چرا خودروهای خودران تصادف میکند؟
پدال نیوز: تصادف تسلا مدل اس در حالت رانندگی خودران که سبب فوت راننده شد، بحثهای زیادی پیرامون این تکنولوژی به وجود آورده است. در این مقاله به بررسی این موضوع میپردازیم که سیستمهای هوشمند خودران، چه زمانی دچار اشتباه میشوند.
به گزارش "پدال نیوز" به گزارش پدال نیوز، زومیت نوشت: دو تصادف اخیر مربوط به سیستم اتوپایلوت تسلا (Tesla) ممکن است سیل سوالاتی راجع به چگونگی ارزیابی و بررسی سیستمهای کامپیوتری مبتنی بر آموزش در زمان بروز حوادث را ایجاد کنند. همانطور که میدانیم ماه پیش یک تصادف کشنده تسلا در فلوریدا رخ داد. در این تصادف تسلا مدل S در حالت اتوپایلوت با یک کامیون تصادف کرد و علت آن مشکل در موقعیتیابی سیستم اتوپایلوت بود.
تسلا به رانندگان توصیه می کند تا در هنگام استفاده از سیستم اتوپایلوت به جاده توجه داشته باشند و توضیح میدهد که سیستم ممکن است در نور خورشید شدید دچار مشکل شود. مدیریت ملی امنیت ترافیک بزرگراه بیان کرد که یک تصادف دیگر در پنسیلوانیا (Pennsyluauia) در حال بررسی بوده است. در این تصادف یک مدل X به موانع دو طرف بزرگراه برخورد کرده و واژگون میشود. راننده اذعان داشته که خودرو در زمان تصادف در حالت رانندگی خودران اتوپایلوت بوده است.
تسلا دقیقا نحوه کارکرد سیستم اتوپایلوت را فاش نکرده است. اما استفاده از تکنیک های یادگیری ماشینی (machine learning techniques) برای تعلیم سیستمهای خودکار، مخصوصا تشخیص اطلاعات تصویری، افزایش یافته است. موبایل آی (Mobile Eye) که تکنولوژی تسلا و سایر خودروسازان را تامین میکند، نرمافزاری را پیشنهاد میکند که از آموزشهای عمیق برای تشخیص وسایل نقلیه، خطوط، علائم، جاده و سایر اشیاء در فیلم ویدیوئی استفاده میکند.
آموزش ماشینی میتواند راه راحتتری را برای برنامهریزی کردن کامپیوترها برای انجام کارهایی که کد نویسی آنها به صورت دستی بسیار مشکل است، ارائه دهد. برای مثال آموزش یک شبکه عصبی مصنوعی میتواند برای تشخیص سگها در عکسها یا فیلمهای ویدیوئی با دقت قابل توجهی تعلیم 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، اما پیچیدگی محاسبات ریاضی موجود به این معنا است که این شبکه برای فهم چگونگی تصمیمگیری شبکه را از هم جدا نمیکند. این مسئله ممکن است که باعث مشکل شدن پیشبینی رفتار غیر عمدی شود و اگر شکستی رخ دهد، توضیح علت آن مشکل خواهد بود. اگر یک سیستم یک شی را در عکس اشتباه تشخیص دهد، (به عنوان نمونه)، فهم اینکه کدام ویژگی عکس موجب این خطا شده است، بسیار سخت و غیر ممکن خواهد بود. چالش مشابهی در تکنیکهای دیگر آموزش ماشین وجود دارد.
از آنجایی که این الگوریتم متداولتر است، رگلاتورهای آن نیاز به در نظر گرفتن اینکه چگونه باید ارزیای شود، دارد. خودروسازان آگاه هستنند که افزایش پیچیدگی و خودکارسازی خودروها کار کاوش را برای رگلاتورها دشوارتر میکند. تویوتا بودجه یک پروژه تحقیقاتی در دانشگاه MIT که کار بررسی عملکرد وسایل نقلیه خودکار بعد از وقوع حادثه را انجام میدهد، تامین کرده است. این تامین بودجه توسط خودروسازان ژاپنی در چندین پروژه مرتبط با خودروهای خودران را انجام میشود.
یادگیری عمیق (deep learning) می تواند با کنترل خودرو در پاسخ به اطلاعات سنسور، در پشت شناسایی اشیاء در تصاویر مورد استفاده قرار گیرد. تیمی در دانشگاه پرینستون (Princeton) یک سیستم رانندگی خودکار بر پایه یادگیری عمیق طراحی کردهاند. همچنین تحقیقات انجام گرفته در شرکت Nvidia (شرکت تولید کننده تراشه) که طیفی از سختافزارها را برای خودروسازها تولید میکند، سبب تولید یک خودرو خودران بر پایه یادگیری عمیق شده است.
کارل ایگنا (Karl Iagnemma) یکی از محققان اصلی دانشگاه MIT و کاشف Nutonomy، استارتاپ کار روی تاکسیهای خودران، معتقد است تحقق سیستم یادگیری عمیق end-to-end بسیار دشوار است. این محقق می گوید: «شما در ارتقاء دادن یک الگوریتم جعبه سیاه هستید که بر پایه مثالهایی از زانندگی امن آموزش داده شده است، اما خروجی آن بسیار مرموز و نامطئن است.» سیلویو ساورس (Silvio Saverse) دانشیار متخصص بینایی ماشین (machine vision) در دانشگاه استنفورد میگوید: «یک مشکل آموزش ماشین مرسوم این است که فاقد توانایی انسان در نتیجهگیری از اشکالات مختلف اطلاعاتی است. حتی اگر یک وسیله نقلیه به طور موقت مسدود شود. ما از تعداد بیشماری اطلاعات متنی استفاده میکنیم و مکانیزم یادگیری فعای این را به خوبی اجام نمیدهد.»
تحقیقات تسلا از نزدیک توسط افراد و محققانی که در توسعه تکنولوژی خودرو خودران کار میکنند، به صورت کامل دنبال میشود. در هر صورت، نگرانی در مورد درک عمومی از فنآوری و ایمنی وجود دارد.
ایگنما نمیخواهد شاهد واکنش سریع تصادف باشد. او میگوید: «ما در لحظهای هستیم که این مسئله میتواند فرآیند را متفوق سازد. اگر خرد جمعی گمان برد که یک تصادف یعنی خودروسازها بسیار بیپروا هستند، پس یک مانع بسیار بزرگ ایجاد شده است.»
تسلا به رانندگان توصیه می کند تا در هنگام استفاده از سیستم اتوپایلوت به جاده توجه داشته باشند و توضیح میدهد که سیستم ممکن است در نور خورشید شدید دچار مشکل شود. مدیریت ملی امنیت ترافیک بزرگراه بیان کرد که یک تصادف دیگر در پنسیلوانیا (Pennsyluauia) در حال بررسی بوده است. در این تصادف یک مدل X به موانع دو طرف بزرگراه برخورد کرده و واژگون میشود. راننده اذعان داشته که خودرو در زمان تصادف در حالت رانندگی خودران اتوپایلوت بوده است.
تسلا دقیقا نحوه کارکرد سیستم اتوپایلوت را فاش نکرده است. اما استفاده از تکنیک های یادگیری ماشینی (machine learning techniques) برای تعلیم سیستمهای خودکار، مخصوصا تشخیص اطلاعات تصویری، افزایش یافته است. موبایل آی (Mobile Eye) که تکنولوژی تسلا و سایر خودروسازان را تامین میکند، نرمافزاری را پیشنهاد میکند که از آموزشهای عمیق برای تشخیص وسایل نقلیه، خطوط، علائم، جاده و سایر اشیاء در فیلم ویدیوئی استفاده میکند.
آموزش ماشینی میتواند راه راحتتری را برای برنامهریزی کردن کامپیوترها برای انجام کارهایی که کد نویسی آنها به صورت دستی بسیار مشکل است، ارائه دهد. برای مثال آموزش یک شبکه عصبی مصنوعی میتواند برای تشخیص سگها در عکسها یا فیلمهای ویدیوئی با دقت قابل توجهی تعلیم 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، اما پیچیدگی محاسبات ریاضی موجود به این معنا است که این شبکه برای فهم چگونگی تصمیمگیری شبکه را از هم جدا نمیکند. این مسئله ممکن است که باعث مشکل شدن پیشبینی رفتار غیر عمدی شود و اگر شکستی رخ دهد، توضیح علت آن مشکل خواهد بود. اگر یک سیستم یک شی را در عکس اشتباه تشخیص دهد، (به عنوان نمونه)، فهم اینکه کدام ویژگی عکس موجب این خطا شده است، بسیار سخت و غیر ممکن خواهد بود. چالش مشابهی در تکنیکهای دیگر آموزش ماشین وجود دارد.
از آنجایی که این الگوریتم متداولتر است، رگلاتورهای آن نیاز به در نظر گرفتن اینکه چگونه باید ارزیای شود، دارد. خودروسازان آگاه هستنند که افزایش پیچیدگی و خودکارسازی خودروها کار کاوش را برای رگلاتورها دشوارتر میکند. تویوتا بودجه یک پروژه تحقیقاتی در دانشگاه MIT که کار بررسی عملکرد وسایل نقلیه خودکار بعد از وقوع حادثه را انجام میدهد، تامین کرده است. این تامین بودجه توسط خودروسازان ژاپنی در چندین پروژه مرتبط با خودروهای خودران را انجام میشود.
یادگیری عمیق (deep learning) می تواند با کنترل خودرو در پاسخ به اطلاعات سنسور، در پشت شناسایی اشیاء در تصاویر مورد استفاده قرار گیرد. تیمی در دانشگاه پرینستون (Princeton) یک سیستم رانندگی خودکار بر پایه یادگیری عمیق طراحی کردهاند. همچنین تحقیقات انجام گرفته در شرکت Nvidia (شرکت تولید کننده تراشه) که طیفی از سختافزارها را برای خودروسازها تولید میکند، سبب تولید یک خودرو خودران بر پایه یادگیری عمیق شده است.
کارل ایگنا (Karl Iagnemma) یکی از محققان اصلی دانشگاه MIT و کاشف Nutonomy، استارتاپ کار روی تاکسیهای خودران، معتقد است تحقق سیستم یادگیری عمیق end-to-end بسیار دشوار است. این محقق می گوید: «شما در ارتقاء دادن یک الگوریتم جعبه سیاه هستید که بر پایه مثالهایی از زانندگی امن آموزش داده شده است، اما خروجی آن بسیار مرموز و نامطئن است.» سیلویو ساورس (Silvio Saverse) دانشیار متخصص بینایی ماشین (machine vision) در دانشگاه استنفورد میگوید: «یک مشکل آموزش ماشین مرسوم این است که فاقد توانایی انسان در نتیجهگیری از اشکالات مختلف اطلاعاتی است. حتی اگر یک وسیله نقلیه به طور موقت مسدود شود. ما از تعداد بیشماری اطلاعات متنی استفاده میکنیم و مکانیزم یادگیری فعای این را به خوبی اجام نمیدهد.»
تحقیقات تسلا از نزدیک توسط افراد و محققانی که در توسعه تکنولوژی خودرو خودران کار میکنند، به صورت کامل دنبال میشود. در هر صورت، نگرانی در مورد درک عمومی از فنآوری و ایمنی وجود دارد.
ایگنما نمیخواهد شاهد واکنش سریع تصادف باشد. او میگوید: «ما در لحظهای هستیم که این مسئله میتواند فرآیند را متفوق سازد. اگر خرد جمعی گمان برد که یک تصادف یعنی خودروسازها بسیار بیپروا هستند، پس یک مانع بسیار بزرگ ایجاد شده است.»
گزارش خطا
پسندها: 0
ارسال نظر
آخرین اخبار
GWM Ora 07 Touring مشابه پورشه پانامرا در شانگهای رونمایی شد +تصاویر Trumpchi s9 با تکنولوژی CATL و Huawei در شانگهای رونمایی شد +تصاویر ArcFox S5 محصول نوآورانه بایک در شانگهای رونمایی شد +تصاویر ArcFox T1 جدیدترین زبان طراحی در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر کانسپت فضایی ARCFOX 77 در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر BYD Ocean-S سدان پرچمدار در نمایشگاه شانگهای رونمایی شد +تصاویر جدول/ قیمت کارخانه ای محصولات مدیران خودرو 8 اردیبهشت 1404 شرایط فروش اقساطی دو محصول آرین ستاک اعلام شد +جدول chery Omoda c3 الهام گرفته از سفینه های فضایی معرفی شد +تصاویر عرضه اکتان تخصصی برای خودروهای گک و سوزوکی توسط راسا موتور موانع تولید را در جلسه دولت بررسی خواهیم کرد در پشت پرده صنعت خودرو چه می گذرد؟ روی ناخوش خودروی چینی ترکش انفجار بندر عباس بر «خودرو» الهام جنسیس از «اسب عرب» رونمایی از سوپرکار هنسی افزایش مشارکت در طرحهای جایگزینی خودروهای فرسوده خدمات غیرحضوری کرمان موتور؛ تجربهای سریع، مطمئن و استاندارد BYD Fang Cheng Tai 3 در نمایشگاه خودرو شانگهای 2025 رونمایی شد +تصاویر AITO M8 با انبوهی از تکنولوژی در نمایشگاه شانگهای رونمایی شد +تصاویر پیکاپ Jetour با برند Reaolo در شانگهای رونمایی شد +تصاویر Jetour VT9 شاسی بلند هفت نفره رونمایی شد +تصاویر Chery Fulwin A9 پیشرانه قدرتمند در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر سهمیه واردات خودرو سواری جانبازی اعلام شد تصاویر/ نمایش قدرت CHERY با 53 مدل در Auto Shanghai 2025 MINI Aceman کراس اوور برقی در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر BAIC BJ60 قلدر چینی در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر وضعیت خودروهای وارداتی بعد از انفجار در بندر شهید رجایی Dongfeng Warrior M817 جنگجوی آفرودی در شانگهای رونمایی شد +تصاویر آمادگی گروه بهمن برای بازسازی هر چه سریعتر بندر شهید رجایی اولین شرایط فروش کاپرا U اعلام شد +جدول پلتفرمهای نوین جک موتورز در نمایشگاه خودرو شانگهای 2025 Exeed Yaoguang در نمایشگاه خودرو شانگهای رونمایی شد +تصاویر Exeed VX C-DM زیر مجموعه چری در نمایشگاه شانگهای رونمایی شد +تصاویر chery arrizo 8 pro در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر مرسدس بنز CLA L در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر با کانسپت مفهومی CHERY QQ بیشتر آشنا شوید +تصاویر آغاز توقف خطوط تولید قطعه تغییر نظم جهانی صنعت خودرو جهش دوبرابری سود BYD توقف تولید نیسان در چین هفته خوب تسلا آیا ورق در بازار خودرو بر می گردد؟ شاسی بلند آفرود دیپال G318 در نمایشگاه شانگهای رونمایی شد +تصاویر BMW X2 در نمایشگاه خودرو شانگهای 2025 رونمایی شد +تصاویر JETOUR T2 شاسی بلند چری در Auto Shanghai 2025 معرفی شد +تصاویر GAC PICKUP 01 رقیب تسلا سایبرتراک در شانگهای رونمایی شد +تصاویر خودروی هنری bmw v8 art car در شانگهای رونمایی شد +تصاویر BMW iX1 کراس اوور برقی باواریا در نمایشگاه شانگهای رونمایی شد +تصاویر Chery Tiggo 9L با بالاترین سطح تکنولوژی در شانگهای رونمایی شد +تصاویر
شرایط فروش
پربازدیدترینها
پربحثترینها
Jetour VT9 شاسی بلند هفت نفره رونمایی شد +تصاویر پیکاپ Jetour با برند Reaolo در شانگهای رونمایی شد +تصاویر AITO M8 با انبوهی از تکنولوژی در نمایشگاه شانگهای رونمایی شد +تصاویر BYD Fang Cheng Tai 3 در نمایشگاه خودرو شانگهای 2025 رونمایی شد +تصاویر خدمات غیرحضوری کرمان موتور؛ تجربهای سریع، مطمئن و استاندارد افزایش مشارکت در طرحهای جایگزینی خودروهای فرسوده روی ناخوش خودروی چینی رونمایی از سوپرکار هنسی الهام جنسیس از «اسب عرب» ترکش انفجار بندر عباس بر «خودرو» در پشت پرده صنعت خودرو چه می گذرد؟ موانع تولید را در جلسه دولت بررسی خواهیم کرد عرضه اکتان تخصصی برای خودروهای گک و سوزوکی توسط راسا موتور chery Omoda c3 الهام گرفته از سفینه های فضایی معرفی شد +تصاویر BYD Ocean-S سدان پرچمدار در نمایشگاه شانگهای رونمایی شد +تصاویر کانسپت فضایی ARCFOX 77 در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر ArcFox T1 جدیدترین زبان طراحی در نمایشگاه شانگهای 2025 رونمایی شد +تصاویر ArcFox S5 محصول نوآورانه بایک در شانگهای رونمایی شد +تصاویر Trumpchi s9 با تکنولوژی CATL و Huawei در شانگهای رونمایی شد +تصاویر شرایط فروش اقساطی دو محصول آرین ستاک اعلام شد +جدول جدول/ قیمت کارخانه ای محصولات مدیران خودرو 8 اردیبهشت 1404 GWM Ora 07 Touring مشابه پورشه پانامرا در شانگهای رونمایی شد +تصاویر