MOTO 2030 — это пятничная серия Gazeta.pl, в которой мы обсуждаем наиболее важные темы, касающиеся будущего автомобильной промышленности, транспорта и технологий. Также будут интересные рассказы дизайнеров и описания истории компаний, чье прошлое влияет на то, как будет выглядеть автомобильная промышленность будущего. Машины, дороги и города очень динамично меняются на наших глазах. Каждую пятницу журналисты Moto.pl будут писать об этих изменениях. Здесь вы найдете все статьи из серии MOTO 2030.
Парадокс Моравца
Поскольку компьютеры уже могут обыгрывать лучших игроков мира в го или шахматы (кроме вышеупомянутого Ли Седоля, они также выиграли шахматный матч со знаменитым Гарри Каспаровым), они распознают лица , выдают кредиты, выставляют оценки в системе социального доверия (Китай), дают штрафы, так почему же у них до сих пор проблемы с вождением?
Много лет назад Ганс Моравец косвенно ответил на этот вопрос в своей книге «Дети разума: будущее роботов и человеческого интеллекта», как он написал: «Относительно легко заставить компьютер отображать навыки». взрослого в тестах на интеллект или в игре в шашки. Однако запрограммировать его на навыки годовалого ребенка в восприятии и подвижности сложно или даже невозможно.
Иными словами, то, что очевидно и автоматически для человека, для компьютера чрезвычайно сложно или даже невозможно. И наоборот. Мы называем это парадоксом Моравеца.
Автономные автомобильные датчики фото: AutoX
Чтобы компьютерная программа AlphaGo победила Ли Седоля, ей пришлось приобрести огромные знания. И он сделал это быстро. Каждая игра в Го, когда-либо сыгранная, хранится в его памяти. Проще говоря: компьютер знал, каковы последствия конкретных ходов и что произойдет с белой пешкой, когда черная будет поставлена на определенное поле.
Поэтому он мог с высокой вероятностью предсказывать движения своего противника и адаптировать свою стратегию к его поведению. Однако его победа стала результатом чего-то большего, чем просто выбор лучшего хода в ответ на ход Седоля.
В одной из игр AlphaGo разместила фигуры так, как никто раньше их не размещал. Компьютер сам проработал это движение. Хотя это впечатляет, игра в Го не требует наличия компьютера для выполнения действий, подобных человеческим. Поэтому ему это относительно легко. Вождение автомобиля – это другое.
Автономные автомобильные датчики фото: Waymo
Победить чемпиона проще, чем сходить в магазин
Искусственный интеллект — это не только автоматизированный процесс выбора лучшего решения из тех, которые уже были приняты другими. Это гораздо более сложный процесс. Автопилот в автомобиле испытывает опыт, анализируя информацию и изображения, записанные всеми радарами, камерами и лидарами, которые хоть и установлены во многих автомобилях, но принадлежат к одной общей системе данного производителя.
Это как если бы один человек учился на опыте сотен или даже сотен тысяч других людей. Вот почему дорожные испытания беспилотных автомобилей необходимы на пути к тому моменту, когда люди смогут навсегда отпустить руль. Без них искусственный интеллект не сможет получить материалы, на которых он сможет учиться.
Компьютеры теперь могут поворачивать, ускоряться, тормозить, переключать передачи, распознавать дорожные знаки, подстраивать под них скорость и следовать за ними без вмешательства человека. транспортных средств, отличайте желтый свет от красного и зеленого света. Они знают, как реагировать на повторяющиеся шаблоны. Но в дороге случается много непредсказуемых вещей.
Как научить компьютер, что хаотично летящий на ветру полиэтиленовый пакет — это не выбегающее на дорогу животное? Мы до сих пор не можем записать эту информацию так, чтобы ее могли понять компьютеры. Противники беспилотного транспорта уверенно заявляют, что мы никогда не сможем этого сделать.
Однако мы должны осознавать, что искусственный интеллект учится без нашего участия и видит глазами тысяч камер, которые каждый день фиксируют схематические и непредсказуемые дорожные ситуации. Он быстро усваивает уроки, которые мы усвоили за миллионы лет эволюции. В материале мы использовали фотографии производителя.
Автономные автомобили фото AutoX