هوش مصنوعی مولد یا همان GenAI به یکی از ابزارهای کلیدی برای حل چالش‌های پیچیده خودروهای خودران تبدیل شده است.
به گزارش تکراتو و به نقل از weforum، رانندگی شاید برای انسان‌ها کاری ساده به نظر برسد، اما برای ماشین‌ها یکی از سخت‌ترین وظایف ممکن است. دلیل اصلی این دشواری، تنوع بی‌پایان موقعیت‌ها و شرایط پیش‌بینی‌نشده‌ای است که ممکن است در طول مسیر رخ دهند.
با این حال، همین امروز هم خودروهای خودران را می‌توان در خیابان‌های شهرهایی مانند سان‌فرانسیسکو و ووهان دید. شرکت Waymo که زیرمجموعه Google است، در حال حاضر هر هفته بیش از دویست هزار سفر پولی با تاکسی‌های رباتیک در شهرهایی مثل لس‌آنجلس، سان‌فرانسیسکو و فینیکس انجام می‌دهد.
هوش مصنوعی مولد چیست؟
انتظار می‌رود که سال 2025 نقطه عطفی برای کامیون‌های خودران باشد و چندین شرکت قصد دارند در آن سال فعالیت تجاری خود را در آمریکا آغاز کنند.
با وجود این پیشرفت‌ها، چالش‌های متعددی همچنان بر سر راه خودروهای خودران وجود دارد؛ از قوانین پیچیده گرفته تا پذیرش عمومی کاربران. از طرفی، موانع فناورانه نیز همچنان جدی هستند. در این میان، هوش مصنوعی به‌ویژه نسل جدید آن یعنی GenAI به عنوان ابزاری مهم برای غلبه بر بخشی از این چالش‌ها مطرح شده است.
اما خودروهای خودران چگونه فکر می‌کنند؟ و نقش GenAI در این فرایند چیست؟ در ادامه سه نکته مهم برای روشن‌تر شدن این موضوع بیان شده‌اند.
هوش مصنوعی در حال بازطراحی مغز خودرو با مدل‌های هوش مصنوعی سرتاسری است
تا پیش از این، سیستم‌های مبتنی بر قوانین، پایه اصلی تصمیم‌گیری در خودروهای خودران بودند. این سیستم‌ها اگرچه قابل پیش‌بینی و شفاف هستند، اما در مواجهه با پیچیدگی‌های رانندگی در دنیای واقعی ضعف دارند.
هوش مصنوعی به تدریج در حال رفع این مشکلات است؛ ابتدا با ورود به بخش‌های مجزا از خودرو و حالا با توسعه مدل‌های هوش مصنوعی سرتاسری یا همان End-to-End.
این مدل‌ها، درک محیط، پیش‌بینی وضعیت‌ها و برنامه‌ریزی را در قالب یک شبکه عصبی یکپارچه انجام می‌دهند و باعث می‌شوند خودرو با سرعت و سازگاری بی‌سابقه‌ای یاد بگیرد و واکنش نشان دهد.
با این حال، این مدل‌های سرتاسری با چالش‌هایی همراه‌اند که مهم‌ترین آن، قابل‌درک بودن عملکرد آن‌هاست؛ چون ذات این مدل‌ها مثل جعبه سیاه است و نمی‌توان به‌راحتی متوجه شد چه تصمیمی چگونه گرفته شده. البته، پیشرفت‌های اخیر در حوزه هوش مصنوعی راهکارهایی برای شفاف‌تر و قابل‌راستی‌آزمایی شدن این مدل‌ها ارائه داده‌اند.
راکل اورتاسون، بنیان‌گذار و مدیرعامل شرکت Waabi که در زمینه فناوری خودروهای خودران فعالیت می‌کند، می‌گوید:
در حال حاضر جهش بزرگی در حوزه هوش مصنوعی در حال رخ دادن است که منجر به مدل‌های سرتاسری هوشمندتری شده که هم سریع‌تر یاد می‌گیرند، هم قابل تفسیر هستند و هم توانایی تعمیم به تمام سناریوهای ممکن در جاده را دارند.
او می‌افزاید:
این پیشرفت‌ها باعث می‌شود خودروهای خودران توانایی‌هایی فراتر از انسان پیدا کنند و بتوانند ایمنی جاده‌ها را افزایش دهند و تحول عظیمی در حمل‌ونقل ایجاد کنند.
داده‌های مصنوعی: هوش مصنوعی به آموزش مغز خودرو کمک می‌کند
توسعه سیستم‌های هوش مصنوعی برای خودروهای خودران نیازمند حجم زیادی از داده است، به‌ویژه برای شبیه‌سازی موقعیت‌های پیچیده یا شرایط اضطراری پیش‌بینی‌نشده. چون امکان جمع‌آوری داده واقعی برای تمام موقعیت‌های ممکن وجود ندارد، در این‌جا داده‌های مصنوعی نقش کلیدی پیدا می‌کنند.
پلتفرم‌های شبیه‌سازی مبتنی بر هوش مصنوعی می‌توانند مجموعه‌های داده مصنوعی تولید کنند که متنوع، هدفمند و در مقیاس وسیع هستند. این داده‌ها به توسعه‌دهندگان اجازه می‌دهد میلیون‌ها کیلومتر رانندگی را شبیه‌سازی کنند و هم شرایط معمول و هم شرایط نادر را پوشش دهند.
به‌عنوان مثال، شرکت‌هایی مانند Waymo، Waabi و شرکت بیمه‌ای Simulytic از داده مصنوعی برای آموزش مدل‌های هوش مصنوعی در موقعیت‌های دشوار مانند شرایط آب‌وهوایی شدید یا موقعیت‌های چندوجهی پیچیده استفاده می‌کنند.
آندریا کولمورگن، مدیرعامل Simulytic (از شرکت‌های زیرمجموعه Siemens) توضیح می‌دهد: «علاوه بر آموزش مدل‌ها، شبیه‌سازی به ما این امکان را می‌دهد که نمایه‌های ریسک جامعی برای خودروهای خودران ایجاد کنیم، تا شرکت‌های بیمه بتوانند راهبردهایی منصفانه و مؤثر تدوین کنند.»
البته داده‌های مصنوعی هر چقدر هم کاربردی باشند، جای داده‌های دنیای واقعی را نمی‌گیرند. برای تأیید نهایی عملکرد و ایمنی خودرو، آزمایش‌های میدانی در دنیای واقعی همچنان ضروری هستند.
هوش مصنوعی به همکاری انسان و ماشین در خودروهای خودران کمک می‌کند
اگرچه هدف نهایی رسیدن به خودروهای کاملاً خودران است، اما در دهه پیش‌رو، بیشتر با خودروهای نیمه‌خودران یا مجهز به سیستم‌های کمکی رانندگی روبرو خواهیم بود.
این خودروها نیاز به همکاری مؤثر میان انسان و ماشین دارند. دو فناوری کلیدی در این زمینه، سیستم پایش راننده (DMS) و رابط انسان-ماشین (HMI) هستند. هوش مصنوعی می‌تواند هر دو را به شکل قابل‌توجهی بهبود دهد.
سیستم DMS با تحلیل حرکات چشم و حالات چهره می‌تواند خستگی، استرس یا میزان توجه راننده را تشخیص دهد و مدل‌های پیشرفته GenAI می‌توانند این تحلیل‌ها را دقیق‌تر کنند.
HMI نیز چگونگی تعامل راننده با خودرو را شامل می‌شود و GenAI می‌تواند این تعامل را ساده‌تر و طبیعی‌تر کند؛ مثلاً اجازه دهد راننده از طریق دستورات گفتاری، کنترل بخش‌هایی از خودرو را به دست بگیرد و میزان حواس‌پرتی را کاهش دهد.
ارهان کسئوغل، مدیر رشد و حمل‌ونقل هوشمند در شرکت Ford Otosan، می‌گوید:
سه عامل اصلی در رانندگی خودران شامل هوش مصنوعی، داده‌های بزرگ و قدرت پردازش هستند که به ارتقاء DMS و HMI کمک می‌کنند. به‌ویژه در مواقع بحرانی، سیستم‌های تقویت‌شده با هوش مصنوعی می‌توانند با مداخله‌های سریع و متناسب با موقعیت، نقشی حیاتی ایفا کنند.
پیامدهای گسترده‌تر هوش مصنوعی در خودران‌سازی خودروها
هوش مصنوعی نه‌تنها رفتار خودرو را تغییر می‌دهد، بلکه نحوه توسعه سیستم‌های خودران را هم متحول کرده است. این فناوری می‌تواند کدهای نرم‌افزاری تولید کند، فرآیند تست را خودکار کند، اشکالات را شناسایی کرده و راه‌حل‌های بهینه ارائه دهد.
نتیجه این اقدامات، افزایش کیفیت نرم‌افزار، کاهش هزینه‌ها و سرعت گرفتن چرخه توسعه است. این پیشرفت‌ها در حوزه‌ای که می‌تواند به افزایش ایمنی جاده‌ها منجر شود، بسیار اهمیت دارد.
اما با گسترش استفاده از هوش مصنوعی در توسعه سیستم‌ها، خطرات جدیدی هم به وجود می‌آید؛ از جمله آسیب‌پذیری‌های امنیتی، نگرانی‌هایی درباره قابلیت اطمینان سیستم‌ها و چالش‌های مربوط به تطبیق با مقررات. در نتیجه، شفافیت در مدل‌های مبتنی بر هوش مصنوعی و هماهنگی با استانداردهای ایمنی در حال تغییر، کاملاً حیاتی خواهد بود.
تحولی که هوش مصنوعی مولد یا همان GenAI در مهندسی نرم‌افزار ایجاد کرده، همچنین نیاز به نیروی کاری آشنا با هوش مصنوعی را بیش از پیش نشان می‌دهد؛ نیروهایی که بتوانند به مدل‌ها آموزش بدهند تا تصمیم‌هایی ایمن و اخلاقی بگیرند.
الوین باکنس، مدیر جهانی مهندسی نرم‌افزار در شرکت Volvo، می‌گوید:
با استفاده از کاربردهای پیشرفته هوش مصنوعی، ما معتقدیم می‌توانیم گام‌های بزرگی در کاهش تصادفات برداریم و به هدف نهایی‌مان که صفر شدن تصادفات است، نزدیک‌تر شویم.
او ادامه می‌دهد:
موفقیت در این مسیر، تنها به فناوری بستگی ندارد، بلکه به انسان‌هایی که آن را طراحی، پیاده‌سازی و مدیریت می‌کنند نیز وابسته است. ما باید روی پرورش نیروهای متخصص در همه سطوح سرمایه‌گذاری کنیم؛ از طراحان تجربه کاربری گرفته تا پژوهشگران حوزه هوش مصنوعی، تا بتوانیم در خط مقدم این تحول باقی بمانیم.
نقش حیاتی هوش مصنوعی در سیستم‌های خودران
مسیر رسیدن به خودروهای تمام‌خودران همچنان پیچیده است. اگرچه هوش مصنوعی نقش کلیدی در حل مسائل این سیستم‌ها دارد، اما چالش‌هایی هم با خود به همراه می‌آورد؛ مثل ضعف در توضیح‌پذیری تصمیمات، احتمال بروز سوگیری، و تصمیم‌گیری‌های تصادفی.
برای بهره‌برداری درست از توانمندی‌های GenAI و در عین حال مدیریت ریسک‌های آن، همکاری بین شرکت‌های این صنعت کاملاً ضروری است. شینپی کاتو، مدیرعامل شرکت TIER IV و رئیس بنیاد Autoware، تأکید می‌کند:
همکاری رمز گشایش سیستم‌های خودران ایمن و قابل توسعه است و نرم‌افزارهای متن‌باز می‌توانند روند راه‌اندازی این سیستم‌ها را تسریع کنند.
در نهایت، صنایع خودروسازی و فناوری باید با دیگر ذی‌نفعان وارد تعامل شوند تا از ادغام ایمن و موفق فناوری‌های GenAI در خودران‌سازی خودروها اطمینان حاصل کنند. این کار نیازمند گفت‌وگو با نهادهای قانون‌گذار و تصمیم‌گیران سیاسی است تا درک آن‌ها از ظرفیت‌ها و محدودیت‌های این فناوری بیشتر شود.
فروم جهانی اقتصاد نیز با راه‌اندازی ابتکار DRIVE-A در زمینه خودران‌سازی، به دستیابی به هدف خودروهای ایمن و مبتنی بر نرم‌افزار کمک می‌کند.