Key takeaways
- Biltillverkare vänder sig till artificiell intelligens för att lära självkörande bilar hur man navigerar vardagliga hinder.
- Tesla presenterade nyligen sin nya superdator som kommer att användas för att träna de neurala näten som driver Teslas autopilot.
- Att använda AI för att träna bilar kan öka säkerheten, säger observatörer.
Självkörande bilar behöver också lärare, och artificiell intelligens (AI) kan effektivt lära dessa fordon att undvika olyckor – förmodligen bättre än människor.
Ett av de bästa sätten att skicka bilar till Driver's Ed är att använda artificiell intelligens. Tesla presenterade nyligen sin nya superdator som kommer att användas för att träna de neurala näten som driver Teslas autopilot och kommande självkörande AI. Och när bilar blir mer autonoma visar det sig att de behöver mycket träning.
"Genom att exponera AI för data relaterade till bilkörning kan AI börja känna igen mönster", sa Chris Nicholson, VD för Pathmind, ett företag som tillämpar AI på industriell verksamhet, i en e-postintervju. "Visa den bilder, och den kan lära sig hur fotgängare ser ut. Visa den sekvenser av handlingar på vägen, och den kan lära sig vad som leder till olyckor och hur man undviker dem."
"Med rätt data kan AI göra mycket exakta förutsägelser om vad den tittar på", tillade Nicholson. "Och vad är konsekvenserna av en given handling, som att svänga vänster eller accelerera i regn, kan det bli."
Växande antal AI-lärare
Tesla, Audi, Toyota, GM:s kryssning - nästan alla stora biltillverkare använder AI i någon form för att öka sina självkörande möjligheter, sa Nicholson. Och vissa icke-biltillverkare, som Googles Waymo, arbetar med biltillverkare som Chrysler Fiat för att utveckla och testa självkörande AI.
Andrej Karpathy, Teslas chef för AI, presenterade nyligen företagets senaste superdator under en presentation vid 2021 års konferens om datorseende och mönsterigenkänning.
AI har visat sig vara mer exakt än människor i körsituationer, och det är mycket troligt att det kommer att avsevärt minska antalet olyckor.
Klustret använder 720 noder med 8x NVIDIA A100 Tensor Core GPU:er (5 760 GPU:er tot alt) för att uppnå 1,8 exaflops av prestanda. Varje exaflop är lika med 1 kvintiljon flyttalsoperationer per sekund.
"Det här är en riktigt otrolig superdator", sa Karpathy, enligt ett pressmeddelande. "Jag tror faktiskt att när det gäller floppar är det här ungefär den 5:e superdatorn i världen."
Ett djupt neur alt nätverk observerar och gör förutsägelser medan bilen kör utan att faktiskt kontrollera fordonet. Förutsägelserna registreras och eventuella misstag eller felaktiga identifieringar loggas. Teslas ingenjörer använder sedan dessa instanser för att skapa en träningsdatauppsättning av svåra och olika scenarier för att förfina det neurala nätverket, Resultatet är en samling av ungefär 1 miljon 10-sekunders klipp inspelade med 36 bilder per sekund, tot alt cirka 1,5 petabyte data. Det neurala nätverket körs sedan igenom dessa scenarier upprepade gånger tills det fungerar utan misstag. Slutligen skickas den tillbaka till fordonet och påbörjar processen igen.
Skicka bilar tillbaka till skolan
Att använda AI kan också träna bilar snabbare än någon människa skulle kunna, sa Aditya Pathak, transportexpert för det professionella tjänsteföretaget Cognizant, i en e-postintervju.
"I utvecklingsprocessen för autonoma fordon är ett av de kritiska stegen datakommentarer", tillade han. "Med andra ord, hur taggas människor, platser och saker så att de kan kännas igen av fordon?"
Gjord manuellt, processen att titta igenom data skulle vara tidskrävande och arbetskrävande. "Med AI och maskininlärning är processen mycket snabbare och mer effektiv", sa Pathak.
AI måste lära självkörande bilar hur man fungerar i alla slags tillstånd, sa Anton Slesarev, ingenjörschef på det självkörande bilföretaget Yandex, i en e-postintervju. Väder, vägarbete, olyckor och inkonsekvent beteende och reaktioner från andra förare kan bidra till oförutsägbarheten av en resa, även för förare som pendlar till samma plats varje dag, tillade han.
Yandex driver Europas första robottaxitjänst och använder redan automatiserade leveransrobotar, Yandex rovers, för kundorderleveranser från restauranger och livsmedelsbutiker. Företaget använder maskininlärning för att hjälpa sina robotar att ta sig runt.
"Till exempel hjälper det att utföra viktiga perceptionsfunktioner som att känna igen vägskyltar, även när de skyms av saker som regn eller en trädgren", sa Slesarev."Eller för att tillhandahålla säkerhetsfunktioner som att lägga märke till en fotgängare på väg att korsa vägen, även på natten eller när fotgängaren delvis döljs av saker som parkerade bilar."
Att använda artificiell intelligens för att träna bilar kan öka säkerheten, säger observatörer.
"AI har visat sig vara mer exakt än människor i körsituationer, och det är mycket troligt att det kommer att minska antalet olyckor avsevärt", sa Nicholson.
