למה חיזוק הלמידה יהיה נעילת מכוניות אוטונומיות עבור ההמונים

המוח האנושי יכול לקחת הרבה מידע על הסצינה מול זה כדי לקבל החלטות. צבי קופץ החוצה מול המכונית? לחץ בחוזקה על הבלמים. מכונית מאיטה קדימה? החלף נתיבים.

עבור כלי רכב אוטונומיים, החלטות אלה לא כל כך קל. אנו עשויים לא לרשום כי המוח שלנו הם אפילו עיבוד כל המידע הדרוש כדי לנקוט פעולה, אבל מערכות אוטונומיות צריך לקחת הרבה משתנים בחשבון לפני החלת הבלמים. אם המערכת אינה קוראת את הדרך בצורה נכונה, קריסות קטלניות עלולות לגרום. סיפור שפורסם ב- MIT סקירה טכנולוגיה ביום שני מתאר כיצד רכב טק חברת Mobileye משתמש למידה חיזוק להכשיר את הבינה המלאכותית מאחורי כלי רכב אוטונומיים. שיטה זו מסתמכת על נתוני נהיגה אמיתיים בעולם, וככל שמספר הנתונים גדול יותר, כך ה- AI מהיר יותר. לומד כיצד להימנע מקריסות. אבל יש בעיה אחת. חברות רכב תחרותי לא רוצה לשתף.

נכון לעכשיו, מהנדסי תוכנה צריכים לתת דין וחשבון על כל תרחיש אפשרי ולתכנת את המכונית להתמודד איתם. אבל בעולם האמיתי, הכבישים הם סביבה דינמית ומגוונת מאוד. אין שום אפשרות למהנדסים לצפות כל מצב אפשרי.

במקום לתכנת מכוניות לצפות כל תרחיש, מהנדסים יכולים לתכנת מכוניות כדי ללמוד כיצד לנווט תרחישים בכוחות עצמם. למידה חיזוק בעצם רכבות כלי רכב אוטונומיים על ידי תגמול תוצאות טובות. לאחר הניסוי ולא מתרסק, המכונית לומדת מה לעשות במגוון מצבים והוא יכול ליישם את זה תרחישים עתידיים.

המפתח ללמידה של למידה עבור כלי רכב אוטונומיים, אם כי, הוא נתונים. המון נתונים. עבור מכוניות כדי ללמוד על כל תרחישים שונים זה עלול להיתקל, נתונים שנאספו בעולם האמיתי צריך להיות זמין לתוכנות מכונית בשביל זה כדי ללמוד כמעט מה לעשות.

איך חברות הרכב לשתף את הנתונים שלהם הוא האתגר הגדול. המתחרים אינם ידועים לשיתוף מה עושה את המכוניות שלהם לתקתק. אבל אם הם מוכנים לפתוח את הנתונים שלהם לחברות כמו Mobileye, אז כלי רכב שיכולים לנהוג עצמם (לפחות על הכביש המהיר) הולכים להיות מציאות הרבה יותר מוקדם.