Η ανάπτυξη των self-driving οχημάτων καθυστερεί πολύ περισσότερο από ό,τι προέβλεπαν πολλοί στη βιομηχανία.
Ένας σημαντικός παράγοντας που καθυστερεί την ανάπτυξή τους είναι η αδυναμία της τεχνητής νοημοσύνης που χρησιμοποιείται στα οχήματα να συσχετίσει μια αιτία με τα τυχόν αρνητικά περιστατικά.
Αν και η τεχνητή νοημοσύνη είναι εντυπωσιακή, δεν διαθέτει την ίδια κατανόηση που διαθέτει ένας άνθρωπος, επομένως επί του παρόντος δεν μπορεί να αιτιολογήσει ή να συμπεράνει κάτι, τουλάχιστον όχι σε πολλά όχηματα. Αυτό σημαίνει ότι τα ταξί-ρομπότ δεν μπορούν να αντιμετωπίσουν αποτελεσματικά προβλήματα όταν αντιμετωπίζουν μια νέα κατάσταση.
Διαβάστε σχετικά: Ξεχάστε τα self-driving αυτοκίνητα – Ήρθε η τεχνητή νοημοσύνη!
Ως αποτέλεσμα, το χάος του πραγματικού κόσμου μπορεί να αποτελεί σημαντικό πρόβλημα για τα self-driving οχήματα, όπως αναφέρει το Autonews. Στον κλάδο αυτό, τα ασυνήθιστα περιστατικά χαρακτηρίζονται ως «υπερβολικές περιπτώσεις», με τον πρώην Διευθύνοντα Σύμβουλο της Cruise AV, Kyle Vogt, να τον χρησιμοποιεί για να περιγράψει το περιστατικό που οδήγησε το self-driving όχημα της εταιρείας εκτός δρόμου το περασμένο έτος.
Μια γυναίκα είχε παρασυρθεί από ένα άλλο όχημα και εκτοξεύτηκε προς το self-driving όχημα Cruise. Ο περισσότερος κόσμος πιθανότατα δεν έχει βιώσει κάτι ανάλογο, αλλά όλοι θα σταματούσαν αντί να συνεχίσουν να κινούνται, όπως έκανε το ταξί-ρομπότ που έσυρε την τραυματισμένη γυναίκα πολλά μέτρα κάτω από τον δρόμο. Δεν είναι ότι το αυτοκίνητο ήταν κακόβουλο, απλά δεν μπορούσε να κατανοήσει την κατάσταση και έλειπε η ικανότητα να προβλέψει τις επιπτώσεις των ενεργειών του.
Παρ’ όλα αυτά, οι ερευνητές χρησιμοποιούν κάποιες στρατηγικές για να αποτρέψουν τη λήψη κακών αποφάσεων. Για παράδειγμα, οι ανθρώπινοι χειριστές μπορούν να αναλάβουν τον έλεγχο σε καταστάσεις όπου το πρόγραμμα δεν είναι έτοιμο. Τα δεδομένα από αυτές τις περιπτώσεις παρακολουθούνται, επεξεργάζονται ξανά σε προσομοιωτές και η αντίδραση του ανθρώπου χρησιμοποιείται για να προσπαθήσει να εκπαιδεύσει το όχημα για το μέλλον.
Ορισμένες εταιρείες επιδιώκουν να εξετάσουν πολλά σενάρια προτού το όχημα βγει στο δρόμο. Αυτό μπορεί να περιλαμβάνει χειροκίνητη κωδικοποίηση ή σταδιοποίηση για την εκπαίδευση self-driving οχημάτων. Αν και δεν είναι δυνατόν να καλύψουν όλες τις περιπτώσεις, τουλάχιστον προβλέπουν μερικές από αυτές.
Ωστόσο, ορισμένοι ειδικοί πιστεύουν πλέον ότι αυτές οι μεθόδοι εκπαίδευσης ενδέχεται να μην είναι αποτελεσματικές στο να προετοιμάσουν πλήρως ένα self-driving όχημα για το χάος του πραγματικού κόσμου. Χωρίς σαφή αιτιολόγηση, η τεχνητή νοημοσύνη μπορεί ποτέ να μην είναι σε θέση να αντιμετωπίσει κάθε ακραία πρόκληση που υπάρχει εκεί έξω.
Δείτε περισσότερα: Elon Mode: Ανακαλύπτεται από Tesla hacker για Full Self-Driving χωρίς χέρια
Η επίλυση του προβλήματος υπερβαίνει την απλή εκχώρηση στην τεχνητή νοημοσύνη της ικανότητας να συλλογίζεται λογικά. Μέχρι στιγμής, η τεχνολογία έχει αποφύγει την υπερβολική αιτιολόγηση ως τρόπο πρόληψης ανεπιθύμητων ψευδών θετικών αποτελεσμάτων.
Πηγή: carscoops
