Тайлер Шнобелен, 21 июня 2016 г.

В Айове можно повернуть направо на красный. За исключением того места, где я был прошлой ночью, от Вашингтон-стрит до Линн, что я понял, только прочитав посреди поворота знак «Право запрещено на красный». Вы определенно не должны поворачивать налево на красный, что я и сделал несколькими кварталами ранее, направляясь с Айова-стрит в Клинтон. У меня нет оправдания, кроме того — я не шучу — мой разум был занят мыслями о беспилотных автомобилях.

Округ Джонсон, штат Айова, был одним из первых мест в США, официально приветствовавших тестирование и эксплуатацию беспилотных автомобилей. В штате Айова уже около двух десятилетий есть самоходные тракторы — 20-тонные машины, которые сами едут по полям, чтобы сажать и собирать урожай. Округ Джонсон также является домом для Национального продвинутого симулятора вождения, который работает с начала 1990-х годов.

Цифра, которую вы регулярно видите для размера рынка беспилотных технологий, составляет 40 миллиардов долларов к 2025 году. Есть два взгляда на эффект. Первая точка зрения предполагает лишь незначительные изменения в транспортных сетях: автомобили будут все больше переходить от пробуждения сонливых водителей к работе на автопилоте во время обычных поездок на работу, чтобы люди могли читать свои текстовые сообщения, не сворачивая в другую полосу. В качестве альтернативы, как только каждый сможет вызвать беспилотное такси, вопрос о том, у кого сколько машин, может резко измениться. И чем больше на дорогах беспилотных транспортных средств, тем больше может быть глобальной оптимизации маршрутов не только для поездок на работу, но и для доставки.

Помимо John Deere, над беспилотным вождением работает множество игроков. Самоуправляемые автомобили теперь стали реальностью, поскольку такие компании, как Mercedes, BMW и Tesla, уже выпустили или скоро выпустят функции автономного вождения, которые дают автомобилю некоторую способность управлять собой. Подсчитано, что к 2020 году на дорогах мира будет 10 миллионов автомобилей с некоторой способностью к самоуправлению.

Volvo, Toyota, BMW и Tesla заявляют, что полностью автономные автомобили будут готовы между 2018 (Tesla) и 2021 (BMW). GM инвестировала 500 миллионов долларов в Lyft и купила компанию Cruise Automation, занимающуюся технологиями автономных транспортных средств, в которой работает 40 человек, за более чем 1 миллиард долларов. Toyota имеет наибольшее количество патентов на автономное вождение.

Но производители автомобилей также имеют здоровую конкуренцию за пределами автомобильной промышленности. Автомобили Google проехали более миллиона миль. Многие отраслевые обозреватели считают, что Проект Титан от Apple — это создание электрического автомобиля с автоматическим управлением. Baidu, китайский поисковый гигант, планирует выпустить полностью автономные автомобили к 2019 году после недавнего успешного 18-мильного тест-драйва по Пекину. Вернувшись в США, Uber сейчас тестирует беспилотный автомобиль Ford Fusion на улицах Питтсбурга, так что в конечном итоге, когда вы открываете их приложение, машина, которая приезжает за вами, может подъехать к вам сама.

Тракторы против автомобилей: тренировки в полевых условиях

На кукурузном поле есть препятствия — линии забора со столбами или тополями для защиты от ветра, изгибы рельефа, ручьи и олени. Но площадь в 100 акров проще, чем центр Айова-Сити, где студенты печально известны тем, что бегают по улицам в любое время суток. Беспилотные тракторы могут обойтись с GPS, а фермеры могут размещать транспондеры в поле, от которого могут отражаться лазеры. Беспилотным автомобилям требуется гораздо больше датчиков и вычислений, чтобы выяснить, какие из многих вещей, которые могут происходить в окружающей среде, на самом деле существуют.

Чтобы преуспеть в самоуправляемых автомобилях, вы должны преуспеть в интерпретации мира. Это означает, что вам нужно огромное количество обучающих данных. Помимо сбора данных с камер и датчиков, вам необходимо знать, указывают ли волнистые линии пикселей на пешехода или на статую. То, что наши глаза могут легко сделать — отличить край одной вещи от другой — не так просто для компьютера.

Беспилотным автомобилям не нравятся выцветшие разметки, поврежденные уличные знаки или разнообразие светофоров, которые можно найти по всей Америке и во многих других странах, которые не относятся к стандартам или согласованности так серьезно, как, скажем, в Швеции.

Тем не менее, седаны Mercedes E Class 2017 имеют 23 датчика, которые обеспечивают безопасность на дорогах без разметки. В дополнение к камерам есть радар и лидар, которые могут получать информацию, отражая радиоволны или свет от других объектов. Наличие 64 лазеров для создания 3D-карты полезно, но дорого — на крыше беспилотного автомобиля Google установлена ​​система Velodyne, которая стоит 75 000 долларов. Уже есть более дешевые варианты, и еще больше на подходе, хотя у них все еще есть способы добраться до ценовой отметки в 100 долларов, которую хотели бы производители автомобилей.

Защита пешеходов

Национальный продвинутый симулятор вождения обладает особым опытом в изучении факторов, отвлекающих внимание водителей, и я смог опробовать его самые ранние воплощения в 1992 году. Больше всего мне понравилось то, что если вы едете с дороги под правильным углом, вы можете использовать ошибку. в программе и заставить машину летать. Это значительно упростило уклонение от виртуальных пешеходов.

Существующие технологии уже позволяют избежать столкновений с пешеходами, если скорость автомобиля не превышает 18 миль в час. Между 18 и 37 милями в час системы могут смягчить, но не полностью избежать столкновения. В марте 20 автопроизводителей договорились сделать эту технологию стандартной для всех автомобилей к 2022 году. И, что немаловажно, Google недавно запатентовал своего рода клей, который приклеивает пешеходов к машине после столкновения, чтобы обеспечить их безопасность. Вы можете пойти посмотреть на художественную визуализацию этого.

Системы искусственного интеллекта, лежащие в основе технологий автономного вождения, должны знать что-то о том, что они видят. Контуры и края можно частично обнаружить, просто бросив достаточное количество примеров в систему глубокого обучения. Вот как искусственный интеллект Google Deep Dream видит нескольких известных пешеходов.

На самом деле, это было бы вполне разумно для автомобиля, если бы он не относился к Джону Леннону с собачьей головой иначе, чем к длинноволосому Джону Леннону. (То есть он не научился «Наезжать на монстров»). Но это изображение также показывает вам важность правильных обучающих данных. Интернет полон собак и кошек, так что это то, что обычно галлюцинирует Deep Dreaming.

Так что вы предпочтете тренировать автомобили на представителях того, с чем они столкнутся. За исключением того, что машины не видят картинки — они видят картинку за картинкой за картинкой, пока движутся по дороге.

Глядя на это как на проблему машинного обучения, вы действительно не хотите никаких ложных срабатываний, другими словами, никаких пешеходов, которых вы должны были распознать, но не распознали. Но даже ложные срабатывания опасны. Если за рулем машины находятся другие люди, уделяющие большое внимание, и вдруг ваша беспилотная машина внезапно останавливается без видимой причины — это тоже может быть опасно.

Поскольку происходит так много всего, первое, что вы хотите сделать, это избавиться от всех простых вещей: например, небо обычно не интересно, и было бы пустой тратой вычислительного времени и энергии беспокоиться о нем. много. Но есть много других вещей, которые требуют интерпретации. Если вы хотите работать «водителем» в беспилотных автомобилях Google, вы будете сидеть за рулем от шести до восьми часов, получая 20 долларов в час. Но есть еще одно требование: способность печатать 40 слов в минуту, чтобы вы могли предоставлять инженерам Google подробные отчеты о том, с чем вы сталкиваетесь.

Для американцев вполне нормально проехать 20 000 миль за год, поэтому вы можете подумать, что более миллиона миль сбора данных Google вполне достаточно. Но люди — выдающиеся ученики и обработчики информации даже по сравнению с самыми современными машинами.

Этимологически разница между «самоуправляемым автомобилем» и «автономным транспортным средством» примерно такая же, как «вещь на колесах, которая мчится вперед» и «вещь на колесах, которая следует своим собственным законам». Системы искусственного интеллекта по своей природе следуют своим собственным законам, основанным на данных обучения. Это, конечно, преодолимо.

UPS потратила сотни миллионов долларов на создание алгоритмов, позволяющих находить лучшие способы передвижения по их 55 000 маршрутам. Если эти оптимизированные маршруты могут сократить путь каждого автомобиля на одну милю в день, они сэкономят 50 миллионов долларов в год. Драйверы ИБП не обязаны использовать предложенные пути, но они должны написать отчет, если они не используют его. В этой статье Wall Street Journal Стивена Розенбуша и Лауры Стивенс отмечается, что несколько водителей чувствуют, что оптимизированные маршруты на самом деле не имеют смысла или заставляют их делать такие вещи, как движение задним ходом или поворот налево. Даже при всей человеческой эвристике, встроенной в систему ИБП, то, что машина считает оптимальным, не всегда подходит человеку.

Возможно, стоит отметить, что пару лет назад Университет Айовы опросил несколько тысяч человек и обнаружил, что половина из них не распознает символ давления в шинах на своих приборных панелях. Другое исследование показывает, что 40% бензина используется для поиска места для парковки и что более 90% несчастных случаев можно отнести на счет человеческого фактора.

Беспилотные автомобили не идеальны и не будут идеальными, и многие люди связывают собственную автономию с вождением автомобиля. Для инкременталиста что-то вроде функции ангела-хранителя Toyota будет спасать жизни, не заставляя людей отказываться от контроля.

Кто выигрывает?

Один из аргументов против самоуправляемых автомобилей заключается в том, что люди не готовы к этому — например, кто-то в Tesla сначала предупредил меня об этом видео. Наблюдение за эволюцией рынка беспилотных автомобилей в течение следующих нескольких лет будет увлекательным, поскольку мы наблюдаем взаимодействие между технологиями, экономикой, окружающей средой, правовыми и социальными нормами. Такие компании, как Toyota, применяют междисциплинарный подход, объединяя компьютерщиков, профессионалов и чудаков в Исследовательском институте Тойоты.

Вместо того, чтобы явно предсказывать победителей, давайте проследим за данными: компании с наибольшим объемом высококачественных данных для обучения изображений значительно увеличат шансы на победу. Легковые и грузовые автомобили, которые первыми добились большого успеха на рынке, будут опережать всех остальных. Поскольку многие из этих данных неструктурированы, CrowdFlower имеет вид спереди, что помогает ряду игроков ускорить структурирование своих данных для обучения изображениям.

Давайте завершим еще одним взглядом на данные помимо Ринго и его отряда. На изображении ниже проблема заключается в том, чтобы узнать, какая фигура является автомобилем, а какая — тенью, отбрасываемой нависающим деревом. Где заканчивается машина и начинается тень? С чего начинается машина, если ее видно лишь частично? Чтобы ответить на эти вопросы в масштабе и достоверно, эти компании должны маркировать каждый пиксель в сотнях миллионов изображений.

В течение следующих нескольких недель я напишу о применении машинного обучения на других новых развивающихся рынках, таких как дроны и диалоговые боты, которые имеют аналогичные проблемы и возможности.

Тайлер Шнобелен

Тайлер Шнобелен — бывший основатель и главный аналитик компании Idibon, специализирующейся на облачной обработке естественного языка. Тайлер имеет десятилетний опыт работы в области UX-дизайна и исследований в Силиконовой долине и имеет докторскую степень. из Стэнфорда, где изучал исчезающие языки и смайлики. О нем писали в The New York Times Magazine, The Boston Globe, The Atlantic и NPR.