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

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 »


Kvantový průlom? Jsme na cestě ke skutečným kvantovým počítačům"

Vědcům z Chicagské univerzity se poprvé v historii povedlo propojit dvě oddělené skupiny qubitů do kvantového provázání skrze kabel. Jde o jedinečný průlom, který by měl zrychlit tvorbu kvantových sítí.
více »


Neuronová poezie. Básně algoritmy stále neumí"

Šlo by pokročilé zpracování přirozeného jazyka (NLP) použít pro reprodukci pokročilých psaných textů a poezie?
více »


Odkud přijdou další koronaviry? Strojové učení pomáhá identifikovat zdroje nákazy"

Výzkum Liverpoolské univerzity naznačuje, jak by se budoucí koronaviry mohly přenést ze zvířat na člověka a dále se šířit populací.
více »


Vnímání vlastních končetin u robotů"

Jedním ze stále nedořešených problémů, které brání rozšíření sériové výrobě „inteligentních“ robotů, je nedostatečně rozvinuté rozpoznávání obrazu. Robot si kupříkladu musí být vědom svého...
více »


Související články


Tagy

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

Komentáře