Az Argo AI* csapatának tagjai már több mint egy évtizede szakértőnek számítanak a robotika és az önvezető technológiák fejlesztésében; tudásuk értékes segítséget jelent abban, hogy a Ford széles tömegek számára tegye elérhetővé az önvezető autókat. Ám a nemzetközi hírű szakemberek véleménye szerint ez biztosan nem holnap fog megtörténni, mert még rengeteg technikai kérdés vár megoldásra.

Alig néhány hónap telt el az Argo AI alapításának első évfordulója után, és a közel 200 főt számláló csapat máris tesztautókkal járja Pittsburgh és Délkelet-Michigan útjait. Meggyőződésük, hogy a valós körülmények közt folytatott tesztek mindennél fontosabbak, hiszen a mesterséges intelligenciát csakis így készíthetik fel azokra váratlan, véletlenszerű helyzetekre, amit a járművek, kerékpárosok és gyalogosok kiszámíthatatlan feltűnése és mozgása jelent. Ez a dinamikusan változó környezet pontosan igazolja az Argo AI feltételezését, hogy lehetetlen egyetlen megoldással, technológiával vagy algoritmussal megoldani az önvezető autók problémáját.

Hihetetlenül sok adat

Jó példa erre a szenzorok területe, ami még hosszú fejlődési folyamat előtt áll. Az Argo AI jelenleg LiDAR szenzorokat használ, amelyek még rossz fényviszonyok közt is megfelelően működve, háromdimenziós képet alkotnak az autó környezetéről, viszont színeket és textúrákat nem képesek visszaadni, ezért ehhez külön kamerákra van szükség. A kamerák azonban nem látnak jól, ha kevés a fény, és a fókuszálással és felbontással is akadhatnak gondok bizonyos helyzetekben. Ezzel szemben egy radar – még a rossz felbontás ellenére is – viszonylag nagy távolságból érzékeli a többi közlekedő sebességét.

Ezért van tehát olyan sok szenzor a kísérleti önvezető autókban, hiszen az egyes rendszerek gyengeségeit más rendszerek képességeivel kell kipótolni. Ez viszont oda vezet, hogy az adatokat feldolgozó számítógép hihetetlenül sok bejövő információt kap, amelyeket szinte lehetetlen egyetlen képben egyesíteni – nem beszélve arról, hogy egy ilyen rendszernek megbízhatónak és olcsónak kell lennie, ha tömeggyártású autókban akarják alkalmazni. Az Argo AI jelenleg azon dolgozik, hogy ötletes innovációkkal oldja meg ezt a problémát.

Ha elkészül az eszköz, amivel az önvezető autó ’látja a világot’, vagyis mindent felismer a környezetében, akkor a következő feladat az lesz, hogy a jármű képes legyen eldönteni, mit tesz majd az azonosított objektum a következő pillanatokban. Egy autó elindulhat, megállhat, kanyarodhat, egy kerékpár váratlanul átsorolhat egy másik sávba, ám ezzel szemben egy, az úton heverő törmelékkupac olyan statikus akadályt jelent, amit ki kell kerülni. Erre a helyzetfelismerésre, a több milliónyi pixelnyi információ megszűrésére és értelmezésére szolgál a mesterséges intelligencia és a gépi tanulás.

Ennek fejlesztése részben a több milliónyi tesztkilométer során begyűjtött adatokon alapul; ezzel tanítható meg egy algoritmus arra, hogy még a zajos vagy hibás adathalmazok alapján is biztonságosan azonosítsa a többi közlekedőt. A kezdeti eredmények igazán lenyűgözőek, ám mint tudjuk, az ördög mindig a részletekben bújik meg.

Okos döntést hozni

Amikor ma autót vezetünk, szinte észre sem vesszük, hogy folyamatosan azt próbáljuk megjósolni, mi történhet körülöttünk a következő másodpercekben: egy gyalogos lelép a járdáról, vagy egy autó nem adja meg az elsőbbséget. Az igazán jó vezetők már eleve úgy választják meg a sebességet, hogy azonnal reagálhassanak az ilyen váratlan helyzetekre – és az önjáró autóknak is szükségük lesz erre a képességre, amikor a zsúfolt nagyvárosi utakon közlekednek majd. Tudniuk kell, hogy egy teherautó számára nagyobb mozgásteret kell hagyni, vagy hogy változtatni kell a sebességen, ha nem akarnak egy másik jármű holtterében haladni. Ugyanakkor a lassan araszoló csúcsforgalomban fel kell ismerniük, hogy ilyenkor szükségszerűen csökken az autók közti távolság, és hogy egyértelműen, határozottan kell jelezniük a szándékaikat, hogy arra a többi közlekedő helyesen reagálhasson. És ha már itt tartunk: mindennél fontosabb, hogy a mesterséges intelligencia soha ne tanulja meg a rossz példákat, mert akkor helytelenül – azaz veszélyesen – fog cselekedni a kritikus helyzetekben.

Éppen ezért nagyon átgondoltan kell felhasználni a tesztautókkal szerzett, valós körülmények közt gyűjtött adatokat. Az Argo AI olyan eszközökön dolgozik, amelyek ebből az adathalmazból kiválasztják azokat az útszakaszokat, amelyek a gépi tanulás számára követendő példaként szolgálhatnak egy-egy adott helyzetben, majd pedig tesztelik a jármű reakcióit. Ez azonban nagyon hosszú és bonyolult folyamat. Az Argo AI meggyőződése, hogy az önvezető autók megjelenése még sokáig várat magára, és nagy tévedés néhány hónapon vagy éven belül olyan járműveket képzelni az utakra, amelyek teljesen önállóan közlekednek.