Artipisyal na Intelihensiya
AI sa Manibela: Paano Pinapagana ng Artipisyal na Intelihensiya ang Ebolusyon ng mga Autonomous na Sasakyan
Idagdag ang Securities.io sa mga gusto mong mapagkunan sa Google
Habang mga 200 taon na ang nakalipas, ang mga de-kalidad na sasakyan na may natatanging tampok ay hindi maisip ng karaniwang tao, napakalayo na ng ating narating mula noon, kung saan ang mga electric at hybrid na sasakyan ay naging pang-araw-araw na bahagi ng ating buhay.
Sa ngayon, ang mga autonomous na sasakyan (AV) ang nangunguna sa inobasyon sa mga sasakyan na pumasok na sa mainstream na may maraming palabas at inaasahan. Pero ano ito, at paano nila binabago ang anyo ng mga sasakyan? Tingnan natin!
Isang Pagsilip sa Awtomasyon sa mga Sasakyan
Ang mga autonomous na sasakyan (AV) ay uri ng sasakyan na gumagamit ng teknolohiya upang bahagyang o ganap na palitan ang tao bilang drayber at magmaneho nang mag-isa patungo sa isang nakatakdang destinasyon sa mode na “autopilot”. Kasabay nito, tumutugon ang mga AV sa kondisyon ng trapiko, iniiwasan ang mga panganib sa daan, at nagbibigay ng mas mataas na kaligtasan.
Iba’t ibang uri ng teknolohiya na ginagamit ng mga sasakyang ito ay kinabibilangan ng mga sensor, laser, radar, adaptive cruise control, aktibong pagmamaneho, anti-lock braking system, at teknolohiyang GPS navigation.
Ayon sa Society of Automotive Engineers (SAE), may anim na antas ng autonomous na sasakyan batay sa interbensyon ng tao. Ang klasipikasyong ito, na ginagamit din ng US National Highway Traffic Safety Administration (NHTSA), ay ang mga sumusunod:
Level 0: Ang sasakyan ay walang kontrol sa operasyon nito, kung saan ang tao ang gumagawa ng lahat ng pagmamaneho.
Level 1: Ang advanced driver assistance system (ADAS) ng sasakyan ay may kakayahang suportahan ang drayber sa pagmamaneho at pagpreno.
Level 2: Ang ADAS ng sasakyan ay nagbabantay sa pagbilis at pagpreno sa ilang kondisyon, bagaman kinakailangan pa rin ng tao na magsagawa ng mga kinakailangang gawain at magbigay ng buong atensyon sa kapaligiran sa buong biyahe.
Level 3: Ang ADAS ng sasakyan ay maaaring gawin ang lahat ng bahagi ng gawain sa pagmamaneho sa ilang kondisyon, ngunit kapag kinakailangan, kailangang kunin ng tao ang kontrol. Ang antas ng awtonomiya na ito ay kasalukuyang naaabot ng mga AV.
Level 4: Ang advanced driver assistance system ng sasakyan ay maaaring isagawa ang lahat ng gawain nang hindi kailangan ng atensyon o tulong mula sa tao sa ilang kondisyon.
Level 5: Ang ADAS ng sasakyan ay maaaring gawin ang lahat ng gawain na may kinalaman sa pagmamaneho sa lahat ng kondisyon nang hindi kailangan ng tulong mula sa tao. Sa yugtong ito, nakamit na ang ganap na awtomasyon.
Nag-aalok ang mga autonomous na sasakyan ng benepisyo ng kaginhawahan at pinabuting kalidad ng buhay. Higit pa rito, ang mga may kapansanan at matatanda ay nakakakuha ng kalayaan. May potensyal din itong mabawasan ang pagsisikip ng trapiko, bawasan ang gastos sa transportasyon, magpaluwag ng mga paradahan, at lubos na mabawasan ang emisyon ng CO2.
Gayunpaman, sa kabila ng lahat ng ingay tungkol sa mga autonomous na sasakyan, hindi pa nila naaabot ang tagumpay na inaasahan. Ano nga ba ang problema dito?
Mga Hamon na Hinaharap ng mga Autonomous na Sasakyan
Ang mga autonomous o driverless na sasakyan ay nagpasigla ng bilyong dolyar na pamumuhunan sa mga nagdaang taon, ngunit maraming pagtutol sa paglulunsad ng AV pati na rin ang pagkaantala sa pag-aampon ng mga mamimili. Kaya, tingnan natin ang ilan sa mga pinaka-matinding hamon na kinahaharap ng mga sasakyang ito.
Komplikadong Kapaligiran sa Pagmamaneho
Ang mga sistema na ginagamit ng mga AV upang subaybayan ang mga senyas sa kalsada, signal ng trapiko, at galaw ng mga bagay sa daan ay hindi perpekto. Lalo na silang nabibigo sa pag-unawa ng mga totoong sitwasyon.
Halimbawa, kung may isang kawan ng mga ibon na nakaupo sa kalsada, nauunawaan ng mga tao na lilipad ang mga ibon kapag umusad ang sasakyan, ngunit ang mga AV ay maaaring huminto nang hindi kailangan o biglang magpreno. Nabibigo rin ang mga AV na matukoy ang komplikadong sosyal na interaksyon tulad ng galaw ng kamay o pagkikitang mata ng ibang drayber na nag-uutos na magpatuloy.
Hindi pa rin mababanggit, ang mga AV ay hindi pa kayang magpakita ng ligtas na pag-uugali kapag walang mga senyas ng trapiko sa daan. Ibig sabihin, hindi pa kayang mag-operate ang mga AV nang may pinakamataas na katumpakan sa anumang lokasyon sa iba’t ibang bansa.
Kung nais ng pasahero na pumunta sa isang lokasyon na hindi kasama sa sistema ng mapa, maaaring maging napakahirap ito dahil maaaring maligaw ang mga AV. Nangangailangan ito ng komplikadong tatlong-dimensional (3D) na mga ruta upang gabayan ang sasakyan, na isang prosesong matagal kung nais makamit ang saklaw at katumpakan.
Masamang Panahon
Isang malaking hamon para sa mga AV ang masamang panahon. Ang mga sasakyang ito ay gumagamit ng malawak na hanay ng mga sensor: mga kamera upang makita at kilalanin ang bagay, laser upang subaybayan ang distansya nito, at radar upang sukatin ang bilis ng bagay at direksyon ng paggalaw nito.
Kapag nakolekta na ang datos, gumagawa ang sistema ng desisyon, ngunit ang niyebe, hamog, o malakas na ulan ay nagpapahirap sa mga sensor na gumana nang tama. Kaya, ang masamang panahon ay negatibong nakakaapekto sa katumpakan ng kakayahan ng AV na makadama, na maaaring magbanta sa kaligtasan ng gumagamit. Mayroon ding mga isyu ng mabigat na pag-ulan at mga substansya tulad ng tubig, langis, yelo, o dumi na nagtatakip sa mga marka ng linya.
Gastos
Isa pang malaking problema sa mga AV ay ang gastos; ang mga sensor na ginagamit ng mga sasakyang ito, tulad ng Lidar at radar, ay mahal. Bukod pa rito, ang Lidar ay patuloy na sinusubukang mahanap ang tamang balanse sa pagitan ng saklaw at resolusyon. Kaya, nagbubukas ito ng tanong: kung maraming AV ang nagmamaneho sa parehong daan, nagkakaroon ba ng sagabal ang kanilang mga signal ng lidar sa isa’t isa?
Responsibilidad
Isa pang malaking tanong tungkol sa mga AV ay ang responsibilidad sa aksidente; sino ang mananagot sa mga aksidenteng sanhi ng AV? Mas magiging mahalaga ito para sa mga ganap na autonomous na antas ng AV na walang manibela para kontrolin ng tao ang sasakyan sa emerhensiya. Pagkatapos, mayroong insurance, na isa pang malabong larangan para sa mga sasakyang ito.
Mga Batas at Regulasyon
Sa kabila ng pagpasok ng mga AV sa mainstream, kakaunti pa rin at malabong ang mga batas at regulasyon na nakapalibot dito. Kamakailan, ang proseso ng regulasyon para sa mga AV sa US ay lumipat mula sa pederal na patnubay patungo sa mga mandato ng bawat estado.
Upang maiwasan ang pagdami ng “zombie cars,” ilang estado ang nagmungkahi ng buwis kada milya para sa mga ito. Ang mga mambabatas ay nagsulat din ng mga panukalang batas na nagmumungkahi na lahat ng AV ay dapat may naka-install na panic button.
Seguridad sa Cyber
Dahil sa lubos na konektadong sistema ng transportasyon at ang pag-rollout ng 5G, ang privacy ng datos at seguridad sa cyber ay iba pang problema sa mga sasakyang ito. Halimbawa, noong 2015, ang Fiat Chrysler nag-recall ng 1.4 milyong sasakyan nito upang ayusin ang mga bug dahil maaaring ma-hack at kontrolin nang remote. Kailangan ng mga AV na matiyak na hindi lamang nila nilalabag ang privacy ng datos ng consumer kundi pinoprotektahan din ang datos mula sa mga hacker.
Imprastruktura
Upang mailabas ang mga AV sa kalsada, kinakailangan ng napakalaking pamumuhunan sa imprastruktura. Kadalasang kailangan ng mga AV ng malinaw na marka ng linya, mga lugar para itago ang datos, at mas matibay na network ng pag-charge. Makakaapekto ito sa budget ng lungsod. Kaya, kailangan ng diyalogo para sa pampublikong pamumuhunan pati na rin ang pakikipag-ugnayan sa komunidad at industriya upang palawakin ang umiiral na imprastruktura.
AI na Nagbubukas ng Landas para sa mga Autonomous na Sasakyan
Sa harap ng lahat ng hamong ito, artipisyal na intelihensiya (AI) ay humahawak at nagbubukas ng landas para sa mga autonomous na sasakyan.
Ang katotohanan ay ang industriya ng sasakyan ay mabilis na umuunlad sa mga nagdaang taon sa pagdating ng mga bagong teknolohiya. Ang AI ay isa sa mga teknolohiyang tumutulong sa pag-transform ng industriya ng automotive. Sa esensya, ang AI ay tungkol sa pagpapatalino ng mga makina. Kabilang dito ang pagsasagaw ng katalinuhan ng tao sa mga makina upang mag-isip at kumilos tulad natin.
Pinapayagan ng AI ang mga sasakyan na kilalanin ang mga bagay, hulaan kung ano ang maaaring mangyari sa susunod, kahit tumugon sa hindi inaasahang sitwasyon, at maging mas mahusay kaysa sa mga tao sa pagmamaneho sa komplikadong sitwasyon ng trapiko. Ayon sa Statista, inaasahang aabot ang pandaigdigang merkado ng automotive AI sa laki ng $74.5 bilyon.
Ayon sa pag-aaral ng NHTSA, ang mga pagkakamali ng tao tulad ng kapansanan sa paningin at pandinig ay sanhi ng humigit-kumulang 93% ng mga aksidente sa kalsada. Ang paggamit ng AI sa mga AV sa anyo ng mga sensor at algoritmo ay maaaring magbigay ng mas ligtas at mas seguradong paraan ng transportasyon, na makakapagbawas nang malaki sa mga nasawi dulot ng pagkakamali ng tao. Ang kakayahan ng AI na matuto sa kapaligiran at mag-adapt ay nagpapahusay sa teknolohiya sa paghawak ng komplikadong mga daan at sitwasyon.
Ginagamit ang AI sa mga AV sa maraming paraan:
- Ang teknolohiya ay makakatulong sa mga AV na hulaan ang kilos ng ibang mga drayber at pedestrian sa pamamagitan ng pag-equip ng sasakyan ng kakayahang gumamit ng analytics, hulaan ang anumang problema, at maiwasan ang mga ito.
- Sa pamamagitan ng paggamit ng machine learning, kung saan ang isang modelo ay sinasanay sa mga labeled dataset upang tamaang i-map ang mga input sa output, makakatulong ang AI sa mga AV sa pagkilala at pagmomodelo ng mga bagay. Samantala, ang modelong sinanay sa unlabeled dataset ay makakatulong sa mga AV sa pagtuklas ng anomalya, pag-unawa sa masalimuot na sitwasyon, at pagkuha ng mga tampok.
- Ang mga AV ay umaasa sa mga sensor tulad ng kamera, Lidar, radar, at ultrasonic sensor upang makakuha ng impormasyon tungkol sa kanilang paligid. Dito, maaaring suriin ng mga AI algorithm ang datos na ito upang lumikha ng detalyadong mapa, na nagbibigay-daan sa mga AV na gumawa ng mga napapanahong desisyon.
- Sa pamamagitan ng paggamit ng Natural Language Processing (NLP), maaaring gamitin ng mga AV ang voice recognition upang makipag-ugnayan sa mga pasahero. Sa ganitong paraan, matutulungan ng AI ang mga sasakyan na maunawaan ang mga tanong ng tao at tumugon nang epektibo.
- Sa pamamagitan ng pagpapahintulot ng agarang desisyon batay sa real-time na data ng sensor, tumutulong ang AI sa mga AV na magpasya kung ang pinakamainam na tugon ay magpabagal o huminto. Sa ganitong paraan, tinutulungan ng AI ang mga AV sa mga mapanganib na sitwasyon kung saan madaling magkamali ang tao. Ginagawa ito ng teknolohiya sa pamamagitan ng pagsusuri ng data feed mula sa mga sensor nito. Mas mahusay ito sa pagtuklas ng cross-traffic, aktibong pagmamanman ng blind spots, pag-synchronize sa mga signal ng trapiko, at emergency control ng sasakyan.
Sa pangkalahatan, ang AI sa mga AV ay makakatulong sa pangongolekta ng datos sa real time, pagtuklas at pagkilala ng mga bagay, pag-optimize ng trajectory, pag-navigate sa kondisyon ng daan, at pag-predict ng mga pagkabigo. Lahat ng mga paggamit ng AI na ito ay tumutulong sa mga autonomous na sasakyan na makamit ang pagbawas ng trapiko, mas mabilis na pagtitipid ng enerhiya, pinabuting accessibility, pinahusay na kahusayan, at mas mataas na kaligtasan.
Sa kasalukuyan, ginagamit na ang teknolohiyang ito ng mga tagagawa ng sasakyan sa buong mundo. Halimbawa, ang Autopilot ng Tesla (TSLA ) nakapagmaneho ng higit sa 3 bilyong milya sa mode na ito sa halos isang dekada. Ang Tesla ni Elon Musk ay gumagamit ng sopistikadong AI algorithm para sa tumpak na kontrol.
Ang Waymo ay isa pang kumpanya na gumagamit ng AI-based na self-driving system para sa komplikadong pagpaplano ng ruta at matalinong reaksyon sa kapaligiran nito. Sinubukan ng kumpanya ang kanilang mga sasakyan sa pamamagitan ng pagmamaneho ng sampu-sampung bilyong milya sa simulation.
Ang digital assistant ng Daimler, ang Audi R10 e-tron SUV, at ang EQR4 autonomous driving system ng Mercedes-Benz (MBG.DE ) ay ilan pang halimbawa. Ang iba pang pangunahing nag-aambag sa AI sa mga AV ay kinabibilangan ng BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia (NVDA ), at Ford.
Pinakamahalagang AI Breakthroughs sa Larangan ng mga Autonomous na Sasakyan
Ang 2023 ay isang mahusay na taon para sa mga pag-unlad sa AI, na nagkaroon ng epekto sa lahat mula sa sining, pananalapi, pangangalagang pangkalusugan, at edukasyon hanggang sa pagbabago ng klima, pananaliksik, pondo, at mga AV. Kaya, tingnan natin ang ilan sa mga pinakamahalagang AI breakthrough ng 2023 sa larangan ng autonomous na sasakyan.
Kamakailan, ang mga mananaliksik mula sa Incheon National University (INU) ng Korea nakabuo ng isang bagong end-to-end 3D object detection system, na batay sa deep learning at may kakayahang Internet-of-Things. Ang sistemang ito ay nagbibigay sa mga AV ng pinahusay na kakayahan sa pagtuklas, kahit sa hindi kanais-nais na kondisyon.
Tinugunan ang kahirapan ng mga sensor tulad ng kamera, lidar, at radar na madaling maapektuhan ng mga harang, panahon, at magulong mga kalsada, inangkop ng pag-aaral na ito ang algorithm na YOLOv3 (You Only Look Once) upang kilalanin ang mga 3D na bagay sa pamamagitan ng pagsasama ng IoT na nagpapahintulot sa mga bagay na magpalitan ng datos at makipag-ugnayan sa internet.
Ang iminungkahing sistema ay dinisenyo upang iproseso ang mga larawang RGB at point cloud data bilang mga input nito. Pagkatapos, naglalabas ito ng mga bounding box na may rating at label para sa pagtukoy ng mga hadlang. Ang sistemang ito ay mahusay sa pagtuklas ng iba’t ibang uri ng mga bagay at kayang pamahalaan ang mga pagbabago sa sukat at pag-ikot.
Sinubukan ng pag-aaral ang sistema gamit ang Lyft dataset at natuklasan na nagpakita ito ng mas mataas na katumpakan at mas mababang latency. Ayon sa koponan, ang pagiging versatile ng iminungkahing sistema ay lampas pa sa mga autonomous na sasakyan, na may potensyal na aplikasyon sa surveillance, robotics, at gaming.
Isa pang proyekto, ang Helm.ai, nakagawa ng AI breakthrough na nagpo-predict ng intensyon ng drayber at nagbabalangkas ng optimal na mga ruta. Ang kumpanyang lumilikha ng AI software para sa automation ng mga robot at sasakyan ay inanunsyo na ito ay magbibigay-daan sa Helm.ai na magkaroon ng scalable na L2/L3 at L4 deployments.
Ang mga DNN-based foundation model ng kumpanya ay sinasanay gamit ang kanilang proprietary na teknolohiya, Deep Teaching, na gumagamit ng totoong datos ng pagmamaneho para sa komplikadong kapaligiran ng pagmamaneho.
Ngayon, sinusuri din ng kanilang modelo ang mga nakapaligid na sasakyan at pedestrian upang tumpak na hulaan ang kanilang posibleng kilos sa iba’t ibang urban na sitwasyon at, batay dito, lumikha ng pinakaepektibo at pinakaligtas na ruta para sa mga AV. Ang platform ng kumpanya ay gumagana sa iba’t ibang hardware configuration nang walang putol at nagbibigay-daan sa epektibong pagsasanay at pag-validate.
“Ang aming software platform ay tinutugunan ang kritikal na hamon sa pag-unawa ng mga urban na kapaligiran, nagbubukas ng landas para sa scalable na pag-develop at pag-validate ng AI-powered na prediksyon ng intensyon at pagpaplano ng ruta.”
– Vladislav Voroninski, CEO ng Helm.ai
Sa taong ito, ang pioneer ng electric vehicle na Tesla ay nagkaroon din ng mga pag-unlad sa kanyang Full Self-Driving (FSD) software. Ang pinakabagong bersyon nito, 12 (v12), ay nagpapalapit pa ng isang hakbang ang kumpanya sa pag-abot ng Level 4 o Level 5 na awtonomiya sa kanilang mga sasakyan.
Noong Agosto, ipinakita ni Musk ang FSD v12 na nagmamaneho ng sasakyan nang autonomous at gumagawa ng mga gawain tulad ng parallel parking, pagsunod sa mga traffic light, at pag-navigate sa mga roundabout. Ang nagbubukod sa bersyong ito mula sa mga nauna ay ang matinding pag-asa ng FSD v12 sa AI-powered na self-training neural networks.
Ang ibig sabihin nito ay sa halip na kailanganin ang mga human programmer na mag-hard-code ng mga tugon para sa iba’t ibang senaryo ng pagmamaneho, susuriin ng AI ang napakaraming datos na nakolekta mula sa mga sasakyan ng Tesla at pipili ng pinakaangkop na tugon.
Ang pag-unlad na ito ay nagdadala sa Tesla ng isang hakbang palapit sa pag-abot ng kanilang malawak na layunin na magkaroon ng robotaxi business, na, ayon sa Ark Invest, kahit sa bearish na senaryo, ay nag-generate ng $200 bilyong (mahigit $600 bilyon ayon sa pinaka-optimistikong projection) na taunang kita.
Sa unang bahagi ng taong ito, isa pang breakthrough ang dumating para sa mga AV sa anyo ng isang camera imaging system, HADAR, o ‘heat-assisted detection and ranging’‘ Ang mga mananaliksik mula sa Michigan State University at Purdue University ay gumamit ng AI upang bumuo ng HADAR, na nag-interpret ng heat signatures upang magbigay ng detalyado at malinaw na mga imahe habang tinatanggal ang optical clutter.
Gumamit ang kanilang AI model ng machine learning algorithms na kumukuha ng datos mula sa mga commercial infrared camera upang kilalanin ang pisikal na katangian ng mga bagay at kanilang paligid, na nagpapahintulot sa HADAR na muling buuin ang malinaw na mga eksena sa gabi.
Dahil kaya ng sistema na matukoy ang mga pattern ng thermal radiation, pagbuo ng materyales, at temperatura nang may malaking tagumpay, ito ay may malawak na potensyal, kabilang ang contactless na public security screenings at kahit ang pagtagumpayan ang takot sa dilim. Gayunpaman, may mga hamon ang HADAR kaugnay ng gastos sa kagamitan at pangangailangan ng real-time calibration.
Ang Ford Motor Company (F ) ay lumikha rin ng isang ganap na pagmamay-ari na subsidiary na tinatawag na Latitude AI upang bumuo ng hands-free, eyes-off-the-road na automated driving system. Ang higanteng automotive ay mayroon nang higit sa 50 milyong milya ng hands-free driving sa kanilang Ford BlueCruise.
Ngayon, sa Latitude, ang ideya ay i-automate ang pagmamaneho sa mga nakakapagod, stressful, at hindi kanais-nais na panahon tulad ng mahabang stretch ng highway o bumper-to-bumper na trapiko. Sa pagsasalita tungkol sa automated driving, sinabi ng chief technology officer ng Ford, si Doug Field:
“Nakikita namin ang teknolohiya ng automated driving bilang isang pagkakataon upang muling tukuyin ang relasyon ng tao at ng kanilang mga sasakyan.”
Pangwakas na Kaisipan
Kaya, tulad ng nakita natin, depende sa antas ng tulong na kailangan mula sa tao, ang mga autonomous na sasakyan ay nahahati sa iba’t ibang kategorya, tulad ng automation para sa driver assistance, partially automated driving, highly automated driving, fully automated driving, at completely automated vehicle. Sa pagdating ng AI, ang posibilidad na maabot ng mga AV ang kanilang huling yugto ay mas malapit na kaysa dati.
Ang hinaharap ng merkado ng AI sa industriya ng automotive ay malinaw na maganda. Ito ay nasa higit sa $6 bilyon noong 2022 at inaasahang lalago sa CAGR na 55% pagsapit ng 2032.
Ang mga pag-unlad sa AI algorithms, tulad ng sensor technologies, computing power, at predictive maintenance solutions, ay higit pang makakatulong sa mga autonomous na sasakyan na harapin ang kanilang mga hamon at makamit ang mainstream adoption!
I-click dito upang malaman ang lahat tungkol sa pamumuhunan sa artipisyal na intelihensiya.
