Jak udělat samořiditelné automobily bezpečnější?

Výzkum a věda | |

Jak udělat samořiditelné automobily bezpečnější?

Zpětnovazební učení představuje u automobilů skvělou trefu: odměňuje za správné „chování“ a trestá za špatné.


Jak v článku píše MIT Technology Review, pro automobily je zpětnovazebné učení obzvláště vhodné: vozidlo může naučit bezpečnějšímu a správnému řízení pomocí systému odměn a trestů získávaných postupně nabývanou zkušeností; kromě toho jej může penalizovat i za to, když provede činnost, ke které má dostupných příliš malé množství dat.

Podle Mikaela Henaffa, jednoho z autorů studie týmu New York University, by se tak auto mělo na silnici v praxi chovat opatrněji a nemělo provádět žádné divoké zatáčky nebo jiné manévry.

Při testování nového přístupu vyplynulo, že se auto skutečně chová bezpečněji při jízdě v husté dopravě oproti jiným metodám. Pořád však nedosahovalo srovnatelných schopností s člověkem, takže před vědci stojí ještě hodně práce.

Zpětnovazební učení má za sebou v oblasti strojového učení několik velkých úspěchů; jedním z nejzářivějších je porážka nejlepšího hráče hry Go na světě od umělé inteligence AlphaGo, vytvořené firmou Deepmind (součást Googlu). Slibných výsledků dosahuje v oblasti vývoje přizpůsobitelných robotů.

Proces učení je na základě zkušenosti – ne nepodobný lidskému učení. Stroj si určitou dobu jen tak „hraje“ než pochytí ty nejlepší techniky. Pro laboratorní podmínky nebo u deskových her je to skvělý systém; nicméně u samořiditelných vozů má takový přístup jisté nevýhody. Především proto, že mluvíme o automobilech. Vývoj bude muset být naprosto bezpečný a výsledek bezchybný, což není v tomto případě zcela jednoduché dokázat.

I proto se výzkumníci snaží nalézt jiné metody, jak obejít nutnost trénování v reálném světě. Cvičit umělou inteligenci na základě simulovaného prostředí možné je; automobil se tak může učit řídit dle skutečných silničních pravidel, avšak v pouhé replice fyzického světa.

Ani tak však nejde o perfektní řešení, jak se přesvědčili právě na univerzitě v New Yorku. Stroje stále dělají chyby, které by potenciálně mohly ohrozit majetek a životy. Vědci například zjistili, že automobil se v simulaci naučil dělat devadesátistupňové zatáčky do protisměru, protože vybraný dataset tento scénář neobsahoval.


Úvodní foto: © metamorworks - Adobe Stock


Články z rubriky

Vyčmuchání rakoviny? S umělou inteligencí ano"

Nástroj vyvinutý Pensylvánskou univerzitou a Penn’s Perelman School of Medicine vyvinulo nástroj, který dokáže pomocí pachových vzorků detekovat několik druhů rakoviny, a to s přesností až 95 %.
více »


Deepfake geografie: Zfalšované satelitní snímky hrozí budoucími problémy"

Oheň v Central Parku nebo ohňostroj v Indii během Diwali viditelný z vesmíru – i to lze spatřit na speciálně upravených satelitních snímcích, které odborníci označují za „deepfake geografii“.
více »


Rychlejší reakce na budoucí pandemie"

To, že může kdykoliv udeřit další globální pandemie, se vědělo už před Covidem – ač se taková možnost značně podceňovala. Na příště už chce být svět připraven lépe.
více »


Boltzmannův stroj pro kvantové strojové učení"

Kvantové počítače splní svůj příslib vysoké efektivity a sice omezené, nicméně nepřekonatelné rychlosti, pouze pokud pro ně budou existovat funkční algoritmy.
více »


Inspirace hmyzem pomáhá zlepšit drony"

Komáři, sršni i mouchy mají jedinečné způsoby letu, které lze uplatnit i v případě malých dronů. Jejich aerodynamika a principy vznášení můžeme uplatnit ve světě technologií.
více »


Související články


Tagy

umělá inteligence strojové učení zpětnovazební učení učení s učitelem učení bez učitele studie AlphaGo Deepmind studie

Komentáře