نماذج ومنصات الذكاء الاصطناعي

مشاكل المركبات ذاتية القيادة وكيفية حلها – قادة الفكر

Alex Vakulov
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتولد السيارات ذاتية القيادة 1 تيرابايت من البيانات في الساعة، مما يتطلب معالجة هجينة…
عرض المزيد
  • تولد السيارات ذاتية القيادة 1 تيرابايت من البيانات في الساعة، مما يتطلب معالجة هجينة بين الحافة والسحابة.
  • تمكن شبكات الجيل الخامس بتقنية C-V2X من الاتصال الفوري بين المركبة وكل شيء لتعزيز السلامة.
  • تتطلب الإكسابايتات من البيانات اليومية تخزينًا متدرجًا باستخدام أقراص SSD للتحليل الفوري والتخزين شبه المتصل للأرشيفات.

المركبات ذاتية القيادة تحتاج إلى أكثر من مجرد ذكاء اصطناعي بسيط. سيارة ذاتية القيادة تستقبل بيانات من مصادر مختلفة مثل السونار والكاميرات والرادار والجي بي إس والليدار مما يسمح لها بالتنقل في أي بيئة. يجب معالجة المعلومات من هذه الأجهزة بسرعة، وهناك كميات هائلة من البيانات.

المعلومات من المستشعرات لا يتم معالجتها فقط بواسطة كمبيوتر السيارة في الوقت الفعلي. يتم إرسال بعض البيانات إلى مراكز بيانات محيطية لمزيد من التحليل. ثم يتم إعادة توجيهها من خلال هرمية معقدة إلى خدمات سحابية مختلفة.

الذكاء الاصطناعي الذي تتمتع به المركبة بالغ الأهمية، وكذلك قدرات المعالجة في الحواسيب المركبة داخل السيارة والخوادم الطرفية والسحابة. سرعة إرسال واستقبال البيانات بواسطة السيارة، بالإضافة إلى انخفاض التأخير، هما كلاهما مهمان جدًا.

مشكلة حجم البيانات

حتى السيارات العادية، مع سائق خلف العجلة، تنتج المزيد والمزيد من البيانات. يمكن للسيارات ذاتية القيادة أن تنتج حوالي 1 تيرابايت من البيانات في الساعة. هذا الكم من البيانات هو مجرد عملاق. ويمثل أحد العوائق أمام تبني القيادة الذاتية على نطاق واسع.

للأسف، لا يمكن معالجة جميع بيانات سيارة ذاتية القيادة في السحابة أو مراكز البيانات المحيطية لأن ذلك يسبب تأخيرًا كبيرًا. حتى تأخير 100 مللي ثانية يمكن أن يجعل الفرق بين حياة أو موت راكب أو مشاة. يجب على السيارة الاستجابة للظروف الناشئة بأسرع ما يمكن.

لتقليل التأخير بين استقبال المعلومات والاستجابة لها، يتم تحليل جزء من المعلومات بواسطة الكمبيوتر داخل السيارة. على سبيل المثال، يتم تزويد طرز جيب الجديدة بكمبيوتر داخل السيارة يحتوي على 25-50 نواة معالجة تخدم نظام التحكم في السرعة، وتنبيه النقطة العمياء، وتنبيه العوائق، والفرامل الأوتوماتيكية، إلخ. تعمل عقد السيارة مع بعضها البعض عبر شبكة داخلية. كما أنها تناسب مفهوم الحوسبة المحيطية إذا اعتبرنا الكمبيوتر داخل السيارة كعقدة محيطية للشبكة. ونتيجة لذلك، فإن المركبات غير المأهولة تشكل شبكة هجينة معقدة تجمع بين مراكز البيانات المركزية والسحابة وعدد كبير من العقد المحيطية. وتقع هذه العقد ليس فقط في السيارات ولكن أيضًا في الإشارات المرورية ومنافذ التحكم و محطات الشحن، إلخ.

توفر هذه الخوادم ومراكز البيانات خارج السيارة كل المساعدة الممكنة للقيادة الذاتية. تتيح للسيارة “رؤية” ما وراء نطاق مستشعراتها، وتنسق الحمل على شبكة الطرق، وتساعد على اتخاذ القرارات المثلى.

التفاعل مع بعضها البعض والبنية التحتية

نظام تحديد المواقع العالمي (جي بي إس) وأنظمة الرؤية الحاسوبية توفر للسيارات ذاتية القيادة معلومات عن موقعها والمناطق المحيطة بها. ومع ذلك، فإن نطاق البيئة المحسوبة يتزايد باستمرار. ومع ذلك، يمكن لسيارة واحدة فقط جمع كمية محدودة من المعلومات. لذلك، فإن تبادل البيانات أمر ضروري. ونتيجة لذلك، يمكن لكل سيارة تحليل ظروف القيادة على أساس مجموعة بيانات أكبر تم جمعها بواسطة أسطول المركبات ذاتية القيادة. تعتمد أنظمة الاتصال بين المركبات (في تو في) على الشبكات المتداخلة (mesh) التي تم إنشاؤها بواسطة المركبات في نفس المنطقة الجغرافية. يتم استخدام في تو في لتبادل المعلومات وإرسال الإشارات إلى سيارات أخرى، مثل تحذيرات المسافة.

يمكن تمديد شبكات في تو في لتبادل المعلومات مع البنية التحتية لحركة المرور مثل الإشارات المرورية. ومن المناسب التحدث عن اتصال المركبة بالبنية التحتية (في تو آي) هنا. لا تزال معايير في تو آي تتطور. في الولايات المتحدة، تنشر إدارة الطرق السريعة الفيدرالية (FHWA) بانتظام مجموعة متنوعة من دلائل و تقارير في تو آي لمساعدة تحسين التكنولوجيا. تمتد فوائد في تو آي إلى ما هو أبعد من الأمان. بالإضافة إلى تعزيز الأمان، توفر تقنية المركبة والبنية التحتية مزايا فيما يتعلق بالتنقل والتفاعل مع البيئة.

السائقون الذين يسافرون نفس الطريق كل يوم يتذكرون كل الحفر على الطريق. السيارات ذاتية القيادة تتعلّم أيضًا باستمرار. ستقوم السيارات ذاتية القيادة بتحميل المعلومات المتاحة والمفيدة إلى مراكز بيانات محيطية، على سبيل المثال، المتكاملة في محطات الشحن. ستعتمد محطات الشحن على خوارزميات الذكاء الاصطناعي التي ستساعد في تحليل البيانات الواردة من السيارات واقتراح حلول ممكنة. من خلال السحابة، سيتم نقل هذه البيانات إلى سيارات أخرى غير مأهولة في الشبكة المشتركة.

إذا تم تحقيق هذا النموذج لتبادل البيانات بين جميع السيارات ذاتية القيادة في غضون بضعة سنوات، يمكننا توقع إكسابايت (ملايين التيرابايت) من البيانات في اليوم. وفقًا لتقديرات مختلفة، قد تظهر مئات الآلاف إلى عشرات الملايين من السيارات ذاتية القيادة على الطرق في هذا الوقت.

5G هو المفتاح للنجاح

كما ذكرنا أعلاه، يمكن للسيارات ذاتية القيادة استقبال المعلومات عن المشاة وراكبي الدراجات الهوائية ليس فقط من مستشعراتها ولكن أيضًا من خلال تبادل البيانات مع سيارات أخرى، وإشارات مرورية، وبنية تحتية حضرية أخرى.

توجد بالفعل عدة مشاريع سيارات متصلة بتقنية 5G. تستخدم السيارات شبكة الهاتف المحمول 5G وتقنية سي في تو إكس (Cellular Vehicle-to-Everything) للاتصال مع سيارات أخرى ودراجات هوائية وحتى إشارات مرورية. وتُجهَّز الإشارات المرورية بكاميرات حرارية تكتشف المشاة الذين يقتربون من العبور؛ ونتيجة لذلك، يظهر تحذير على لوحة القيادة. يتم إعلام الدراجين المتصلين بموقعهم، مما يمنع الحالات الخطيرة. في حالة الرؤية السيئة، يتم تشغيل أضواء الطوارئ للسيارات المتوقفة تلقائيًا، مما يُحذر جميع السيارات التي تقترب من موقعها.

تأتي قدرات شبكات الهاتف المحمول 5G هنا مفيدة. توفر سرعات سريعة وتأخير منخفض للغاية وإمكانية دعم عدد كبير من الاتصالات المتزامنة. لن تكون السيارات ذاتية القيادة بدون هذه القدرات على معالجة البيانات قادرة على أداء العديد من المهام بشكل أسرع من الشخص. على سبيل المثال، رصد ظهور أحد المشاة عند أقرب معبر للمشاة. وعلاوة على ذلك، يجب أن يكون التأخير في أدنى حد ممكن، حيث يمكن أن يؤدي تأخير جزء من الثانية إلى حادث.

تدمج شركات تصنيع السيارات الكبرى، مثل بي إم دبليو ودايملر وهيونداي وفورد وتويوتا، تقنية 5G بالفعل في منتجاتها. وقد أنفق مشغلو شبكات الهاتف المحمول مليارات الدولارات على بناء شبكات 5G. لذلك، هذا هو الوقت المناسب لتزويد المركبات بمجموعة من المهارات التي ستكون مفيدة في التشغيل اليومي.

جميع التجارب مع السيارات ذاتية القيادة التي تعمل بتقنية 5G سوف تتوقف إذا لم تكن هناك بنية تحتية لشبكة 5G. مرة أخرى، يمكن لسيارة ذاتية القيادة أن تنتج 1 تيرابايت من البيانات في الساعة، لذلك يجب أن تكون الشبكة المحمولة جاهزة لنقل هذه البيانات.

كيفية معالجة وتخزين إكسابايت من البيانات

ليس جميع أنواع البيانات تتطلب معالجة فورية، وكمبيوتر السيارة داخل السيارة لديه أداء وسمات تخزين محدودة. لذلك، يجب جمع البيانات التي يمكن “الانتظار” وتحليلها في مراكز بيانات محيطية، في حين أن بعض البيانات سوف تنتقل إلى السحابة وتتم معالجتها هناك.

من مسؤولية حكومات المدن وشركات السيارات جمع البيانات ومعالجتها ونقلها وحمايتها وتحليلها حول كل سيارة وازدحام مروري ومشاة و حفرة. ويجرّب بعض مصممي المدن الذكية بالفعل يجرّبون خوارزميات تعلم الآلة التي تحلل بيانات حركة المرور بشكل أكثر كفاءة لتحديد الحفر في الطريق بسرعة وتنظيم حركة المرور والاستجابة الفورية لحوادث. من منظور عالمي، توفر خوارزميات تعلم الآلة توصيات لتحسين البنية التحتية الحضرية.

لإدخال القيادة الذاتية الكاملة إلى حياتنا، من الضروري حل مشكلة معالجة وتخزين كميات هائلة من البيانات. يمكن لسيارة واحدة غير مأهولة أن تنتج حتى 20 تيرابايت من البيانات في اليوم. فقط سيارة واحدة! في المستقبل، يمكن أن يؤدي ذلك إلى إكسابايت من البيانات في اليوم. لتخزين هذه البيانات، تحتاج إلى بنية تحتية للحوسبة الطرفية عالية الأداء ومرنة وآمنة وموثوقة. هناك أيضًا مشكلة معالجة البيانات بكفاءة.

لاتخاذ قرارات في الوقت الفعلي، يحتاج الكمبيوتر داخل السيارة إلى المعلومات الأكثر حداثة عن البيئة. البيانات القديمة، مثل معلومات موقع السيارة وسرعتها قبل ساعة، لا تعود ضرورية في العادة. ومع ذلك، هذه البيانات مفيدة لتحسين خوارزميات القيادة الذاتية.

يجب على مطوري أنظمة الذكاء الاصطناعي الحصول على كميات كبيرة من البيانات لتدريب شبكات التعلم العميق: تحديد الأجسام وحركتها من خلال الكاميرات ومعلومات الليدار ودمج المعلومات حول البيئة والبنية التحتية بشكل مثالي لاتخاذ القرارات.وبالنسبة إلى أخصائيي سلامة الطرق، البيانات التي تم جمعها بواسطة السيارات مباشرة قبل الحوادث أو المواقف الخطيرة على الطريق هي حيوية.

كما يتم جمع البيانات بواسطة السيارات ذاتية القيادة وتنقلها من السيارات إلى مراكز بيانات محيطية، ثم تنتقل إلى تخزين السحابة، تصبح مشكلة استخدام بنية تخزين البيانات المتدرجة أكثر وأكثر صلة. يجب تحليل البيانات الطازجة على الفور لتحسين نماذج التعلم الآلي. يتطلب ذلك تدفق عالٍ وتأخير منخفض. أفضل ما يصلح لهذا الغرض هو أقراص الحالة الصلبة (SSD) و أقراص هامر عالية السعة مع دعم تكنولوجيا الأقراص المتعددة.

بعد أن تكون البيانات قد مرت مرحلة التحليل الأولية، يجب تخزينها بطريقة أكثر كفاءة: على أنظمة تخزين nearline تقليدية عالية السعة ومنخفضة التكلفة. هذه خوادم التخزين مناسبة إذا كانت البيانات قد تكون مطلوبة في المستقبل. يمكن نقل البيانات القديمة التي من غير المحتمل أن تكون ضرورية ولكن يجب الاحتفاظ بها لأسباب أخرى إلى مستوى الأرشيف.

ستتم معالجة البيانات بشكل متزايد وتحليلها على الحافة، مما يعلن عن عصر الصناعة 4.0، الذي يغير طريقة استخدامنا للبيانات. سوف تسمح الحوسبة على الحافة بمعالجة البيانات بالقرب من مكان جمعها، بدلاً من خادم السحابة التقليدية، مما يسمح بمعالجتها بسرعة أكبر، والاستجابة الفورية للتغيرات في الظروف. سوف تساعد شبكة عالية السرعة لتبادل المعلومات بين السيارات ومراكز البيانات المحيطية في جعل القيادة الذاتية أكثر أمانًا وموثوقية.

الختام

نأمل أن هذا التحليل قد ألقى بعض الضوء على أهمية البيانات في مجال القيادة الذاتية. يتضمن تبني المركبات غير المأهولة على نطاق واسع جمع كميات كبيرة من البيانات التي يجب معالجتها ليس فقط بواسطة الكمبيوتر داخل السيارة ولكن أيضًا بواسطة خوادم الحافة والسحابة. يجب أن تكون بنية تحتية المعالجة جاهزة مسبقًا.

مع انتشار 5G، سوف تبدأ السيارات ذاتية القيادة في إنتاج المزيد والمزيد من البيانات، والتي سوف يتم تحليلها واستخدامها لجعل المدن الذكية حقيقة. لن يكون تحقيق هذا الهدف سهلاً، ولكن في النهاية، سوف نفتح فصلًا جديدًا في تاريخ وسيلة النقل الشهيرة مثل السيارة.

السيارات ذاتية القيادة هي في طليعة تقنيات الذكاء الاصطناعي والاتصالات وتخزين البيانات. للوصول إلى مستوى القيادة الذاتية الكاملة، من الضروري الاستمرار في تطوير وتحسين هذه التكنولوجيا.

أليكس هو باحث أمن سيبراني مع أكثر من 20 عامًا من الخبرة في تحليل البرمجيات الخبيثة. لديه مهارات قوية في إزالة البرمجيات الخبيثة، ويكتب للعديد من المنشورات المتخصصة في الأمن لمشاركة خبرته الأمنية.