تقنية WAYMO الذكية للقيادة الذاتية تصبح أكثر ذكاءً وتعرف على مليارات الكائنات بفضل بحث المحتوى

المركبات المستقلة التي طورتها WAYMO تستخدم تقنيات الرؤية الحاسوبية والذكاء الاصطناعي لاستشعار البيئة المحيطة واتخاذ قرارات في الوقت الفعلي حول كيفية رد فعل المركبة وحركتها. عندما يتم استشعار الكائنات بواسطة الكاميرا والمتحسسات داخل المركبة ، يتم مطابقتها مع قاعدة بيانات كبيرة التي جمعتها Alphabet (GOOG ) (GOOGL ) من أجل التعرف عليها.

المجموعات البيانية الضخمة لها أهمية كبيرة في تدريب المركبات المستقلة ، حيث تمكن الذكاء الاصطناعي داخل المركبات من التحسين وتحقيق أداء أفضل. ومع ذلك ، يحتاج المهندسون إلى وسيلة فعالة لمطابقة العناصر داخل المجموعة مع الاستفسارات حتى يتمكنوا من التحقيق في كيفية أداء الذكاء الاصطناعي على أنواع معينة من الصور. لحل هذه المشكلة ، كما أفادت VentureBeat ، طورت WAYMO أداة تسمى “بحث المحتوى” ، والتي تعمل بشكل مشابه لطريقة عمل بحث الصور في جوجل و جوجل فوتوز. هذه الأنظمة تماثل الاستفسارات مع المحتوى الدلالي داخل الصور ، مما يولد تمثيلات للكائنات التي تجعل استرجاع الصور بناءً على استفسارات اللغة الطبيعية أسهل.

قبل ظهور بحث المحتوى ، إذا أراد باحثو WAYMO استرجاع عينات معينة من السجلات ، كانوا يحتاجون إلى وصف الكائن باستخدام القواعد. كان على سجلات WAYMO أن تتم البحث فيها باستخدام أوامر تبحث عن كائنات بناءً على القواعد ، مما يعني تشغيل عمليات بحث عن كائنات “أقل من X ارتفاع” أو كائنات “سافرت بسرعة ي ميل في الساعة”. يمكن أن تكون نتائج عمليات البحث هذه القائمة على القواعد عريضة للغاية ، وسيحتاج الباحثون بعد ذلك إلى العبور يدويًا عبر النتائج المُرجعة.

يحل بحث المحتوى هذه المشكلة من خلال إنشاء فهرس للبيانات وإجراء عمليات بحث عن التشابه على الفهارس المختلفة من أجل العثور على الفئات الأكثر تشابهًا عند تقديم كائن. إذا تم تقديم شاحنة أو شجرة إلى بحث المحتوى ، فسيتم إرجاع شاحنات أو أشجار أخرى التي واجهتها مركبات WAYMO المستقلة. بينما تقود مركبة WAYMO ، تسجل صورًا للكائنات المحيطة بها ، ثم تخزن هذه الكائنات كتمثيلات رياضية. هذا يعني أن الأداة يمكنها المقارنة بين فئات الكائنات وترتيب الاستجابات حسب مدى تشابه الصور المخزنة للكائن المقدم. هذا مشابه لطريقة عمل خدمة مطابقة التشابه المدمجة التي تعملها جوجل.

يمكن أن تأتي الكائنات التي تواجهها مركبات WAYMO بأحجام وأشكال مختلفة ، ولكن جميعها تحتاج إلى التقطيع إلى مكوناتها الأساسية وتصنيفها من أجل جعل بحث المحتوى يعمل. من أجل حدوث هذا ، تستخدم WAYMO عدة نماذج للذكاء الاصطناعي التي تم تدريبها على مجموعة واسعة من الكائنات. تتعلم النماذج المختلفة التعرف على مجموعة متنوعة من الكائنات ، ويدعمها بحث المحتوى ، الذي يسمح للنماذج بفهم ما إذا كانت العناصر التابعة لفئة معينة موجودة داخل صورة معينة. يتم استخدام نموذج إضافي لتحليل الحروف البصرية جنبًا إلى جنب مع النموذج الرئيسي ، مما يسمح لمركبات WAYMO بإضافة معلومات تعريف إضافية إلى الكائنات في الصور بناءً على أي نص موجود في الصورة. على سبيل المثال ، شاحنة مجهزة باللافتات سيكون لها نص اللافتة مدرجًا في وصف بحث المحتوى.

بفضل العمل المتعاون لهذه النماذج ، يمكن لمهندسي و باحثي WAYMO البحث في سجلات بيانات الصور عن كائنات محددة مثل أنواع معينة من الأشجار وطرازات السيارات.

وفقًا لما قالته WAYMO ، على النحو الذي أورده VentureBeat:

“باستخدام بحث المحتوى ، يمكننا التعليق التلقائي على الكائنات في تاريخنا التشغيلي ، مما أدى إلى زيادة كبيرة في سرعة وجودة البيانات التي نرسلها للتسمية. القدرة على تسريع التسمية ساهمت في العديد من التحسينات عبر نظامنا ، من الكشف عن حافلات المدرسة مع أطفال على وشك النزول إلى الرصيف أو أشخاص يركبون سيارات كهربائية إلى قطة أو كلب يعبر الشارع. مع توسع WAYMO إلى المزيد من المدن ، سنواجه كائنات وسيناريوهات جديدة”.

ليس هذا هو المرة الأولى التي تستخدم فيها WAYMO نماذج متعددة للذكاء الاصطناعي لتعزيز موثوقية ودقة مركباتها. تعاونت WAYMO مع Alphabet/Google في الماضي ، مما ساهم في تطوير تقنية الذكاء الاصطناعي جنبًا إلى جنب مع DeepMind. يأخذ نظام الذكاء الاصطناعي الإلهام من علم الأحياء التطوري. يبدأ الأمر بإنشاء مجموعة من نماذج التعلم الآلي ، وبعد تدريبها ، يتم إزالة النماذج التي أداءها ضعيفًا واستبدالها بنماذج جديدة.据悉، هذا الأسلوب أدى إلى تقليل الإيجابيات الكاذبة بشكل كبير ، بالإضافة إلى تقليل الموارد الحاسوبية والوقت اللازم للتدريب.

https://venturebeat.com/2020/02/06/waymos-ai-content-search-tool-lets-engineers-find-objects-within-its-driving-records/