خودروهای هوشمند و خودران چگونه هدایت می‌شوند؟ +تصاویر
در ماه فوریه‌ی امسال، بیانیه‌ای از سوی سازمان ملی امنیت ترافیک بزرگراه‌های امریکا (NHTSA) توجه‌ها را به خود جلب کرد. تنظیم‌کننده‌ی فدرال امنیت جاده‌های آمریکا، به کمپانی گوگل اعلام کرده بود که نرم افزار هوش مصنوعی (AI) مورد استفاده توسط این کمپانی در کنترل خودروهای خودران، از این پس می‌تواند به صورت موثر و کارآمد در برخی از اهداف تنظیم‌سازی جاده‌ها (و نه در همه‌ی آنها) به عنوان یک راننده قلمداد شود.
نامه‌ی NHTSA در پاسخ به درخواست شرکت گوگل مبنی بر سوال این کمپانی در خصوص شرح تفسیر سازمان استانداردهای وسایل نقلیه‌ی فدرال نوشته‌ی شده بود. البته رسانه‌ها با پخش این خبر، آن را به منزله‌ی پذیرفته شدن نرم افزار هوش مصنوعی گوگل از سوی سازمان‌های فدرال به عنوان راننده‌ی سیستم خودران (SDS) قلمداد کردند. اما جزییات این نامه بر خلاف برداشت رسانه‌ها دارای پیام متفاوتی است.
در وهله‌ی نخست باید اشاره کنیم که نامه از تعبیر «امکان و احتمال استفاده» از این نرم افزار به صورت کاملا هم‌ارز با راننده‌ی انسانی استفاده کرده بود و این به آن معنی است که مفهوم عبارت هنوز به صورت قطعی پذیرفته نشده است. همچنین نامه‌ی NHTSA اشاره داشت که نیاز است تا آزمایش‌های مناسب و کافی انجام شوند تا از سازگاری کامل SDS با ملزومات امنیتی جاده‌ها اطمینان حاصل شود.
به عبارتی چالش اصلی در همین موضوع اخیر مطرح است. پرسش این است که اساسا چه رهیافتی می‌تواند به صورت کامل سازگاری این سیستم خودران را مورد تصدیق قرار دهد؟ آیا نیاز است که سیستم خودران با هوش مصنوعی، پیش از اینکه به طور گسترده روی وسایل نقیله خودران و قبل از آنکه به عنوان یک راننده از نظر قانونی شناخته شود، یک دوره‌ی آزمایشی را طی کند؟ انجام این آزمایش‌ها و محتوای این آزمایش‌ها را چه کسی باید تعیین کند؟
رانندگی در آینده
البته بهتر است دچار اشتباه نشویم. واقعیت این است که خودروسازان و کمپانی‌های فناوری در حال کار و پژوهش برای رسیدن به ایده‌ی آرمانی خودروهای تمام خودکار هستند و این ایده در بخشی از مسیرش به ناچار قرار است که راننده‌های انسانی را در حلقه‌ی کنترل خودرو خارج سازد. آنها هم اکنون نیز به پیشرفتهای زیادی در این زمینه دست یافته‌اند.
نرم افزار خودروی خودران بر پایه‌ی شبکه‌های عصبی عمیق گسترش یافته است و شامل میلیون‌ها نورون مجازی است و از رفتار و کارکرد مغز تقلید می‌کند. کامپیوترهای مرکزی دارای توان محاسباتی بسیار عظیمی هستند و در فضای نسبتا کوچکی به اندازه‌ی یک جعبه جاگذاری شده‌اند.
شبکه‌های عصبی برای آشکارسازی اشیای دنیای واقعی از هیچ برنامه‌نویسی آشکاری استفاده نمی‌کنند. در عوض، آنها به گونه‌ای برنامه‌ریزی می‌شوند که اشیای پیرامون را با استفاده از میلیون‌ها تصویر و مثال از مجموعه‌ی دیتاهای گوناگون مربوط به رانندگی در دنیایی واقعی و رانندگی واقعی، شناسایی و طبقه‌بندی کنند.
اما خودِ مقوله‌ی رانندگی، نسبت به موضوع آشکارسازی اشیای پیرامون بسیار پیچیده‌تر است و نکته‌ی دیگر اینکه آشکارسازی اشیا لزوما به معنی فهم و دریافت کامل مشخصات آنها نیست. برای نمونه اگر بخواهیم بیان کنیم، می‌توانیم به راننده‌ی انسانی اشاره کنیم که در حال رانندگی در امتداد یک مسیر بین‌شهری است و در همین هنگام، توپ فوتبالی را می‌بیند که به جاده آمده و پیش روی مسیر خودرو قرار گرفته است. در این لحظه راننده در حالت معمول بلافاصله خودرو را متوقف خواهد کرد؛ چون احتمال می‌دهد که کودکی هم در همان نزدیکی و به دنبال توپ بیاید.
حالا پرسش این است که آیا حتی در صورت استفاده از هوش مصنوعی پیشرفته، خودروهای خودران هم در چنین موقعیتی این واکنش را نشان خواهند داد؟ در صورتی که موقعیت به گونه‌ای شود که وقوع تصادف اجتناب‌ناپذیر باشد، در آن صورت واکنش خودرو چه خواهد بود؟ آیا خودرو باید به گونه‌ای عمل کند که تلفات و آسیب‌های جانی بیرون خودرو را به حداقل برساند؟ حتی اگر این عمل به قیمت قربانی کردن سرنشینان داخل خودرو باشد؟ آیا امکان این وجود دارد که بین این دو گزینه‌ی موجود در آن لحظه انتخابی صورت گیرد؟
این لحظه‌ها مسلما لحظه‌های روتین و عادی رانندگی نیستند. بنابراین، به همراه نداشتن مجموعه‌ی زیادی از مثال‌ها باعث خواهد شد که در مقابل فراگیری این رویه‌ها اندکی مقاومت به خرج داده شود.
آزمایش تورینگ
پرسش پیرامون اینکه ایا یک ماشین توانایی فکر کردن را می‌تواند داشته باشد یا نه برای نخستین بار در حدود دهه‌ی ۱۹۵۰ مطرح شده است. در آن هنگام آلان تورینگ (Alan Turing) برای نخستین بار آزمایشی را پیشنهاد داد که امروزه هم به نام خود وی شناخته می‌شود. اساس کار روش آزمایش تورینگ بر این است که در آن یک پرسش‌شونده انسان، مدام برای ابزار تمایز بین اعضای دو چت‌روم و تشخیص اینکه کدام یک از آن دو انسان هستند، مورد سوال قرار می‌گیرد. اگر فرد پرسش‌شونده نتواند میان کامپیوتر و انسان تمییز دهد در آن صورت نتیجه گرفته می‌شود که کامپیوتر آن آزمایش را با موفقیت پشت سر گذاشته است.
برای آزمون تورینگ امروزه ایرادات زیادی متصور هستند و این آزمایش منسوخ شده است. اما گروهی از پژوهشگران قالبی را پیشنهاد داده‌اند که با عنوان آزمایش تورینگ بصری شناخته می‌شود و در آن کامپیوترها رفته رفته باید به پرسش‌های سخت‌تر و پیچیده‌تری درباره‌ی صحنه‌ی مورد بحث پاسخ دهند.
این تست، طراحان تست‌های انسانی را ملزم می‌کند که لیستی از شاخصه‌های لازم برای یک تصویر مورد استفاده در آزمون را تهیه کنند. تصایر در وهله‌ی نخست بایستی توسط انسان‌ها و بر اساس معیارهای داده شده نمره‌دهی شده باشند. سپس همان تصاویر در برابر یک سیستم بصری کامپیوتری هم نشان داده می‌شود و به این ترتیب بررسی می‌شود که آیا کامپوتر هم توانسته است آن جزییاتی را از تصاویر دریابد که انسان‌ها موفق به انجامش شده بودند یا خیر.
امروزه از چند مجموعه‌ی دیتای سنجشی بصری برای آزمایش کارکرد شبکه‌های عصبی برحسب آشکارسازی و طبقه‌بندی میزان دقت آنها استفاده می‌شود. مجموعه‌ی دیتای KITTI برای نمونه یکی از مواردی است که به طور گسترده به عنوان محکی برای آشکارسازی اشیا در خودروهای خودران به کار برده شده است. بنا بر گزارش‌ها، «بایدو»، کمپانی موتور جستجویی که در چین کاربرد زیادی دارد و در صنعت نرم‌افزارهای خودروهای خودران هم یکی از پیشتازان است، در زمینه‌ی بهترین جهت‌یابی نمره‌ی ۹۰ درصدی از کل امتیازات را بر مبنای مجموعه‌ی دیتای مذکور به دست آورده است.
در اوایل سال میلادی در نمایشگاه الکترونیک کانسومر، کمپانی انویدیا به تشریح کارکرد نرم‌افزار خودروهای خودران خود پرداخت که این نرم‌افزار بر پایه‌ی مجموعه‌ی دیتاهای جدید دایملر و آئودی طراحی شده بود. توضیحات ارائه شده نشانگر سطوح پیشرفتهای از آشکارسازی‌های یک یا چند مرحله‌ای بودند و نرم‌افزار مذکور در آنها قادر بود تا اطلاعات بیشتری را از تصاویر ویدیویی موجود استخراج کند.
آزمایش بصری تورینگ تغییر یافته هم می‌تواند به صورت بالقوه برای آزمایش نرم‌افزارهای خودران به کار رود. البته این امر در صورتی میسر خواهد بود که چندین ورودی سنسور برای کامپیوتر تعبیه شده روی خودرو، در نظر گرفته شده باشد و به این ترتیب توانسته باشد با چالش‌های رانندگی خود را سازگار کند.
اما موضوعی که وجود دارد این است که گردآوری چنین آزمایشی مسلما کار ساده‌ای نخواهد بود. پیچیدگی‌های بیشتری در حوزه‌ی پرسش‌های اخلاقی و رفتاری پیرامون خودروهای خودران وجود دارد. همچنین چالش‌هایی هم در زمینه‌ی مدیریت رابط میان راننده و کامپیوتر وجود دارد؛ برای نمونه در هنگامی که یک پاسخ قابل قبول نیاز به دانش بیشتر و اضافه‌تری از دنیای اطراف باشد، این دشواری محسوس خواهد بود.
آخرین موردی هم که به عنوان یکی از موانع اصلی ورود خودروهای خودران به جاده‌ها وجود دارد، عبارت است از سیاست‌گذاری‌های پیرامون این مسئله. با احتساب اینکه آزمایش‌های نهایی هم خواه شبیه آزمایش تورینگ و خواه دارای اشکال دیگری باشند، باز هم ما در حال حاضر هیچ تصور دقیقی از دستاوردهای عملی آنها در ذهن نداریم.
اغلب ایده‌های ابداعی و نوآورانه رشد سریعی در پیش می‌گیرند و از سویی هم سیاست‌گذاران و تنظیم‌کنندگان سعی می‌کنند که همگام با آنان و به صورت به‌روز در قبال آنها تصمیم‌گیری کنند. تنظیم‌کنندگان قانون، نیاز دارند که به صورت عمومی هم این پدیده را مورد بررسی قرار دهند و یک چارچوب آزمایشی و قانونی برای تعیین تناسب این فناوری برای استفاده‌ی عمومی ایجاد کنند. آنها همچنین باید از انعطاف‌پذیری و همچنیم از قطعیت و دقت این پدیده اطمینان حاصل کنند.
بدون حصول هر یک از عوامل ذکر شده در بالا، مسلما نیاز خواهد بود که همواره یک انسان هم در صندلی راننده بنشیند و مادامی که همه‌ی این الزامات برآورده نشده نمی‌توان شاهد گسترش خودروهای خودران به صورت وسیع در جاده‌ها بود.
