Key takeaways
- Bilprodusenter bruker kunstig intelligens for å lære selvkjørende biler å navigere i hverdagslige hindringer.
- Tesla avduket nylig sin nye superdatamaskin som skal brukes til å trene nevrale nett som driver Teslas autopilot.
- Å bruke AI til å trene biler kan øke sikkerheten, sier observatører.
Selvkjørende biler trenger også lærere, og kunstig intelligens (AI) kan effektivt lære disse kjøretøyene å unngå ulykker – sannsynligvis bedre enn folk.
En av de beste måtene å sende biler til Driver's Ed på er å bruke kunstig intelligens. Tesla avduket nylig sin nye superdatamaskin som skal brukes til å trene nevrale nett som driver Teslas autopilot og kommende selvkjørende AI. Og etter hvert som bilene blir mer autonome, viser det seg at de trenger mye trening.
"Ved å eksponere AI for data relatert til bilkjøring, kan AI begynne å gjenkjenne mønstre," sa Chris Nicholson, administrerende direktør i Pathmind, et selskap som bruker AI til industrielle operasjoner, i et e-postintervju. "Vis den bilder, og den kan lære hvordan fotgjengere ser ut. Vis den sekvenser av handlinger på veien, og den kan lære hva som fører til ulykker, og hvordan den kan unngå dem."
"Med de riktige dataene kan AI lage svært nøyaktige spådommer om hva den ser på," la Nicholson til. "Og hva er konsekvensene av en gitt handling, for eksempel å svinge til venstre eller akselerere i regnet, kan være."
Økende antall AI-lærere
Tesla, Audi, Toyota, GMs Cruise – nesten hver eneste store bilprodusent bruker kunstig intelligens i en eller annen form for å øke sine selvkjørende evner, sa Nicholson. Og noen ikke-bilprodusenter, som Googles Waymo, samarbeider med bilprodusenter som Chrysler Fiat for å utvikle og teste selvkjørende AI.
Andrej Karpathy, Teslas sjef for AI, avduket nylig selskapets nyeste superdatamaskin under en presentasjon på 2021-konferansen om datasyn og mønstergjenkjenning.
AI har vist seg å være mer nøyaktig enn folk i kjøresituasjoner, og det er svært sannsynlig at det vil redusere antallet ulykker betraktelig.
Klyngen bruker 720 noder med 8x NVIDIA A100 Tensor Core GPUer (5 760 GPUer tot alt) for å oppnå 1,8 eksaflops med ytelse. Hver eksaflop er lik 1 kvintillion flytepunktoperasjoner per sekund.
"Dette er en virkelig utrolig superdatamaskin," sa Karpathy, ifølge en pressemelding. "Jeg tror faktisk at når det gjelder flopper, er dette omtrent den nr. 5 superdatamaskinen i verden."
Et dypt nevr alt nettverk observerer og gir spådommer mens bilen kjører uten egentlig å kontrollere kjøretøyet. Spådommene blir registrert, og eventuelle feil eller feilidentifikasjoner blir loggført. Tesla-ingeniører bruker deretter disse forekomstene til å lage et opplæringsdatasett med vanskelige og forskjellige scenarier for å avgrense det nevrale nettverket, Resultatet er en samling på omtrent 1 million 10-sekunders klipp tatt opp med 36 bilder per sekund, tot alt ca. 1,5 petabyte med data. Det nevrale nettverket kjøres deretter gjennom disse scenariene gjentatte ganger til det fungerer uten feil. Til slutt sendes den tilbake til kjøretøyet og starter prosessen på nytt.
Sende biler tilbake til skolen
Å bruke AI kan også trene biler raskere enn noe menneske kunne, sa Aditya Pathak, en transportekspert for det profesjonelle tjenestefirmaet Cognizant, i et e-postintervju.
"I utviklingsprosessen for autonome kjøretøy er et av de kritiske trinnene datakommentarer," la han til. "Med andre ord, hvordan merkes personer, steder og ting slik at de kan gjenkjennes av kjøretøy?"
Gjøres manuelt, vil prosessen med å se gjennom dataene være tidkrevende og arbeidskrevende. "Med AI og maskinlæring er prosessen mye raskere og mer effektiv," sa Pathak.
AI må lære selvkjørende biler hvordan de skal operere i alle slags forhold, sa Anton Slesarev, ingeniørsjef ved det selvkjørende bilfirmaet Yandex, i et e-postintervju. Vær, veiarbeid, ulykker og inkonsekvent oppførsel og reaksjoner fra andre sjåfører kan bidra til uforutsigbarheten til en reise, selv for sjåfører som pendler til samme sted hver dag, la han til.
Yandex driver Europas første robottaxitjeneste og bruker allerede automatiserte leveringsroboter, Yandex-roverne, for kundeordreleveringer fra restauranter og dagligvarebutikker. Selskapet bruker maskinlæring for å hjelpe robotene sine å komme seg rundt.
"Det hjelper for eksempel å utføre viktige persepsjonsfunksjoner som å gjenkjenne veiskilt, selv når de er skjult av ting som regn eller en tregren," sa Slesarev."Eller for å gi sikkerhetsfunksjoner som å legge merke til en fotgjenger som skal krysse veien, selv om natten eller når fotgjengeren er delvis skjult av ting som parkerte biler."
Å bruke kunstig intelligens til å trene biler kan øke sikkerheten, sier observatører.
"AI har vist seg å være mer nøyaktig enn folk i kjøresituasjoner, og det er svært sannsynlig at det vil redusere antallet ulykker betydelig," sa Nicholson.
