Stany wprowadzają listy kontrolne czujników do przepisów dotyczących autonomicznych pojazdów. To sztuczna inteligencja za kierownicą naprawdę ma znaczenie.

Projekt ustawy w New Jersey wymagałby, aby pojazdy autonomiczne posiadały LiDAR i radar oprócz kamer, ale narzucanie konkretnego sprzętu nie mówi regulatorom nic o tym, czy sztuczna inteligencja prowadząca samochód jest dobra.

W całych Stanach Zjednoczonych regulacje stanowe dotyczące pojazdów autonomicznych są skierowane na niewłaściwy cel. Stany ścigają się w uchwalaniu przepisów dotyczących AV, ale regulują sprzęt, a nie bezpieczeństwo. Rozróżnienie między hardware a wydajnością zdecyduje, czy nadchodząca dekada autonomicznej jazdy rzeczywiście stanie się bezpieczniejsza, czy jedynie lepiej spełni listę kontrolną, a większość obecnie rozważanych ustaw myli te pojęcia.

Najbardziej przejrzystym przykładem jest projekt ustawy z New Jersey, który wymagałby, aby każdy w pełni autonomiczny komercyjny pojazd AV posiadał kamery oraz co najmniej dwie dodatkowe technologie czujnikowe, w praktyce radar i LiDAR, zanim będzie mógł działać komercyjnie w tym stanie. Nowy Jork pracuje nad czymś podobnym, a inne stany obserwują uważnie. Zgodnie z projektem ustawy New Jersey, firma mogłaby spełnić wszystkie wymagania, nie poddając swoją sztuczną inteligencję żadnemu rzeczywistemu testowi jazdy, podczas gdy firma z solidnym rekordem bezpieczeństwa mogłaby zostać całkowicie wykluczona za wybór innej konfiguracji czujników. Żadne z tych ustaw nie testuje, które podejście – same kamery czy kamery plus LiDAR – rzeczywiście prowadzi bezpieczniej, co jest naprawdę jedynym istotnym parametrem.

Ustawa reguluje, jakie czujniki pojazd posiada, a nie jak dobrze jeździ, i to jest jej wada. Nie potrafi odróżnić dobrze wytrenowanego modelu od słabo wytrenowanego, o ile oba spełniają te same wymagania sprzętowe, i nie rozpoznaje solidnego rekordu bezpieczeństwa, jeśli pojazd nie ma wymaganych elementów. Flota opierająca się wyłącznie na kamerach, która ma za sobą lata bezwypadkowej eksploatacji na drogach publicznych, mogłaby zostać wykluczona z danego stanu, podczas gdy nowy uczestnik z pełnym zestawem czujników i brakiem historii mógłby ruszyć w dniu pierwszym. Spełnienie wymogu sprzętowego nie mówi nic o tym, czy sztuczna inteligencja za kierownicą jest dobra, ani czy system jest bezpieczny.

Obecni operatorzy napotykają ten sam problem w świetle wymogu. Niektórzy prowadzili pojazdy autonomiczne bez pełnego zestawu czujników na drogach publicznych przez lata, a ustawa i tak ich wykluczy, odrzucając lata bezwypadkowej jazdy. Co więcej, dodanie nowych czujników zwiększa latencję, a im więcej danych AI musi przetworzyć, tym dłużej trwa podjęcie decyzji, a pojazd poruszający się w ruchu nie zawsze ma taki czas do dyspozycji. Opóźnienie jest ostatecznym ograniczeniem autonomicznej jazdy.

Czujniki są danymi wejściowymi. AI podejmuje decyzje.

Więcej czujników nie sprawia automatycznie, że pojazd jest bezpieczniejszy, a mniej czujników nie czyni go automatycznie bardziej ryzykownym. To, co decyduje o tym, jak pojazd jeździ, to sieci neuronowe przetwarzające wszystkie dane wejściowe w czasie rzeczywistym. Bezpieczeństwo jest określane w AI, a nie w czujnikach

Systemy LiDAR dostarczają AI wstępnie zmierzone dane o odległości. Systemy oparte wyłącznie na kamerach zmuszają AI do samodzielnego określania odległości, ruchu i intencji bezpośrednio z danych wizualnych – tak jak robią to ludzie. W obu przypadkach czujniki jedynie przekazują informacje, a AI decyduje, jak pojazd faktycznie porusza się w ruchu drogowym. Z każdym rokiem ta sama AI potrzebuje mniej czujników, aby zrozumieć drogę niż w roku poprzednim.

McKinsey twierdzi teraz, że autonomiczna jazda jest coraz bardziej definiowana przez generatywną sztuczną inteligencję, a nie przez to, jakie czujniki znajdują się na dachu, i w miarę jak modele się doskonalą, potrzebują z czasem mniej wsparcia sprzętowego, a nie więcej. Nakaz sprzętowy zamraża dzisiejszą technologię w prawie, niezależnie od tego, jak inteligentniejsza stanie się AI za nią.

Skala już przemawia za tym. Sprzedaż pojazdów autonomicznych rośnie szybko, a Tesla oparta na kamerach niedawno osiągnęła 1,5 mln subskrybentów FSD. Najważniejsze jest to, że ustawodawcy stanowi powinni oceniać wydajność AI, a nie listy czujników. Tesla, Volvo, XPeng i inni przeszli na rozwiązania wyłącznie z kamerami z tego samego powodu. Trudna część autonomicznej jazdy to już nie to, co samochód może wykrywać, ale to, co jego system oparty na AI potrafi zrozumieć, a prawo stanowe nie nadąża.

Kto płaci, gdy wymóg sprzętowy wyprzedza przypadek bezpieczeństwa?

Systemy wieloczujnikowe kosztują znacznie więcej w budowie i utrzymaniu niż te oparte wyłącznie na kamerach, głównie ze względu na sprzęt LiDAR, utrzymanie map HD oraz łączność w chmurze. Nakaz sprzętowy zmniejsza pulę firm, które mogą konkurować, i zmusza każdy pojazd autonomiczny, nie tylko robotaksówki, do noszenia tego samego drogiego sprzętu, aby móc się zakwalifikować.

Uzasadnienie tych kosztów jest trudne, biorąc pod uwagę, jak wczesny jest jeszcze ten sektor. Pomimo kilku lat i miliardów dolarów inwestycji, większość wdrożeń ogranicza się do kilku miast na stałych, ściśle kontrolowanych trasach. Prognozy World Economic Forum wskazują, że do 2035 roku duże floty robotaksówek będą działały jedynie w 40‑80 miastach na świecie, głównie w USA i Chinach. Nakładanie stanowych regulacji sprzętowych na już nieuregulowaną politykę federalną dodaje kolejny przeszkodę, zanim jakikolwiek system będzie miał szansę udowodnić swoją wartość. Każdy rok spędzony na procesach sądowych dotyczących wymagań czujników stan po stanie to rok, w którym nie udowadnia się, czy te pojazdy są rzeczywiście bezpieczniejsze od ludzkich kierowców, których mają zastąpić – a to jest główny cel ich testowania.

Nakaz sprzętowy odpowiada na niewłaściwe pytanie. Prawdziwym wyzwaniem jest skalowanie bezpiecznych systemów na więcej dróg, szybciej, a ten nakaz dokładnie to blokuje, nie podnosząc jednocześnie poprzeczki bezpieczeństwa.

Niech wydajność wyznaczy próg

Regulatorzy powinni ustalić próg, który każdy pojazd autonomiczny musi spełnić przed wjazdem na drogi publiczne, ale to, co powinni mierzyć, a nie czy taki próg ma istnieć, jest prawdziwym pytaniem.

Po wprowadzeniu potężnych systemów edge computing w pojazdach autonomicznych, branża już przeszła od kosztownego, jednofunkcyjnego sprzętu i coraz częściej inwestuje w samą sztuczną inteligencję. Dyskusja regulacyjna powinna nadążyć za tym, gdzie technologia już się znajduje.

Standard oparty na wydajności pozwoliłby każdej architekturze, zarówno opartej wyłącznie na kamerach, jak i wieloczujnikowej, udowodnić się na tych samych rzeczywistych benchmarkach, wskaźnikach wypadków, prawie‑wypadkach oraz wydajności w różnych warunkach pogodowych i ruchu. Dałoby to także społeczeństwu coś, czego lista kontrolna czujników nigdy nie zapewni, czyli konkretne dowody, a nie założenia, że pojazd zatrzymujący się obok nich na czerwonym świetle jest naprawdę bezpieczny.

Zamiast kolejnych ustaw określających, które czujniki samochód musi mieć, branża potrzebuje jednego jasnego, publicznego progu, określającego, jak dobrze pojazd musi się sprawować, oraz regulatorów gotowych pozwolić wynikom, a nie listom sprzętowym narzucanym przez dostawców, decydować, kto go spełnia.