W Polsce zostanie stworzony symulator uczenia autonomicznych samochodów
Inteligentne auta, które zapewniają poziom bezpieczeństwa, nie są tylko zasługą programistów odpowiedzialnych za stworzenie systemów rozpoznawania i analizy obrazu. Równie istotną rolę w procesie tworzenia oprogramowania dla pojazdów tego typu pełnią algorytmy uczenia maszynowego.
Jednym z największych graczy na rynku sztucznej inteligencji jest Google. Korporacja przez lata zdobywała doświadczenie w dziedzinie uczenia maszynowego, doskonaląc swoje algorytmy wyszukujące, a teraz za pośrednictwem spółki-córki DeepMind chce wejść na rynek motoryzacyjny. Inżynierowie DeepMind zaangażowali się w prace nad oprogramowaniem, które usprawni funkcjonowanie autonomicznych pojazdów od Waymo. Zespoły programistów z obu firm opracowały nowe narzędzia szkoleniowe wykorzystujące algorytmy uczenia maszynowego. Oprogramowanie uruchamiane jest na kilku symulatorach, a następnie każda wersja przechodzi niezależny proces szkolenia oraz testów. Kiedy te zakończą się, wdraża się najlepsze poprawki i ujednolica oprogramowanie. Następnie cały proces powtarza się wielokrotnie, aby otrzymać algorytm popełniający statystycznie najmniej błędów.
Jak działa autonomiczny pojazd?
– Standardowo samochód autonomiczny pobiera informacje o świecie za pomocą sensora, w komputerze pokładowym generuje decyzję i aplikuje ją w systemie sterowania. Podmieniamy zewnętrzny świat, sensory i sterowanie na ich wirtualne odpowiedniki. W ten sposób oprogramowanie jest dokładnie takie samo, jak w samochodzie, a potem może być wgrane do docelowego samochodu. Nauka nie ma ograniczeń czasowych. Samochód musi się dostosowywać do nowych przepisów, nowego kraju, nowych zwyczajów kierowców. Kiedy zdarza się jakiś wypadek, którego nikt wcześniej nie przewidział, trzeba po raz kolejny przetrenować to samo zdarzenie w tysiącach wariantów – mówi prezes zarządu Intelicar.
Z nieco innej strony do procesu szkolenia podeszli naukowcy z MIT Media Lab. Badacze od kilku lat prowadzą masowy internetowy eksperyment Moral Machine. W tym teście jednokrotnego wyboru każdy chętny może partycypować w procesie doskonalenia samochodowej sztucznej inteligencji. W ramach Moral Machine uczestnikom prezentuje się kilka problemów moralnych, z którymi mogą się w przyszłości zmagać systemy autonomiczne. Badacze mają za zadanie wskazać, których uczestników ruchu drogowego powinno uśmiercić inteligentne auto, gdyby tuż przed przejściem dla pieszych doszło do awarii hamulców. Projekt ma na celu stworzenie cyfrowego odpowiednika ludzkiej moralności dla pojazdów autonomicznych.
Uczenie maszynowe
Inżynierowie z Intelicar postanowili z kolei usprawnić sam proces tworzenia narzędzi do nauczania sztucznej inteligencji. Firma opracowała algorytm częściowo automatyzujący tworzenie systemów uczenia maszynowego na potrzeby rynku motoryzacyjnego. Dzięki niemu firma może dostarczać symulatory wyspecjalizowane do pracy w ściśle określonych warunkach.
– Mamy technologię, dzięki której możemy bardzo szybko odwzorowywać realne miasta w wirtualnym świecie na podstawie danych geograficznych, zapełniać je ruchem drogowym. Dzięki temu klient nie musi ręcznie, żmudnie przygotowywać scenariuszy tych symulacji i to prowadzi do jeszcze większego przyspieszenia procesu – zauważa Adam Rzepka. Według analityków z firmy MarketsandMarkets wartość globalnego rynku uczenia maszynowego w 2016 r. przekroczyła miliard dolarów. Przewiduje się, że do 2022 r. wzrośnie ona do 8,8 mld dol. przy średniorocznym tempie wzrostu na poziomie przeszło 44%.
Źródło: Newseria
