A vezetés összetett feladat számos részfeladattal és bemeneti adattal, amit tovább bonyolít a bizonytalan környezet és a valószínűtlen események előfordulásának lehetősége. Ezért aztán az AV-technológia valószínűleg nem is éri el a teljes kiforrottság szintjét az elkövetkező két évtizedben. Az autonóm járművek nem egyetlen nagy áttörés eredményeként válnak majd igazán önvezérlőkké, hanem évtizedekig tartó iterációk, fokozatos közelítések során.

Mi az autonóm jármű?

A legegyszerűbb megfogalmazásban az AV egy számítógép által vezérelt jármű, amely önmagát vezeti.

Az emberi vezetés magában foglalja

- az érzékelést (a környezetünk megfigyelését és az odafigyelést a hangokra),

- a navigációt és a tervezést (a környezetünk és a térképen szereplő helyek összekapcsolását, valamint az A pontból B pontba jutást),

- a következtetést (a gyalogosok és más járművezetők szándékának és cselekedeteinek előrejelzését),

- a döntéshozatalt (a közlekedési szabályok alkalmazását az egyes helyzetekre),

- valamint a jármű irányítását (a mozgással kapcsolatos szándék lefordítását konkrét mozdulatokra, amilyen a kormánykerék elfordítása, a fékre lépés és így tovább).

Egy autonóm jármű, amelyet a mesterséges intelligencia vezet, és nem egy ember, az agy helyett neurális hálózatokat, a kéz és a láb helyett pedig mechanikus alkatrészeket használ. A környezet érzékelésére pedig, mondjuk, kamerákat, LiDAR-t és radart. Az MI-navigáció az útvonaltervezést úgy végzi, hogy az út minden egyes pontját egy nagy felbontású digitális térkép egy pontjához társítja. Az MI a következtetéshez algoritmusokat használ az autók vagy gyalogosok szándékának előrejelzésére, a döntéshozatalhoz és tervezéshez pedig szakértői szabályokra vagy statisztikai becslésekre támaszkodik.

Mikor fognak megjelenni a teljesen autonóm járművek?

HVG Könyvek

A 0-tól 3-ig terjedő alkalmazások már elérhetőek a haszongépjárművekben, a 4. pedig korlátozott mértékben, kísérleti jelleggel 2018 végén kezdte meg a működését egyes városok meghatározott részein. Az 5. (és a kevésbé korlátozott 4.) elérése azonban továbbra is távolinak tűnik.

Az 5. szint elérésének egyik fő nehézsége, hogy a mesterséges intelligenciát nagy mennyiségű olyan adaton kell betanítani, amely számos helyzetben tükrözi a „valós vezetést”. Az ilyen helyzetek száma és a szükséges variabilitás mértéke azonban óriási – jelenleg nincs megvalósítható módja annak, hogy az úton lévő, minden irányban és minden időjárási körülmények között mozgó összes objektum valamennyi permutációját összegyűjtsük.

Van néhány mód rá, hogy ezeket a long tail, azaz hosszan ellaposodó valószínűségi függvénygörbékkel leírható helyzeteket kezeljük. Egyre összetettebb adatokat szintetizálhatnánk, például virtuálisan hozzáadhatnánk az összes adathoz a lassan mozgó idős embereket, kutyasétáltatókat, rohangáló gyerekeket és minden elképzelhető egyéb elemet. Ezenkívül beprogramozhatnánk néhány közlekedési szabályt a „vezetői érzékről” (például az egyenrangú útkereszteződések dinamikájáról) anélkül, hogy a mesterséges intelligenciának meg kellene tanulnia mindezt az adatokból. Ezek a megoldások persze nem csodaszerek, mivel a szintetizált adatok nem olyan jók, mint a valósak, és a szabályok hibásak lehetnek, vagy ellentmondhatnak egymásnak.

Az 5. szint számára a legnagyobb kihívást az jelenti, hogy amint a vezetést teljes mértékben a mesterséges intelligenciára bízzák, rettentően nagy árat kell fizetni már egyetlen hibáért is. Ha az Amazon MI-je tévesen ajánl egy terméket, nem nagy ügy. De ha egy AV téved, akkor az életekbe kerülhet. E kihívások miatt sok szakértő úgy látja, hogy az 5. szintre még több mint húsz évet várni kell.

Felgyorsíthatjuk azonban a fejlődését, ha megkérdőjelezünk egy – egyelőre nem felülvizsgált – feltételezést: vajon az 5. szintnek muszáj elfogadnia a városokat és az utakat úgy, ahogy vannak, és alkalmazkodnia kell hozzájuk? Mi lenne, ha ehelyett „kiterjesztett utak és városok” lennének, ahol az érzékelőket és a vezeték nélküli kommunikációt az „okos” útba ágyazzák?

Ebben az esetben vajon maga az út is jelezhetné az autónak, hogy veszély leselkedik rá vagy kisodródik? Mi lenne, ha egy új várost eleve úgy terveznénk meg, hogy a belváros két rétegből állna – az egyik az autóknak, a másik a gyalogosoknak (így elkerülhető lenne, hogy az autók embereket üssenek el)? Ha az infrastruktúrát úgy építjük át, hogy minimálisra csökkentsük a gyalogosok előfordulásának esélyét az AV-utak közelében, drámaian növelhetnénk az 5-ös szintű járművek biztonságosságát, és ezáltal lehetővé tennénk, hogy hamarabb bevezessék.

A továbbfejlesztett 5-ös szintű technológiák, a kiterjesztett utak és az AR segítségével összekapcsolt 6G-kommunikáció összefonódása 2030 körül válik kísérleti szinten bevethetővé. A javítások kitartó megismétlésével az 5. szint előrejelzésünk szerint 2040 körül széles körben és biztonságosan alkalmazható lesz (feltéve, ha az etikai, elszámoltathatósági és felelősségi kérdések tisztázódnak).

Az 5-ös technológiák a 0–4-es szintű technológiákon keresztül fognak kiforrottá válni, amelyeket az elkövetkező években egyre bonyolultabb alkalmazásokban használnak majd az adatgyűjtéssel és a technológiák iteratív fejlesztésével együtt. A legegyszerűbb, már most is használt AV-alkalmazások közé tartoznak például az autonóm mobilrobotok (AMR-ek) és az autonóm targoncák, mivel ezek az AV-k beltérben működnek.

A következő az autonóm szállító teherautók alkalmazása lesz – már el is kezdték használni – olyan helyeken, ahol rögzített útvonalak vannak, amilyenek például a bányák és a repülőtéri terminálok. Kínában nemrégiben több város is megkezdte a robotbuszok és robottaxik tesztelését. A robottaxik esetében még egy sor összetett kérdést meg kell oldani, hogy tényleg bárhová eljussanak, de a robotbuszok három éven belül valósággá válhatnak.

Sok autót 1–3-as szintű funkciókkal árulnak már – ilyen például az önálló parkolás és a Tesla smart-summon (okos távvezérlés) funkciója. Ezen túl ott vannak még a viszonylag kiszámítható környezetek esetei, mint például a teherautók vezetése vidéki autópályákon, vagy a félig-meddig rögzített útvonalakon közlekedő járművek (például a reptéri transzferek a legtöbb szállodába).

Ezen alkalmazási módok mindegyikében számos adatot fognak gyűjteni, ez pedig javítani fogja az MI-algoritmusokat, egyúttal csökkenteni a „meglepetések” számát. Mindez szilárd alapot teremt majd az 5. szint fokozatos eléréséhez.

A fenti cikk a Mesterséges intelligencia 2041 című könyv szerkesztett részlete.  

Elképzelhető-e, hogy a mesterséges intelligencia jobban ismerjen minket, mint mi saját magunkat? Jogában és hatalmában áll-e majd a gépeknek az emberi élet kioltásáról dönteni? Könyvében Li Kaj-fu, a Google China korábbi elnöke és Csen Csiu-fan sci-fi-író tíz izgalmas novellában és a történeteket kísérő elemzésben mutatja be vízióját arról, milyen lesz a világ 2041-ben. A könyvet itt rendelheti meg kedvezménnyel.