Endelig en førerløs bil med noget sund fornuft

Daniel James Zender

Bostons notorisk uvenlige bilister og kaotiske veje kan være den perfekte testplads for en fundamentalt anderledes selvkørende bil.

En MIT spin-off kaldet Jeg ser udvikler og tester det autonome køresystem ved hjælp af en ny tilgang til kunstig intelligens. I stedet for at stole på simple regler eller maskinlæringsalgoritmer til at træne biler til at køre, tager startup'et inspiration fra kognitiv videnskab for at give maskiner en form for sund fornuft og evnen til hurtigt at håndtere nye situationer. Det er at udvikle algoritmer, der forsøger at matche den måde, mennesker forstår og lærer om den fysiske verden, herunder interaktion med andre mennesker. Tilgangen kan føre til selvkørende køretøjer, der er meget bedre rustet til at håndtere ukendte scener og komplekse interaktioner på vejen.

Det menneskelige sind er superfølsomt over for fysik og sociale signaler, siger Yibiao Zhao, medstifter af iSee . Den nuværende AI er relativt begrænset på disse domæner, og vi mener, at det faktisk er den manglende brik i kørsel.

Zhaos virksomhed ligner ikke en verdensbehandler endnu. Et lille team af ingeniører arbejder ud fra en beskeden laboratorieplads kl motoren , et nyt investeringsselskab skabt af MIT for at finansiere innovative lokale teknologivirksomheder. Beliggende kun en kort gåtur fra MIT-campus, har Engine udsigt over en gade, hvor chauffører skubber efter parkeringspladser og kanter aggressivt ind i trafikken.

Relateret historie

Relateret historie

Skrivebordene inde i iSees rum er dækket af sensorer og stykker hardware, som teamet har sammensat for at tage kontrol over sin første prototype, en Lexus hybrid SUV, der oprindeligt tilhørte en af ​​virksomhedens medstiftere. Adskillige ingeniører sidder bag store computerskærme og stirrer intenst på kodelinjer.

iSee kan virke latterligt lille sammenlignet med indsatsen for førerløse biler hos virksomheder som Waymo, Uber eller Ford, men den teknologi, det udvikler, kan have en stor indflydelse på mange områder, hvor AI anvendes i dag. Ved at gøre det muligt for maskiner at lære af færre data og at opbygge en form for sund fornuft, kan deres teknologi gøre industrirobotter klogere, især i forhold til nye situationer. Der er allerede gjort spektakulære fremskridt inden for kunstig intelligens for nylig takket være deep learning, en teknik, der anvender enorme datahungrende neurale netværk (se 10 Breakthrough Technologies 2013: Deep Learning).

Når de tilføres store mængder data, kan meget store eller dybe neurale netværk genkende subtile mønstre. Giv et dybt neuralt netværk masser af billeder af hunde, for eksempel, og det vil finde ud af, hvordan man kan se en hund på stort set ethvert billede. Men der er grænser for, hvad dyb læring kan gøre, og nogle radikale nye ideer kan meget vel være nødvendige for at få det næste spring fremad. For eksempel forstår et hunde-spotting dyb-læringssystem ikke, at hunde typisk har fire ben, pels og en våd næse. Og den kan ikke genkende andre typer dyr, eller en tegning af en hund, uden videre træning.

Kørsel involverer betydeligt mere end blot mønstergenkendelse. Menneskelige chauffører stoler konstant på en sund forståelse af verden. De ved, at busser for eksempel tager længere tid om at stoppe og pludselig kan producere mange fodgængere. Det ville være umuligt at programmere en selvkørende bil med alle mulige scenarier, den måtte støde på. Men folk er i stand til at bruge deres sunde fornuftsforståelse af verden, bygget op gennem livslang erfaring, til at handle fornuftigt i alle mulige nye situationer.

Deep learning er fantastisk, og du kan lære meget af tidligere erfaringer, men du kan ikke have et datasæt, der omfatter hele verden, siger Zhao. Nuværende AI, som for det meste er datadrevet, har svært ved at forstå sund fornuft; det er det vigtigste, der mangler. Zhao illustrerer pointen ved at åbne sin bærbare computer for at vise adskillige vejsituationer i den virkelige verden på YouTube, inklusive komplekse trafiksammensmeltende situationer og nogle behårede ulykker.

Manglende viden om sund fornuft har helt sikkert forårsaget nogle problemer for autonome køresystemer. En ulykke, der involverede en Tesla, der kørte i semi-autonom tilstand i Florida sidste år, for eksempel, skete, da bilens sensorer blev midlertidigt forvirrede, da en lastbil krydsede motorvejen (se Fatal Tesla Crash er en påmindelse om autonome biler vil nogle gange skrue op). En menneskelig chauffør ville sandsynligvis hurtigt og sikkert have fundet ud af, hvad der foregik.

Relateret historie

Relateret historie Et dødsfald bag rattet med Teslas Autopilot tændt rejser spørgsmålet om, hvor sikre automatiserede biler skal være.

Zhao og Debbie Yu, en af ​​hans medstiftere, viser et klip af en ulykke, der involverer en Tesla i Kina, hvor bilen kørte direkte ind i en lastbil til gaderensning. Systemet er trænet i Israel eller Europa, og de har ikke denne slags lastbiler, siger Zhao. Det er kun baseret på detektion; den forstår ikke rigtig, hvad der foregår, siger han.

iSee er bygget på bestræbelser på at forstå, hvordan mennesker giver mening i verden, og at designe maskiner, der efterligner dette. Zhao og andre grundlæggere af iSee kommer fra laboratoriet i Josh Tenenbaum , en professor i afdelingen for hjerne- og kognitiv videnskab ved MIT, der nu fungerer som rådgiver for virksomheden.

Tenenbaum har specialiseret sig i at udforske, hvordan menneskelig intelligens fungerer, og bruge denne indsigt til at konstruere nye typer AI-systemer. Dette inkluderer arbejde med den intuitive sans for fysik, der udstilles selv af små børn, for eksempel. Børns evne til at forstå, hvordan den fysiske verden opfører sig, gør dem i stand til at forudsige, hvordan ukendte situationer kan udvikle sig. Og, forklarer Tenenbaum, denne forståelse af den fysiske verden er tæt forbundet med en intuitiv forståelse af psykologi og evnen til at udlede, hvad en person forsøger at opnå, såsom at række ud efter en kop, ved at se hans eller hendes handlinger.

Evnen til at overføre læring mellem situationer er også et kendetegn for menneskelig intelligens, og selv de smarteste maskinlæringssystemer er stadig meget begrænsede i sammenligning. Tenenbaums laboratorium kombinerer konventionel maskinlæring med nye probabilistiske programmeringstilgange. Dette gør det muligt for maskiner at lære at udlede ting om verdens fysik såvel som andres intentioner på trods af usikkerhed.

Relateret historie

Relateret historie Software, der lærer at genkende skrevne karakterer ud fra et enkelt eksempel, kan vise vejen mod mere kraftfuld, mere menneskelignende kunstig intelligens.

At forsøge at omdanne måder, hvorpå selv en ung baby er smartere end det klogeste eksisterende AI-system, kunne i sidste ende føre til mange smartere AI-systemer, siger Tenenbaum. I 2015 brugte Tenenbaum sammen med forskere fra New York University og Carnegie Mellon University nogle af disse ideer til at udvikle et skelsættende computerprogram, der er i stand til at lære at genkende håndskrift ud fra nogle få eksempler (se Denne AI-algoritme lærer simple opgaver lige så hurtigt som vi gør).

En relateret tilgang kan i sidste ende give en selvkørende bil noget, der nærmer sig en rudimentær form for sund fornuft i ukendte scenarier. Sådan en bil kan muligvis fastslå, at en bilist, der er på vej ud på vejen, sandsynligvis ønsker at blande sig i trafikken.

Når det kommer til autonom kørsel, siger Tenenbaum faktisk, at evnen til at udlede, hvad en anden chauffør forsøger at opnå, kan være særlig vigtig. En anden af ​​iSees medstiftere, Chris Baker, udviklede beregningsmodeller for menneskelig psykologi, mens han var på MIT. At tage ingeniøragtige modeller af, hvordan mennesker forstår andre mennesker, og at være i stand til at sætte dem i autonom kørsel, kunne virkelig give en manglende brik i puslespillet, siger Tenenbaum.

Tenenbaum siger, at han ikke oprindeligt var interesseret i at anvende ideer fra kognitiv psykologi til autonom kørsel, men grundlæggerne af iSee overbeviste ham om, at virkningen ville være betydelig, og at de var op til de tekniske udfordringer.

Det her er en meget anderledes tilgang, og det bifalder jeg fuldstændig, siger Oren Etzioni, administrerende direktør i the Allen Institute for Artificial Intelligence , et forskningsinstitut oprettet af Microsofts medstifter Paul Allen for at udforske nye ideer inden for AI, inklusive dem, der er inspireret af kognitiv psykologi.

Etzioni siger, at AI-området skal udforske ideer ud over dyb læring. Han siger, at hovedproblemet for iSee vil være at demonstrere, at de anvendte teknikker kan fungere godt i kritiske situationer. Probabilistisk programmering er ret nyt, bemærker han, så der er spørgsmål om ydeevnen og robustheden.

De involverede i iSee ser ud til at være enige. Udover at sigte mod at ruske op i bilindustrien og måske omforme transport i processen, siger Tenenbaum, har iSee en chance for at udforske, hvordan en ny AI-tilgang fungerer i en særlig utilgivelig praktisk situation.

I en vis forstand vil selvkørende biler være de første autonome robotter, der interagerer med mennesker i den virkelige verden, siger han. Den virkelige udfordring er, hvordan tager man disse modeller og får dem til at fungere robust?

skjule