Η Microsoft βοηθά τα αυτοοδηγούμενα αυτοκίνητα να γνωρίζουν τους περιορισμούς τους

Η άγνοια είναι ευδαιμονία, και συχνά οι πιο αδαείς παίρνουν τις πιο σίγουρες αποφάσεις, χωρίς να βαρύνονται από τη γνώση ότι μπορεί να κάνουν λάθος.

Σε πολλές περιπτώσεις, όλα αυτά είναι καλά και καλά, αλλά στο τρέχον επίπεδο ανάπτυξης αυτοοδηγούμενων αυτοκινήτων η σύγκρουση ενός Tesla με αυτοπεποίθηση σε πυροσβεστικό όχημα ή λευκό βαν (και τα δύο συνέβησαν) μπορεί να είναι μάλλον επικίνδυνο.

Το θέμα είναι ότι τα αυτοοδηγούμενα αυτοκίνητα είναι απλώς αρκετά έξυπνα για να οδηγούν αυτοκίνητα, αλλά όχι για να γνωρίζουν πότε μπαίνουν σε μια κατάσταση εκτός του επιπέδου εμπιστοσύνης και των δυνατοτήτων τους.

Η Microsoft Research συνεργάστηκε με το MIT για να βοηθήσει τα αυτοκίνητα να γνωρίζουν ακριβώς πότε οι καταστάσεις είναι διφορούμενες.

Όπως σημειώνουν τα νέα του MIT, μια μεμονωμένη κατάσταση μπορεί να λάβει πολλά διαφορετικά σήματα, επειδή το σύστημα αντιλαμβάνεται πολλές καταστάσεις ως πανομοιότυπες. Για παράδειγμα, ένα αυτόνομο αυτοκίνητο μπορεί να έχει ταξιδέψει δίπλα σε ένα μεγάλο αυτοκίνητο πολλές φορές χωρίς να επιβραδύνει και να τραβάει. Όμως, σε μία μόνο περίπτωση, περνάει ένα ασθενοφόρο, το οποίο φαίνεται ακριβώς το ίδιο στο σύστημα. Το αυτόνομο αυτοκίνητο δεν τραβάει και λαμβάνει ένα σήμα ανατροφοδότησης ότι το σύστημα έκανε μια απαράδεκτη ενέργεια. Επειδή η ασυνήθιστη περίσταση είναι σπάνια, τα αυτοκίνητα μπορεί να μάθουν να τα αγνοούν, όταν εξακολουθούν να είναι σημαντικά παρά το γεγονός ότι είναι σπάνια.

Το νέο σύστημα, στο οποίο συνέβαλε η Microsoft, θα αναγνωρίσει αυτά τα σπάνια συστήματα με αντικρουόμενη εκπαίδευση και θα μπορεί να μάθει σε μια κατάσταση όπου μπορεί, για παράδειγμα, να έχει αποδεκτή απόδοση στο 90 τοις εκατό του χρόνου, η κατάσταση εξακολουθεί να είναι αρκετά ασαφής ώστε να αξίζει μια «τυφλή σημείο."

«Όταν το σύστημα αναπτύσσεται στον πραγματικό κόσμο, μπορεί να χρησιμοποιήσει αυτό το μαθημένο μοντέλο για να ενεργήσει πιο προσεκτικά και έξυπνα. Εάν το μαθημένο μοντέλο προβλέπει μια κατάσταση ως τυφλό σημείο με μεγάλη πιθανότητα, το σύστημα μπορεί να ζητήσει από έναν άνθρωπο την αποδεκτή ενέργεια, επιτρέποντας ασφαλέστερη εκτέλεση», δήλωσε ο Ramya Ramakrishnan, μεταπτυχιακός φοιτητής στο Computer Science and Artificial Intelligence Laboratory.

Διαβάστε πολύ περισσότερες λεπτομέρειες στο MIT News εδώ.