Pojazdy inteligentne - co to znaczy? Część II

Zrozumienie tego artykułu ma bardzo ważne znaczenie z punktu widzenia zrozumienia dylematów i obaw związanych z pojazdami autonomicznymi. Jako synonim tego pojęcia używać będziemy czasami terminu: pojazdy inteligentne. Wspominaliśmy, że jedną z istotnych przesłanek wprowadzenia pojazdów inteligentnych jest wzrost bezpieczeństwa. To właśnie tzw. „Czynnik Ludzki” jest przyczyną większości wypadków. Człowiek się męczy, czasami nie ma odpowiedniej koncentracji, nie jest w stanie w złych warunkach dostrzec niebezpiecznej sytuacji na drodze. Układ elektroniczny nie ma tych „ułomności”. W człowieku miejscem analiz sygnałów (np. dźwiękowych, wzrokowych) jest nasz mózg. Co jest mózgiem w samochodzie, co jest ośrodkiem, który generuje decyzje o manewrze ? Jest nim sztuczna inteligencja, głębokie sieci neuronowe, a proces ich nauki nazywamy „deep learningiem”.

Fig.1 Trzy filary „Deep Learningu”

Filary „deep learningu” to (Fig.1) :

Potężna liczba danych (pozyskiwana z wspomnianych w poprzednim artykule sensorów). Dane te będą służyć do treningu sieci neuronowej, jak i do analizy i kierowania pojazdem w czasie rzeczywistym.

Bardzo duża moc obliczeniowa. Dla pojazdów autonomicznych wykorzystuje się specjalne procesory z przetwarzaniem równoległym. Są one oparte o architektury GPU (Graphical Procesor Unit). W przeszłości (i nadal) są one wykorzystywane do kart graficznych. Dlatego nie należy się dziwić, że właśnie producenci kart graficznych stali się istotnymi graczami na rynku pojazdów autonomicznych. Przykładem takiej firmy jest amerykańska Firma NVIDIA.

Modele i algorytmy — tutaj zmiany są szczególnie istotne. Użytkownicy komputerów zazwyczaj przyzwyczajeni są do typowej sytuacji, że algorytmy są tworzone przez człowieka (np. formuła według, której liczymy podatek, czy prawa Newtona według których analizujemy dynamikę pojazdu). Nie zawsze jednak te reguły znamy. Na przykład nie znamy reguł jak odróżnić człowiek od zwierzęcia, jak zdefiniować rodzaj pojazdu, który jedzie przed nami. Czy komputer może sam te reguły i algorytmy stworzyć? Odpowiedź na to pytanie jest pozytywna. Takie reguły może stworzyć np. sztuczna sieć neuronowa. Sztuczna sieć neuronowa jest dość sprymityzowanym odzwierciedleniem ludzkiego mózgu. Pamiętamy z lekcji biologii w szkole średniej strukturę tkanki neuronowej. Składała się ona z komórek neuronowych , wypustek zwanych dendrytami oraz neurytu

Neuryt z dendrytem połączone są synapsą. W procesie np. uczenia synapsy istotnie zmieniają swoją aktywność.

Fig.2 Struktura najprostszej sztucznej sieci neuronowej: sieć jednokierunkowa z algorytmem wstecznej propagacji błędu

Przykład sztucznej sieci neuronowej pokazany został na rysunku 2. Żółte trójkąty to komórki neuronowe, wyjścia z tych trójkątów to neuryty połączone poprzez wagi synaptyczne (synapsy) z dendrytami następnych neuronów. Sztuczna sieć neuronowa w odróżnieniu od ludzkiej ma strukturę warstwową. W odniesieniu do warstw struktura sieci ma charakter szeregowy, ale w odniesieniu do poszczególnych warstw przetwarzanie sygnałów ma charakter równoległy i znakomicie nadaje się do realizacji z wykorzystaniem procesorów GPU. Rodzi się zasadnicze pytanie: Czy sensory (patrz artykuł poprzedni) wraz z sztucznym mózgiem są bardziej niezawodne i bezpieczne od ludzkiego mózgu i ludzkich sensorów (wzrok słuch)?. Wydaje się, że tak. Ale wciąż sztuczny mózg nie jest jeszcze strukturą o wystarczającej niezawodności. Dlatego nie oddajemy mu „całkowitej władzy” nad samochodem. Żądamy by człowiek cały czas nadzorował pracę autonomicznego, sztucznego kierowcy (poziom autonomizacji L3).