به گزارش مشرق، هوش مصنوعی که در رابطه با هدایت خودروهای خودران به کار می‌رود هنوز به طور کامل به ثبات نرسیده است و هنوز نیاز به آزمایش و بهبود دارد. برای رسیدن به حد معینی از توانایی در نرم‌افزارهای هدایت خودروهای خودران نیاز به الزامات معینی است. در این گزارش به بررسی برخی جوانب هدایت این خودروها می‌پردازیم.

خودروسازان و کمپانی‌های فناوری در حال کار و پژوهش برای رسیدن به ایده‌ آرمانی خودروهای تمام خودکار هستند و این ایده در بخشی از مسیرش به ناچار قرار است که راننده‌های انسانی را از حلقه‌ کنترل خودرو خارج سازد. آنها هم اکنون نیز به پیشرفت‌های زیادی در این زمینه دست یافته‌اند.

نرم افزار خودروی خودران بر پایه‌ 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 اندازه‌ 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 مقوله‌ رانندگی، نسبت به موضوع آشکارسازی اشیای پیرامون بسیار پیچیده‌تر است و نکته‌ دیگر اینکه آشکارسازی اشیا لزوما به معنی فهم و دریافت کامل مشخصات آنها نیست. برای نمونه اگر بخواهیم بیان کنیم، می‌توانیم به راننده‌ 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 گزینه‌ موجود در آن لحظه انتخابی صورت گیرد؟

این لحظه‌ها مسلما لحظه‌های روتین و عادی رانندگی نیستند. بنابراین، به همراه نداشتن مجموعه‌ زیادی از مثال‌ها باعث خواهد شد که در مقابل فراگیری این رویه‌ها اندکی مقاومت به خرج داده شود.

پرسش پیرامون اینکه ایا یک ماشین توانایی فکر کردن را می‌تواند داشته باشد یا نه برای نخستین بار در حدود دهه‌ 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 درباره‌ صحنه‌ 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 وهله‌ 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 کامپیوتر هم توانسته است آن جزییاتی را از تصاویر دریابد که انسان‌ها موفق به انجامش شده بودند یا خیر.

امروزه از چند مجموعه‌ 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 زمینه‌ بهترین جهت‌یابی نمره‌ ۹۰ درصدی از کل امتیازات را بر مبنای مجموعه‌ 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 پایه‌ 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 حوزه‌ 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.

بر این اساس 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 استفاده‌ عمومی ایجاد کنند. آنها همچنین باید از انعطاف‌پذیری، 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 همه‌ این الزامات برآورده نشده نمی‌توان شاهد گسترش خودروهای خودران در جاده‌ها بود.