Ե՞րբ կունենաք կամ նստեք ինքնակառավարվող մեքենա: Ի՞նչն է քեզ խանգարում:
Բրեդ Թեմփլթոն / Կրուիզ
Մարդիկ հաճախ հարցնում են՝ «որտե՞ղ է իմ ինքնակառավարվող մեքենան»: «Ինչու ես չունեմ մեկը և ե՞րբ կգա»: Շատ մարդիկ զգում են, որ իրենց մեքենա են խոստացել 20-ամյա պատանիները, և դա ուշ է, և գուցե չի գալիս, ինչպես թռչող մեքենաները, որոնց մասին խոսում էին տասնամյակներ առաջ:
Այս երկու հոդվածներից բաղկացած շարքում (ուղեկցող տեսանյութերով) եկեք նայենք հիմնական պատճառներին, որոնց պատճառով դուք, հավանաբար, այսօր ռոբոտամեքենա չեք նստում, և երբ դա կարող է տեղի ունենալ: Որո՞նք են հիմնական տեխնոլոգիական, իրավական և սոցիալական խնդիրները, որոնք խոչընդոտում են, և ո՞ր խնդիրներն են իրականում արգելափակողներ:
Մեզանից շատերի համար այս մեքենաները չեն կարող բավական շուտ այստեղ հասնել: Նրանք խոստանում են խուսափել այսօրվա ավտովթարներից, որոնք ամեն տարի ավելի քան մեկ միլիոն մարդ են սպանում ամբողջ աշխարհում: Դրանք կհեշտացնեն մեր կյանքը և կվերագրեն փոխադրումների սկզբունքները։ Դրանով նրանք կվերագրեն, թե որտեղ ենք մենք ապրում և քաղաքի բնությունը, ինչպես նաև տասնյակ այլ ոլորտներ՝ էներգետիկայից մինչև մանրածախ առևտուր: Ամեն օր մենք ուշացնում ենք այս իրերը ճանապարհին ծավալով դուրս բերելը, հազարավոր մարդիկ կմահանան այն մարդկանց ձեռքից, ովքեր չպետք է վարեին: Ամեն օր ուշանում ենք։
Իհարկե, դժվար է
Հստակ լինելու համար, ամենամեծ պատճառն այն է, որ «այնքան երկար է տևում», դա դժվար է: Երբևէ ձեռնարկված ծրագրային ապահովման ամենամեծ հետազոտական նախագծերից մեկը: Այն պահանջել է ոչ միայն բեկումնային ծրագրային ապահովում, այլև տոննա մանրակրկիտ աշխատանք մոլախոտերի վրա, որոնք առնչվում են հսկայական թվով հատուկ դեպքերի և քարտեզագրում աշխարհն ու նրա բոլոր կնճիռները: Ամեն ոք, ով կարծում է կամ կարծում է, որ այն կարող է առաքվել ըստ ժամանակացույցի, սխալ է և նախկինում երբեք չի աշխատել ծրագրային ապահովման մեջ: Երբ ավտոմոբիլային ընկերությունները հրաժարվեցին այնպիսի ամսաթվերից, ինչպիսին 2020 թվականն է, դրանք հույսեր էին, այլ ոչ թե կանխատեսումներ, և որ որոշ տեխնոլոգիական ընկերություններ իրականում դա դուրս բերեցին, զարմանալի էր: Բազմամյա նախագծերը, որոնք պահանջում են առաջընթաց, երբեք ճշգրիտ չեն կանխատեսվում:
Ծրագրային ֆոն ունեցող ոչ ոք ընդհանրապես չէր ցնցվի, եթե տարիներ առաջ արված նման մեծ նախագծի կանխատեսումները ճշգրիտ չլինեն: Այսպիսով, ամեն ինչ «ժամանակացույցից հետ չի մնում», նույնիսկ եթե դրանք լավատեսական հույսեր չեն արդարացրել: Սա նաև նշանակում է, որ գործերն արվում են ավելի փոքր քայլերով:
Ամենամեծ արգելափակողն իրականում դա անելը չէ (այսինքն՝ անվտանգ դարձնելը), այլ իմանալը, որ դուք դա արել եք:
Ապացուցելով, որ դուք իսկապես ապահով եք դարձել
Առաջին տեխնոլոգիական նպատակը դա պարզապես իրագործելն էր: Ստեղծել մեքենա, որը կարող է ինքն իրեն անվտանգ վարել: Սա հսկայական ձեռքբերում է, բայց գոնե մի քանի քաղաքներում մի քանի ընկերություններ արդեն հասել են դրան: Մարդկանցից ավելի անվտանգ վարելն իրականացրել են այնպիսի ընկերություններ, ինչպիսին Waymo-ն է Ֆենիքսի հեշտ փողոցներում: Դա «դժվար մասն էր», բայց ավելի դժվարը սահմանելն է, թե ինչ է անվտանգությունը, չափել այն և ապացուցել, որ դու դա արել ես: Դուք պետք է դա ապացուցեք ինքներդ ձեզ, ձեր խորհրդին, ձեր իրավաբաններին, հանրությանը և գուցե նույնիսկ կառավարությանը: Ճիշտ այնպես, ինչպես Moderna Covid-ի պատվաստանյութը պատրաստ էր 2020 թվականի փետրվարին, նախքան առաջին արգելափակումը, աշխարհը սպասեց 10 ամիս, մինչդեռ առանց դրա միլիոն մարդ մահացավ, նախքան առաջին մարդկանց թույլ տալը, որ պատվաստվեն: Մենք սպասում էինք, որ նրանք ապացուցեն, որ դա արել են:
Անվտանգության չափումը բավականին դժվար է: Մենք գիտենք, թե որքան հաճախ են մարդկային վարորդներն ունենում բոլոր տեսակի վթարներ՝ աննշան վթարից մինչև մահ: Մահվան դեպքերը տեղի են ունենում ԱՄՆ-ում յուրաքանչյուր 80 միլիոն մղոն կամ մոտ 2 միլիոն ժամ մեքենա վարելիս: Մենք չենք կարող փորձարկել ծրագրաշարի յուրաքանչյուր տարբերակ՝ ասելով. «Եկեք, որ այն անցնի միլիարդ մղոն և տեսնենք, թե արդյոք այն ավելի քիչ է սպանում, քան այն տասնյակ մարդիկ, որոնք կմահանան, եթե մարդիկ այդքան հեռու քշեն»: Իրական ճանապարհներով նույնիսկ մեկ անգամ վարելն անհնարին է, էլ չեմ խոսում ամեն նոր տարբերակի հետ: Մենք կարող ենք շատ ավելի քիչ վարել և հաշվել ցնցումները և աննշան վթարները, իրականում սա լավագույնն է, որը մենք գտել ենք մինչ այժմ, քանի որ դա առնվազն հնարավոր է, բայց մենք վստահ չենք, թե արդյոք դա վերաբերում է ռոբոտների վնասվածքներին, ինչպես որ դա: անում է մարդկանց հետ.
Շատերը սկսում են ավանդական ավտոարդյունաբերության ճանապարհը: Նրանք փորձարկում են իրենց մեքենաների յուրաքանչյուր բաղադրիչ՝ համոզվելու համար, որ այն հուսալի է և համապատասխանում է սպեցիֆիկացիաներին: Նրանք փորձում են դա անել բաղադրիչների համակարգերով, բայց այդ մեթոդաբանությունը դժվարանում է, երբ ամեն ինչ ավելի բարդանում է: Սա կոչվում է ֆունկցիոնալ անվտանգություն. այն բաղադրիչներն ու համակարգերն են, որոնք զերծ են թերություններից, և արդյո՞ք դրանք կլուծեն հայտնի հնարավոր խափանումները:
Բոլորովին վերջերս ավելի շատ ջանքեր են գործադրվել՝ դա բարձրացնելու համակարգային մակարդակի և փորձել փորձարկել «Նախատեսված ֆունկցիոնալության անվտանգությունը»: SOTIF-ի հետ թիմերը աշխատում են երաշխավորելու, որ ամբողջ համակարգերը դեռ կգործեն՝ ինչպես խնդիրներով, այնպես էլ բաղադրիչների խափանումներով, ինչպես նաև ակնկալվող չարաշահումներով: Սա հաճախ ներառում է ամբողջ համակարգի կամ դրա մասերի սիմուլյացիա, կամ «ապարատային հանգույցում» սիմուլյացիա, որն ավելի հեշտ և անվտանգ է, քան ուղիղ փորձարկումը ճանապարհներին:
Սիմուլյացիոն փորձարկումն առաջարկում է համակարգը փորձարկելու հնարավորություն միլիոնավոր տարբեր սցենարներով: Այն, ինչ որևէ մեկը երբևէ տեսել կամ լսել է կամ երազել է, այդ բոլոր բաների հարյուրավոր աննշան տատանումներով:
Թերևս ամենադժվարը փորձարկելը, բայց այն, ինչ դուք ամենից շատ եք ուզում իմանալ, այն է, թե որքան լավ է համակարգը արձագանքում նախկինում չտեսնված իրավիճակներին: Թեև դուք կարող եք ստեղծել սիմուլյացիոն թեստավորում՝ իմանալու համար, որ մեքենան լավ է աշխատում գրեթե բոլոր սպասվող իրավիճակներում, մարդկային մտքի մեծ կախարդական կարողությունը նախկինում չտեսնված խնդիրներ լուծելու կարողությունն է: AI-ները կարող են դա անել, բայց դրանք այնքան էլ լավը չեն: Ի վերջո, մենք հույս կունենայինք ամեն օր նոր, իրատեսական, վտանգավոր սցենարներ ստանալու միջոցի վրա: Լավ է, որ այսօր ձեր մեքենան ծրագրավորվել է այնպես, որ կառավարի այն ամենը, ինչի մասին երբևէ մտածել են, բայց իրական ոսկու ստանդարտը կարող է լինել 20 նոր իրավիճակներ նետելը, որոնք նախկինում երբեք չեն տեսել, ամեն օր, և պարզել, որ այն լուծում է դրանցից շատերը: Նույնիսկ մարդիկ չեն կառավարում դրանք բոլորը: Դա մի բան է, որ ես հուսով եմ, որ տեղի կունենա դրա միջոցով Անվտանգության լողավազանի նախագիծ, որը ես օգնեցի նախաձեռնել Համաշխարհային տնտեսական ֆորումի, Deepen.AI-ի և Ուորվիքի համալսարանի հետ:
Նույնիսկ բոլոր սիմուլյացիաներով դուք նույնպես պետք է փորձարկեք ուղիղ ճանապարհին: Ոչ ոք չի պատրաստվում տեղակայել մեքենա, որը ցույց չի տվել, որ այն շատ լավ է վարվում իրական աշխարհի հետ: Թեև թանկ է, բայց ռոբոտամեքենաների աշխատանքը վերահսկելու համար մարդկանց անվտանգության վարորդների օգտագործման համակարգը իրականում հիանալի արդյունք ունի և չի վտանգում հանրությանը սովորական մարդկանց վարելու համեմատ:
Արդյունաբերության մեջ յուրաքանչյուր ընկերություն ընկնում է ինքն իրեն՝ նկարագրելու, թե որքան նվիրված են անվտանգությանը: Անվտանգ մեքենա ստեղծելն իրենց գործն է, բայց նրանք այս հայտարարություններն անում են պաշտոնյաներին և հանրությանը հաճոյանալու համար: Ճակատագրի հեգնանքով, հանրային շահը ոչ թե ամենաանվտանգ ռոբոտամեքենաներ պատրաստելն է, այլ ավելի շուտ ամենաանվտանգ ճանապարհները. Robocars-ը գործիք է, որը կարող է բերել ավելի անվտանգ ճանապարհներ, և որքան շուտ նրանք հասնեն այստեղ, այնքան ավելի շուտ և ավելի լավ կանեն դա: Պաշտոնյաները, եթե նրանք լրջորեն վերաբերվեին ընդհանուր ճանապարհային անվտանգության բարելավմանն ուղղված իրենց պարտականություններին, իրականում կխրախուսեին ընկերություններին շատ հեռու չգնալ անվտանգության հարցում և փոխարենը կենտրոնանալ ավելի անվտանգ տեխնոլոգիաների ամենաարագ կիրառման վրա, նույնիսկ եթե ավելի քիչ անեին ապացուցելու համար, որ այն անվտանգ է, երբ տեղակայումը փոքր է: , դա ավելի արագ է դարձնում: Բայց նրանք երբեք չեն անի, քանի որ հասարակությունը արձագանքում է սխալներին և ռիսկերին:
Անվտանգության երկրորդ բաղադրիչը կիբերանվտանգությունն է: Մեզ պետք է, որ այս մեքենաներն ամուր լինեն դրանց տիրանալու փորձերից: Որոշ մարդիկ չեն սիրում խոսել կիբերանվտանգության մասին, սակայն ավտոարդյունաբերության անցյալի պատմությունը հիանալի չի եղել: Դա ենթադրում է ոչ միայն անվտանգ պրակտիկա և գործիքներ, այլ նաև այն, ինչ կոչվում է «կարմիր թիմ», որտեղ փորձագետ սպիտակ գլխարկով հաքերների թիմը որսում է դրսից՝ գտնելու խոցելի տեղեր, մինչև որ այլևս չկարողանա գտնել: Մեկ այլ կարևոր գործիք է նվազագույնի հասցնել կապը կամ այն, ինչ անվտանգության մարդիկ անվանում են «հարձակման մակերեսներ»: Արդյունաբերության մեջ շատերը տարված են այն բանով, թե ինչ են իրենց պատկերացնում «միացված մեքենան» և սխալմամբ կապակցվածությունը համարում են նույնքան մեծ հեղափոխություն, որքան ինքնակառավարումը: Դա այդպես չէ, ոչ հեռակա: Անհրաժեշտ է որոշակի կապ, բայց այն պետք է խնայողաբար օգտագործվի, որպեսզի իրական հեղափոխությունը ապահով մնա:
Փորձարկման ամենամեծ մարտահրավերներից մեկը մեքենայական ուսուցման լայն օգտագործումն է ռոբոտամեքենաների բոլոր թիմերի կողմից: Մեքենայական ուսուցումը հսկայական հզոր AI գործիք է, և շատերը կարծում են, որ դա կարևոր գործիք է, բայց այն հակված է արտադրել «սև արկղ» գործիքներ, որոնք որոշումներ են կայացնում, բայց որոնք ոչ ոք լիովին չի հասկանում: Եթե չգիտեք, թե ինչպես է համակարգը աշխատում կամ ինչու է այն ձախողվում կամ ճիշտ է անում, դժվար է այն փորձարկել և հավաստել: Եվրոպայում նրանք օրենքներ են ընդունում՝ պահանջելով, որ ամբողջ AI-ն լինի «բացատրելի» ինչ-որ մակարդակով, բայց շատ մեքենայական ուսուցման ցանցեր շատ դժվար է բացատրել: Դա սարսափելի է, բայց նրանք այնքան հզոր են, որ մենք չենք հրաժարվի նրանցից: Մենք կարող ենք բախվել սև արկղի հետ, որը երկու անգամ ավելի անվտանգ է թեստավորման մեջ, քան բացատրելի համակարգը, և կան համոզիչ փաստարկներ, որոնք մարդիկ ներկայացնում են հօգուտ ցանկացած ընտրության:
Կանխատեսելով ապագան
Waymo vectornet-ը քարտեզագրում է ճանապարհի մյուս մեքենաների ուղիները
Waymo
Robocar-ը ծածկված է սենսորներով, ինչպիսիք են տեսախցիկները, ռադարները, LIDAR լազերները և այլն: Սենսորները, հավանաբար, սարքավորումների ամենաքննարկվող կողմն են, բայց իրականում սենսորները ձեզ ընդհանրապես չեն ասում, թե ինչ եք ուզում իմանալ: Դա պայմանավորված է նրանով, որ սենսորները ձեզ ասում են, թե որտեղ են ամեն ինչ հիմա, բայց դուք այդքան էլ չեք հետաքրքրում դրան: Ձեզ հետաքրքրում է, թե ապագայում ինչ կլինի: Սենսորներից ստացված տեղեկատվությունը պարզապես հուշում է ապագայի կանխատեսման իրական նպատակին: Իմանալը, թե որտեղ է ինչ-որ բան և որքան արագ է այն շարժվում, լավ սկիզբ է, բայց իմանալը, թե դա ինչ է, նույնքան կարևոր է իմանալու համար, թե որտեղ կլինի: Ճանապարհին կամ մոտ գտնվող օբյեկտների մեծ մասը բալիստիկ չեն. մարդը ղեկավարում է և կարող է փոխել ընթացքը: Ահա թե ինչու այսօր հետազոտության առանցքային ոլորտներից մեկը ավելի լավ է կանխատեսել, թե ինչ են պատրաստվում անել ճանապարհի մյուսները, մասնավորապես՝ մարդիկ: Սա կարող է տատանվել՝ սկսած վարորդական վարքագծի իմացությունից մինչև պարզել, թե արդյոք անկյունում կանգնած հետիոտնը պատրաստվում է մտնել հետիոտնային անցում, թե՞ շրջում է համացանցում:
Չնայած մի քանի թիմեր մեծ առաջընթաց են գրանցել, պարզվում է, որ մարդիկ ավելի լավ են, քան այսօրվա ռոբոտները այլ մարդկանց գուշակելու գործում: Դրանում ավելի լավը դառնալը անելիքների ցանկի հիմնական խնդիրներից մեկն է, հատկապես ավելի բարդ միջավայրերում, ինչպիսիք են զբաղված քաղաքները: Ապագայի կանխատեսումը ներառում է նաև կանխատեսել, թե ինչպես ուրիշները կարձագանքեն ձեր և ուրիշների կանխատեսված շարժումներին: Գոտի միաձուլումը կամ անպաշտպան ձախ շրջադարձը կարող է պար լինել՝ տալով և վերցնելով, և ռոբոտամեքենաները անընդհատ կփորձեն բարելավել իրենց արածը:
Ավելի արագ զգացողություն
Բլեքմորի (այժմ՝ Ավրորայի մաս) դոպլեր LIDAR-ը անմիջապես ցույց է տալիս, թե ինչ է շարժվում և որքան արագ ... [+]
Բլեքմոր
Սենսորները կարող են լինել միայն իրական նպատակին հասնելու միջոց, բայց որքան լավ են դրանք անում, այնքան ավելի լավ կարող եք կանխատեսել այդ ապագան: Թիմերը դեռ փնտրում են սենսորներն ավելի արագ դարձնել՝ ընկալումն ու կանխատեսումն ավելի արագ դարձնելու համար: Մի բան, որ կարևոր է շարժվող առարկաների արագության իմացությունն է: Ռադարն ասում է ձեզ դա, բայց տեսախցիկները և հին LIDAR-ները չեն ասում, եթե դուք մի քանի կադրեր չեք նայում: Որոշ նոր LIDAR-ներ կարող են ձեզ ցույց տալ արագությունը, ինչպես նաև հեռավորությունը: Բազմաթիվ կադրեր նայելը պահանջում է առնվազն այնքան ժամանակ, որքան շրջանակները վերցնելը, բայց սովորաբար ավելի շատ:
Իրավիճակներից մեկը, որը կարող է խնդիր լինել, ավելի մեծ մեքենայի հետևում մայրուղով շարժվելն է: Պատկերացրեք, որ այդ մեքենայի առջև բեռնատար է կանգնած ուսի վրա՝ կպած դեպի գոտի: Դա շատ է պատահում վթարների և շտապ օգնության մեքենաների հետ: Հանկարծ մեծ մեքենան, որից առաջ դուք շեղվում է աջ՝ խոչընդոտից խուսափելու համար, և դուք առաջին անգամ եք տեսնում այդ կանգուն բեռնատարը: Դուք իսկապես շատ ժամանակ չունեք արգելակելու կամ շեղվելու համար, և գուցե նույնիսկ գնալու տեղ չունենաք: Եթե դուք պետք է նայեք տեսանյութի 3 կադր՝ տեսնելու, որ այն իսկապես չի շարժվում, ապա դա հավանաբար վատնված է վայրկյանի 1/10-րդ մասը, և սա այն իրավիճակն է, որտեղ դա կարող է կարևոր լինել: Այսպիսով, շատ թիմեր ուղիներ են փնտրում այդ եզրին հասնելու համար, և նրանք գտել են այն հիմնականում LIDAR-ներում, որոնք կարող են չափել «Դոպլեր»՝ իմանալու այն ամենի արագությունը, ինչին նրանք հարվածում են լազերով: Ռադարները նույնպես գիտեն արագությունը, բայց աշխարհը լի է ռադարն արտացոլող կանգնեցված օբյեկտներով, և դժվար է որոշել կանգնեցված մեքենան դրա կողքին կանգնած պահակակետից:
Երկար ճանապարհ անցնելը
Համառոտ նշեմ, որ մի հայտնի թիմ՝ Tesla-ն է պատճառը
Դա առաջին մասն է: Երկրորդ մասը վերաբերում է այնպիսի բաներին, ինչպիսիք են ճանապարհների լավ քաղաքացի լինելը, ինչու են ռոբոտամեքենաները տեղակայվում միանգամից մեկ քաղաքում, ոչ թե ամենուր, և ավելի առօրյա լոգիստիկայի հետ առնչվելու խնդիրներին, ինչպիսիք են հեծանվորդներ, բիզնես մոդելներ վերցնելը, հավելվածները և չափազանց շատ անհանգստանալով անվտանգության մասին՝ միաժամանակ ստիպելով կառավարություններին և հանրությանը ընդունել ձեզ: Ես նաև կթվարկեմ մի քանի գործոններ, որոնց վրա աշխատում են, բայց տեղակայման իրական արգելափակողներ չեն: Գալիք օրերին փնտրեք երկրորդ մասը:
Ոմանք կարծում են, որ այն փաստը, որ նրանք չունեն կամ 2022 թվականին ռոբոտամեքենա են նստում, նշանակում է, որ զարգացումը շատ հետ է մնում ժամանակացույցից: Իրականում երբեք լուրջ ժամանակացույց չի եղել, միայն հույսեր են եղել, բայց իրականում խնդիրների այս ցանկը լավատեսություն է խոստանում, քանի որ այս մնացած խնդիրները ընդհանուր առմամբ լուծելի են թվում: Դրանց մեծ մասի հետ գործ ունենալու համար անհրաժեշտ է քրտնաջան աշխատանք և գումար, այլ ոչ թե բեկումնային ձեռքբերումներ:
Հետևե՛ք երկրորդ մասին՝ տեսանյութի և տեքստի տեսքով
Կարող եք մեկնաբանություններ թողնել այս էջում կամ տեսանյութի էջում։
Աղբյուր՝ https://www.forbes.com/sites/bradtempleton/2022/09/26/why-dont-you-have-a-self-driving-car-yet–this-2-part-series-explains- մնացած-մեծ-խնդիրները/