كانت التوقعات خاطئة: السيارات ذاتية القيادة لديها طريق طويل لنقطعه

منذ عدة سنوات ، بدت السيارات ذاتية القيادة جاهزة تقريبًا للسيطرة على الطرق.

قالت الجارديان في عام 2015: "اعتبارًا من عام 2020 ، ستكون سائقًا دائمًا للمقعد الخلفي". ستقود المركبات المستقلة تمامًا من النقطة "أ" إلى النقطة "ب" وتواجه مجموعة كاملة من السيناريوهات على الطريق دون الحاجة إلى أي تفاعل من السائق "بيزنس" كتب المطلعين في عام 2016.

أصبح من الواضح الآن أن العديد من هذه التقديرات مبالغ فيها. مجرد إلقاء نظرة على مشكلة اوبر في ولاية اريزونا. من المؤكد أن السيارات بدون سائق ستجعل طرقنا أكثر أمانًا ، لكن إزالة البشر من خلف عجلة القيادة أمر صعب للغاية. قبل أن نصل إلى المدينة الفاضلة الخالية من الحوادث ، التي كنا نحلم بها منذ عقود ، يجب أن نتغلب على العديد من العقبات ، وهي ليست تقنية بالكامل.

التنقل في البيئات المفتوحة

يجب على السيارات المستقلة التنقل في بيئات متنوعة لا يمكن التنبؤ بها.

وقال جاك ستيلجو: "أعتقد أن الشيء المهم عندما نفكر في السيارات هو ما يتطلبه الأمر لكي تكون هذه الأشياء ذاتية القيادة. هذا هو المكان الذي تسبب لنا فيه لغة الاستقلال الذاتي في المتاعب ، لأن الحكم الذاتي لا ينطبق إلا ضمن نظام معين". ، عالم اجتماعي في جامعة كوليدج لندن وزعيم مشروع مستقبل السائقين.

وقال إن قطاعات أخرى من صناعة النقل ، بما في ذلك القطارات والطائرات ، طبقت بالفعل الحكم الذاتي لمستويات نجاح أعلى من السيارات.

"إن الطيار الآلي للطائرة يعمل فقط لأن المجال الجوي هو بيئة خاضعة لرقابة شديدة. إذا كنت تطير منطاد الهواء الساخن الخاص بك في طريق 747 ، فسوف يحرث مباشرة من خلالك ، وسوف يكون واضحا جدا الذي سيكون عيبه ،" وأشار Stilgoe بها. "الشيء نفسه بالنسبة للقطارات. كونك بلا سائق أمر منطقي فقط لأنه من الواضح جدًا أن النظام مغلق".

في المقابل ، تعمل السيارات على الطرق ، وهي أنظمة شديدة التعقيد ومفتوحة - أقل قابلية للتنبؤ بها بكثير من السكك الحديدية حيث القطارات لها مسارات حصرية خارج نطاق السيارات والحيوانات والمشاة. يجب أن تجد السيارة ذاتية القيادة طريقها في الشوارع المزدحمة ، وأن تتفاعل مع إشارات الطرق ، وأن تتعامل مع حركة المرور الأخرى عند التقاطعات ، وأن تقود السيارة في ظروف مختلفة حيث قد لا تكون العلامات واضحة. يجب أن تتعلم التنقل حول العقبات ، والرد على التحركات من السيارات والسائقين الآخرين ، والأهم من ذلك ، تجنب الوقوع في المشاة. كل هذا يجعل مهمة إنشاء سيارات آمنة ذاتية القيادة أكثر صعوبة.

وقال ستيلجو: "ستكون هناك دائمًا أشياء تفاجئنا".

إعطاء عيون وعقول للسيارات

واحدة من التقنيات الرئيسية التي ساعدت على دفع تكنولوجيا السيارة ذاتية القيادة هي التعلم العميق ، وهي مجموعة فرعية من الذكاء الاصطناعي الذي يخلق نماذج سلوكية تستند إلى أمثلة. تقوم خوارزميات التعليم العميق بفحص موجزات الفيديو من الكاميرات المثبتة حول السيارة ذاتية القيادة للعثور على أبعاد الطريق ، وقراءة العلامات ، واكتشاف العقبات والسيارات والمشاة.

أنتوني ليفاندوفسكي ، المهندس الذي كان في قلب دعوى قضائية بين Waymo و Uber ، نشر مؤخرًا فيديو وتفاصيل أداء لتقنية ذاتية القيادة قادت 3،100 ميل ، من جسر Golden Gate في سان فرانسيسكو إلى جسر جورج واشنطن في نيويورك دون تسليم عنصر التحكم إلى برنامج تشغيل بشري واستخدام كاميرات الفيديو والشبكات العصبية فقط.

على الرغم من أن القيادة على الطرق السريعة بين الولايات أسهل بكثير من التنقل في البيئات الحضرية ، إلا أن إنجاز ليفاندوفسكي ملحوظ. يخطط Pronto.ai ، الشركة الناشئة الجديدة الخاصة به ، لإتاحة التكنولوجيا لشبه الشاحنات التجارية ، التي تقضي معظم وقتها على الطرق السريعة.

لكن في حين أن الشبكات العصبية المدربة تدريباً جيداً يمكنها أن تتفوق على البشر في اكتشاف الأشياء ، إلا أنها لا تزال تفشل بطرق غير عقلانية وخطيرة - وأبرزها حادث سقوط Tesla Model S 2016 المميت وحادث 2018 Model X. تشير دراسات أخرى إلى أنه يمكن بسهولة خداع خوارزميات رؤية الكمبيوتر الخاصة بالسيارات ذاتية القيادة عندما ترى أشياء معروفة في مواقع حرجة.

لكي نكون منصفين ، حالت تقنيات القيادة الذاتية دون وقوع حوادث في العديد من الحالات ، ولكن هذه الحالات نادراً ما تصدرت عناوين الصحف.

استكمال الشبكات العصبية

للتغلب على حدود الشبكات العصبية ، قامت بعض الشركات بتجهيز سياراتها بـ Lidar ، وهي الأجهزة الدوارة التي تُشاهد غالبًا أعلى السيارات ذاتية القيادة. تنبعث أجهزة Lidar من العديد من أشعة الضوء غير المرئية في اتجاهات مختلفة وتقوم بإنشاء خرائط ثلاثية الأبعاد مفصلة للمنطقة المحيطة بالسيارة عن طريق قياس الوقت الذي تستغرقه تلك الأشعة لعكس جسم ما والعودة إليه.

يستطيع Lidar اكتشاف الكائنات والعقبات التي قد تفوتها خوارزميات مصنف الصور. يمكن أيضًا تمكين السيارات من الرؤية في الظلام ، وهي أكثر تفصيلًا ودقة من الرادار ، وهو الأنسب لاكتشاف الكائنات المتحركة.

تستخدم معظم الشركات التي لديها برامج سيارات ذاتية القيادة Lidar ، بما في ذلك Waymo و Uber. لكن التكنولوجيا لا تزال حديثة الولادة. لأحد ، ليست الأجهزة Lidar كبيرة مع الحفر أو الطقس العاصف.

Lidar هو أيضا مكلفة للغاية. وفقا لتقديرات مختلفة ، يمكن للمرء أن يضيف ما يصل إلى 85000 دولار لسعر السيارة. قد تكون التكاليف السنوية في حدود 100 ألف دولار ، وفقًا لمسح أجرته شركة أكسيوس. ربما لا يستطيع مشتر السيارات العادي تحمل ذلك ، لكن يمكن لعمالقة التكنولوجيا الذين يخططون لنشر خدمات سيارات الأجرة ذاتية القيادة.

وقال ستيلجو: "هناك عدد قليل من الناس يحاولون تطوير إضافات منخفضة التكلفة ، لكن يبدو أن الفوائد أوضح عندما تتم مشاركة السيارات وتشغيلها في المدن". "قد يكون هذا أمرًا جيدًا للأشخاص الذين لا يملكون حاليًا سيارة أو أمرًا سيئًا للأشخاص خارج المدينة الذين قد لا يكون لديهم خدمة في مكان قريب."

يحذر Stilgoe من وجود خطر من أن تستخدم المدن وعد الأساطيل ذاتية القيادة كسبب لتأجيل الاستثمار في وسائل النقل العام. وجد بحثان أجرتهما شركة Axios أن اثنتين على الأقل من الولايات المتحدة كانتا تستثمران مئات الآلاف من الدولارات في خدمات النقل الذاتية.

الحاجة إلى الاتصال والبنية التحتية

يعمل السائقون البشريون أكثر من مجرد مراقبة بيئاتهم. يتواصلون مع بعضهم البعض. إنهم يلامسون العين ويلوحون إلى بعضهم البعض ويبدأون التحرك ببطء في اتجاه لجعل نواياهم واضحة للسائقين الآخرين. هذه وظائف تؤديها تقنيات القيادة الذاتية الحالية بشكل سيء للغاية ، إن وجدت.

بالإضافة إلى تعيين بيئاتها واكتشاف الكائنات ، تحتاج السيارات ذاتية القيادة أيضًا إلى طريقة للتواصل مع بعضها البعض وبيئاتها. في مقالة لمجلة هارفارد بيزنس ريفيو ، اقترح الأكاديميون في كلية إدارة الأعمال بجامعة إدنبرة عدة حلول ، بما في ذلك نشر أجهزة استشعار ذكية في السيارات والبنية التحتية.

"فكر في أجهزة إرسال الراديو التي تستبدل إشارات المرور وشبكات البيانات المتنقلة واللاسلكية ذات السعة العالية التي تتعامل مع الاتصالات من مركبة إلى مركبة ومن مركبة إلى بنية أساسية ووحدات على جانب الطريق توفر بيانات في الوقت الفعلي عن الطقس وحركة المرور وظروف أخرى" كتب الأكاديميون.

تحاول تقنيات القيادة الذاتية الحالية تكييف أجهزة الكمبيوتر مع البنية التحتية المصممة للإنسان ، مثل إشارات المرور وإشارات الطرق وعلامات الطرق وما إلى ذلك. تحتاج خوارزميات التعلم الآلي إلى ساعات من التدريب وكميات هائلة من البيانات قبل أن تتمكن من تكرار معظم الوظائف الأساسية لنظام الرؤية البشرية ، مثل اكتشاف السيارات الأخرى أو قراءة علامات الطرق من زوايا مختلفة وتحت ظروف الإضاءة والطقس المختلفة.

إن تحسين السيارات والطرق باستخدام أجهزة استشعار ذكية سيجعل من الأسهل بكثير على السيارات ذاتية القيادة التواصل والتعامل مع ظروف الطرق المختلفة - وهو نهج أصبح قابلاً للتطبيق بشكل متزايد مع انخفاض تكاليف المعالجات وتقنيات مثل 5G تجعل الاتصال في كل مكان ممكنًا وبأسعار معقولة.

فصل السيارات ذاتية القيادة

تعد إضافة أجهزة استشعار ذكية إلى أربعة ملايين ميل من الطرق الأمريكية مهمة صعبة إن لم تكن مستحيلة. إنه أحد أسباب تفضيل شركات السيارات ذاتية القيادة التركيز على جعل السيارات أكثر ذكاءً وليس البيئة.

"السيناريو الأكثر احتمالاً على المدى القريب الذي سنراه هو أشكال مختلفة من الفصل المكاني: ستعمل السيارات ذاتية القيادة في بعض المناطق وليس في مناطق أخرى. إننا نشهد هذا بالفعل ، حيث يتم إجراء تجارب مبكرة للتكنولوجيا في أماكن محددة. اقترح الباحثون في إدنبره في مقالهم: "اختبار المناطق أو في بيئات بسيطة نسبيا وعادلة الطقس".

في غضون ذلك ، اقترحوا "قد نرى أيضًا ممرات مخصصة أو مناطق مخصصة للمركبات ذاتية القيادة ، وذلك لمنحهم بيئة أكثر تنظيماً بينما يتم تحسين التكنولوجيا وحماية مستخدمي الطرق الآخرين من قيودهم".

قدم خبراء آخرون اقتراحات مماثلة. في آب (أغسطس) ، اقترح باحث ومؤسس منظمة العفو الدولية في Google Brain Andrew Ng أنه لحل مشاكل السلامة في القيادة الذاتية ، يجب علينا تغيير سلوك المشاة والمستخدمين الآخرين الذين يشاركونهم في الطرق. وقال نج "إذا نظرت إلى ظهور خطوط السكك الحديدية ، فقد تعلم الناس في معظمها عدم الوقوف أمام قطار على المسارات".

من المؤكد أن اقتراح Ng سيساعد في تقليل مخاطر السلامة في السيارات ذاتية القيادة أثناء تطور التكنولوجيا ، لكنه لا يتماشى بشكل جيد مع خبراء آخرين في الذكاء الاصطناعي ، بما في ذلك رائد الروبوتات رودني بروكس. "إن الوعد الكبير للسيارات ذاتية القيادة كان أنها ستقضي على حوادث المرور. الآن تقول إنها ستقضي على حوادث المرور طالما تم تدريب جميع البشر على تغيير سلوكهم؟" كتب بروكس في بلوق وظيفة.

• يركب حول ميامي في سيارات اختبار القيادة الذاتية لفورد يركب حول ميامي في سيارات اختبار القيادة الذاتية لفورد
• مدير قسم التسويق في فورد على الدراجات البخارية ، ومنظمة العفو الدولية ، وتقديم سيارات مستقلة إلى ميامي
• في سيارات Lyft's ذاتية القيادة ، تفوز بطيئة وثابتة في السباق في سيارة Lyft's ذاتية القيادة ، تباطأ بطيئة وثابتة في السباق

يصف البروفيسور غاري ماركوس ، الأستاذ بجامعة نيويورك ، وهو ناقد صريح للمبالغة في إنجازات التعلم العميق ، اقتراح نغ بأنه "يعيد تحديد أهداف الأهداف لجعل المهمة أسهل".

لكن ستيلجو يعتقد أنه يمكننا استخلاص دروس مهمة من التاريخ. وقال ستيلجو: "عندما وصلت السيارات لأول مرة إلى المدن الأمريكية في أوائل القرن العشرين ، طُلب من المشاة الابتعاد عن الطريق من أجل جعل الطرق آمنة. تم اختراع جايوكلينج كجنحة ، وتم تصميم الطرق لتفضيل السيارات".

يعتقد Stilgoe أننا إذا كنا جادين بشأن فوائد السيارات ذاتية القيادة ، فسوف نرى نفس الشيء يحدث مرة أخرى. على سبيل المثال ، قد تبدأ شركات السيارات في الضغط على المدن لتحديث بنيتها التحتية وتعليم المشاة كيفية التصرف حول السيارات ذاتية القيادة. وقال ستيلجو: "لكي تعمل السيارات ذاتية القيادة كما وعدت ، سيحتاج النظام الذي تعمل فيه إلى التحكم فيه".

العقبات أسفل الطريق

على الرغم من نضالها ، تتقدم صناعة السيارات ذاتية القيادة إلى الأمام بخطى ثابتة ، وستصبح طرقنا بالتأكيد أكثر أمانًا.

لكن الأسئلة والتحديات لا تزال قائمة. على سبيل المثال ، من سيتحمل المسؤولية عند وقوع حادث سيارة؟ وقال ستيلجو: "من السهل أن نقول إنه في نظام القيادة الذاتية الكامل ، يجب أن تكون الشركة مسؤولة في جميع الظروف تقريبًا. تصبح الأمور أكثر صعوبة عندما يتقاسم البشر وأجهزة الكمبيوتر القيادة في أوقات مختلفة".

كذلك ، كيف ينبغي أن تقرر سيارة ذاتية القيادة متى وجدت نفسها في موقف يكون فيه فقدان الأرواح البشرية أمرًا لا مفر منه؟ يُعرف هذا باسم "مشكلة العربة" وقد يكون الأمر افتراضيًا ، لكنه يوضح أنه يجب تصميم السيارات ذاتية القيادة لاتخاذ القرارات في المواقف التي تكون فيها القواعد غير واضحة المعالم.

وقال ستيلجو "هناك معضلات أخلاقية حقيقية في تصميم هذه الأنظمة". "السيارات ذاتية القيادة لن تكون كلي العلم."