Pagrindiniai pasiėmimai
- Automobilių gamintojai kreipiasi į dirbtinį intelektą, norėdami išmokyti savarankiškai vairuojančius automobilius įveikti kasdienes kliūtis.
- Tesla neseniai pristatė savo naują superkompiuterį, kuris bus naudojamas neuroniniams tinklams, maitinantiems Tesla autopilotą, treniruoti.
- AI naudojimas automobiliams apmokyti gali padidinti saugumą, sako stebėtojai.
Savarankiams automobiliams taip pat reikia mokytojų, o dirbtinis intelektas (AI) gali veiksmingai išmokyti šias transporto priemones išvengti avarijų – tikriausiai geriau nei žmonės.
Vienas geriausių būdų siųsti automobilius į Driver’s Ed yra dirbtinio intelekto naudojimas. Tesla neseniai pristatė savo naują superkompiuterį, kuris bus naudojamas treniruoti neuroninius tinklus, maitinančius Tesla autopilotą ir būsimą savaiminio vairavimo AI. O kai automobiliai tampa savarankiškesni, paaiškėja, kad jiems reikia daug treniruotis.
„Atskleidus dirbtinį intelektą duomenims, susijusiems su automobilių vairavimu, AI gali pradėti atpažinti modelius“, – interviu el. paštu sakė Chrisas Nicholsonas, bendrovės „Pathmind“, taikančios dirbtinį intelektą pramoninėse operacijose, generalinis direktorius. "Parodykite vaizdus ir sužinosite, kaip atrodo pėstieji. Parodykite jam veiksmų seką kelyje ir sužinosite, kas sukelia avarijas ir kaip jų išvengti."
„Turėdamas tinkamus duomenis, AI gali labai tiksliai numatyti, ką jis žiūri“, – pridūrė Nicholsonas. "Ir kokios gali būti tam tikro veiksmo, pvz., posūkio į kairę arba greitėjimo lyjant, pasekmės."
Augantis dirbtinio intelekto mokytojų skaičius
Tesla, Audi, Toyota, GM's Cruise – beveik kiekvienas didžiausias automobilių gamintojas tam tikra forma naudoja dirbtinį intelektą, kad padidintų savo savarankiško vairavimo galimybes, sakė Nicholsonas. Kai kurie ne automobilių gamintojai, pvz., „Google Waymo“, bendradarbiauja su automobilių gamintojais, tokiais kaip „Chrysler Fiat“, kad sukurtų ir išbandytų savarankišką DI.
Andrejus Karpathy, Tesla dirbtinio intelekto vadovas, neseniai pristatė naujausią įmonės superkompiuterį, pristatydamas 2021 m. kompiuterinės vizijos ir modelių atpažinimo konferenciją.
Įrodyta, kad PG yra tikslesnis nei žmonės vairuojant, ir labai tikėtina, kad jis labai sumažins avarijų skaičių.
Klasteris naudoja 720 mazgų 8x NVIDIA A100 Tensor Core GPU (iš viso 5 760 GPU), kad būtų pasiektas 1,8 eksaflopo našumas. Kiekvienas eksaflopas yra lygus 1 kvintilijonui slankiojo kablelio operacijų per sekundę.
„Tai tikrai neįtikėtinas superkompiuteris“, – sakoma Karpathy pranešime spaudai. „Iš tikrųjų tikiu, kad šnipščių požiūriu tai yra maždaug 5 superkompiuteris pasaulyje.“
Gilusis neuroninis tinklas stebi ir daro prognozes automobiliui važiuojant, faktiškai nevaldydamas transporto priemonės. Prognozės įrašomos, o visos klaidos ar klaidingi atpažinimai registruojami. Tada Tesla inžinieriai naudoja šiuos atvejus, kad sukurtų sudėtingų ir įvairių scenarijų mokymo duomenų rinkinį, kad patobulintų neuroninį tinklą, Rezultatas – maždaug 1 milijonas 10 sekundžių trukmės klipų, įrašytų 36 kadrų per sekundę greičiu, iš viso apie 1,5 petabaitų duomenų. Tada neuroninis tinklas pakartotinai paleidžiamas per šiuos scenarijus, kol veikia be klaidų. Galiausiai jis siunčiamas atgal į transporto priemonę ir procesas pradedamas iš naujo.
Automobilių siuntimas atgal į mokyklą
Naudojant AI taip pat galima apmokyti automobilius greičiau nei bet kuris žmogus, – interviu el. paštu sakė Aditya Pathak, profesionalių paslaugų įmonės „Cognizant“transporto ekspertė.
„Autonominių transporto priemonių kūrimo procese vienas iš svarbiausių žingsnių yra duomenų anotavimas“, – pridūrė jis. "Kitaip tariant, kaip žmonės, vietos ir daiktai žymimi, kad transporto priemonės galėtų juos atpažinti?"
Atlikta rankiniu būdu, duomenų peržiūros procesas užtruktų daug laiko ir darbo jėgos. „Naudojant AI ir mašininį mokymąsi procesas yra daug greitesnis ir efektyvesnis“, – sakė Pathakas.
AI turi išmokyti savarankiškai vairuojančius automobilius dirbti bet kokiomis sąlygomis, interviu el. paštu sakė savarankiškai vairuojančių automobilių bendrovės „Yandex“inžinerijos vadovas Antonas Slesarevas. Jis pridūrė, kad orai, darbai kelyje, nelaimingi atsitikimai ir nenuoseklus kitų vairuotojų elgesys bei reakcija gali prisidėti prie kelionės nenuspėjamumo, net ir vairuotojams, kurie kasdien važiuoja į tą pačią vietą.
Yandex teikia pirmąją Europoje robotų taksi paslaugą ir jau naudoja automatizuotus pristatymo robotus, Yandex roverius, klientų užsakymams pristatyti iš restoranų ir maisto prekių parduotuvių. Įmonė naudoja mašininį mokymąsi, kad padėtų jos robotams judėti.
„Pavyzdžiui, jis padeda atlikti gyvybiškai svarbias suvokimo funkcijas, tokias kaip kelio ženklų atpažinimas, net kai juos užstoja tokie dalykai kaip lietus ar medžio šaka“, – sakė Slesarevas.„Arba teikti saugos funkcijas, pvz., pastebėti pėsčiąjį, ruošiantį pereiti kelią, net naktį arba kai pėsčiąjį iš dalies slepia tokie daiktai kaip stovintys automobiliai.“
Dirbtinio intelekto naudojimas automobiliams apmokyti gali padidinti saugumą, sako stebėtojai.
„Įrodyta, kad dirbtinis intelektas yra tikslesnis nei žmonės vairuojant, ir labai tikėtina, kad jis labai sumažins avarijų skaičių“, – sakė Nicholsonas.
