211service.com
Endelig en førerløs bil med litt sunn fornuft
Daniel James Zender
Bostons notorisk uvennlige sjåfører og kaotiske veier kan være det perfekte testområdet for en fundamentalt annerledes selvkjørende bil.
En MIT spin-off kalt jeg skjønner utvikler og tester det autonome kjøresystemet ved å bruke en ny tilnærming til kunstig intelligens. I stedet for å stole på enkle regler eller maskinlæringsalgoritmer for å trene biler til å kjøre, henter oppstarten inspirasjon fra kognitiv vitenskap for å gi maskiner en slags sunn fornuft og evnen til raskt å håndtere nye situasjoner. Det er å utvikle algoritmer som prøver å matche måten mennesker forstår og lærer om den fysiske verden, inkludert samhandling med andre mennesker. Tilnærmingen kan føre til selvkjørende kjøretøy som er mye bedre rustet til å takle ukjente scener og komplekse interaksjoner på veien.
Menneskesinnet er superfølsomt for fysikk og sosiale signaler, sier Yibiao Zhao, medgründer av iSee . Nåværende AI er relativt begrenset i disse domenene, og vi tror det faktisk er den manglende brikken i kjøring.
Zhaos selskap ser ikke ut som en verdensbehandler ennå. Et lite team av ingeniører jobber fra en beskjeden laboratorieplass kl motoren , et nytt investeringsselskap opprettet av MIT for å finansiere innovative lokale teknologiselskaper. Motoren ligger bare en kort spasertur fra MIT-campus, og har utsikt over en gate der sjåfører maser etter parkeringsplasser og går aggressivt inn i trafikken.
Relatert historie
Relatert historie Bordene inne i iSees plass er dekket med sensorer og deler av maskinvare teamet har satt sammen for å ta kontroll over sin første prototype, en Lexus hybrid SUV som opprinnelig tilhørte en av selskapets medstiftere. Flere ingeniører sitter bak store dataskjermer og stirrer intenst på kodelinjer.
iSee kan virke latterlig liten sammenlignet med innsatsen for førerløse biler hos selskaper som Waymo, Uber eller Ford, men teknologien den utvikler kan ha stor innvirkning på mange områder der AI brukes i dag. Ved å gjøre det mulig for maskiner å lære av mindre data, og bygge en form for sunn fornuft, kan teknologien deres gjøre industriroboter smartere, spesielt når det gjelder nye situasjoner. Spektakulære fremskritt har allerede blitt gjort i AI nylig takket være dyp læring, en teknikk som bruker enorme datahungrige nevrale nettverk (se 10 Breakthrough Technologies 2013: Deep Learning ).
Når de mates med store mengder data, kan veldig store eller dype nevrale nettverk gjenkjenne subtile mønstre. Gi et dypt nevralt nettverk mange bilder av hunder, for eksempel, og det vil finne ut hvordan du kan se en hund i omtrent alle bilder. Men det er grenser for hva dyp læring kan gjøre, og noen radikale nye ideer kan godt være nødvendig for å få til neste sprang fremover. For eksempel forstår ikke et hundeoppdagende dyplæringssystem at hunder vanligvis har fire ben, pels og en våt nese. Og den kan ikke gjenkjenne andre typer dyr, eller en tegning av en hund, uten videre opplæring.
Kjøring innebærer mye mer enn bare mønstergjenkjenning. Menneskelige sjåfører stoler konstant på en sunn forståelse av verden. De vet at busser bruker lengre tid på å stoppe, for eksempel, og kan plutselig produsere mange fotgjengere. Det ville være umulig å programmere en selvkjørende bil med alle mulige scenarioer den måtte møte. Men folk er i stand til å bruke sin sunne forståelse av verden, bygget opp gjennom livslang erfaring, til å handle fornuftig i alle slags nye situasjoner.
Dyplæring er flott, og du kan lære mye av tidligere erfaring, men du kan ikke ha et datasett som inkluderer hele verden, sier Zhao. Nåværende AI, som for det meste er datadrevet, har vanskeligheter med å forstå sunn fornuft; det er det viktigste som mangler. Zhao illustrerer poenget ved å åpne den bærbare datamaskinen for å vise flere virkelige veisituasjoner på YouTube, inkludert komplekse trafikksammenslåingssituasjoner og noen hårete ulykker.
Mangel på kunnskap om sunn fornuft har sikkert forårsaket noen problemer for autonome kjøresystemer. En ulykke som involverte en Tesla som kjørte i semi-autonom modus i Florida i fjor, for eksempel, skjedde da bilens sensorer ble midlertidig forvirret da en lastebil krysset motorveien (se Fatal Tesla Crash er en påminnelse om autonome biler vil noen ganger skru opp). En menneskelig sjåfør ville sannsynligvis raskt og trygt ha funnet ut hva som foregikk.
Relatert historie
Relatert historie Et dødsfall bak rattet med Teslas autopilot på reiser spørsmålet om hvor sikre automatiserte biler må være.Zhao og Debbie Yu, en av hans medstiftere, viser et klipp av en ulykke som involverte en Tesla i Kina, der bilen kjørte rett inn i en gaterensende lastebil. Systemet er trent på Israel eller Europa, og de har ikke denne typen lastebiler, sier Zhao. Det er kun basert på deteksjon; den forstår egentlig ikke hva som skjer, sier han.
iSee er bygget på forsøk på å forstå hvordan mennesker forstår verden, og å designe maskiner som etterligner dette. Zhao og andre grunnleggere av iSee kommer fra laboratoriet til Josh Tenenbaum , en professor ved avdelingen for hjerne- og kognitiv vitenskap ved MIT som nå fungerer som rådgiver for selskapet.
Tenenbaum spesialiserer seg på å utforske hvordan menneskelig intelligens fungerer, og bruke denne innsikten til å konstruere nye typer AI-systemer. Dette inkluderer arbeid med den intuitive følelsen av fysikk som vises selv av små barn, for eksempel. Barns evne til å forstå hvordan den fysiske verden oppfører seg gjør dem i stand til å forutsi hvordan ukjente situasjoner kan utvikle seg. Og, forklarer Tenenbaum, denne forståelsen av den fysiske verden er nært forbundet med en intuitiv forståelse av psykologi og evnen til å utlede hva en person prøver å oppnå, for eksempel å strekke seg etter en kopp, ved å se hans eller hennes handlinger.
Evnen til å overføre læring mellom situasjoner er også et kjennetegn på menneskelig intelligens, og selv de smarteste maskinlæringssystemene er fortsatt svært begrenset i sammenligning. Tenenbaums laboratorium kombinerer konvensjonell maskinlæring med nye probabilistiske programmeringsmetoder. Dette gjør det mulig for maskiner å lære å utlede ting om verdens fysikk så vel som andres intensjoner til tross for usikkerhet.
Relatert historie
Relatert historie Programvare som lærer å gjenkjenne skrevne karakterer fra bare ett eksempel kan vise vei mot kraftigere, mer menneskelignende kunstig intelligens.Å prøve å reversere hvordan selv en ung baby er smartere enn det smarteste eksisterende AI-systemet kan til slutt føre til mange smartere AI-systemer, sier Tenenbaum. I 2015, sammen med forskere fra New York University og Carnegie Mellon University, brukte Tenenbaum noen av disse ideene til å utvikle et landemerke dataprogram som er i stand til å lære å gjenkjenne håndskrift fra bare noen få eksempler (se Denne AI-algoritmen lærer enkle oppgaver like raskt som vi Gjør).
En relatert tilnærming kan til slutt gi en selvkjørende bil noe som nærmer seg en rudimentær form for sunn fornuft i ukjente scenarier. En slik bil kan være i stand til å fastslå at en sjåfør som er på vei ut på veien sannsynligvis ønsker å slå seg sammen i trafikken.
Når det kommer til autonom kjøring, faktisk, sier Tenenbaum at evnen til å utlede hva en annen sjåfør prøver å oppnå kan være spesielt viktig. En annen av iSees medstiftere, Chris Baker, utviklet beregningsmodeller for menneskelig psykologi mens han var ved MIT. Å ta modeller i ingeniørstil av hvordan mennesker forstår andre mennesker, og å kunne sette dem i autonom kjøring, kan virkelig gi en manglende brikke i puslespillet, sier Tenenbaum.
Tenenbaum sier at han i utgangspunktet ikke var interessert i å bruke ideer fra kognitiv psykologi til autonom kjøring, men grunnleggerne av iSee overbeviste ham om at virkningen ville være betydelig, og at de var opp til de tekniske utfordringene.
Dette er en helt annen tilnærming, og jeg applauderer den fullstendig, sier Oren Etzioni, administrerende direktør i the Allen Institute for Artificial Intelligence , et forskningsinstitutt opprettet av Microsofts medgründer Paul Allen for å utforske nye ideer innen AI, inkludert de som er inspirert av kognitiv psykologi.
Etzioni sier at AI-feltet må utforske ideer utover dyp læring. Han sier at hovedproblemet for iSee vil være å demonstrere at teknikkene som brukes kan fungere godt i kritiske situasjoner. Probabilistisk programmering er ganske nytt, bemerker han, så det er spørsmål om ytelsen og robustheten.
De som er involvert i iSee ser ut til å være enige. Foruten å ta sikte på å ryste bilindustrien og kanskje omforme transport i prosessen, sier Tenenbaum, iSee har en sjanse til å utforske hvordan en ny AI-tilnærming fungerer i en spesielt utilgivelig praktisk situasjon.
På en eller annen måte kommer selvkjørende biler til å bli de første autonome robotene som samhandler med mennesker i den virkelige verden, sier han. Den virkelige utfordringen er, hvordan tar du disse modellene og får dem til å fungere robust?