لماذا السيارات ذاتية القيادة هي المستقبل وكيف يتم إنشاؤها؟

بسبب الإجراءات الاحترازية التكيفية الأخيرة التي فُرضت في معظم أنحاء العالم، تأثر السفر الجوي والنقل العام والعديد من القطاعات الأخرى بشكل كبير في عام 2020. ومع ذلك، أظهرت عالم السيارات والمركبات ذاتية القيادة، على وجه الخصوص، مرونة متزايدة خلال هذه الفترة الصعبة. في الواقع، زادت شركات مثل Ford استثماراتها في تطوير السيارات الكهربائية والسيارات ذاتية القيادة من خلال تخصيص 29 مليار دولار في الربع الرابع من العام الماضي. على وجه التحديد، سيتم توجيه 7 مليارات دولار من هذا المبلغ لتطوير السيارات ذاتية القيادة. وبالتالي، انضمت Ford إلى General Motors وTesla وBaidu وشركات تصنيع سيارات أخرى في الاستثمار بشكل كبير في المركبات ذاتية القيادة. في هذا المقال، سنخبرك لماذا تستثمر الشركات في السيارات ذاتية القيادة وكيف يتم تدريب خوارزميات التعلم الآلي التي تعمل بها.

لماذا تستثمر العديد من الشركات في السيارات ذاتية القيادة؟

عندما ننظر إلى جميع الفوائد التي تقدمها المركبات ذاتية القيادة، من السهل أن نرى لماذا تستثمر العديد من الشركات في تطويرها. سوف يتمكن السائقون من توفير المزيد من المال لأنهم لن يضطروا إلى دفع خطط تأمين باهظة الثمن، سوف تسريع من رحلاتهم اليومية، وتحسين اقتصاد الوقود، وغيرها من الفوائد. بالنسبة للشركات، تفتح هذه الآلية باباً لتحقيق مزيد من التوفير. مثال رائع على ذلك هو شاحنات النقل الطويل التي سوف تكون قادرة على خفض التكاليف التشغيلية بنسبة 45٪، وفقًا لتقرير صادر عن شركة McKinsey & Company.

المزايا الرئيسية يجب أن تكون زيادة السلامة. وفقًا لمنظمة NHTSA، 94٪ من الحوادث الخطيرة هي نتيجة لأخطاء بشرية. يمكن للسيارات ذاتية القيادة أن تقلل بشكل كبير من عدد الحوادث لأنها لا تتطلب أي إدخال من السائق ولديها رؤية 360 درجة في جميع الأوقات. بالإضافة إلى ذلك، يمكن أن تتولى أنظمة السلامة المتقدمة للسائق (ADAS) وظائف حرجة للسلامة في المواقف الخطرة مثل الكبح والتوجيه. هناك العديد من القيمة المضافة التي تقدمها المركبات ذاتية القيادة للمجتمع مثل انخفاض الانبعاثات. في الواقع، أظهرت حالة أساسية انخفاضًا بنسبة 9٪ في الطاقة والانبعاثات الغازية في حياة المركبة بأكملها مقارنة بالمركبات التقليدية. الآن بعد أن عرفنا جميع الفوائد التي تقدمها السيارات ذاتية القيادة، دعونا ننظر كيف يتم تدريبها على التعرف على العالم من حولها.

كيف تعمل المركبات ذاتية القيادة وكيف يمكن أن تصبح حقيقة

تحتاج المركبة ذاتية القيادة إلى اتباع قواعد الطريق، ولذلك تحتاج إلى التعرف على جميع الإشارات المرورية والرسم على الطريق، وكشف السيارات والمشاة، وعديد من الأشياء الأخرى. تعتمد هذه المركبات على التعلم الآلي لتحديد ما يجب القيام به في جميع أنواع الحالات القيادية. دعونا نبدأ بمثال أساسي. شخص ما في سيارته ذاتية القيادة على الطريق السريع للذهاب إلى العمل. سوف تحتاج السيارة إلى تحديد الحد الأقصى للسرعة بشكل صحيح، والحفاظ على مسافة آمنة من السيارة الأمامية، وعندما تدخل منطقة سكنية، تحتاج إلى التعرف على المشاة وتركهم يعبرون الطريق.

هذا يتطلب آلاف الصور التي يجب تعليمها باستخدام تقنيات تتراوح من التسمية إلى التجزئة الدلالية. في الواقع، تقول Evgenia Khimenko، الرئيس التنفيذي لشركة Mindy Support، التي توفر خدمات تعليم البيانات للقطاع السياراتي، أنه هناك مجموعة واسعة من مشاريع تعليم البيانات للصناعة السياراتية الممكنة:

“تتضمن هذه المشاريع مشاريع مثل التعرف على الوجه في الفيديوهات لتدريب السيارات ذاتية القيادة على التعرف على سلوك السائقين الآخرين على الطريق، وتعليم الفيديو وتعليمه لاكتشاف حركة واتجاه المركبة (لقد قمنا بتعليم أكثر من 545 مليون تسلسل صورة). كان أحد المهام الصوتية المعمولة هو تحديد العلامة الزمنية وتصنيف الكلام البشري بالإضافة إلى جميع الأصوات الخلفية التي تحدث داخل المركبة مثل الراديو والضحك والصياح والغناء والحيوانات وحتى الصمت”.

دعونا ننظر إلى سيناريو معقد. تخيل أن السيارة ذاتية القيادة تسير في حي سكني وهناك مراهقون مع لوح التزلج ينتظرون العبور. وفقًا للقواعد، تملك السيارة الحق في الممر، ولكن هناك فرصة جيدة أن لا ينتظر المراهقون حتى يتحول الضوء إلى الأخضر وسيحاولون العبور مسبقًا. سيكون السائق البشري على دراية جيدة بهذا الخطر وسيبطئ ليتوقع مثل هذا الحدث، ولكن بالنسبة للماكينة، سيكون من الصعب جدًا حساب ذلك. هذا هو الخطوة التالية التي يحاول الباحثون اتخاذها مع السيارات ذاتية القيادة وربما يكون المزيد من البيانات المُعلَّمة هو الجواب.

كيف ترى السيارات ذاتية القيادة العالم المادي؟

تعتمد السيارات ذاتية القيادة على تقنية LiDAR لمساعدتها على رؤية العالم من حولها. تقوم LiDAR بإنشاء سحابة نقطية ثلاثية الأبعاد وهي تمثيل رقمي لطريقة رؤية نظام الذكاء الاصطناعي للعالم. هذه التقنية لا تقتصر على السيارات ذاتية القيادة فقط، بل تستخدم أيضًا لعمليات آليّة أخرى مثل إنشاء روبوت يمكنه حصاد المحاصيل للقطاع الزراعي. سوف تحتاج سحابة النقاط ثلاثية الأبعاد أيضًا إلى تعليم حتى تعرف الماكينة ما الذي تراه بالضبط. يتم ذلك عادةً باستخدام تقنيات مثل التسمية والصناديق ثلاثية الأبعاد والتقسيم الدلالي. شكل أكثر تقدمًا من التعليم سيكون تعليم سحابة النقاط ثلاثية الأبعاد بلون حتى تفهم السيارة مسافة الكائن.

طريقة عمل LiDAR هي أنها ترسل إشارة ضوئية إلى جميع الأشياء المحيطة بها واعتمادًا على مقدار الوقت الذي يستغرقه الضوء للعودة، فإنه يعطي الذكاء الاصطناعي فهمًا لمسافة الكائن. على سبيل المثال، سوف يكون الأرض على سحابة النقاط ثلاثية الأبعاد دائمًا أزرق لأنها هي النقطة الأدنى، وسترتد الضوء بسرعة واللون الأزرق له طول موجة قصير جدًا. قد يكون أحد المباني المحيطة أحمر أو برتقالي حسب مدى بعده.

من الجدير بالذكر أن LiDAR ليست هي اللعبة الوحيدة في المدينة. على سبيل المثال، تستخدم Tesla شيئًا يسمى Hydrant، وهو مزيج من ثمانية كاميرات تجمّع صورة كاملة للطريق. تستخدم شركات أخرى، مثل Waymo وVoyage، LiDAR. أحد الأسباب المحتملة التي قد ت避ى Tesla استخدام LiDAR هو أنها बहظة جدًا وتفسد المظهر العام للسيارة. بعد كل شيء، السيارات Tesla باهظة الثمن وسوف يريد السائقون احتمالًا أن يكون هناك صندوق كبير على سقف سياراتهم. قد تكون الشركات التي تطور روبوتات سيارات، مثل Waymo، قادرة على استخدام LiDAR.

لماذا البيانات التدريبية عالية الجودة مهمة جدًا؟

البيانات التدريبية عالية الجودة هي واحدة من أهم الأشياء التي تحتاج إليها لإنشاء سيارة ذاتية القيادة. ومع ذلك، مجرد الحصول على هذه البيانات لا يكفي. تحتاج مجموعات البيانات التدريبية إلى التحضير من خلال تعليم البيانات حتى يستطيع نظام الذكاء الاصطناعي التعلم منها. بينما هذه عملية شاقة ومملة، يعتمد نجاح المشروع كله عليها. بعد كل شيء، السيارات ذاتية القيادة هي المستقبل ويمكن أن تساعدنا على تقليل أو حتى القضاء على بعض المشاكل التي نواجهها فيما يتعلق بالحوادث والضحايا، والمشاكل البيئية والازدحام على الطرق.