Πόσο κοντά είναι πραγματικά τα αυτόνομα οχήματα;

Μπορεί διάφοροι CEO να υποστηρίζουν ότι τα αυτόνομα οχήματα είναι μόλις μερικούς μήνες μακρυά, αλλά πολλοί αναλυτές αντιμετωπίζουν το θέμα με μεγάλο σκεπτικισμό. 

Το 2015, ο Elon Musk προέβλεψε ότι η Tesla θα έχει λανσάρει στην αγορά πλήρως αυτόνομα οχήματα μέχρι το 2018. Παρόμοια ήταν και η σχετική  πρόβλεψη της Google τότε. Σήμερα, ένα βήμα πριν το 2019, τα level 4 συστήματα της Delphi και MobileEye είναι σχεδόν έτοιμα, η Nutonomy είναι κοντά στο να αναπτύξει ένα στόλο χιλιάδων αυτόνομων ταξί στη Σιγκαπούρη, και η General Motors ανακοίνωσε το πλάνο παραγωγής για το νέο χρόνο στο οποίο περιλαμβάνεται και ένα μοντέλο που δεν θα έχει καν τιμόνι. Όλα τα παραπάνω αναδεικνύουν ξεκάθαρα το γεγονός ότι πέρα από τις προβλέψεις που γίνονται, υπάρχουν πραγματικές επενδύσεις που ποντάρουν στο ότι το λογισμικό θα είναι ικανό να αντεπεξέλθει στις προσδοκίες. Παρά τα όσα προβλήματα με τα ατυχήματα που προκλήθηκαν από αδυναμίες των συστημάτων αυτόνομης οδήγησης, η αλήθεια είναι ότι σήμερα είμαστε πιο κοντά από ποτέ σε ένα όνειρο που έμοιαζε κάποτε άπιαστο. Ή μήπως παραμένει;

Αναλυτές υποστηρίζουν ότι υπάρχει μια αυξανόμενη ανησυχία στην αυτοκινητοβιομηχανία και όσους επενδύουν στα συστήματα αυτόνομης οδήγησης, και ο λόγος είναι ότι μπορεί τελικά να περάσουν δεκαετίες προτού δούμε πραγματικά ασφαλή αυτόνομα συστήματα οδήγησης. Καθώς η τεχνητή νοημοσύνη παλεύει να αντεπεξέλθει με τον χαοτικό αριθμό λεπτομερειών που κάνουν τη διαφορά στο δρόμο, αναλυτές όπως ο Gary Marcus του New York University θεωρούν ότι ίσως θα πρέπει πλέον να αναθεωρήσουμε τις προσδοκίες μας, ενώ προσθέτει ότι μεγάλες καθυστερήσεις στην ανάπτυξη πραγματικά ικανών συστημάτων αυτόνομης οδήγησης μπορεί να αποδειχθούν καταστροφικές για τις εταιρίες που επένδυσαν σε αυτά. 

Η αισιοδοξία αυτών των εταιριών όμως έχει βάση τα τεράστια άλματα προόδου που έχουν γίνει τα τελευταία δέκα χρόνια στον τομέα του deep learning AI, κάτι που έχει αλλάξει ήδη πολλά πράγματα και εκτός αυτοκίνησης. Αλγόριθμοι που αναλύουν τεράστια μεγέθη δεδομένων έχουν μάθει πλέον πως να μας προσφέρουν καλύτερα αποτελέσματα αναζήτησης στη Google, να αναγνωρίζουν πρόσωπα σε φωτογραφίες του Facebook, να προβλέπουν σεισμούς, καρδιακές παθήσεις, και να μας κερδίζουν στο Go. Όσο περισσότερα δεδομένα, και όσο διαφορετικά είναι ποιοτικά μεταξύ τους, τόσο πιο ισχυρό θα καταλήξει να γίνει ένα AI που τα έχει στη διάθεσή του. Τι γίνεται όμως στην περίπτωση της οδήγησης, όπου τα δεδομένα είναι περιορισμένα σε σχέση με τις πρακτικά άπειρες πιθανότητες διαφορετικών καταστάσεων;

Η τεχνητή νοημοσύνη deep learning μπορεί να μάθει κάτι όταν το έχει συναντήσει σαν δεδομένο για αρκετές φορές. Για παράδειγμα, ένα τέτοιο AI δε θα μπορούσε να ξεχωρίσει μια αγριόγατα από μια γάτα, ή ακόμη και από άλλα πολύ διαφορετικά αιλουροειδή. Αυτό ονομάζεται το πρόβλημα της γενίκευσης στην τεχνητή νοημοσύνη, και φαίνεται πως είναι πολύ σοβαρότερο και πολύπλοκο απ’ ότι πίστευαν τα προηγούμενα χρόνια οι ερευνητές. Πρόσφατες έρευνες δείχνουν ότι τα συμβατικά συστήματα τεχνητής νοημοσύνης είναι ανίκανα να γενικεύσουν ακόμη και ανάμεσα σε καρέ βίντεο, όπως φαίνεται από το παρακάτω βίντεο. Το ΑΙ που καλείται να αναγνωρίσει το είδος ζώου που απεικονίζεται αλλάζει άποψη ακόμη και με ελάχιστες αλλαγές στην εικόνα. 

Το πιο πρόσφατο παράδειγμα αποτυχίας των deep learning AI ήταν τα chat bots. Ενώ οι εταιρίες που τα ανέπτυσσαν υπόσχονταν ότι μέχρι το 2015 θα υπάρχουν παντού, βλέπουμε ότι πλέον ελάχιστες εταιρίες επενδύουν σε αυτά. Το πρόβλημά τους ήταν πως η συλλογή και η ανάλυση δεδομένων δεν τα καθιστούσε αρκετά ικανά να κάνουν μια συζήτηση σε ευρύ πλαίσιο με κάποιον. Το ερώτημα που απορρέει από αυτή την αποτυχία των chat bot, είναι το κατά πόσον τα συστήματα αυτόνομης οδήγησης θα καταφέρουν να ξεπεράσουν τα προβλήματα γενίκευσης ή θα παραμείνουν ένα όνειρο όπως τα πρώτα. Είναι η οδήγηση ένα ζήτημα γενίκευσης ή παρεμβολής; Πόσο απρόβλεπτη είναι η διαδικασία της οδήγησης αλήθεια;

Σύμφωνα με τον Marcus, είναι νωρίς για να απαντήσουμε σε αυτό το ερώτημα. “Αυτή τη στιγμή, τα αυτόνομα οχήματα είναι ένα πείραμα που θα μας δώσει την απάντηση. Ποτέ πριν δεν φτάσαμε στο σημείο αυτοματοποίησης της οδήγησης που έχουμε φτάσει σήμερα, οπότε δεν ξέρουμε ακόμη την πολυπλοκότητά του. Το πρόβλημα με τα deep learning AI σήμερα δεν είναι η οδήγηση σε γνώριμο περιβάλλον, αλλά σε απρόβλεπτες καταστάσεις εξαιρετικά μεγάλης πολυπλοκότητας. Αυτό είναι κάτι που η σχετική βιομηχανία δε θέλει να παραδεχθεί σήμερα.” 

Τα νέα των τελευταίων ετών βρίθουν ατυχημάτων αυτόνομων οχημάτων σε “περίεργες” και πιο πολύπλοκες από το σύνηθες συνθήκες. Σε κάποιες περιπτώσεις, η ανάλυση δεδομένων έδειξε αναποφασιστικότητα του συστήματος ως προς το τι συμβαίνει, σε άλλες έδειξε απενεργοποίηση των συστημάτων ασφαλείας λόγο αντικρουόμενων δεδομένων, και σε κάποιες δεν βγήκαν καν συμπεράσματα. Κάθε ατύχημα φαίνεται πως ήταν μια περίπτωση που δεν καλύφθηκε από τον μεγάλο όγκο δεδομένων με τα οποία τροφοδότησαν οι μηχανικοί ανάπτυξης τα συστήματα αυτόνομης οδήγησης, και απ’ ότι φαίνεται οι περιπτώσεις που δεν καλύπτονται από δεδομένα είναι αρκετές. Από τα 275 εκατομμύρια μίλια χωρίς ατύχημα που θεωρείται ο μέσος όρος για έναν άνθρωπο οδηγό, τα αυτόνομα οχήματα φαίνεται να έχουν κυμανθεί στα 130 εκατομμύρια μίλια μέχρι τώρα, μια επίδοση πολύ χαμηλότερη από το στόχο. 

Οι λύσεις σε αυτό είναι θεωρητικά πολλές, και η κάθε εταιρία έχει τη δική της προσέγγιση. Η Waymo για παράδειγμα ενσωματώνει κανόνες οδικής συμπεριφοράς που αφορούν συγκεκριμένες καταστάσεις και περιπτώσεις, διατηρώντας κατά τα άλλα τις ικανότητες της τεχνητής νοημοσύνης που αναπτύσσουν. Αυτός ο συνδυασμός παλαιάς και νέας τεχνολογίας μπορεί να είναι η απάντηση στο πρόβλημα. Άλλοι, όπως ο Andrew Ng - πρώην μέλος του Baidu, υποστηρίζουν ότι αυτό που χρειάζεται να γίνει δεν είναι να κάνουμε τα αυτόνομα αυτοκίνητα ασφαλέστερα για το υπάρχον περιβάλλον, αλλά το περιβάλλον ασφαλέστερο για τα αυτόνομα αυτοκίνητα. Με άλλα λόγια, να φτιάξουμε καταλληλότερους δρόμους και να εξασφαλίσουμε ότι οι πεζοί ακολουθούν τους κανόνες του κώδικα οδικής κυκλοφορίας. Τέλος, υπάρχουν και αυτοί όπως η Ann Miura-Ko του Lyft που υποστηρίζει ότι είναι πολύ απλά μη ρεαλιστικό να περιμένουμε ότι η αυτόνομη οδήγηση θα περάσει από το level 0 στο level 5 σε μερικά χρόνια, και να θεωρούμε οτιδήποτε άλλο αποτυχία. 

Αυτή τη στιγμή, οι εταιρίες που αναπτύσσουν συστήματα αυτόνομης οδήγησης έχουν καταλήξει ότι ο δρόμος είναι η τεχνητή νοημοσύνη, οπότε και επικεντρώνονται σε συλλογή και ανάλυση όσο περισσότερων δεδομένων γίνεται. Όλες οι εταιρίες θεωρούν ότι αυτή που θα κάνει τα περισσότερα χιλιόμετρα δοκιμών θα είναι και στην αιχμή των εξελίξεων, έχοντας το πιο ικανό AI. Κανείς δεν γνωρίζει αν όντως αυτό θα αρκεί τελικά για να φτάσουν τα AI στο επίπεδο που όλοι θέλουμε, αλλά οι ελπίδες όλων εναποτίθενται σε αυτή την μεθοδολογία ανάπτυξης.

TheVerge

Διαβάστε ολόκληρο το άρθρο

Τουλάχιστον μια δεκαετία ίσως και παραπάνω,εξαρτάται από την εξέλιξη των συστημάτων και του ανάλογου software.Δυσκολα θα πάρουν άδεια να κυκλοφορήσουν στον δρόμο εάν δεν αποδείξουν ότι είναι ασφαλές τοσο για τους επιβάτες οσο και για τους πεζούς.

τόσο κοντά που μπορεί να γίνεις σάντουιτς στον δρόμο.... Πάντως σε 10-20 χρόνια θα οδηγάμε (τουλάχιστον σε χώρες με μια κάποια υποδομή) πια μόνο για χόμπυ.

αυτόματη οδήγηση; ή αυτόματη πτήση με drones;

ή και τα 2;


θα αποφασίζει για εμάς ένας υπολογιστής αυτόματα... εκεί οδηγούμαστε...

Ο ανθρωπος ειναι απροβλεπτος παραγοντας , και ως εκ τουτου αναντικαταστατος

Στο μέλλον θα έχουμε 3 επιλογές αυτόνομης οδήγησης :

1. Οικονομική. 

2. Comfort.

3. GKDE (Greek kanguras driving expirience)

Ασχολουμε με προγραμματισμό και μπορω να πω οτι ακόμη και οι προγραμματιστες δεν καταλαβαινουν AI. Και οσο πιο πολυπλοκο ειναι το software τοσο πιο πολλα bugs και crashes συμβαινουν.

Αν πάρουμε για παράδειγμα τα bugs στα windows 10 σκεφτείτε τι θα γίνει στο AI που είναι χιλιάδες φορές πιο πολύπλοκο.

Όσο κοντά είναι και οι δρόμοι που δεν θα έχουν πεζούς και ανθρώπους οδηγούς.

9 minutes ago, jimmyl said:

Ο ανθρωπος ειναι απροβλεπτος παραγοντας , και ως εκ τουτου αναντικαταστατος

Πρώτον, δεν προκύπτει από πουθενά ότι ο απρόβλεπτος είναι και επιθυμητός, πόσο μάλλον αναντικατάστατος.

Δεύτερον, στις καταστάσεις που ο άνθρωπος είναι απρόβλεπτος (δηλαδή αυτές στις οποίες δεν έχει ήδη εμπειρία και γνώση), και τα AI απρόβλεπτα είναι.

2 λεπτά πριν, defacer είπε

Πρώτον, δεν προκύπτει από πουθενά ότι ο απρόβλεπτος είναι και επιθυμητός, πόσο μάλλον αναντικατάστατος.

Δεύτερον, στις καταστάσεις που ο άνθρωπος είναι απρόβλεπτος (δηλαδή αυτές στις οποίες δεν έχει ήδη εμπειρία και γνώση), και τα AI απρόβλεπτα είναι.

Εμπειρια και γνωση δεν εγγυωνται την προβλεψιμοτητα , και τα ΑΙ καλως η κακως δεν γινεται να υπαρξουν χωρις τον ανθρωπο

2 λεπτά πριν, jonnis44gt είπε

Για να εχουμε αυτονομα οχηματα χρειαζετε να εχουμε και της αναλογες υποδομες αυτο θα γινει αρχικα σε καποια σοβαρα κρατη και καποιες πολεις που θα εχουνε σοβαρες υποδομες .τωρα για την μπανανια που  ζουμε που θελει να λεγετε και χωρα ας το αφησουμε καλυτερα το θεμα ...στα σοβαρα κρατη  και βλεπουμε...

Δεν αντιλεγω φιλτατε

Στην A.I. υπάρχει και μία ακόμα παράμετρος: η ηθική. Αν την κρίσιμη στιγμή ο υπολογιστής πρέπει να κρίνει πια είναι η λιγότερο ή περισσότερο αποδεκτή επιλογή - να πέσει πάνω σε μια παρέα παιδιών ή μία έγκυο γυναίκα (χωρίς να υπάρχει δυνατότητα αποφυγής), με ποιο κριτήριο θα αποφασίσει;

Μόλις τώρα, T64 είπε

Στην A.I. υπάρχει και μία ακόμα παράμετρος: η ηθική. Αν την κρίσιμη στιγμή ο υπολογιστής πρέπει να κρίνει πια είναι η λιγότερο ή περισσότερο αποδεκτή επιλογή - να πέσει πάνω σε μια παρέα παιδιών ή μία έγκυο γυναίκα (χωρίς να υπάρχει δυνατότητα αποφυγής), με ποιο κριτήριο θα αποφασίσει;

Αυτά θα λυθούν με την AI. Θα θέλες να νεκροφιλησεις το παιδί σου επειδή έπεσε μεθυσμένος η κοιμισμένος κάποιος πάνω του? Αυτόνομη οδήγηση για μένα σίγουρα πολύ μεγαλύτερη ασφάλεια.Αυτα μου έχει διδάξει η εμπειρία από esp abs hill holder αυτοματα κιβωτια + τόσες ακόμα safe επιλογές που έχουμε στα αυτοκίνητα.

4 λεπτά πριν, T64 είπε

Στην A.I. υπάρχει και μία ακόμα παράμετρος: η ηθική. Αν την κρίσιμη στιγμή ο υπολογιστής πρέπει να κρίνει πια είναι η λιγότερο ή περισσότερο αποδεκτή επιλογή - να πέσει πάνω σε μια παρέα παιδιών ή μία έγκυο γυναίκα (χωρίς να υπάρχει δυνατότητα αποφυγής), με ποιο κριτήριο θα αποφασίσει;

Κεφαλαιωδες ζητημα , καλα κανεις και το αναφερεις , ποιος ειναι αυτος που θα θεσει τα κριτηρια ;

23 λεπτά πριν, jimmyl είπε

Κεφαλαιωδες ζητημα , καλα κανεις και το αναφερεις , ποιος ειναι αυτος που θα θεσει τα κριτηρια ;

Γιατί τώρα υπάρχουν κριτήρια? Αυτά τα ερωτήματα είναι περισσότερο φιλοσοφικού χαρακτήρα παρά πραγματικού. Εάν είχες αρκετό χρόνο ώστε να δεις, να επεξεργαστείς, να αποφασίσεις μεταξύ δυο καταστάσεων, να βρεις τον καλύτερο τρόπος αντιμετώπισης και να πράξεις ανάλογα, θα είχες και αρκετό χρόνο για να σταματήσεις! Αντιδράς ενστικτωδώς στο πρώτο εμπόδιο, και συνήθως αντιδράς και λάθος, και πράττεις ανάλογα με την συμπεριφορά του αυτοκινήτου σε μια κρίσιμη κατάσταση εάν και εφόσον το αυτοκίνητο είναι ελέγξιμο.  

Αυτοκίνητα είναι. Δεν είναι robot διασώσεων που θα πρέπει να επιλέξει μεταξύ μιας γριάς και μιας εγκύου για να βγάλει από ένα φλεγόμενο κτίριο. Το μόνο ηθικό ζήτημα που υπάρχει είναι εάν βρεις εμπόδιο και η ορατότητα στο αντίθετο ρεύμα είναι μηδέν, ρισκάρεις και μπαίνεις στο αντίθετο ρεύμα κυκλοφορίας ή βγαίνεις έξω από τον δρόμο και κτυπάς σε δέντρα, τοίχους κλπ.