سایت جامع خودرو در ایران


» CAR MACHINE ماشین 98

کانال تلگرام ما ما را از طریق کانال دنبال کنید.
امام حسین (ع) : بخشنده ترین مردم کسی است که در هنگام قدرت می بخشد.
دوشنبه ۳ مهر ۱۳۹۶


برخورد تسلا مدل اس در حالت رانندگی خودران که سبب فوت راننده شد، بحث‌های زیادی پیرامون این فناوری به هستی آورده است. در این نوشتار به بررسی ‌این جستار می‌پردازیم که سیستم‌های هوشمند خودران، چه زمانی دچار اشتباه می‌شوند.

دو برخورد پسین مربوط به سیستم اتوپایلوت تسلا (Tesla) شدنی است سیل سوالاتی درباره چگونگی ارزیابی و بررسی سیستم‌های کامپیوتری بر پایه آموزش در زمان بروز حوادث را برپایی کنند. همانطور که می‌دانیم ماه پیش یک برخورد کشنده تسلا در فلوریدا رخ داد. در این برخورد تسلا مدل S در حالت اتوپایلوت با یک کامیون برخورد کرد و علت هنگام دشوار در موقعیت‌یابی سیستم اتوپایلوت بود. تسلا به رانندگان پیشنهاد می کند تا در هنگام به کارگیری سیستم اتوپایلوت به جاده پروا داشته باشند و روشنگری می‌دهد که سیستم شدنی است در نور خورشید شدید دچار دشوار شود. مدیریت ملی امنیت شدامد بزرگراه بیان کرد که یک برخورد دیگر در پنسیلوانیا (Pennsyluauia) در حال بررسی بوده است. در این برخورد یک مدل X به موانع دو طرف بزرگراه برخورد کرده و واژگون می‌شود. راننده پذیرفتن داشته که خودرو در زمان برخورد در حالت رانندگی خودران اتوپایلوت بوده است. تسلا دقیقا شیوه کارکرد سیستم اتوپایلوت را فاش نکرده است. ولی به کارگیری  تکنیک های یادگیری ماشینی (machine learning techniques) برای آموزش سیستم‌های خودکار، مخصوصا تشخیص اطلاعات تصویری، افزایش یافته است. موبایل آی (Mobile Eye) که فناوری تسلا و دیگر خودروسازان را تامین می‌کند، نرم‌افزاری را پیشنهاد می‌کند که از آموزش‌های گود برای تشخیص وسایل نقلیه، خطوط، نشانه ها، جاده و دیگر اشیاء در فیلم ویدیوئی کاربرد می‌کند.

آموزش ماشینی می‌تواند راه آسان‌تری را برای برنامه‌ریزی کردن کامپیوترها برای انجام کار‌هایی که کد نویسی هنگام‌ها به چهره دستی بسیار سخت است، ارائه دهد. برای نمونه آموزش یک شبکه عصبی مصنوعی می‌تواند برای تشخیص سگ‌ها در تصویر‌ها یا فیلم‌های ویدیوئی با دقت قابل توجهی آموزش داده شود. وجه تلنگر برای این سیستم‌ها، فهم چگونگی کارکرد این سیستم‌های پیچیده است. شبکه عصبی مصنوعی می‌تواند برای تامین اندازه اطمینان خود در دسته‌بندی‌ طراحی شوند، ولی پیچیدگی محاسبات ریاضی موجود به این معنا است که این شبکه برای فهم چگونگی تصمیم‌گیری شبکه را از هم جدا نمی‌کند. این مسئله شدنی است که مایه دشوار شدن پیش‌بینی رفتار غیر عمدی شود و اگر شکستی رخ دهد، روشنگری علت هنگام دشوار خواهد بود. اگر یک سیستم یک شی را در تصویر اشتباه تشخیص دهد، (به سرنویس نمونه)، فهم اینکه کدام ویژگی تصویر مایه این خطا شده است، بسیار سخت و غیر شدنی خواهد بود. چالش مشابهی در تکنیک‌های دیگر آموزش خودرو هستی دارد.

از آنجایی که این الگوریتم متداول‌تر است، رگلاتور‌های هنگام نیاز به به دیده داشتن اینکه چگونه باید ارزیای شود، دارد. خودرو‌سازان آگاه‌ هستنند که افزایش پیچیدگی و خودکارسازی خودروها کار کاوش را برای رگلاتورها دشوارتر می‌کند. toyota بودجه یک پروژه پژوهشی در دانشگاه MIT که کار بررسی عملکرد وسایل نقلیه خودکار پس از وقوع پیشامد را انجام می‌دهد، تامین کرده است. این تامین بودجه بدست خودروسازان ژاپنی در چندین پروژه پیوسته با خودروهای خودران را انجام می‌شود.

خودران

یادگیری گود (deep learning) می تواند با مهار خودرو در پاسخ به اطلاعات سنسور، در پشت شناسایی اشیاء در تصاویر باره کاربرد پیمان گیرد. تیمی در دانشگاه پرینستون (Princeton) یک سیستم رانندگی خودکار بر پایه یادگیری گود طراحی کرده‌اند. همچنین تحقیقات انجام  گرفته در شرکت Nvidia (شرکت فرآوری کننده تراشه‌) که طیفی از سخت‌افزار‌ها را برای خودروسازها فرآوری می‌کند، سبب فرآوری یک خودرو خودران بر پایه یادگیری گود شده است.

کارل ایگنا (Karl Iagnemma) یکی از محققان اصلی دانشگاه MIT و یابنده Nutonomy، استارتاپ کار روی تاکسی‌های خودران، معتقد است تحقق سیستم یادگیری گود end-to-end بسیار دشوار است. این پژوهنده یا پژوهشگر می گوید: «شما در پیشروی کردن دادن یک الگوریتم جعبه سیاه هستید که بر پایه اگزمپل برای مقال‌هایی از زانندگی امن آموزش داده شده است، ولی خروجی هنگام بسیار مرموز و نامطئن است.» سیلویو ساورس (Silvio Saverse) دانشیار  کارآزموده بینایی خودرو (machine vision) در دانشگاه استنفورد می‌گوید: «یک دشوار آموزش خودرو مرسوم این است که فاقد توانایی انسان برآیند اینکه‌گیری از اشکالات گوناگون اطلاعاتی است. حتی اگر یک وسیله نقلیه به طور گذرا مسدود شود. ما از شمار بی‌شماری اطلاعات متنی کاربرد می‌کنیم و سازوکار یادگیری فعای این را به خوبی اجام نمی‌دهد.»

تحقیقات تسلا از نزدیک بدست کسان و محققانی که در گسترش فناوری خودرو خودران کار می‌کنند، به چهره کامل دنبال می‌شود. در هر چهره، نگرانی در باره درک همگانی از فن‌آوری و ایمنی هستی دارد.

ایگنما نمی‌خواهد گواه واکنش تند برخورد باشد. او می‌گوید: «ما در لحظه‌ای هستیم که این مسئله می‌تواند فرآیند را متفوق سازد. اگر خرد گروهی گمان برد که یک برخورد یعنی خودروسازها بسیار بی‌پروا هستند، پس یک راهبند بسیار بزرگ برپایی شده است.»



لینک منبع


مطالب محبوب