Какую задачу машинного обучения решает искусственный интеллект когда учится управлять автомобилем
Искусственный интеллект в автомобильной индустрии: варианты использования машинного обучения для самоуправляемых транспортных средств
Рубрика: 4. Информатика
Дата публикации: 04.11.2020
Статья просмотрена: 39 раз
Библиографическое описание:
Горельчик, М. Р. Искусственный интеллект в автомобильной индустрии: варианты использования машинного обучения для самоуправляемых транспортных средств / М. Р. Горельчик. — Текст : непосредственный // Исследования молодых ученых : материалы XIV Междунар. науч. конф. (г. Казань, ноябрь 2020 г.). — Казань : Молодой ученый, 2020. — С. 8-11. — URL: https://moluch.ru/conf/stud/archive/382/16134/ (дата обращения: 10.12.2021).
В статье авторы пытаются проанализировать дальнейшие перспективы развития искусственного интеллекта в автомобильной индустрии.
Ключевые слова : искусственный интеллект, машинное обучение, транспортные средства
Самым перспективным направлением развития автомобильной индустрии считается развитие искусственного интеллекта (ИИ), который выполняет задачи по контролю и управлению транспортным средством. Большой объем данных, собранных с помощью подключенных устройств и служб, является важнейшим ключом корректной работы ИИ в любой отрасли, поскольку так система учится анализировать и выявлять человеческий фактор, что позволит ИИ думать и поступать как человек. Заключительным этапом разработки создание полностью автономных (самоуправляемых) автомобилей, а дальнейшее развитие ИИ получит посредством совершенствования к тому времени созданных алгоритмов и наращиванию вычислительных мощностей.
Следует отметить, что машинное обучение (МО) является частью общей концепции ИИ. На рис. 1 показано отношение между ИИ и МО.
Рис. 1. Отношение между ИИ и МО
При рассмотрении ИИ в автомобильной индустрии выделяют различные степени автономности, то есть способности обходиться без помощи человека — водителя. Международный орган автомобильных инженеров (SAE) определил шесть уровней автономии для беспилотных автомобилей [1]:
На рис. 2 приведена классификация степеней автономности, разработанная непосредственное SAE.
Рис. 2. Классификация степеней автономности согласно SAE
Для лучшего понимания роли ИИ в беспилотных автомобилях, следует проанализировать функции человека. Водитель использует сенсорные функции, такие как зрение и звук, для наблюдения за дорогой, дорожными знаками и другими транспортными средствами. Многолетний опыт вождения помогает водителю выработать привычку искать такие нюансы, как, например, дорожные ямы или пешеходные переходы.
Как было озвучено ранее, целью автомобильной промышленности является создание автономных автомобилей пятого уровня, способных управлять автомобилем, как опытные водители. Это означает, что у транспортных средств должны быть сенсорные функции, когнитивные функции и исполнительные способности. Процесс, который позволит достичь этого, можно разделить на три части.
Автомобильная промышленность сосредоточена не только на создании автономных ТС, работа идёт и над другими аспектами комфортных поездок на автомобиле. Они оснащаются средствами для распознавания речевых команд на основе ИИ, системами управления жестами, отслеживания взгляда и другими системами мониторинга вождения. Анализ дорожной ситуации в крупных городах позволяет избегать пробок и экономить время [2], строить маршруты [3]. Эти функции также выполняются так же, как описано в предыдущих разделах.
Искусственный интеллект и машинное обучение называют четвертой промышленной революцией. Жизни людей и их рабочие задачи стремительно изменяются, и темп изменений будет только нарастать. Около 20 лет назад ИИ можно было увидеть только в научно-фантастических фильмах, а сейчас он стал частью повседневной жизни: смартфоны, виртуальный помощник Google, приложение для совместного использования поездок Uber, и многое другое. Исходя из текущих исследований и примеров использования ИИ, с уверенностью можно ожидать значительных достижений в автомобильной промышленности в ближайшие годы.
Искусственный интеллект в automotive: гонка за автономностью
Ожидается, что в 2025 году рынок ИИ (включая системы ADAS и роботизированные автомобили) будет оцениваться в 2,75 миллиарда долларов, и из них 2,5 будут приходиться только на ADAS
Искусственный интеллект постепенно вторгается в нашу жизнь через смартфоны, умные колонки и камеры видеонаблюдения. Шумиха вокруг ИИ заставила некоторых игроков на рынке рассматривать его как сравнительно трудностижимую вторичную цель, а не основной инструмент для создания беспилотного транспорта. Кто же победил и кто проиграл в этой гонке за автономностью?
ИИ прокладывает путь для беспилотного транспорта
«ИИ постепенно вторгается в нашу жизнь, и это особенно актуально в автомобильном мире», — утверждает Йоханн Чуди, аналитик по технологиям, рынку, вычислительной технике и программному обеспечению в компании Yole Développement (сокращенно Yole). «ИИ может стать основным инструментом для создания систем беспилотной езды, хотя многие компании боятся чрезмерного ажиотажа и не опираются на интеллектуальные системы в рамках своих стратегий по созданию систем беспилотной езды».
Компании, уловившие этот аспект технологической битвы, уже вырываются вперед. Влияние COVID-19 пока непонятно, но аналитики из Yole уже сейчас утверждают, что пандемия будет иметь серьезные последствия. Скорее всего, исследования в области беспилотного транспорта будут замедлены в этом и следующем году из-за недостатка денежных средств.
Готовы ли системы ИИ к применению в автомобилестроении? Какие компании участвуют в этой гонке? Какие отношения существуют внутри этой экосистемы? Кто победит в «битве за автономность»? Какие поставщики являются ключевыми и какими технологиями они занимаются? Yole представляет свой взгляд на достижения отрасли ИИ и их применение в автомобилестроении.
Кто выигрывает в «гонке за автономностью»
Давайте взглянем на Tesla, компанию, построившую свой стек технологий беспилотной езды (включающий программное и аппаратное обеспечение) самостоятельно, и являющуюся единоличным правообладателем множества решений. Для Tesla стратегия продвижения небольшими шагами будет выгодной, поскольку она не подразумевает каких-то «побочных исследований», она скорее позволяет интегрировать отдельные проекты в общую систему (именно так компания и работает с электромобилями). Скорее всего, недавний кризис подчеркнет лидерство Tesla на рынке (которое, по некоторым оценкам, длится уже несколько лет). Во второй строке аналитики выделили OEM-производителей, разрабатывающих собственный программный стек на основе аппаратного обеспечения, поставляемого другими игроками на рынке.
Нехватка денежных средств может замедлить работу над некоторыми платформами, хотя разработка некоторых проектов длится несколько лет, и, вероятно, она не будет прервана. Даже в случае возникновения задержек, создание систем беспилотной езды является неотъемлемой частью среднесрочных стратегий OEM-производителей (это касается и Tesla). Что касается выжидающих компаний, которые не ставят автономность во главу угла, то скорее всего их исследовательские программы (если они есть) будут приостановлены до момента урегулирования кризиса. Эти компании отстанут в гонке за автономностью, и им придется полагаться на продукты других компаний, которые будут поставлять полноценные решения/функциональные системы для беспилотной езды.
Основной мотив гонки – союз ИИ и электроники
Развитие различных функциональных возможностей и повышение их сложности требует создания специальных программных решений. Во-первых, все сложнее игнорировать аспект нейронных сетей. Несмотря на то, что их фактор «черного ящика» не обсуждается в широких кругах, он может стать препятствием на пути к реализации систем по принципу «безопасность прежде всего».
Yole делает акцент на интеграции ускорителей (нейронных движков/нейронных процессоров – все это разные маркетинговые названия одной и той же архитектуры) в системы ADAS. Эти модули, которые начали появляться в процессорах мобильных телефонов, предназначены для обработки алгоритмов глубокого обучения – наиболее известный из этих алгоритмов используется в интеллектуальных системах для распознавания объектов в изображениях. В прошлом году компания Tesla интегрировала эти ускорители и ИИ в свой чип Full Self-Driving (FSD).
Большинство OEM-производителей реализуют это решение к 2021 — 2022 годам, так как в настоящее время эти устройства интегрированы во все существующие (и будут интегрироваться в будущем) чипсеты ADAS от компаний Mobileye, Xilinx, TI, Toshiba, Ambarella и Renesas. Эта тенденция к интеграции все большего количества интеллектуальных систем и, следовательно, нейронных процессоров линейно следует за развитием технологий беспилотной езды. Другие тенденции, такие как централизация, будут постепенно преобразовывать будущее вычислений.
Рынок поделен между едиными платформами и процессорами компьютерного зрения
В своем отчете «Artificial Intelligence Computing for Automotive 2020» Yole делает вывод, что рынок автомобильных интеллектуальных систем поделен между едиными платформами и процессорами для компьютерного зрения.
Пьеррик Буле, аналитик по технологиям и рынку твердотельного освещения в Yole сделал следующее заявление: «Мы предполагаем, что существует два варианта архитектуры платформ. Первый – единый чип-компьютер от Nvidia или система беспилотной езды, взятая с топовых роботизированных автомобилей (т.е. „мозг“ транспортного средства). Второй – множество процессоров компьютерного зрения с интегрированными ускорителями – этой архитектурой уже сейчас пользуются многие OEM-производители».
Между этими двумя технологиями возникнет конкуренция, и именно она определит распределение прибыли на рынке. Компания, занимающаяся маркетинговыми исследованиями и стратегическим консалтингом в своем отчете о новых технологиях и рынке пишет, что «в 2025 году рынок ИИ (включая системы ADAS и роботизированные автомобили) будет оцениваться в 2,75 миллиарда долларов, и из них 2,5 будут приходиться только на ADAS».
Yole сотрудничает с System Plus Consulting, чтобы исследовать все прорывные технологии, связанные с приложениями систем ADAS. Недавно представители System Plus взяли интервью у Джунко Йошиды из EE Times: темой разговора стали инновации в новой Audi A8. Часть этого интервью посвящена достижениям Nvidia.
Ромен Фро, генеральный директор System Plus Consulting, объясняет: «… В состав платформы входят процессоры NVIDIA Tegra K1, используемые для распознавания трафика, обнаружения пешеходов, предотвращения столкновений, обнаружения света и распознавания полос движения. Tegra K1 с восемью слоями печатных плат содержит 192 ядра Cuda – столько же, сколько NVIDIA интегрирует в один модуль SMX в графических процессорах на базе архитектуры Kepler. Эти процессоры представлены на рынке в настоящий момент и обладают поддержкой DirectX 11 и OpenGL 4.4»
«Это только начало, и проблемы, связанные с ИИ и его влиянием на автомобильную промышленность, заметны уже сейчас» — комментирует Йоханн Чуди из Yole. У некоторых компаний есть заметное преимущество, и догнать их будет сложно – особенно без интеграции систем ИИ и технологий, связанных с ними.
НПП ИТЭЛМА всегда рада молодым специалистам, выпускникам автомобильных, технических вузов, а также физико-математических факультетов любых других высших учебных заведений.
У вас будет возможность разрабатывать софт разного уровня, тестировать, запускать в производство и видеть в действии готовые автомобильные изделия, к созданию которых вы приложили руку.
В компании организован специальный испытательный центр, дающий возможность проводить исследования в области управления ДВС, в том числе и в составе автомобиля. Испытательная лаборатория включает моторные боксы, барабанные стенды, температурную и климатическую установки, вибрационный стенд, камеру соляного тумана, рентгеновскую установку и другое специализированное оборудование.
Если вам интересно попробовать свои силы в решении тех задач, которые у нас есть, пишите в личку.
Мы большая компания-разработчик automotive компонентов. В компании трудится около 2500 сотрудников, в том числе 650 инженеров.
Мы, пожалуй, самый сильный в России центр компетенций по разработке автомобильной электроники. Сейчас активно растем и открыли много вакансий (порядка 30, в том числе в регионах), таких как инженер-программист, инженер-конструктор, ведущий инженер-разработчик (DSP-программист) и др.
У нас много интересных задач от автопроизводителей и концернов, двигающих индустрию. Если хотите расти, как специалист, и учиться у лучших, будем рады видеть вас в нашей команде. Также мы готовы делиться экспертизой, самым важным что происходит в automotive. Задавайте нам любые вопросы, ответим, пообсуждаем.
9 automotive стартапов с использованием машинного и глубокого обучения
Spark – Оптимизация работы электромобилей
Британский стартап Spark занимается разработкой ПО на основе машинного обучения. Их приложение анализирует расстояние, которое электромобиль может пройти на полном заряде – оценка основана на множестве параметров вроде рельефа местности и производительности во время недавних поездок. Стоит отметить, что оценки поведения делаются как для беспилотных электромобилей, так и для управляемых человеком.
iGloble — Машинное обучения для контроля качества
Продукт индийского стартапа iGloble называется calНled Connected Design, в нем используется машинное обучение и ИИ. calНled Connected Design дорабатывает конструкции автомобильных деталей, используемых в производственном процессе. Также этот продукт оптимизирует производственные циклы и снижает время простоя с помощью прогнозирования отказов оборудования – для этого используются трехмерные симуляции, работающие в режиме реального времени.
SONICLUE – Профилактическое обслуживание на анализе звука
Израильская компания SONICLUE создает продукт, использующий машинное обучение и технологии обработки сигналов. Этот продукт позволяет инженерам и автомеханикам находить неполадки в автомобиле посредством звуковых колебаний. Дефекты и неисправности всех компонентов вызывают определенные колебания, и ПО от SONICLUE обнаруживает их, благодаря чему механик может заняться конкретным неисправным компонентом.
S O NAH – Умная парковка
Немецкий стартап S O NAH разрабатывает платформу, основанную на машинном обучении – эта платформа основана на умных датчиках, и с их помощью предоставляет информацию о наличии свободных парковочных мест. Эти датчики могут быть установлены в любой инфраструктуре, а также могут быть интегрированы с любой технологией – например с существующими системами видеонаблюдения.
Autonomous Fusion – машинное обучения для беспилотных транспортных средств
Американская компания Autonomous Fusion, ранее известная как Wheego Technologies, работает над решением, использующим технологии глубокого обучения. Продукты этой компании должны улучшить производительность систем ADAS и повысить надежность беспилотных автомобилей. Продукты компании Autonomous Fusion предсказывают характер событий, с которыми сталкивается транспортное средство и благодаря сочетанию проприетарных и открытых технологий машинного обучения позволяет транспортному средству реагировать за минимальное время.
Deep Learning
Hazen.ai — Интеллектуальная система управления дорожным движением
Hazen.ai — это стартап из Саудовской Аравии, занимающийся разработкой умных дорожных камер. Эти камеры анализируют видеопоток и используют методы глубокого обучения для обнаружения опасного вождения. Анализ проводится в режиме реального времени, благодаря чему действия водителей распознаются, и нарушителям автоматически отправляются предупреждения и штрафы.
RoadE – Отслеживание состояния транспортных средств
Индийский стартап RoadE разрабатывает системы прогнозирования профилактического обслуживания для автомобилей. Утилита обработки видеосигнала от RoadE основана на глубоком обучении и анализе видеопотока, в то время как платформа Auto Smart для круглосуточного мониторинга состояния автомобиля использует сочетание машинного и глубокого обучения. Таким образом, компания может предсказать необходимость технического обслуживания, благодаря чему автомобиль не будет простаивать лишнее время в автосервисе.
Univrses – Беспилотные транспортные средства
Шведский стартап Unvrses разрабатывает решения в области компьютерного зрения для городской среды. Платформа 3DAI City основана на их собственном движке 3DAI, и в ней используются видеокамеры, установленные в общественном транспорте. По мере движения транспорта по маршруту, платформа собирает различные данные, которые позже используются для улучшения систем распознавания объектов в беспилотных автомобилях.
MDGo — Управление клиентскими данными
Израильский стартап MDGo использует глубокое обучение и набор датчиков в своем решении, собирающем данные об автомобилях во время ДТП. ПО от MDGo анализирует столкновение в реальном времени и отправляют данные в больницы и службы экстренного реагирования. Данный продукт позволяет оптимизировать работу медиков и обеспечить эффективное лечение пострадавших, снижая риск хронических повреждений. Кроме того, данное решение позволяет беспроблемно урегулировать страховые вопросы.
Подписывайтесь на каналы:
@TeslaHackers — сообщество российских Tesla-хакеров, прокат и обучение дрифту на Tesla
@AutomotiveRu — новости автоиндустрии, железо и психология вождения
Мы большая компания-разработчик automotive компонентов. В компании трудится около 2500 сотрудников, в том числе 650 инженеров.
Мы, пожалуй, самый сильный в России центр компетенций по разработке автомобильной электроники. Сейчас активно растем и открыли много вакансий (порядка 30, в том числе в регионах), таких как инженер-программист, инженер-конструктор, ведущий инженер-разработчик (DSP-программист) и др.
У нас много интересных задач от автопроизводителей и концернов, двигающих индустрию. Если хотите расти, как специалист, и учиться у лучших, будем рады видеть вас в нашей команде. Также мы готовы делиться экспертизой, самым важным что происходит в automotive. Задавайте нам любые вопросы, ответим, пообсуждаем.
Искусственный интеллект вашего автомобиля
Технологии сегодня меняют мир быстрее, чем когда-либо. В 70-х годах искусственный интеллект существовал только в фантастических романах. 20 лет назад разработки ИИ уже велись, но успехи не были впечатляющими. Но в середине нулевых случился качественный прорыв в машинном обучении, ставший Большим взрывом для искусственного интеллекта. И сегодня множество нейросетей помогают нам фильтровать и искать информацию в интернете, обрабатывать фотографии, переводить тексты. Одна из областей, где ИИ открывает потрясающие новые возможности, — это автотранспорт.
Как искусственные нейросети изменят будущее вашего автомобиля?
Искусственный разум рулит!
Тема беспилотных автомобилей на слуху, и вокруг них поднялась не меньшая шумиха, чем в XIX — начале XX века по поводу «безлошадных повозок». На появление машины, которая сможет самостоятельно перемещаться в транспортном потоке, надеются многие. Но есть и опасения, что возрастет количество ДТП, в том числе смертельных.
Беспилотные авто активно разрабатываются на протяжении последнего десятилетия, а кое-где даже используются в тестовом режиме. К их созданию подключились гиганты автомобильной промышленности: BMW, Nissan, Honda, General Motors, Volkswagen, Audi, BMW и Volvo — и новые игроки на авторынке: Google, Tesla и множество менее крупных компаний. До массовых продаж беспилотных автомобилей дело пока не дошло. Автопилоты делают успехи, но до совершенства им далеко. Так что по меньшей мере в ближайшие пять-десять лет искусственный интеллект едва ли сумеет заменить — или хотя бы серьезно потеснить — опытного водителя.
Техническая реализация «искусственного водителя» — не единственная задача. Нейросети в автомобиле предстоит заботиться не только о том, чтобы соблюдать скоростной режим, сворачивать на нужных перекрестках и удачно парковаться. Ей придется еще и решать этические вопросы — например, когда ДТП неизбежно и приходится выбирать между двумя плохими вариантами. Что, если ИИ автомобиля внезапно обнаружит на дороге пешехода, но затормозить не будет успевать — и можно либо сбить человека, либо свернуть с дороги и врезаться в дерево, причинив вред пассажиру? Эта моральная дилемма известна как проблема вагонетки. И как искусственному разуму сделать выбор в ситуации, с которой не справиться и человеку.
Однозначных ответов на подобные вопросы нет и не будет. Тем не менее, Массачусетский технологический институт (MIT) создал сайт, на котором предлагает всем желающим пройти тестирование и выбрать, как они решили бы предложенные моральные дилеммы. В будущем данные этих исследований могут помочь разработчикам научить искусственный интеллект делать этический выбор, руководствуясь «среднечеловеческими» показателями.
Моральный тест MIT. У автомобиля отказали тормоза. Какой выбор должен сделать автопилот: врезаться в препятствие, убив находящихся в салоне пассажиров — девочку, женщину-спортсменку, бездомного и кошку, или выполнить маневр и сбить пешеходов — женщину, полного мужчину, мужчину-спортсмена, беременную женщину и ребенка (принимая во внимание, что они переходят дорогу на красный свет)?
Впрочем, мы уверены, что с повсеместным внедрением беспилотных автомобилей улицы городов и автострады станут значительно менее опасными, чем сейчас, а количество ДТП снизится (хотя и вряд ли до нуля). Ведь ИИ не заснет за рулем, не отвлечется на разговор по телефону, не нарушит скоростной режим, не предпримет заведомо опасный маневр. И точно не сядет за руль пьяным.
Менее очевидное, чем автопилоты, применение искусственных нейросетей в автомобиле — это помощники человека, делающие вождение более безопасным.
Безопасность вождения
Уже сегодня умная электроника способна проложить маршрут с учетом пробок и погодных условий, а также предложить альтернативные способы добраться из пункта А в пункт Б. Навигатор покажет на дисплее дорогу и подскажет голосом, где сделать поворот или снизить скорость. Благодаря навигационным программам бумажные атласы автомобильных дорог и огромные карты городов становятся раритетом. Навигатор удобно использовать, а еще он помогает сделать поездку безопасной. Ведь водителю не нужно отвлекаться, чтобы свериться с картой незнакомого города, или высматривать таблички с названиями улиц на перекрестках, чтобы убедиться, что он не пропустил нужный поворот.
По статистике, свыше 50 % аварий на дорогах случается из-за того, что водитель был невнимателен или отвлекся. Нейросети автомобиля избавят человека от необходимости выполнять действия, которые отрывают его от управления машиной. Например, смогут по голосовой команде переключить радио, увеличить громкость или изменить маршрут поездки.
Но происшествия случаются, даже когда водитель внимателен и соблюдает правила, — на дорогах слишком много факторов, провоцирующих аварийную ситуацию. В таких условиях не помешает лишняя пара глаз — или видеокамер. Нейросеть, обрабатывающая информацию с автомобильных камер, сможет предупредить водителя о пешеходах или других автомобилях в опасной близости. Мы можем даже помечтать о том, что в будущем нейросети множества автомобилей и дорожных камер смогут обмениваться данными через интернет, и тогда мы получим предупреждение о неадекватном водителе задолго до того, как он появится в поле зрения.
Некоторые производители уже пытаются разрабатывать ИИ, работающий с изображением камеры, направленной на водителя. Такая нейросеть будет знать хозяина в лицо и не позволит чужаку сесть за руль. Кроме того, по мимике нейросеть сможет определить, что человек устал или вот-вот задремлет, — и вовремя подаст сигнал. А если аварии не удается избежать, то по положению головы вычислит, какие подушки безопасности необходимо включить, — это поможет избежать травм.
Что это стучит в двигателе?
Еще одна сфера применения нейросетей в автомобиле — контроль за внутренними системами.
Большинству автовладельцев знакома ситуация, когда в самый неподходящий момент автомобиль приходится отвозить в автосервис. Конечно, по закону Мерфи, именно в этот день нужно куда-то срочно ехать!
Подобная система отслеживания телеметрии уже существует у суперкара Bugatti Chiron. В режиме онлайн он передает данные о функционировании всех систем в сервисный центр производителя. Если обнаружена неисправность, ремонтная бригада оперативно отправляется в любую точку мира, чтобы устранить дефект, — во всяком случае, так утверждают в компании. Если же проблема не требует вмешательства квалифицированного специалиста, сервисный центр может просто позвонить владельцу авто — к примеру, если давление в шинах снизилось до критического уровня. Система телеметрии Bugatti контролирует около 10000 сигналов, поступающих от различных узлов автомобиля: двигателя, трансмиссии, освещения, климат-контроля, информационно-развлекательного центра и других. Пока такими системами оборудуют только избранные автомобили класса люкс, но начало уже положено.
Разумное автострахование
Искусственные нейросети уже находят применение в автостраховании. В первую очередь они используются для оценки рисков, а помогают им в этом большие данные о водителях.
Большие данные — это наборы информации, которые слишком велики и сложно структурированы, чтобы их можно было обрабатывать с помощью обычных систем управления БД или тем более вручную. В страховании используются десятки источников информации о клиентах — базы номеров VIN, сведения о покупках и продажах, данные о нарушениях ПДД и законодательства и многое другое.
Для страховых компаний значение при принятии решения имеет буквально все, что касается водителя, — состояние его здоровья, стиль вождения, участие в инцидентах на дороге и даже семейные отношения. Но проанализировать огромные массивы собранных данных, дать им качественную оценку и вынести заключение человек может далеко не всегда. Неточности в прогнозах страховых компаний могут необоснованно поднять стоимость страхования для хороших водителей и снизить для плохих.
При этом с развитием технологий список информационных источников может увеличиться. Страховые компании захотят учитывать сведения о манере вождения, соблюдении скоростного режима и поведении водителя в сложных ситуациях. Сейчас эти данные фактически невозможно получить и использовать при продаже страховки, но в будущем подобную информацию сможет собирать и пересылать страховой компании встроенный ИИ автомобиля.
Будем надеяться, что скоро наступит день, когда любители обгонять по обочине или подрезать на повороте станут платить за страховку больше — потому что эти факты станут известны страховой компании и искусственный интеллект, выносящий решение, примет их во внимание.
ИИ управляет производством
Роботы и другие автоматы давно и широко используются в автомобилестроении, да и во многих других производствах. Но пока большая их часть управляется обычными компьютерными программами. В случае любого сбоя конвейер останавливается, и для продолжения работы требуется вмешательство человека.
Эксперты прогнозируют, что искусственный интеллект поможет ускорить производство, сокращая время простоя. Опираясь на данные с датчиков, нейросети смогут отслеживать работу оборудования, выявлять назревающие проблемы и принимать меры, а также контролировать своевременность профилактического обслуживания. На ИИ можно возложить и контроль за качеством продукции.
В итоге уменьшатся расходы на ремонт и замену оборудования, потери из-за простоев. А значит, будет снижаться и себестоимость продукции.
Будущее не за горами. Уже никого не удивить умным навигатором, прокладывающим самый удобный маршрут. Через несколько лет привычным явлением будут автомобили под управлением ИИ, беспилотные грузовики, автобусы и такси, а наши путешествия станут как никогда прежде безопасными, легкими и комфортными.
Освоить востребованную профессию в Data Science можно всего за полтора года на курсах GeekBrains. После учёбы вы сможете работать по специальностям Data Scientist, Data Analyst, Machine Learning, Engineer Computer Vision-специалист или NLP-специалист.
Технологии сегодня меняют мир быстрее, чем когда-либо. В 70-х годах искусственный интеллект существовал только в фантастических романах. 20 лет назад разработки ИИ уже велись, но успехи не были впечатляющими. Но в середине нулевых случился качественный прорыв в машинном обучении, ставший Большим взрывом для искусственного интеллекта. И сегодня множество нейросетей помогают нам фильтровать и искать информацию в интернете, обрабатывать фотографии, переводить тексты. Одна из областей, где ИИ открывает потрясающие новые возможности, — это автотранспорт.
Как искусственные нейросети изменят будущее вашего автомобиля?
Искусственный разум рулит!
Тема беспилотных автомобилей на слуху, и вокруг них поднялась не меньшая шумиха, чем в XIX — начале XX века по поводу «безлошадных повозок». На появление машины, которая сможет самостоятельно перемещаться в транспортном потоке, надеются многие. Но есть и опасения, что возрастет количество ДТП, в том числе смертельных.
Беспилотные авто активно разрабатываются на протяжении последнего десятилетия, а кое-где даже используются в тестовом режиме. К их созданию подключились гиганты автомобильной промышленности: BMW, Nissan, Honda, General Motors, Volkswagen, Audi, BMW и Volvo — и новые игроки на авторынке: Google, Tesla и множество менее крупных компаний. До массовых продаж беспилотных автомобилей дело пока не дошло. Автопилоты делают успехи, но до совершенства им далеко. Так что по меньшей мере в ближайшие пять-десять лет искусственный интеллект едва ли сумеет заменить — или хотя бы серьезно потеснить — опытного водителя.
Техническая реализация «искусственного водителя» — не единственная задача. Нейросети в автомобиле предстоит заботиться не только о том, чтобы соблюдать скоростной режим, сворачивать на нужных перекрестках и удачно парковаться. Ей придется еще и решать этические вопросы — например, когда ДТП неизбежно и приходится выбирать между двумя плохими вариантами. Что, если ИИ автомобиля внезапно обнаружит на дороге пешехода, но затормозить не будет успевать — и можно либо сбить человека, либо свернуть с дороги и врезаться в дерево, причинив вред пассажиру? Эта моральная дилемма известна как проблема вагонетки. И как искусственному разуму сделать выбор в ситуации, с которой не справиться и человеку.
Однозначных ответов на подобные вопросы нет и не будет. Тем не менее, Массачусетский технологический институт (MIT) создал сайт, на котором предлагает всем желающим пройти тестирование и выбрать, как они решили бы предложенные моральные дилеммы. В будущем данные этих исследований могут помочь разработчикам научить искусственный интеллект делать этический выбор, руководствуясь «среднечеловеческими» показателями.
Моральный тест MIT. У автомобиля отказали тормоза. Какой выбор должен сделать автопилот: врезаться в препятствие, убив находящихся в салоне пассажиров — девочку, женщину-спортсменку, бездомного и кошку, или выполнить маневр и сбить пешеходов — женщину, полного мужчину, мужчину-спортсмена, беременную женщину и ребенка (принимая во внимание, что они переходят дорогу на красный свет)?
Впрочем, мы уверены, что с повсеместным внедрением беспилотных автомобилей улицы городов и автострады станут значительно менее опасными, чем сейчас, а количество ДТП снизится (хотя и вряд ли до нуля). Ведь ИИ не заснет за рулем, не отвлечется на разговор по телефону, не нарушит скоростной режим, не предпримет заведомо опасный маневр. И точно не сядет за руль пьяным.
Менее очевидное, чем автопилоты, применение искусственных нейросетей в автомобиле — это помощники человека, делающие вождение более безопасным.
Безопасность вождения
Уже сегодня умная электроника способна проложить маршрут с учетом пробок и погодных условий, а также предложить альтернативные способы добраться из пункта А в пункт Б. Навигатор покажет на дисплее дорогу и подскажет голосом, где сделать поворот или снизить скорость. Благодаря навигационным программам бумажные атласы автомобильных дорог и огромные карты городов становятся раритетом. Навигатор удобно использовать, а еще он помогает сделать поездку безопасной. Ведь водителю не нужно отвлекаться, чтобы свериться с картой незнакомого города, или высматривать таблички с названиями улиц на перекрестках, чтобы убедиться, что он не пропустил нужный поворот.
По статистике, свыше 50 % аварий на дорогах случается из-за того, что водитель был невнимателен или отвлекся. Нейросети автомобиля избавят человека от необходимости выполнять действия, которые отрывают его от управления машиной. Например, смогут по голосовой команде переключить радио, увеличить громкость или изменить маршрут поездки.
Но происшествия случаются, даже когда водитель внимателен и соблюдает правила, — на дорогах слишком много факторов, провоцирующих аварийную ситуацию. В таких условиях не помешает лишняя пара глаз — или видеокамер. Нейросеть, обрабатывающая информацию с автомобильных камер, сможет предупредить водителя о пешеходах или других автомобилях в опасной близости. Мы можем даже помечтать о том, что в будущем нейросети множества автомобилей и дорожных камер смогут обмениваться данными через интернет, и тогда мы получим предупреждение о неадекватном водителе задолго до того, как он появится в поле зрения.
Некоторые производители уже пытаются разрабатывать ИИ, работающий с изображением камеры, направленной на водителя. Такая нейросеть будет знать хозяина в лицо и не позволит чужаку сесть за руль. Кроме того, по мимике нейросеть сможет определить, что человек устал или вот-вот задремлет, — и вовремя подаст сигнал. А если аварии не удается избежать, то по положению головы вычислит, какие подушки безопасности необходимо включить, — это поможет избежать травм.
Что это стучит в двигателе?
Еще одна сфера применения нейросетей в автомобиле — контроль за внутренними системами.
Большинству автовладельцев знакома ситуация, когда в самый неподходящий момент автомобиль приходится отвозить в автосервис. Конечно, по закону Мерфи, именно в этот день нужно куда-то срочно ехать!
Подобная система отслеживания телеметрии уже существует у суперкара Bugatti Chiron. В режиме онлайн он передает данные о функционировании всех систем в сервисный центр производителя. Если обнаружена неисправность, ремонтная бригада оперативно отправляется в любую точку мира, чтобы устранить дефект, — во всяком случае, так утверждают в компании. Если же проблема не требует вмешательства квалифицированного специалиста, сервисный центр может просто позвонить владельцу авто — к примеру, если давление в шинах снизилось до критического уровня. Система телеметрии Bugatti контролирует около 10000 сигналов, поступающих от различных узлов автомобиля: двигателя, трансмиссии, освещения, климат-контроля, информационно-развлекательного центра и других. Пока такими системами оборудуют только избранные автомобили класса люкс, но начало уже положено.
Разумное автострахование
Искусственные нейросети уже находят применение в автостраховании. В первую очередь они используются для оценки рисков, а помогают им в этом большие данные о водителях.
Большие данные — это наборы информации, которые слишком велики и сложно структурированы, чтобы их можно было обрабатывать с помощью обычных систем управления БД или тем более вручную. В страховании используются десятки источников информации о клиентах — базы номеров VIN, сведения о покупках и продажах, данные о нарушениях ПДД и законодательства и многое другое.
Для страховых компаний значение при принятии решения имеет буквально все, что касается водителя, — состояние его здоровья, стиль вождения, участие в инцидентах на дороге и даже семейные отношения. Но проанализировать огромные массивы собранных данных, дать им качественную оценку и вынести заключение человек может далеко не всегда. Неточности в прогнозах страховых компаний могут необоснованно поднять стоимость страхования для хороших водителей и снизить для плохих.
При этом с развитием технологий список информационных источников может увеличиться. Страховые компании захотят учитывать сведения о манере вождения, соблюдении скоростного режима и поведении водителя в сложных ситуациях. Сейчас эти данные фактически невозможно получить и использовать при продаже страховки, но в будущем подобную информацию сможет собирать и пересылать страховой компании встроенный ИИ автомобиля.
Будем надеяться, что скоро наступит день, когда любители обгонять по обочине или подрезать на повороте станут платить за страховку больше — потому что эти факты станут известны страховой компании и искусственный интеллект, выносящий решение, примет их во внимание.
ИИ управляет производством
Роботы и другие автоматы давно и широко используются в автомобилестроении, да и во многих других производствах. Но пока большая их часть управляется обычными компьютерными программами. В случае любого сбоя конвейер останавливается, и для продолжения работы требуется вмешательство человека.
Эксперты прогнозируют, что искусственный интеллект поможет ускорить производство, сокращая время простоя. Опираясь на данные с датчиков, нейросети смогут отслеживать работу оборудования, выявлять назревающие проблемы и принимать меры, а также контролировать своевременность профилактического обслуживания. На ИИ можно возложить и контроль за качеством продукции.
В итоге уменьшатся расходы на ремонт и замену оборудования, потери из-за простоев. А значит, будет снижаться и себестоимость продукции.
Будущее не за горами. Уже никого не удивить умным навигатором, прокладывающим самый удобный маршрут. Через несколько лет привычным явлением будут автомобили под управлением ИИ, беспилотные грузовики, автобусы и такси, а наши путешествия станут как никогда прежде безопасными, легкими и комфортными.
Освоить востребованную профессию в Data Science можно всего за полтора года на курсах GeekBrains. После учёбы вы сможете работать по специальностям Data Scientist, Data Analyst, Machine Learning, Engineer Computer Vision-специалист или NLP-специалист.