سيارة LLM: اختراق في التواصل بين البشر والمركبات ذاتية القيادة

随着 المركبات ذاتية القيادة (AVs) تقترب من التطبيق الواسع، لا تزال تحديات كبيرة أمامها: سد الفجوة في التواصل بين الركاب البشر وسائقيهم الروبوتيين. في حين أن المركبات ذاتية القيادة قد أحرزت تقدماً ملحوظاً في التنقل في بيئات الطرق المعقدة، إلا أنها غالباً ما تعاني من تفسير الأوامر اللغوية الطبيعية الدقيقة التي تأتي بسهولة إلى السائقين البشر.

دخلت دراسة مبتكرة من جامعة بوردو، كلية ليلز للهندسة المدنية والبناء. بقيادة أستاذ مساعد زيران وانغ، قاد فريق من المهندسين نهجًا مبتكرًا لتعزيز التفاعل بين الإنسان والمركبة ذاتية القيادة باستخدام الذكاء الاصطناعي. حلهم هو دمج نماذج اللغة الكبيرة (LLMs) مثل ChatGPT في أنظمة القيادة ذاتية.

قوة اللغة الطبيعية في المركبات ذاتية القيادة

تمثل نماذج اللغة الكبيرة خطوة كبيرة إلى الأمام في khảية الذكاء الاصطناعي لفهم وتوليد النصوص الشبيهة بالبشر. يتم تدريب هذه الأنظمة الذكية المتقدمة على كميات هائلة من البيانات النصية، مما يسمح لها بفهم السياق والدقة والمعنى الضمني بالطرق التي لا يمكن للردود المبرمجة التقليدية القيام بها.

في سياق المركبات ذاتية القيادة، تقدم نماذج اللغة الكبيرة khảية تحويلية. على عكس واجهات المركبات ذاتية القيادة التقليدية التي تعتمد على أوامر صوتية محددة أو إدخالات الأزرار، يمكن لنماذج اللغة الكبيرة تفسير مجموعة واسعة من الأوامر اللغوية الطبيعية. هذا يعني أن الركاب يمكنهم التواصل مع مركباتهم بنفس الطريقة التي يتحدثون بها مع سائق بشري.

التحسين في khảيات التواصل مع المركبات ذاتية القيادة كبير. تخيل أنك تقول لسيارتك، “أنا في عجلة من أمري،” وتحسب تلقائياً الطريق الأكثر كفاءة، وتعدل أسلوب القيادة لتقليل وقت السفر بأمان. أو فكر في khảية قول “أنا أشعر بالغثيان في السيارة،” مما يؤدي إلى تعديل ملف حركة المركبة من أجل رحلة أكثر سلاسة. هذه التفاعلات الدقيقة، التي يفهمها السائقون البشر بشكل طبيعي، تصبح ممكنة للمركبات ذاتية القيادة من خلال دمج نماذج اللغة الكبيرة.

أستاذ مساعد في جامعة بوردو زيران وانغ واقف بجوار مركبة ذاتية القيادة تجريبية أعدوها هو وطلابه لتفسير الأوامر من الركاب باستخدام ChatGPT أو نماذج اللغة الكبيرة الأخرى. (صورة جامعة بوردو / جون أندروود)

دراسة بوردو: المنهجية والنتائج

لتحديد إمكانيات نماذج اللغة الكبيرة في المركبات ذاتية القيادة، أجرى فريق بوردو سلسلة من التجارب باستخدام مركبة ذاتية القيادة من المستوى الرابع – خطوة واحدة بعيداً عن الاستقلالية الكاملة حسب تعريف جمعية مهندسي السيارات.

بدء الباحثون بتدريب ChatGPT على الاستجابة لمجموعة من الأوامر، من التوجيهات المباشرة مثل “من فضلك اذهب أسرع” إلى الطلبات غير المباشرة مثل “أنا أشعر بالغثيان الآن.” ثم دمجوا هذا النموذج المدرب مع الأنظمة الحالية للمركبة، مما يسمح لها بمراعاة عوامل مثل قواعد المرور و状態 الطرق والطقس وبيانات الحساسة عند تفسير الأوامر.

كان الإعداد التجريبي متقناً. تم إجراء معظم الاختبارات في منطقة اختبار في كولومبوس، إنديانا – مدرج مطار قديم سمح بالاختبار بأمان في السرعات العالية. تم إجراء اختبارات إضافية في موقف سيارات ملعب روس-أدي بوردو. خلال التجارب، استجابت المركبة ذاتية القيادة المُساعدة بنماذج اللغة الكبيرة لجميع الأوامر المسبقة والجديدة من الركاب.

كانت النتائج واعدة. أبلغ المشاركون عن انخفاض كبير في معدلات الضيق مقارنة بتجاربهم المعتادة في المركبات ذاتية القيادة من المستوى الرابع بدون مساعدة نماذج اللغة الكبيرة. أدت المركبة بشكل متسق أفضل من معايير الأمان والراحة الأساسية، حتى عند الاستجابة للأوامر التي لم يتم تدريبها عليها بشكل صريح.

ربما كان الأمر الأكثر إثارة للإعجاب هو أن النظام أظهر khảية التعلم والتكيف مع تفضيلات الركاب الفردية على مدار الرحلة، مما يُظهر إمكانية النقل الذاتي الشخصي حقًا.

طالب الدكتوراه في بوردو كان كوي جالس في المركبة ذاتية القيادة التجريبية. يتم التقاط أوامره بواسطة ميكروفون في لوحة القيادة، وتفسرها نماذج اللغة الكبيرة في السحابة، وتقود المركبة وفقًا للإرشادات التي تم توليدها من نماذج اللغة الكبيرة. (صورة جامعة بوردو / جون أندروود)

الآثار على مستقبل النقل

لمستخدمي المركبات، المنافع عديدة. khảية التواصل بشكل طبيعي مع المركبة ذاتية القيادة تقلل من منحنى التعلم المرتبط بتكنولوجيا جديدة، مما يجعل المركبات ذاتية القيادة أكثر سهولة لاستخدام مجموعة أوسع من الناس، بما في ذلك أولئك الذين قد يكونون مترددون في استخدام واجهات معقدة.

يمكن أن يُحسن هذا التفاعل أيضًا من السلامة. من خلال فهم أفضل للنوايا الحالة للركاب – مثل التعرف على شخص ما في عجلة أو يشعر بالمرض – يمكن للمركبات ذاتية القيادة تعديل سلوك القيادة وفقًا لذلك، مما قد يقلل من الحوادث الناجمة عن سوء الفهم أو انزعاج الركاب.

من منظور الصناعة، يمكن أن تكون هذه التكنولوجيا عاملاً تمييزياً في سوق المركبات ذاتية القيادة التنافسية. قد يكتسب المصنعون الذين يمكنهم تقديم تجربة مستخدم أكثر直觉 واستجابة ميزة كبيرة.

التحديات والتوجيهات المستقبلية

على الرغم من النتائج الواعدة، لا تزال هناك تحديات أمام المركبات ذاتية القيادة المدمجة بنماذج اللغة الكبيرة قبل أن تصبح حقيقة على الطرق العامة. أحد القضايا الرئيسية هو وقت المعالجة. يبلغ متوسط وقت النظام 1.6 ثانية لتحليل وتنفيذ الأمر – مقبول للسيناريوهات غير الحرجة ولكن قد يكون مشكلة في الحالات التي تتطلب استجابات سريعة.

هناك قلق آخر هو khảية أن “تخيل” أو تفسر نماذج اللغة الكبيرة الأوامر بشكل خاطئ. في حين أن الدراسة شملت آليات أمان لتخفيف هذا الخطر، من الضروري معالجة هذه القضية بشكل شامل من أجل التطبيق في العالم الحقيقي.

في المستقبل، يبحث فريق وانغ في عدة مسارات للبحث. إنهم يقيّمون نماذج اللغة الكبيرة الأخرى، بما في ذلك مساعدي الذكاء الاصطناعي Gemini من جوجل وLlama من ميتا، لمقارنة الأداء. تشير النتائج الأولية إلى أن ChatGPT يتفوق حاليًا على الآخرين في معايير الأمان والكفاءة، على الرغم من أن النتائج المنشورة قادمة.

اتجاه مستقبلي مثير للاهتمام هو khảية التواصل بين المركبات باستخدام نماذج اللغة الكبيرة. يمكن أن يسمح هذا بالتدبير المركب للمرور، مثل تفاوض المركبات ذاتية القيادة على حق المرور في التقاطعات.

علاوة على ذلك، يبدأ الفريق في مشروع لدراسة نماذج الرؤية الكبيرة – أنظمة الذكاء الاصطناعي المدربة على الصور بدلاً من النص – لمساعدة المركبات ذاتية القيادة في التنقل في ظروف الطقس الشديد في الشتاء الشائعة في الغرب الأوسط. يمكن أن يعزز هذا البحث، بدعم من مركز النقل المتصل والآلي، من مرونة وأمان المركبات ذاتية القيادة.

الخلاصة

تعتبر أبحاث جامعة بوردو الرائدة في دمج نماذج اللغة الكبيرة مع المركبات ذاتية القيادة لحظة حاسمة في تكنولوجيا النقل. من خلال تمكين التفاعل بين الإنسان والمركبة ذاتية القيادة بشكل أكثر直觉 واستجابة، تعالج هذه الابتكارات تحديًا حاسمًا في تبني المركبات ذاتية القيادة. في حين أن هناك عقبات مثل سرعة المعالجة والتفاسير الخاطئة، فإن نتائج الدراسة الواعدة تفتح الطريق لمستقبل يمكن فيه للبشر التواصل مع مركباتهم بسهولة كما يفعلون مع السائقين البشر. مع تطور هذه التكنولوجيا، لديها إمكانية الثورة لا فقط في كيفية سفرنا، ولكن كيف ندرك ونتفاعل مع الذكاء الاصطناعي في حياتنا اليومية.