هوش مصنوعی و وسایل نقلیه شخصی

هوش مصنوعی و وسایل نقلیه شخصی -بیاموزید که چگونه سیستم های هوش مصنوعی در وسایل نقلیه ای که ما رانندگی می کنیم ادغام می شوند.

هوش مصنوعی (AI)  ممکن است جدید به نظر برسد. اما اپلیکیشن های هوش مصنوعی مدتی است که در حمل و نقل مورد استفاده قرار می گیرند.

بسیاری از وسایل نقلیه مدرن از  سیستم موقعیت یاب جهانی (GPS) استفاده می کنند . این از داده های ماهواره ها استفاده می کند تا بفهمد وسیله نقلیه در کجای زمین قرار دارد.

  الگوریتم های نقشه برداری  از هوش مصنوعی برای تعیین بهترین راه برای رسیدن از نقطه A به نقطه B استفاده می کنند.

برای انجام این کار، سیستم‌های هوش مصنوعی یاد گرفته‌اند که بهترین مسیرها را از حجم عظیمی از داده‌ها پیش‌بینی کنند.

سپس آنها این داده ها را با اطلاعات بلادرنگ کاربران ترکیب می کنند.

این شامل مواردی مانند سرعت رانندگی آنها در طول مسیر می شود.

این دو نوع داده می توانند اطلاعات دقیق و دقیقی در مورد سفر خود به افراد ارائه دهند.

هوش مصنوعی حتی می تواند به رانندگان کمک کند تا ترافیک را دور بزنند و از ساخت و ساز جلوگیری کنند.

هوش مصنوعی و وسایل نقلیه شخصی

بسیاری از ویژگی های ایمنی در خودروهای مدرن از هوش مصنوعی استفاده می کنند. یک مثال  کمک راننده است .

سیستم های کمک راننده به رانندگان در مورد خطرات احتمالی هشدار می دهند.

این می تواند چیزی شبیه به صدا درآوردن بوق زمانی باشد که یک خودرو از خط خود خارج می شود.

این کار را با استفاده از انواع  سنسورها از جمله دوربین ها و  سنسورهای مادون قرمز انجام می دهد  . 

برخی از سیستم ها نیز به وظیفه رانندگی کمک می کنند. این می تواند شامل عملکردهای خاصی باشد، مانند سیستم های کنترلی که سرعت یا فرمان خودرو را تنظیم می کنند.

همچنین می‌تواند شامل توابع عمومی‌تری باشد، مانند استفاده از مدل‌های یادگیری ماشین برای ارائه تصمیم‌گیری بر اساس شرایط ترافیکی مختلف.

همه این توابع داده ها را به یک مرکز داده مرکزی ارسال می کنند. سپس از آن اطلاعات به عنوان داده های آموزشی بیشتر برای مدل های آینده استفاده می شود.

هوش مصنوعی و نظارت بر ترافیک

هیچ کس دوست ندارد در ترافیک گیر کند! بنابراین برنامه ریزان شهری همیشه به دنبال راه هایی برای بهبود جریان وسایل نقلیه در جاده ها هستند.

نصب حسگرها روی چراغ راهنمایی می تواند کمک کننده باشد. حسگرها داده ها را به یک  پایگاه داده بزرگ از راه دور ارسال می کنند .

سپس از داده ها برای ساخت سناریوهای مختلف زمان نور استفاده می شود که برای تعیین بهترین تنظیمات تجزیه و تحلیل می شوند.

برنامه ریزان شهری همچنین می توانند از یادگیری ماشینی برای طراحی سیستم های جاده ای بهتر استفاده کنند. این می تواند شامل مواردی مانند ساخت دوربرگردان به جای چراغ راهنمایی باشد.

هوش مصنوعی و ایمنی جاده

آیا می دانستید که  سالانه بیش از 1700 نفر بر اثر تصادفات رانندگی در کانادا جان خود را از دست می دهند ؟

وقتی به کل جهان نگاه می کنیم، این عدد به  حدود 1.3 میلیون نفر می رسد .

و این بدون احتساب بیش از 20 میلیون نفری است که سالانه دچار صدمات غیرکشنده می شوند.

سه  علت متداول  تصادفات رانندگی سرعت، اختلال در رانندگی و حواس پرتی رانندگی است.

برای بهبود ایمنی جاده ها، می توانیم از سیستم های هوش مصنوعی برای شناسایی افرادی که این کارها را انجام می دهند استفاده کنیم.

یک سیستم هوش مصنوعی می تواند به دنبال الگوهای خوب و بد در رانندگی افراد باشد.

سپس می‌توانیم به سیستم‌ها آموزش دهیم که به دنبال چیزهای خطرناکی مانند سرعت زیاد باشند.

هوش مصنوعی و وسایل نقلیه خودران

بر خلاف انسان، ماشین ها کارهای بی پروا و خطرناک انجام نمی دهند. این موضوع باعث شد مردم به این فکر کنند که آیا وسایل نقلیه خودران یا  خودران می توانند جاده های ما را ایمن تر کنند.

ایمنی مهمترین دلیلی است که مردم در حال توسعه خودروهای خودران هستند.

اما این تنها عامل نیست. زمان  عامل دیگری است. تصور کنید که مردم بتوانند از زمانی که صرف رانندگی می‌کنند برای کارهای سرگرم‌کننده یا سازنده‌تر استفاده کنند.

وقتی صحبت از خودروها می شود، سطوح مختلفی از استقلال وجود دارد.

اکثر وسایل نقلیه مدرن برخی از ویژگی های اتوماسیون مرحله 2 را دارند. برخی از خودروهای جدید حتی دارای مرحله 3 یا 4 هستند.

این خودروها می توانند تحت شرایط خاصی مانند بزرگراه رانندگی کنند.

یادآوری این نکته مهم است که این فناوری هنوز جدید است و کامل نیست.

  مردم هنوز باید هنگام رانندگی در وسایل نقلیه خودران چشم خود را به جاده نگاه کنند .

وسایل نقلیه خودران چگونه کار می کنند؟

خودروها برای رانندگی خود به سخت افزار و نرم افزار نیاز دارند.

سخت افزار مجموعه ای از حسگرها و قطعات مکانیکی است. این به ماشین اجازه می دهد تا محیط خود را حس کند و داده هایی را برای کامپیوتر ماشین فراهم کند.

مثل چشم ها، دست ها و پاهای راننده است. نرم افزار برنامه نویسی کامپیوتری است.

این اجازه می دهد تا کامپیوتر ماشین تصمیم گیری کند. مثل مغز راننده است.

خودروهای خودران از انواع مختلفی از فناوری‌ها برای درک محیط خود استفاده می‌کنند.

این شامل دوربین های با کیفیت بالا، حسگرهای اولتراسونیک،  رادار  و  LIDAR می شود .

رادار از امواج رادیویی برای تشخیص اجسام استفاده می کند. LIDAR مانند رادار است با این تفاوت که از پالس های نور برای تشخیص اجسام استفاده می کند.

اینها به ماشین اجازه می‌دهند چراغ‌های راهنمایی، افرادی که دوچرخه‌سواری می‌کنند یا حتی سنجاب‌هایی که از خیابان عبور می‌کنند را تشخیص دهد! آنها به ویژه زمانی مفید هستند که شرایط آب و هوایی دید را کاهش می دهد.

نرم افزار خودرو نیز از اطلاعات GPS استفاده می کند. این شامل مکان خودرو و اطلاعاتی مانند محدودیت سرعت می شود. این اطلاعات زیادی است.

به همین دلیل است که یک ماشین خودران به یک کامپیوتر قدرتمند نیاز دارد.

این کامپیوتر نیز باید تمام این اطلاعات را خیلی سریع پردازش کند. تاخیر در تصمیم گیری برای حرکت خودرو می تواند بسیار خطرناک باشد!

برنامه نویسی وسایل نقلیه بدون راننده

زمانی فکر می‌کردیم که تا به امروز، همه از خودروهای بدون راننده استفاده می‌کنند. بنابراین، چرا این اتفاق نمی افتد؟

بسیار ساده است. ایجاد ماشین هایی که بتوانند برای خودشان در دنیایی از انسان ها تصمیم بگیرند مشکل است.

گاهی اوقات راننده هنگام رانندگی در شرایط سختی قرار می گیرد. به عنوان مثال، یک راننده ناگهان یک گرگ را می بیند که در وسط جاده ایستاده است.

در کنار جاده یک خندق عمیق است. راننده امیدوار است حیوان فرار کند، اما حرکت نمی کند. راننده نمی تواند به موقع توقف کند.

آیا راننده باید برای جلوگیری از برخورد با گرگ منحرف شود؟

اگر این کار را انجام دهند، ممکن است با رفتن به داخل گودال به خود و ماشینشان آسیب برسانند. یا باید گرگ را بزنند؟

اگر این کار را انجام دهند، گرگ ممکن است بمیرد، اما آن شخص و ماشینش مشکلی ندارند. شما چکار انجام خواهید داد؟

اگر فکر می کنید که گرفتن چنین تصمیمی سخت است، سعی کنید یک برنامه کامپیوتری برای انجام آن بسازید!

این دقیقا همان چیزی است که مهندسان هوش مصنوعی روی آن کار می کنند.

اگر به مثال گرگ برگردیم، فکر می کنید همه همان تصمیمی را گرفتند که شما گرفتید؟

نحوه تصمیم گیری شما به ارزش های شما بستگی دارد. به عبارت دیگر، آنچه شما فکر می کنید مهم است.

همه فکر نمی کنند یک چیز مهم است. مطالعه داده های جمع آوری شده از طریق  ماشین اخلاقی MIT  این را ثابت کرد.

ماشین اخلاقی مجموعه‌ای از سناریوهای تصادفات رانندگی است که در آن افراد تصمیم می‌گیرند که چه کاری انجام دهند، با یک انتخاب. می توانید خودتان با استفاده از لینک بالا آن را امتحان کنید.

این  مطالعه  نشان داد که مردم در سراسر جهان تصمیمات مشابهی گرفتند.

مردم نجات مردم را به حیوانات ترجیح دادند. آنها نجات جان بیشتر را به جان کمتر ترجیح دادند. و به جای بزرگترها ترجیح دادند بچه ها را نجات دهند.

آنها همچنین متوجه تفاوت هایی بین کشورها شدند.

اینها احتمالاً مربوط به چیزهایی است که مردم در یک کشور خاص برایشان ارزش قائل هستند. به عنوان مثال، برخی از کشورها برای بزرگان خود بیش از سایرین ارزش قائل هستند.

یک موضوع مرتبط با این،  سوگیری  در داده های آموزشی مورد استفاده برای توسعه مدل های ML است.

مدل‌های ML فقط به اندازه داده‌هایی هستند که به آن‌ها وارد می‌شوند.

یکی از نمونه‌های آن داده‌های مورد استفاده برای آموزش سیستم‌هایی است که خودروهای خودران برای شناسایی و اجتناب از عابران پیاده استفاده می‌کنند.

مجموعه داده های مورد استفاده برای آموزش این سیستم ها باید بسیار بزرگ و متنوع باشد تا هر اندازه، شکل و رنگ پوست انسان را پوشش دهد.

اگر آنها به اندازه کافی متنوع نباشند، می‌توانیم به سیستم‌هایی برسیم که در شناسایی عابران پیاده با رنگ پوست بهتر از سایرین هستند.

این می تواند به این معنی باشد که گروه خاصی از افراد بر اساس رنگ پوست یا عوامل دیگر در خطر هستند.

به طور خلاصه

نقش هوش مصنوعی در وسایل نقلیه شخصی در حال افزایش است. روزی این وسایل نقلیه احتمالاً عادی خواهند شد. نسل بعدی مردم ممکن است حتی رانندگی را یاد نگیرند!

Let’s Talk Science از کمک‌های مشاور فناوری ملیسا والدز از هوش مصنوعی و کوانتوم برای بازنگری در این پیش‌زمینه قدردانی می‌کند.

مهندس حمید تدینی: نویسنده و وبلاگ نویس مشهور، متخصص در زبان برنامه نویسی و هوش مصنوعی و ساکن آلمان است. مقالات روشنگر او به پیچیدگی های این زمینه ها می پردازد و به خوانندگان درک عمیقی از مفاهیم پیچیده فناوری ارائه می دهد. کار او به دلیل وضوح و دقت مشهور است.