موارد مهم
- خودروسازان به هوش مصنوعی روی می آورند تا به خودروهای خودران نحوه عبور از موانع روزمره را آموزش دهند.
- تسلا اخیراً از ابرکامپیوتر جدید خود رونمایی کرد که برای آموزش شبکه‌های عصبی نیروبخش خودکار تسلا استفاده می‌شود.
- ناظران می گویند استفاده از هوش مصنوعی برای آموزش خودروها می تواند ایمنی را افزایش دهد.
خودروهای خودران نیز به معلمان نیاز دارند و هوش مصنوعی (AI) می تواند به طور مؤثر به این وسایل نقلیه آموزش دهد که از تصادف جلوگیری کنند - احتمالاً بهتر از مردم.
یکی از بهترین راه‌ها برای ارسال خودرو به Driver's Ed استفاده از هوش مصنوعی است. تسلا اخیرا از ابرکامپیوتر جدید خود رونمایی کرده است که برای آموزش شبکه های عصبی نیروبخش خودکار تسلا و هوش مصنوعی خودران آینده استفاده می شود. و همانطور که خودروها مستقل تر می شوند، مشخص می شود که آنها به آموزش زیادی نیاز دارند.
کریس نیکلسون، مدیر عامل Pathmind، شرکتی که هوش مصنوعی را در عملیات صنعتی اعمال می‌کند، در یک مصاحبه ایمیلی گفت: "با قرار دادن هوش مصنوعی در معرض داده‌های مربوط به رانندگی خودروها، هوش مصنوعی می‌تواند الگوها را تشخیص دهد." "تصاویر را به آن نشان دهید، و می‌تواند یاد بگیرد که عابران پیاده چگونه به نظر می‌رسند. دنباله‌ای از اقدامات را در جاده به او نشان دهید، و می‌تواند یاد بگیرد که چه چیزی منجر به تصادف می‌شود، و چگونه از آنها اجتناب کند."
"با داده های مناسب، هوش مصنوعی می تواند پیش بینی های بسیار دقیقی درباره آنچه که به آن نگاه می کند، انجام دهد." "و عواقب یک عمل مشخص، مانند چرخش به چپ یا شتاب گرفتن در باران، ممکن است چه باشد."
تعداد رو به رشد معلمان هوش مصنوعی
تسلا، آئودی، تویوتا، کروز جنرال موتورز، نیکلسون گفت، تقریباً تمام خودروسازان بزرگ از هوش مصنوعی به شکلی برای افزایش قابلیت های خودران خود استفاده می کنند. و برخی از شرکت‌های غیرخودرویی، مانند Waymo گوگل، در حال کار با خودروسازانی مانند کرایسلر فیات برای توسعه و آزمایش هوش مصنوعی خودران هستند.
Andrej Karpathy، رئیس هوش مصنوعی تسلا، اخیراً در جریان ارائه‌ای در کنفرانس بینایی رایانه و تشخیص الگوی ۲۰۲۱ از جدیدترین ابر رایانه این شرکت رونمایی کرد.
نشان داده شده است که هوش مصنوعی در موقعیت‌های رانندگی دقیق‌تر از افراد است، و بسیار محتمل است که تعداد تصادفات را کاهش دهد.
این خوشه از 720 گره از 8x NVIDIA A100 Tensor Core GPU (در مجموع 5، 760 GPU) برای دستیابی به عملکرد 1.8 اگزافلاپس استفاده می کند. هر اگزافلاپ برابر با 1 کوئینتیلیون عملیات ممیز شناور در ثانیه است.
طبق یک انتشار خبری، کارپاتی گفت: "این یک ابرکامپیوتر واقعا باورنکردنی است." "من در واقع معتقدم که از نظر فلاپ ها، این تقریباً شماره 5 ابررایانه در جهان است."
یک شبکه عصبی عمیق در حالی که ماشین در حال رانندگی است بدون اینکه واقعاً وسیله نقلیه را کنترل کند، مشاهده و پیش بینی می کند. پیش‌بینی‌ها ثبت می‌شوند و هرگونه اشتباه یا شناسایی اشتباه ثبت می‌شود. سپس مهندسان تسلا از این نمونه‌ها برای ایجاد مجموعه داده‌های آموزشی از سناریوهای دشوار و متنوع برای اصلاح شبکه عصبی استفاده می‌کنند،
نتیجه مجموعه ای از تقریباً ۱ میلیون کلیپ ۱۰ ثانیه ای است که با سرعت ۳۶ فریم در ثانیه ضبط شده است که در مجموع حدود ۱.۵ پتابایت داده است. سپس شبکه عصبی به طور مکرر از طریق این سناریوها اجرا می شود تا زمانی که بدون اشتباه عمل کند. در نهایت، به وسیله نقلیه بازگردانده می‌شود و فرآیند را دوباره آغاز می‌کند.
ارسال خودروها به مدرسه
آدیتیا پاتاک، کارشناس حمل و نقل شرکت خدمات حرفه ای Cognizant در یک مصاحبه ایمیلی گفت: استفاده از هوش مصنوعی همچنین می تواند ماشین ها را سریعتر از هر انسانی آموزش دهد.
"در فرآیند توسعه وسایل نقلیه خودران، یکی از مراحل مهم حاشیه نویسی داده ها است." "به عبارت دیگر، چگونه افراد، مکان ها و چیزها برچسب گذاری می شوند تا بتوان آنها را توسط وسایل نقلیه شناسایی کرد؟"
به صورت دستی انجام می شود، فرآیند بررسی داده ها زمان بر و کار فشرده خواهد بود. پاتاک گفت: «با هوش مصنوعی و یادگیری ماشین، این فرآیند بسیار سریعتر و کارآمدتر است.»
Anton Slesarev، رئیس مهندسی شرکت خودروهای خودران Yandex در یک مصاحبه ایمیلی گفت: AI باید به خودروهای خودران آموزش دهد که چگونه در هر شرایطی کار کنند. وی افزود: آب و هوا، کارهای جاده ای، تصادفات و رفتارها و واکنش های ناسازگار سایر رانندگان می تواند به غیرقابل پیش بینی بودن سفر کمک کند، حتی برای رانندگانی که هر روز به یک مکان رفت و آمد می کنند.
Yandex اولین سرویس ربات تاکسی اروپا را اجرا می کند و در حال حاضر از ربات های تحویل خودکار، مریخ نوردهای Yandex، برای تحویل سفارش مشتری از رستوران ها و فروشگاه های مواد غذایی استفاده می کند. این شرکت از یادگیری ماشینی برای کمک به ربات‌های خود استفاده می‌کند.
"به عنوان مثال، به انجام عملکردهای ادراک حیاتی مانند تشخیص علائم جاده کمک می کند، حتی زمانی که آنها توسط چیزهایی مانند باران یا شاخه درخت پوشیده شده باشند.""یا برای ارائه عملکردهای ایمنی مانند مشاهده عابر پیاده در حال عبور از جاده، حتی در شب یا زمانی که عابر پیاده تا حدی توسط چیزهایی مانند ماشین های پارک شده پنهان شده است."
ناظران می گویند استفاده از هوش مصنوعی برای آموزش خودروها می تواند ایمنی را افزایش دهد.
نشان داده شده است که هوش مصنوعی در موقعیت‌های رانندگی دقیق‌تر از افراد است، و بسیار محتمل است که تعداد تصادفات را کاهش دهد.
