الذكاء الاصطناعي على عجلة القيادة: كيف يقود الذكاء الاصطناعي تطور المركبات الذاتية

بينما قبل حوالي 200 عام، كانت المركبات عالية الجودة ذات الميزات الفريدة لا يمكن تصورها للشخص العادي، لقد قطعنا شوطًا طويلًا منذ ذلك الحين، حيث أصبحت السيارات الكهربائية والهجينة جزءًا يوميًا من حياتنا. 

اليوم، تقود المركبات الذاتية (AVs) الابتكار في مجال السيارات التي دخلت التيار الرئيسي مع الكثير من الضجة والتوقعات. ولكن ما هي، وكيف تغير وجه السيارات؟ دعونا نرى!

نظرة على الأتمتة في السيارات 

المركبات الذاتية (AV) هي نوع من المركبات التي تستخدم التكنولوجيا لاستبدال السائق البشري جزئيًا أو كليًا وتقود نفسها إلى وجهة محددة مسبقًا في وضع “الطيار الآلي”. في الوقت نفسه، تستجيب هذه المركبات للظروف المرورية، وتتجنب مخاطر الطريق، وتوفر أمانًا أكبر.

تشمل الأنواع المختلفة من التقنيات المستخدمة في هذه المركبات المستشعرات، الليزر، الرادار، نظام التحكم التكيفي في السرعة، التوجيه النشط، أنظمة الفرامل المضادة للانغلاق، وتقنية الملاحة عبر نظام GPS.

وفقًا لجمعية مهندسي السيارات (SAE)، هناك ست مستويات للمركبات الذاتية بناءً على تدخل الإنسان. تُستخدم هذه التصنيف أيضًا من قبل الإدارة الوطنية لسلامة المرور على الطرق السريعة في الولايات المتحدة (NHTSA)، وهو كما يلي:

المستوى 0: المركبة لا تملك أي سيطرة على تشغيلها، حيث يقوم السائق البشري بجميع مهام القيادة.
المستوى 1: نظام المساعدة المتقدمة للسائق (ADAS) في المركبة يتيح القدرة على دعم السائق في التوجيه والفرملة.
المستوى 2: نظام ADAS في المركبة يشرف على التسارع والفرملة في بعض الظروف، رغم أن السائق البشري مطلوب منه أداء المهام الضرورية وإعطاء انتباه كامل للبيئة طوال الرحلة.
المستوى 3: نظام ADAS في المركبة يمكنه تنفيذ جميع أجزاء مهمة القيادة في بعض الظروف، ولكن عند الضرورة، يجب على السائق البشري تولي التحكم. هذا المستوى من الاستقلالية يتم تحقيقه حاليًا بواسطة المركبات الذاتية.
المستوى 4: نظام المساعدة المتقدمة للسائق في المركبة يمكنه إنجاز جميع المهام دون الحاجة إلى انتباه أو مساعدة من الإنسان في ظروف معينة.
المستوى 5: نظام ADAS في المركبة يمكنه القيام بجميع المهام المتعلقة بالقيادة وفي جميع الظروف دون الحاجة إلى أي مساعدة من السائق البشري. في هذه المرحلة، يتم تحقيق الأتمتة الكاملة. 

توفر المركبات الذاتية فوائد الراحة وتحسين جودة الحياة. علاوة على ذلك، يمكن للمعاقين جسديًا وكبار السن الحصول على الاستقلالية. كما توجد إمكانية لتقليل الازدحام المروري، خفض تكاليف النقل، تحرير مساحات مواقف السيارات، وخفض انبعاثات ثاني أكسيد الكربون بشكل كبير. 

ومع ذلك، على الرغم من كل الضجة حول المركبات الذاتية، لم تحقق بعد النجاح الذي كان متوقعًا. فما هي المشكلة هنا؟

التحديات التي تواجه المركبات الذاتية

قادت المركبات الذاتية أو بدون سائق إلى استثمارات بمليارات الدولارات في السنوات الأخيرة، لكن هناك العديد من العقبات في إطلاقها وتأخر تبني العملاء. لذا، دعونا نلقي نظرة على بعض أبرز التحديات التي تواجه هذه المركبات. 

بيئة القيادة المعقدة 

الأنظمة التي تستخدمها المركبات الذاتية لتتبع إشارات الطريق، إشارات المرور، وحركة الأجسام على الطريق ليست معصومة من الخطأ. فهي خصوصًا تفشل في فهم السيناريوهات الواقعية. 

على سبيل المثال، إذا كان سرب من الطيور جالسًا على الطريق، يفهم السائقون البشريون أن الطيور ستحلق بعيدًا عندما يتحرك المركبة إلى الأمام، لكن المركبات الذاتية قد تتوقف بلا ضرورة أو تضغط الفرامل بقوة. كما تفشل المركبات الذاتية في اكتشاف التفاعلات الاجتماعية المعقدة مثل حركة اليد أو التواصل البصري من سائق آخر، الذي يشير لك بالتحرك. 

وبالإضافة إلى ذلك، لا تستطيع المركبات الذاتية حتى الآن التصرف بأمان عندما لا توجد إشارات مرور على الطريق. وهذا يعني أن المركبات الذاتية لا يمكنها بعد تشغيلها بأقصى دقة في أي موقع في دول مختلفة. 

إذا رغب راكب في زيارة موقع غير مدرج في نظام الخريطة، فقد يجد صعوبة كبيرة حيث قد تشوش المركبة الذاتية. وهذا يستدعي الحاجة إلى خرائط طرق ثلاثية الأبعاد (3D) معقدة لتوجيه المركبة، وهي عملية تستغرق وقتًا إذا أراد المرء تحقيق التغطية والدقة.

الطقس السيئ

تحدٍ كبير للمركبات الذاتية هو الطقس السيئ. تستخدم هذه المركبات مجموعة واسعة من المستشعرات: الكاميرات للمساعدة في رؤية وتحديد الأشياء، الليزر لتتبع المسافة، والرادار لقياس سرعة الحركة واتجاهها. 

بعد جمع البيانات، يتخذ النظام قرارًا، لكن الثلج أو الضباب أو الأمطار الغزيرة تجعل من الصعب على المستشعرات العمل بشكل صحيح. لذا، يؤثر الطقس القاسي سلبًا على دقة قدرة المركبة الذاتية على الاستشعار، مما قد يهدد سلامة المستخدم. بالإضافة إلى ذلك، هناك مشاكل الأمطار الغزيرة والمواد مثل الماء أو الزيت أو الثلج أو الحطام التي تحجب علامات المسار.

التكلفة

مشكلة كبيرة أخرى للمركبات الذاتية هي التكلفة؛ فالمستشعرات المستخدمة في هذه المركبات، مثل الليدار والرادار، باهظة الثمن. بالإضافة إلى ذلك، لا يزال الليدار يحاول تحقيق التوازن المناسب بين المدى والدقة. لذا يطرح السؤال: إذا كانت عدة مركبات ذاتية تسير على نفس الطريق، هل تتداخل إشارات الليدار الخاصة بها مع بعضها البعض؟  

المسؤولية القانونية

سؤال كبير آخر يتعلق بالمركبات الذاتية هو المسؤولية عن الحوادث؛ من المسؤول عن الحوادث التي تتسبب فيها المركبات الذاتية؟ سيصبح هذا أكثر أهمية بالنسبة للمركبات ذات المستوى الكامل من الاستقلالية التي لا تحتوي على عجلة قيادة ليتولى الإنسان التحكم في حالة الطوارئ. ثم هناك التأمين، وهو مجال غامض آخر لهذه المركبات.

القوانين واللوائح

على الرغم من دخول المركبات الذاتية إلى التيار الرئيسي، لا تزال القوانين واللوائح المحيطة بها قليلة ومتباعدة. مؤخرًا، تحول عملية التنظيم للمركبات الذاتية في الولايات المتحدة من إرشادات فيدرالية إلى أوامر على مستوى كل ولاية. 

لمنع ظهور “السيارات الزومبي”، اقترحت بعض الولايات حتى فرض ضريبة على كل ميل. كما كتب المشرعون مشاريع قوانين تقترح أن تكون جميع المركبات الذاتية مزودة بزر طوارئ.

الأمن السيبراني 

نظرًا لنظام النقل المتصل بشكل كبير وإطلاق شبكة الجيل الخامس (5G)، فإن خصوصية البيانات والأمن السيبراني يمثلان مشكلات أخرى لهذه المركبات. على سبيل المثال، في عام 2015، قامت شركة Fiat Chrysler استدعاء 1.4 مليون من مركباتها لإصلاح الأخطاء التي يمكن أن تُختَرق وتُتحكم فيها عن بُعد. يجب على المركبات الذاتية التأكد من أنها لا تنتهك خصوصية بيانات المستهلك فحسب، بل يجب أيضًا حماية البيانات من القراصنة. 

البنية التحتية 

من أجل إدخال المركبات الذاتية إلى الطرق، يجب القيام باستثمارات ضخمة في البنية التحتية. غالبًا ما تحتاج المركبات الذاتية إلى خطوط مسار واضحة، أماكن لتخزين البيانات، وشبكة شحن أكثر قوة. سيؤثر ذلك على ميزانية المدينة. لذا، يجب أن يكون هناك حوار حول الاستثمارات العامة بالإضافة إلى التواصل مع المجتمع والصناعة لتوسيع البنية التحتية القائمة.

الذكاء الاصطناعي يمهد الطريق للمستقبل للمركبات الذاتية

في مواجهة كل هذه التحديات، يتولى الذكاء الاصطناعي (AI) المسؤولية ويمهد الطريق للمستقبل للمركبات الذاتية.

الأمر هو أن صناعة السيارات تتقدم بسرعة في السنوات الأخيرة مع ظهور تقنيات جديدة. الذكاء الاصطناعي هو إحدى هذه التقنيات التي تساعد صناعة السيارات على التحول. أساسًا، يهدف الذكاء الاصطناعي إلى جعل الآلات أكثر ذكاءً. فهو يتضمن محاكاة الذكاء البشري في الآلات لجعلها تفكر وتتصرف مثل البشر.

يمكن للذكاء الاصطناعي المركبات من التعرف على الأجسام، توقع ما قد يحدث لاحقًا، حتى التفاعل مع المواقف غير المتوقعة، وأن تكون أفضل من السائقين البشريين في القيادة في مواقف المرور المعقدة. وفقًا لـ Statista، من المتوقع أن يصل حجم سوق الذكاء الاصطناعي للسيارات عالميًا إلى 74.5 مليار دولار. 

وفقًا لدراسة NHTSA، تتسبب الأخطاء البشرية مثل ضعف الرؤية والسمع في حوالي 93٪ من حوادث الطرق. يمكن لاستخدام الذكاء الاصطناعي في المركبات الذاتية على شكل مستشعرات وخوارزميات أن يتيح وسائل نقل أكثر أمانًا وأمانًا، مما يقلل بشكل كبير من الضحايا الناجمة عن الأخطاء البشرية. قدرة الذكاء الاصطناعي على تعلم البيئة ثم التكيف تجعل التقنية أكثر كفاءة في التعامل مع الطرق والمواقف المعقدة.

يتم استخدام الذكاء الاصطناعي في المركبات الذاتية بعدة طرق:

• يمكن للتقنية مساعدة المركبات الذاتية على توقع سلوك السائقين الآخرين والمشاة من خلال تزويد المركبة بقدرة على استخدام التحليلات، توقع أي مشاكل، ثم منع حدوثها.
• من خلال الاستفادة من التعلم الآلي، حيث يتم تدريب نموذج على مجموعات بيانات مُعلمة لتطابق المدخلات بالمخرجات بدقة، يمكن للذكاء الاصطناعي مساعدة المركبات الذاتية في التعرف على الأجسام ونمذجتها. في الوقت نفسه، يمكن للنموذج المدرب على مجموعات بيانات غير مُعلمة مساعدة المركبات الذاتية في اكتشاف الشذوذ، وفهم المواقف المعقدة، واستخراج الميزات.
• تعتمد المركبات الذاتية على مستشعرات مثل الكاميرات، الليدار، الرادار، والمستشعرات فوق الصوتية للحصول على معلومات حول محيطها. هنا، يمكن لخوارزميات الذكاء الاصطناعي تحليل هذه البيانات لإنشاء خرائط مفصلة، مما يسمح للمركبات الذاتية باتخاذ قرارات مستنيرة.
• من خلال الاستفادة من معالجة اللغة الطبيعية (NLP)، يمكن للمركبات الذاتية استخدام التعرف على الصوت للتفاعل مع الركاب. بهذه الطريقة، يساعد الذكاء الاصطناعي المركبات على فهم استفسارات البشر والرد عليها بفعالية.
• من خلال تمكين اتخاذ قرارات فورية بناءً على بيانات المستشعرات في الوقت الحقيقي، يساعد الذكاء الاصطناعي المركبات الذاتية على تحديد ما إذا كان الاستجابة المثلى هي الإبطاء أو التوقف. بهذه الطريقة، يساعد الذكاء الاصطناعي المركبات الذاتية في المواقف الخطرة حيث يكون البشر عرضة للخطأ. تقوم التقنية بذلك بتحليل تدفقات البيانات عبر مستشعراتها. فهي تؤدي أداءً أفضل بكثير في اكتشاف حركة المرور المتقاطعة، ومراقبة النقاط العمياء بنشاط، ومزامنة مع إشارات المرور، والتحكم الطارئ في المركبة.

بشكل عام، يمكن للذكاء الاصطناعي في المركبات الذاتية جمع البيانات في الوقت الحقيقي، اكتشاف وتحديد الأجسام، تحسين المسار، التنقل في ظروف الطريق، وتوقع الأعطال. جميع هذه الاستخدامات للذكاء الاصطناعي تساعد المركبات الذاتية على تحقيق تقليل الازدحام، توفير الطاقة بشكل أسرع، تحسين إمكانية الوصول، تعزيز الكفاءة، وزيادة السلامة. 

في الوقت الحالي، تُستخدم التقنية من قبل صانعي السيارات حول العالم. على سبيل المثال، نظام قاد أكثر من 3 مليارات ميل في هذا الوضع على مدار ما يقرب من عقد من الزمن. تستفيد سيارات Tesla التابعة لإيلون ماسك من خوارزميات الذكاء الاصطناعي المتطورة للتحكم الدقيق.

Waymo هي شركة أخرى تستخدم نظام قيادة ذاتية قائم على الذكاء الاصطناعي لتخطيط المسارات المعقدة والتفاعل الذكي مع بيئتها. قامت الشركة باختبار مركباتها من خلال قيادة عشرات المليارات من الأميال في المحاكاة.

المساعد الرقمي لشركة Daimler، وسيارة Audi R10 e-tron SUV، ونظام القيادة الذاتية EQR4 من Mercedes-Benz هي بعض الأمثلة الأخرى. تشمل المساهمين الرئيسيين في الذكاء الاصطناعي للمركبات الذاتية BMW، GM، Nissan، Uber، Volvo، Bosch، Mobileye، Valeo، Continental، Velodyne، Nvidia، وFord.

انقر هنا لتعرف كيف كان عام 2023 عام الانطلاقة للذكاء الاصطناعي وما يمكننا توقعه في المستقبل. 

أهم الاختراقات في مجال الذكاء الاصطناعي في مساحة المركبات الذاتية

كان عام 2023 عامًا رائعًا للتطورات في الذكاء الاصطناعي، حيث أثر على كل شيء من الفن والمالية والرعاية الصحية والتعليم إلى تغير المناخ والبحث والتمويل والمركبات الذاتية. لذا، دعونا نلقي نظرة على بعض أهم الاختراقات في مجال الذكاء الاصطناعي لعام 2023 في مساحة المركبات الذاتية.

مؤخرًا، طور الباحثون من جامعة إنشون الوطنية (INU) في كوريا نظامًا جديدًا لاكتشاف الأجسام ثلاثية الأبعاد من البداية إلى النهاية، وهو نظام يعتمد على التعلم العميق ومُمكّن من إنترنت الأشياء. يمنح هذا النظام المركبات الذاتية قدرات اكتشاف محسّنة، حتى في الظروف غير المواتية. 

معالجة صعوبة تعرض المستشعرات مثل الكاميرات والليدار والرادار للانحرافات بسبب العوائق والطقس والطرق غير المنظمة، قامت هذه الدراسة بتكييف خوارزمية YOLOv3 (You Only Look Once) لتحديد الأجسام ثلاثية الأبعاد من خلال دمج إنترنت الأشياء الذي يتيح للأجسام تبادل البيانات والتواصل عبر الإنترنت.

تم تصميم النظام المقترح لمعالجة صور RGB وبيانات سحابة النقاط كمدخلات. ثم ينتج صناديق تحديد (bounding boxes) مُصنفة ومُقيمة لتحديد العقبات. يتميز هذا النظام بقدرته على اكتشاف مجموعة متنوعة من العناصر وإدارة التغييرات في الحجم والدوران.

اختبرت الدراسة النظام باستخدام مجموعة بيانات Lyft ووجدت أنه أظهر دقة أعلى وزمن استجابة أقل. وفقًا للفريق، فإن مرونة النظام المقترح تتجاوز المركبات الذاتية، حيث يمكن تطبيقه في المراقبة والروبوتات والألعاب أيضًا.

مشروع آخر، Helm.ai، حقق اختراقًا في الذكاء الاصطناعي يتنبأ بنوايا السائق ويخطط للمسارات المثلى. الشركة التي تطور برامج الذكاء الاصطناعي لأتمتة الروبوتات والمركبات أعلنت أن ذلك سيمكن Helm.ai من تنفيذ نشرات قابلة للتوسع من المستوى L2/L3 وL4.

نماذج الأساس القائمة على الشبكات العصبية العميقة (DNN) في الشركة تُدرب باستخدام تقنيتها الخاصة، Deep Teaching، التي تستخدم بيانات قيادة حقيقية لبيئات القيادة المعقدة.

الآن، يقوم نموذجها أيضًا بتحليل المركبات والمشاة المحيطة لتوقع أفعالهم المحتملة بدقة في مواقف حضرية متنوعة، وبناءً على ذلك، يولد أكثر المسارات كفاءة وأمانًا للمركبات الذاتية. يعمل منصة الشركة مع تكوينات عتادية مختلفة بسلاسة ويسمح بالتدريب والتحقق الفعال.

منصتنا البرمجية تعالج التحديات الحرجة في الإدراك للبيئات الحضرية، ممهدة الطريق لتطوير وتحقق واسع النطاق لتنبؤ النوايا وتخطيط المسار المدعوم بالذكاء الاصطناعي. 

– Vladislav Voroninski, Helm.ai’s CEO

هذا العام، حقق رائد السيارات الكهربائية Tesla أيضًا تقدمًا في برنامج القيادة الذاتية الكامل (FSD). تسمح إصداره الأخير، 12 (v12)، للشركة بالاقتراب خطوة أخرى من تحقيق المستوى الرابع أو الخامس من الاستقلالية بسياراتها. 

في أغسطس، عرض ماسك نسخة FSD v12 وهي تقود المركبة ذاتيًا وتؤدي مهامًا مثل الركن المتوازي، الالتزام بإشارات المرور، والتنقل في الدوارات. ما يميز هذه النسخة عن سابقتها هو الاعتماد الكبير على الشبكات العصبية ذات التدريب الذاتي المدعومة بالذكاء الاصطناعي.

ما يعنيه ذلك هو أنه بدلاً من الحاجة إلى مبرمجين بشريين لتشفير ردود ثابتة لمختلف سيناريوهات القيادة، سيقوم الذكاء الاصطناعي بتحليل كميات هائلة من البيانات التي تجمعها مركبات Tesla ثم يختار الاستجابة الأنسب.

هذا التطور يقترب بتسلا خطوة أخرى من تحقيق هدفها الواسع في إنشاء خدمة روبوتاكسي، والتي، وفقًا لـ Ark Invest، حتى في سيناريو متشائم، تولد إيرادات سنوية بقيمة 200 مليار دولار (أكثر من 600 مليار دولار وفقًا لأكثر توقعات تفاؤلية).

في وقت سابق من هذا العام، جاء اختراق آخر للمركبات الذاتية على شكل نظام تصوير كاميرا، HADAR، أو ‘الكشف والتحديد بمساعدة الحرارة’. استخدم الباحثون من جامعة ولاية ميتشغان وجامعة بوردو الذكاء الاصطناعي لتطوير HADAR، الذي يفسر توقيعات الحرارة لتوفير صور مفصلة وواضحة مع اختراق الضوضاء البصرية.

استفاد نموذج الذكاء الاصطناعي الخاص بهم من خوارزميات التعلم الآلي التي تجمع بيانات من كاميرات الأشعة تحت الحمراء التجارية للتعرف على الخصائص الفيزيائية للأجسام ومحيطها، مما يسمح لـ HADAR بإعادة بناء مشاهد ليلية واضحة.

نظرًا لأن النظام يمكنه اكتشاف أنماط الإشعاع الحراري، وتكوين المواد، ودرجة الحرارة بنجاح كبير، فإنه يمتلك إمكانات واسعة، بما في ذلك فحص الأمن العام بدون تلامس وحتى التغلب على الخوف من الظلام. ومع ذلك، يواجه HADAR تحديات من حيث تكلفة المعدات والحاجة إلى المعايرة في الوقت الحقيقي.

قامت شركة Ford Motor بإنشاء شركة فرعية مملوكة بالكامل تُدعى Latitude AI لتطوير نظام قيادة آلي بدون يدين وبدون تركيز العين على الطريق. وقد حققت عملاق السيارات بالفعل أكثر من 50 مليون ميل من القيادة بدون يدين في نظام Ford BlueCruise.

الآن، مع Latitude، الفكرة هي أتمتة القيادة في الأوقات المملة والمرهقة وغير السارة مثل امتدادات طويلة من الطرق السريعة أو الازدحام المتواصل. عند الحديث عن القيادة الآلية، قال مدير التكنولوجيا في Ford، دوغ فيلد:

“نرى تقنية القيادة الآلية كفرصة لإعادة تعريف العلاقة بين الناس ومركباتهم.” 

أفكار ختامية

إذًا، كما رأينا، بناءً على مستوى المساعدة البشرية المطلوبة، تصنف المركبات الذاتية إلى فئات مختلفة، وهي أتمتة لمساعدة السائق، قيادة جزئية الأتمتة، قيادة ذاتية عالية الأتمتة، قيادة ذاتية كاملة، ومركبة ذاتية تمامًا. مع ظهور الذكاء الاصطناعي، أصبحت إمكانية وصول المركبات الذاتية إلى مراحلها النهائية أقرب من أي وقت مضى.

مستقبل سوق الذكاء الاصطناعي في صناعة السيارات واضح واعد. كان يبلغ أكثر من 6 مليارات دولار في عام 2022 ومن المتوقع أن ينمو بمعدل نمو سنوي مركب (CAGR) يبلغ 55٪ بحلول عام 2032. 

ستساعد التطورات في خوارزميات الذكاء الاصطناعي، مثل تقنيات المستشعرات، قوة الحوسبة، وحلول الصيانة التنبؤية، المركبات الذاتية على تجاوز تحدياتها وتحقيق تبني واسع النطاق! 

انقر هنا لتتعرف على كل ما يتعلق بالاستثمار في الذكاء الاصطناعي.