autode töökindluse ja ohutuse pärast, eriti keerulistes või ettearvamatutes sõiduolukordades.
• Töökaotus: Isejuhtivad autod võivad potentsiaalselt kaasa tuua inimjuhtide, näiteks takso- ja veoautojuhtide töökaotuse.
• Eetilised ja juriidilised küsimused: Kaaluda tuleb eetilisi ja juriidilisi küsimusi, näiteks kuidas tagada reisijate ja jalakäijate ohutus ning kuidas käsitleda vastutust õnnetusjuhtumi korral.
• Küberjulgeoleku riskid: Isejuhtivad autod võivad olla küberrünnakute suhtes haavatavad, mis võib ohustada nende turvalisust ja privaatsust.

Isejuhtivate autode näiteid elust

On mitmeid näiteid isejuhtivate autode kohta, mida arendatakse või mis on juba teel:

Waymo

Waymo on isejuhtivate autode ettevõte, mis kuulub Google'i emaettevõttele Alphabet. Waymo autonoomseid autosid katsetatakse avalikel teedel mitmes USA linnas, sealhulgas Phoenixis Arizonas ja Detroidis Michiganis.

[Varjatud sisu]

Tesla autopiloot

Tesla autopiloot on poolautonoomne sõidusüsteem, mis on saadaval teatud Tesla mudelitel. Kuigi see ei ole täielikult isejuhtiv, võimaldab see autol täita mõningaid sõiduülesandeid, nagu sõidurea hoidmine ja sõidurea vahetamine, ilma juhipoolse sekkumiseta.

[Varjatud sisu]

Cruise

Cruise on isejuhtivate autode ettevõte, mis kuulub General Motorsile. Cruise'i isejuhtivaid autosid testitakse avalikel teedel Californias San Franciscos ja Arizonas Phoenixis.

[Varjatud sisu]

Aurora

Aurora on isejuhtivate autode ettevõte, mis arendab autonoomsete sõidukite tehnoloogiat kasutamiseks mitmesugustes rakendustes, sealhulgas sõiduautodes, tarnesõidukites ja ühistranspordis. Aurora isejuhtivaid autosid testitakse mitmes USA linnas avalikel teedel.

[Varjatud sisu]

Peamised kaasavõtmised

• Tehisintellektil on isejuhtivate autode arendamisel ja toimimisel ülioluline roll.
• Tehisintellekt võimaldab isesõitvatel autodel oma keskkonda tajuda, tajuda ja navigeerida ning teha reaalajas otsuseid anduritelt kogutud andmete põhjal.
• Isejuhtivate autode arendamisel kasutatakse laialdaselt süvaõpet, masinõppe tüüpi, mis hõlmab tehisnärvivõrkude treenimist suurtel andmekogudel.
• Isejuhtivad autod liigitatakse üldiselt automatiseerituse tasemete järgi alates tasemest 0 (automaatika puudub) kuni tasemeni 5 (täielikult autonoomne).
• Enamik praegu teel olevatest isejuhtivatest autodest on 4. või madalamal tasemel, mis tähendab, et nad suudavad teatud tingimustel täita kõiki sõiduülesandeid, kuid juht peab olema vajadusel valmis juhtimine enda kätte võtma.
• Isejuhtivad autod võivad oluliselt vähendada inimlikust eksimusest põhjustatud õnnetuste arvu, mis võib kaasa tuua vähem surmajuhtumeid ja vigastusi teedel.
• Isejuhtivad autod võivad parandada liiklusvoogu ja vähendada ummikuid, suheldes omavahel ja tehes reaalajas otsuseid marsruutide ja kiiruste optimeerimiseks.
• Isejuhtivad autod võivad suurendada nende inimeste liikuvust, kes ei saa vanuse, puude või muude tegurite tõttu juhtida.
• Isejuhtivad autod võivad vähendada kütusekulu ja heitkoguseid, millel võib olla positiivne mõju keskkonnale.
• Enne isejuhtivate autode laialdast levikut tuleb lahendada väljakutseid, sealhulgas selliste tehisintellektisüsteemide väljatöötamine, mis on piisavalt usaldusväärsed ja ohutud avalikel teedel kasutamiseks, ning regulatiivsed, juriidilised ja eetilised probleemid.

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. Juurdepääs siia.
• Allikas: https://dataconomy.com/2022/12/artificial-intelligence-and-self-driving/