Zum ersten Mal hat ein einziges maschinelles Lernmodell damit begonnen, das Fahren von zwei völlig unterschiedlichen Fahrzeugtypen zu lernen: einem Pkw und einem Lieferwagen. Es war der Schöpfer dieser künstlichen Intelligenz Weg, ein Londoner Startup.
Weil es wichtig ist
Vor weniger als einem Jahr demonstrierte Wayve, dass er künstliche Intelligenz auf den Straßen von London „trainieren“ und damit auch in vier anderen britischen Städten Autos fahren konnte. Vor kurzem hätte dieses Ziel viel Zeit und Mühe erfordert.
Und es kommt dem menschlichen Verhalten nahe: Fahren lernen ist schließlich ortsunabhängig. Du fährst in deiner Stadt, dann fährst du in eine andere Stadt (vielleicht mietest du ein Auto) und kannst trotzdem fahren, oder? Ich habe es einfach gemacht, aber im Wesentlichen Die Nachricht ist, dass diese Technologie den aktuellen Playern wie Tesla, Waymo und anderen weit, weit voraus ist.
Eine neue Generation, die weiß, wie man Autofahren lernt
Der Unterschied zwischen Wayve und den anderen liegt in der Herangehensweise. Es ist ein viel kleineres Unternehmen als seine besser finanzierten Konkurrenten. Aber es ist Teil einer neuen Generation von Startups, die manche "AV2.0" nennen, die die Robotermentalität aufgibt, die von der ersten Welle der Unternehmensentwicklung angenommen wurde autonome Fahrzeuge.
Bis vor kurzem basierte der Ansatz auf superdetaillierten 3D-Karten und separaten Modulen für Vermessung und Planung. Waywe setzt beim Fahren von Fahrzeugen vollständig auf künstliche Intelligenz. Mit anderen Worten, das Auto hat seine eigenen Kriterien, um das Fahren zu lernen, und es passt sich an, ohne auf Karten zurückgreifen zu müssen. Lernen, interpretieren, üben.
Trainiere und fahre mehrere verschiedene Fahrzeuge, auch gleichzeitig
Der erste Ansatz für autonome Fahrzeuge Er trug ein paar Prototypen mit sich herum, mit großem Aufwand und Kosten. Ich weiß nicht, ob es sich in diesen Begriffen verbreiten wird. Wayve und andere Startups der nächsten Generation wollen mit Autos wiederholen, was Deep Learning für die Verarbeitung natürlicher Sprache geleistet hat.
Wayve-Fahrzeuge sind mit den gleichen Sensoren wie ähnliche Autos ausgestattet, aber höher und in anderen Winkeln positioniert. Und der erste Unterschied fällt auf: Bei diesem Ansatz ist es die künstliche Intelligenz, die alles verwaltet. Platziere ich diese Sensoren an einem Kleinwagen, errechnet die KI den Winkelunterschied und „lernt“ mit den unterschiedlichen Abmessungen eines Fahrzeugs umzugehen. Bringe ich diese Sensoren in einem LKW an? Die KI passt sich dem Truck an. Und es passt sich allem an: Größe, Masse, Bremszeit, Lenkwinkel.
Mit anderen Worten: wie ein Mensch den Modus wechselt, je nachdem, welchen Fahrzeugtyp er fährt. Er „versteht“, dass er sich in einem anderen Fahrzeug befindet, und kann entsprechend fahren lernen. Dies hat mehrere Konsequenzen.
Wie dieses Modell der künstlichen Intelligenz funktioniert
Das KI-Modell von Wayve, Ghost und anderen Startups der nächsten Generation wird mit einer Kombination aus Reinforcement Learning (bei dem es durch Versuch und Irrtum lernt) und Imitationslernen (bei dem es die Aktionen menschlicher Fahrer kopiert) trainiert. Tausende von Stunden an Fahrdaten waren erforderlich, um das Modell für das Autofahren zu trainieren. Bald darauf wurde der künstlichen Intelligenz ein Transporter „zugesetzt“. Ergebnis? Nur 80 Stunden. Und es hat sich auch schon beim Autofahren verbessert.
„Bei der ersten Fahrt mit dem Van hatte ich ein bisschen Angst“, gibt sie zu Naomi Standard, der Bediener Wayve, der auf dem Fahrersitz saß und nicht fuhr. "Ich fühlte mich wie ein Fahrschullehrer mit einem Anfänger." Der Van kam jedoch gut mit Londons engen Straßen zurecht und fuhr korrekt durch Baustellen, Gehwege, in zweiter Reihe geparkte Autos und andere Hindernisse.
Stellen Sie sich jetzt vor, was bald passieren wird. Diese KIs werden auf 20, 30 verschiedene Fahrzeugtypen platziert und „umlernen“, auf jedem von ihnen auf eine etwas andere Weise zu fahren. Und indem Sie diese Modalitäten zusammenfügen, leiten Sie ein "allgemeines Modell" des Fahrens ab.
Die Zukunft: Fahren lernen
Ghost möchte Verbraucherfahrzeuge herstellen, die alleine auf Autobahnen fahren können; Weg will das erste Unternehmen sein, das fahrerlose Autos in 100 Städten auf den Markt bringt.
Beide werden zu einer möglichen integrierten Zukunft beitragen. Ein künstlicher Intelligenzdienst, bei dem unser autonomes Fahrzeug bereits registriert ist (ein bisschen wie ein Smartphone, das mit einem Android-System ausgestattet ist): eine künstliche Intelligenz, die viele Fahrzeuge gleichzeitig fährt und ihr Verhalten anpasst, um perfekte Sicherheit zu gewährleisten.
Fortgeschrittene künstliche Intelligenz wird einen Standard schaffen, ein einziges „Gehirn“, das die Kontrolle über alles haben wird, was auf der Straße fährt: Rechnen wir damit natürlich noch lange. Allerdings nicht aus technischen Gründen. Aus ethischen und menschlichen Gründen. Ein ähnliches System setzt tatsächlich die Existenz von Straßen voraus, auf denen kein "menschliches" Fahrzeug zirkulieren kann. Ein nicht zu vernachlässigendes Detail.
Zumindest für jetzt.
