Искусственный интеллект позволяющий автомобилю настраивать опыт вождения

Искусственный интеллект начал убивать на дорогах

В Темпе (штат Аризона, США) во время испытаний в ночных условиях беспилотный автомобиль Uber сбил пересекавшую дорогу велосипедистку. Позднее женщина умерла в больнице от полученных травм.

Это первая смертельная жертва беспилотного авто. До сих пор подобных инцидентов не случалось, хотя машины без водителей успели проехать уже несколько миллионов километров.

Событие может серьезно повлиять на развитие индустрии беспилотных авто, особенно тех, что используют лидары.

Поздним вечером 18 марта женщина переходила дорогу вместе со своим велосипедом.

Обратите внимание

Ехавший по той же улице автомобиль Uber, оснащенный лидаром (лазерный аналог радара) и иным оборудованием для беспилотного вождения, сбил женщину, после чего ее доставили в больницу, где она умерла.

Находившийся в машине инженер Uber не успел вовремя вмешаться, перехватить управление и предотвратить трагедию. По всей видимости, он так же не успел заметить пешехода. Двигался в этот момент автомобиль на скорости 64 км/ч.

Убить пешехода из-за плохой видимости машина не могла: хотя было еще темно, но для лидара это незначимый фактор. В теории на его способность «видеть» мог негативно повлиять дождь или плотный туман, отражающий и рассеивающий лазерные лучи, но в то время в Темпе не наблюдалось ни того ни другого.

Глава полиции Темпе Сильвия Мойр (Sylvia Moir) в интервью San Francisco Chronicle заявила, что скорее всего в случившемся виновна сама велосипедистка.

По словам Мойр, та нагрузила на велосипед пластиковые сумки и переходила в стороне от обозначенного пешеходного перехода.

Кроме того, она ступила на дорогу с островка безопасности между полосами движения внезапно, прямо перед проезжающей машиной, то есть отреагировать в таких обстоятельствах даже водителю-человеку было бы практически невозможно.

Чтобы полностью понять значение инцидента, стоит напомнить два факта. Во-первых, до сих пор в ДТП со смертельным исходом беспилотники не участвовали ни разу. Во-вторых, беспилотная программа Uber уже подвергалась сильнейшей критике в связи с нарушениями ее автопилотом правил дорожного движения (езды на красный в присутствии пешеходов и так далее).

Случай с Tesla

В 2016 году автомобиль Tesla Model S попал в ДТП, которое в российских СМИ и вообще в русскоязычном сегменте интернета неверно расценили как первое событие с летальным исходом по вине автопилота. Однако на самом деле это не так.

Tesla Model S, согласно руководству водителя, на данном этапе предлагает только продвинутую систему круиз-контроля, при пользовании которой водитель должен быть всегда готов перехватить управление и держать руки на руле.

Машина погибшего в 2016 году водителя подавала ему звуковые сигналы о том, что он убрал руки с руля, однако тот не реагировал и продолжал смотреть «Гарри Поттера».

Источник: https://chrdk.ru/tech/ai-driven-car-killed-a-pedestrian

Непрерывное вождение ослабило интеллект

Поскольку надежных методов лечения деменции не существует, основой борьбы с ней выступает профилактика. Известно, что с риском возрастного когнитивного спада отрицательно коррелируют некоторые формы физической активности, например посещение сауны и половые контакты.

Малоподвижность же — сидение за рулем и телевизором, — напротив, может ухудшать прогноз. До сих пор подобные исследования, однако, проводились на сравнительно небольших выборках, что снижает надежность выводов.

При этом похожие способы времяпрепровождения, включая пребывание за стационарным компьютером, ранее ассоциировались с обратным эффектом — предотвращением нейродегенеративных заболеваний.

Важно

Чтобы прояснить это, авторы новой работы изучили данные о 502 643 участниках Биобанка Великобритании (UK Biobank) — это исследование началось в 2006 году — со средним возрастом 56,5 года.

Помимо уточнения социодемографических параметров (пола, возраста, образа жизни), в 2014–2015 годах авторы проверили когнитивные функции добровольцев.

Для этого они разработали специальную батарею методик, нацеленных на оценку проспективной (на будущие действия) и зрительно-пространственной памяти, текучего интеллекта и способностей к выявлению закономерностей числового ряда. Ответы сравнили с физической активностью — временем, проводимым у телевизора, компьютера и за рулем.

Полученные значения обрабатывали путем кросс-секционного и проспективного анализов. Чтобы повысить достоверность результатов ученые также провели анализ чувствительности: процедуру повторили на подгруппе без сердечно-сосудистых, психологических и онкозаболеваний.

Согласно итогам, время, проведенное у телевизора, было отрицательно связано с когнитивными функциями. Так, каждый дополнительный час после четырех часов просмотра снижал текучий интеллект и кратковременную память на 0,15 и 0,09 балла соответственно. Исключением стали только зрительно-пространственные способности.

Лучше всего этот эффект проявлялся у мужчин, а также респондентов в возрасте от 60 лет.

Схожим образом на параметре отражалось вождение: каждый следующий час после трех часов за рулем повышал вероятность снижения текучего интеллекта на 11 процентных пунктов. Любопытно, что сидение за компьютером к таким последствиям не приводило и, в соответствии с прошлыми наблюдениями, скорее уменьшало риск когнитивных расстройств.

Другие факторы на тенденцию не влияли, анализ чувствительности подтвердил надежность выводов. По словам авторов, то, как именно сидячий образ жизни воздействует на познавательную сферу, неясно. Возможно, механизм опосредуется сосудистыми и метаболическими дефектами. Управление транспортом также может сопровождаться стрессом и усталостью.

Источник: https://naked-science.ru/article/sci/nepreryvnye-vozhdenie-i-televizor

Автомобиль будущего от Land Rover

Корпорация Land Rover разработала новейшие технологии, при помощи которых будет создан автомобиль будущего со способностью к самообучению.

Это означает, что вождение будет еще более безопасным, благодаря персональным настройкам автомобиля и снижению возможности отвлечься за рулем.<\p>
 

Искусственный интеллект вашей машины

Новейшие исследования в области искусственного интеллекта позволяют автомобилям Jaguar Land Rover удивить их владельцев потрясающим набором возможностей и функций.

Бортовой компьютер настолько усовершенствован, что сможет распознавать предпочтения и стиль вождения человека, сидящего за рулем.

Усовершенствованный «мозг» автомобиля Land Rover учится соответствовать желаниям водителя, используя календарь, особенности погоды и дорог. С такими возможностями можно сосредоточится на вождении, а рутинные операции автомобиль сделает сам.

Совет

С помощью функции распознавания владельца по мобильному телефону, в автомобиле будут установлены индивидуальные настройки температуры в зависимости от погоды на улице, положения зеркал, руля и сидений.

Умный помощник автомобиля Land Rover составляет наиболее подходящий маршрут в соответствии с расписанием дня владельца и пробок на дорогах.

Если водитель занимается спортом, то искусственный интеллект машины подберет комфортную температуру до и после тренировки. А функция массажа будет активироваться в определенное время, если владелец использует ее регулярно.

Помощник для работы и семьи

«Умный» автомобиль запомнит своих пассажиров, например, для детей он тут же подберет набор мультимедийных развлечений.

Если у вас или вашей семьи намечаются важные мероприятия, то еще до выхода из дома на мобильное устройство придет сообщение о необходимости взять нужные вещи. Это происходит благодаря анализу календаря и расписания дел владельца Land Rover.

С этим автомобилем вы можете не бояться забыть сделать важный звонок, компьютер напомнит вам об этом в определенное время. Умный помощник пошлет электронное письмо или сделает звонок, предупреждающий о вашем опоздании, без участия со стороны водителя.

Персональные настройки вождения

Автомобиль Land Rover нового поколения имеет способность запоминать ваш стиль вождения на различных дорогах и разнообразных дорожных ситуациях. При помощи функции автоматического адаптивного круиз-контроля условия дистанции и ускорения подбираются под человека, сидящего за рулем.
                                 

Доктор Вольфганг Эппле, директор по исследованиям и технологиям, рассказал о задумке компании LandRover.

Они создают автомобиль будущего с более автономной моделью управления, чтобы владельцы таких машин получали удовольствие от вождения, имели крепкую эмоциональную связь со своим автомобилем.

У них будет возможность как полноценно управлять машиной, так и, при необходимости, переключаться в автономный режим.

Хорошие новости для тех, кто часто берет автомобили в аренду. В недалеком будущем машины с искусственным интеллектом, взятые напрокат, смогут распознавать комфортные условия вождения каждого клиента.

Источник: http://mylandrover.ru/news/avtomobil-budushhego-ot-land-rover.html

Искусственный интеллект. Пять уровней автоматизации автомобиля

Искусственный интеллект стал уже нашим постоянный компаньоном. Каждый день мы пользуемся услугами ИИ (искусственного интеллекта), часто даже не замечаем этого. От голосового помощника в смартфоне до интеллектуальных «помогаторов» в автомобиле.

Поддержание полосы движения на трассе, напоминание об усталости, режим автоматической парковки, переключение света адаптивных фар. Все это далеко не полный список интеллектуальных подручных средств, которыми пользуются уже миллионы автомобилистов.

На сегодняшний день существуют пять уровней автоматизации вождения. Некоторые этапы уже применяются в современных автомобилях, и разрешены к использованию в любой стране мира. Но есть такие моменты автоматизации, которые нельзя применять на дорогах общего пользования, разрешено лишь использовать только для тестов.

Итак, пять уровней автоматизации автомобиля:

Первый уровень автоматизации. Это самый простой этап, здесь водитель главный. Помощники могут лишь давать подсказки. К примеру, подсказка выбора нужной передачи, при этом, водитель сам принимает решение, когда нужно переключать «скорость».

Второй уровень. Повышаем ставки. Здесь уже некоторые вещи может делать за вас компьютер. Но водитель сам контролирует дорожную ситуацию, и вмешивается для её исправления тоже сам.

Это такие вещи как: предупреждение о выезде из полосы с функцией противодействия. Также ассистенты пробок и тянучек относятся ко второму классу.

Благодаря этим системам автомобиль может сам автоматически замедляться и снова продолжать движение в зависимости от впереди идущего автомобиля. Очень удобно, кстати.

Идем дальше. Третий уровень автоматизации — Высокоавтоматизированное вождение. Многие функции берет на себя уже автомобиль. Такие автомобили необычайно технологичны, оснащены десятками камер и внешними датчиками.

Обратите внимание

Но водитель всегда должен иметь возможность немедленно вмешаться, если есть опасность, или если система даст сбой. Кстати, новейший, и «супернавороченный» Audi A8 уже обучен ездить по третьему уровню.

Частично он даже зачерпнул некоторые фишки четвертого этапа.

Наш «автономометр» уже раскален). Четвертый уровень: Полностью автоматизированное вождение. Автомобиль маневрирует полностью самостоятельно. Это значит что машина сама умеет ездить по трассе, притормаживать и набирать скорость, в зависимости от ситуации на дороге.

Может распознавать светофоры и дорожные знаки, соответственно, вести себя согласно этим указателям. Автомобиль может определить свободное парковочное место, высчитать параметры (втиснется ли он туда) и припарковаться.

Также авто сумеет экстренно затормозить (часто даже быстрее водителя), если на дороге вдруг появился какой-то объект, к примеру, выбежавший на дорогу пешеход. Но водитель, в любой момент может взять «бразды правления» на себя.

Например, на этом уровне машины еще плохо умеют ездить самостоятельно по извилистым проселочным дорогам или в плотном трафике города.

А теперь практически космические технологии: пятый уровень автомобильной автономности — что это? Полностью автономное вождение.

Автомобиль управляется полностью независимо, а водители и пассажиры — это просто пассажиры в автомобиле. Педали или рулевое колесо больше не нужны. Автомобиль вас отвезет, куда вы скажете, просто задайте ему маршрут.

Например — «отвези домой». ИИ построит маршрут и доставит Вас куда пожелаете.

Кстати, все эти этапы автоматизации были определены Международной ассоциацией машиностроительной и автомобильной промышленности SAE. В природе уже существуют вполне полноценные автомобили, четвертого и пятого уровней автоматизации. Но в некоторых странах, законодательно, еще запрещена эксплуатация таких автомобилей, так как их безопасность еще не доказана.

Важно

Будущее наступает быстрее чем нам кажется. Не удивляйтесь и не пугайтесь, если совсем скоро, на трассе, вас будут обгонять беспилотные автомобили.

Читайте больше новостей здесь

Источник: http://blog.autonovad.ua/tehnologii/iskusstvennyiy-intellekt-pyat-urovney-avtomatizatsii-avtomobilya

Умные машины: как искусственный интеллект меняет авторынок

Если мы знаем, что клиенты Kia Rio не могут жить без голосового помощника, то можем вставить данную опцию и в другой автомобиль, сделав это его конкурентным преимуществом. Некоторые локальные автопроизводители, используя анализ данных, уже сегодня продают очень «начиненные» автомобили, потому что знают, что от автомобиля ожидает потенциальный владелец.

Читайте также:  Солдаты будут печататься на трехмерном принтере

Например, один из ближневосточных автопроизводителей перед запуском новой серии автомобилей на рынке запросил спецификацию по региону на предмет использования водителями в предыдущей серии подрулевых переключателей скорости.

Они по умолчанию были вставлены во все предыдущие модели, и эта опция стоила весьма заметную сумму. Согласно полученной информации, функцию подрулевых переключателей использовали в этом регионе менее 1% автовладельцев.

В итоге было принято решение исключить ее без опасений снижения лояльности потребителей.

Дилеры

Дилерский бизнес сегодня находятся под ударом.

В 2017 году, несмотря на рост продаж легковых автомобилей, число дилерских центров сократилось в России почти на 3%, до 3410 салонов, а всего за три последних года закрылось порядка 700 центров.

На них всегда сказывалась покупательная способность населения, а теперь их теснят еще и автопроизводители, желающие напрямую работать с потребителем.

Цель дилера — удержать лояльного клиента, даже если клиент хочет поменять бренд автомобиля (для мультибрендовых дилеров).

Совет

Предположим, клиент мультибрендового дилера ездит на автомобиле Volkswagen, благодаря телематике дилер знает, сколько его клиент проезжает километров в год, знает стиль вождения, когда он предпочитает приезжать в сервисный центр, какими услугами клиент пользовался и какие запасные части/аксессуары покупал и т. п. На основе данных с телематики дилер может перенести опыт пользования своего клиента на новый автомобиль и предложить ему машину другого бренда, входящего в холдинг, скажем, BMW.

Что собой представляет телематика в целом? Это комплекс сервисов, использующих данные, получаемые с одного или нескольких телематических устройств.

Это могут быть спутниковые навигационные чипы, акселерометры, модули мобильной связи с SIM-картой, через которые статистические данные передаются на сервер, встроенный аккумулятор, гироскоп.

С помощью такого комплекса можно собрать данные, а следовательно, и получить ряд услуг: навигацию, удаленную диагностику, управление автопарком, безопасность, мультимедийные функции, связь, доступ к информации и управление определенными функциями автомобиля.

Автострахование

В автостраховании очевидный сценарий использования искусственного интеллекта в добавлении технологии в оценку рисков. С ним они будут оптимизировать расходы и портфель клиентов.

Сегодня активнее всех анализом стиля вождения клиентов занимаются каршеринговые компании. Выявляя аккуратных водителей, они предлагают им особенные тарифы или бонусы.

Если средний тариф для трех топовых компаний каршеринга в Москве («Делимобиль», BelkaCar и YouDrive) — 10 рублей, то клиент с минимальными рисками по ДТП может получить тариф в 8 рублей и ниже.

Пока что автостраховщики учитывают только общий стаж и предыдущие выплаты по страховке водителя, но в течение года они переймут у каршерингов эту модель и также будут оценивать непосредственный уровень безопасности вождения. При этом оцениваться будет не только история поездок: если у клиента меняется стиль вождения, то и тариф будет изменен.

Каршеринг

Москва стала лидером по объему общего парка авто для краткосрочной аренды — машины арендуются примерно 25 000 раз в день. При этом каршеринг развивается не только в столице, но и в других городах.

Сервисы, например, работают в Санкт-Петербурге, Сочи и Новосибирске. В то же время крупные IT-гиганты запустили свои проекты, предлагающие совершенно новый формат взаимодействия с автомобилем, взятым в аренду.

Сегодня каршеринговые компании — самые активные игроки авторынка, и главное в их бизнесе — кастомизация.

Обратите внимание

Например, основные игроки меняют тарифную сетку, основываясь на рабочем времени клиентов. Есть кастомизация, направленная на марки автомобиля, то есть выделение премиального сегмента, чтобы удовлетворить потребности определенной группы клиентов. Кроме того, клиент может получить персональные рекомендации по вождению.

Технологии искусственного интеллекта могут максимально персонализировать услугу, которую предлагают компании. Сфокусированные на персонализации автомобиля сервисы будут развивать его интерактивную составляющую: под пользователя будет подбираться определенный цвет и модель автомобиля, в салоне звучать любимая музыка, а навигатор знать, где находится дом и работа пользователя.

Помимо этого, искусственный интеллект может способствовать актуальному распределению автомобилей по районам города в зависимости от дня недели или времени суток.

Машинное обучение может предсказывать поведение пользователей и предлагать оптимизацию расположения автомобилей.

А когда-нибудь автомобили в беспилотном режиме даже смогут сами подъезжать к нужному времени в самые востребованные зоны.

Источник: http://www.forbes.ru/tehnologii/360953-umnye-mashiny-kak-iskusstvennyy-intellekt-menyaet-avtorynok

Как плохие дороги обучили искусственный интеллект

Российские программисты нашли уникальный подход к созданию «мозгов» для беспилотников. Решениями команды Cognitive Technologies интересуются крупнейшие автопроизводители.

Конкурентные преимущества россиянам принесли плохие дороги и привязанность наших водителей к автонавигаторам.

Чего ждать от беспилотных систем в ближайшем будущем, кто виноват в ДТП с беспилотником, чем на самом деле страшны роботы, нам рассказала основатель и президент группы компаний Cognitive Technologies Ольга Ускова.

– Недавно мир всколыхнула новость о том, что беспилотник Uber стал участником смертельного ДТП – сбил человека, который впоследствии скончался в больнице. Как на эту ситуацию смотрят разработчики систем для беспилотных авто? Какие выводы тут можно сделать?

– Из официальных документов, транслируемых в СМИ, нам известно, что дело произошло в темное время суток, на неосвещенном участке, женщина внезапно появилась на проезжей части. Число подобных ДТП с участием «обыкновенных» автомобилей очень высоко.

У нас нет доступа к техническим аспектам аварий, и подчеркну, что судить могу только по открытым данным, но возникает минимум три вопроса. Полиция говорит, что автомобиль двигался со скоростью 45 миль/час на дороге с ограничением в 40 миль/час.

Важно

Это очень странно, потому что скоростные ограничения – базовое решение для беспилотников, которое реализовано даже в не самых крутых проектах, и они автоматические. Это может говорить о том, что технологии были не настроены.

Второй странный момент в истории – почему перед аварией не сработал не только алгоритм, но и водитель-испытатель, который находился за рулем в соответствии с законами штата. Он же присутствует в автомобиле не чтобы спать и кофе пить, а чтобы контролировать тестовые проезды.

И, наконец, когда правоохранительные органы подчеркивают, что, в принципе, у них нет претензий к технологиям Uber, потому что велосипедист выехал из тени при плохом освещении, я не считаю это достойным комментарием. Беспилотные технологии должны работать лучше, чем человек. Где человек, скажем, чего-то не видит и может допустить аварию, технология как раз работает на то, чтобы ее избежать.

– То есть одно ДТП имеет важное значение для всей отрасли…

– Мы видим очень важные для отрасли маркеры.

Первое – достаточно широко дискутируемый вопрос о том, что недопустимо смещать акцент с точности распознавания дорожных объектов на всякие прикладные, может быть, очень занимательные, интересные технологии, которыми пытаются «обвесить» беспилотный автомобиль.

Тема хайповая: это многомиллиардный рынок, который находится в стадии формирования. Вокруг него собралось большое количество инвестиционных и прочих игроков. Естественно, всем хочется мгновенных результатов и одноходовых привлекательных схем, которые срабатывали 30 лет назад во время интернет-бума.

В Cognitive Technologies – как и многие другие представители рынка, например, немецкие автопроизводители – стоят на позициях, что для беспилотного транспорта не будет быстрых, красивых решений, которые можно выгодно продать и исчезнуть.

Дело в том, что на кону не столько финансы, сколько человеческие жизни, поэтому разработчикам надо идти по консервативному пути автомобильных компаний.

Если мы посмотрим, как в предыдущие 100 лет развивались традиционные автомобильные рынки, то увидим, что за каждой инновацией стоят серьезные метрики, испытания, миллионы километров, которые должна пройти новая технология до промышленного внедрения.

Совет

Заметьте, все неприятности и несчастные случаи происходят не с Audi, не с Mercedes, которые тоже занимаются внедрением беспилотных технологий. Их участниками становятся молодые компании с других рынков – Tesla, Uber. Это те, кто торопится, кто пытается за счет маркетинга плохо обкатанных и сырых технологий максимально быстро выскочить на дороги.

Какое для вашей компании важнейшее достижение-2017?

– Весь год команда была сосредоточена на том, чтобы вытянуть метрики распознавания объектов до промышленного уровня. Нам это удалось: мы уверенно показываем 99,9% распознавания по целому ряду разделов – например, для режима движения в пробке. Это благодаря такому нашему ноу-хау, которое сначала только мы, а теперь и весь мир называет Low Level Data Fusion.

До того существовала концепция High-Level Data Fusion, при которой алгоритм для принятия решения суммировал данные всех подсистем и датчиков на последней стадии, но при этом суммировались и ошибки, которые допускались системами.

Наши ребята придумали, как собирать данные на нижнем, сыром уровне со всех датчиков и обрабатывать их «на месте», а потом поставлять нейросети глубокого обучения.

Данные, полученные с камеры (справа), данные с радара (слева), комбинированные данные (в центре)

Cognitive Technologies запустили инновацию в августе 2017 года, запатентовали технологию и фактически стали трендсеттерами. Только в марте этого года о проектах в аналогичном ключе заявили еще 9 компаний.

– Какие вызовы ставит перед вашей компанией и всеми, кто занимается искусственным интеллектом, 2018 год?

– Сейчас мы вплотную занимаемся распознаванием смыслов на дороге. Если говорить совсем простым языком, то программируем интуитивные решения водителя – те, что сделаны на основе данных, не относящихся напрямую к процессу вождения.

Например, человек боковым зрением определяет движение на обочине – животного или человека. Объект не находится в прямой видимости, логический аппарат водителя его напрямую не фиксирует.

Но мозг догадался, что за этим может последовать движение или прыжок на проезжую часть, и водитель интуитивно перестраивается в другой ряд или замедляет движение. Этому мы и учим алгоритмы.

Система ИИ детектирует элементы автомобиля (боковые зеркала, колеса, фары и т.д.)

Это происходит за счет нескольких новых технологий, в частности технологии детектирования мелких предметов на дороге и элементов движущихся объектов.

Благодаря, например, наблюдению за изменением угла расположения фары или бокового зеркала впередиидущей машины, мы прогнозируем возможный будущий маневр.

Система должна приготовиться к нему – либо дать транспортному средству пространство для перестроения, либо, наоборот, подать сигнал, что перестроение невозможно.

– Каких результатов смогут достичь беспилотные автомобили через три года? Вообще, можно ли спрогнозировать развитие технологий? Существует мнение, будто сейчас темп разработок и внедрений настолько высок, что невозможно сказать, что будет через месяц. Или все-таки в вашей индустрии это более предсказуемо?

– Автомобильная отрасль – абсолютно плановая индустрия с пятилетним циклом: разработки, выведенные в промышленный режим, будут продаваться в последующие пять лет. Индустрия имеет свои законы, свои правила и свою структуру. Перестраиваться эта структура и правила будут в течение следующих пятнадцати лет.

Обратите внимание

Поэтому, конечно, все развитие имеет плановый характер: мы прекрасно понимаем, чего хотим и на что замахиваемся в следующие годы.

По моим представлениям, к 2019-20 году сможем подключить полностью беспилотное движение в пробке и на хайвэе: водителю можно будет отключиться от вождения и заниматься своими делами.

-Кто, на ваш взгляд, лучшие друзья разработчиков искусственного интеллекта для автомобилей?

– Во-первых, нейрофизиологи, поскольку мы работаем с мозгом. Во-вторых, энергетики, потому что вопрос, связанный с питанием, с электричеством, очень важен. Конечно, интересны разработки в области новых материалов.

У нас очень мультидисциплинарная тема, и, знаете, большую помощь нам в каком-то смысле оказывает и искусство – это связано не только с дизайном, но и с вопросами изучения эмоционального восприятия.

Читайте также:  Обзор четырех изобретений в области ии, которые переписали историю

Я не могу сказать, что мы занимаемся программированием эмоций, но точно – более глубоким пониманием эмоций, которые являются достаточно компетентными триггерами для работы искусственных нейронный сетей.

– Бытует мнение, вы сами говорили об этом неоднократно, что в подходе иностранных разработчиков и российских есть существенная разница. В чем она?

– Да, разница очевидна. Мне кажется, этим и обусловлен наш прыжок с позиции noname до успеха на январской выставке CES в Лас-Вегасе. Международные разработчики привыкли к очень детальной специализации.

Когда пошел хайп в Avtomotive, каждый попытался взять на себя решение очень узкой задачи – например, распознавание дорожной разметки или определение животного на дороге. Автопроизводителю предлагалось покупать набор таких решений и собирать их воедино.

Но оказалось, что для системы этого класса сама сборка – сложная интеллектуальная задача. Из двадцати классных модулей одной классной системы не получалось.

А мы изначально делали систему целиком. Когда наша команда замахнулась на это, международные партнеры были полны скепсиса. Но через три года, в конце 2016 – начале 2017, стало очевидно, что их концепция провальна, а наша жизнеспособна. Тогда они пришли к нам, а мы к этому моменту наконец стали готовы к выходу на международные рынки.

Источник: https://www.if24.ru/plohie-dorogi-obuchili-iskin/

Smart Driving Labs

Ситуация на дорогах кардинально изменится уже в ближайшие годы — автомобили научатся коммуницировать друг с другом и с экстренными службами. Если исключить «человеческий фактор», станет меньше аварий и пробок.

Осенью 2015 года автолюбители во всем мире обсуждали появление автопилота в электрокарах Tesla.

На дорогах уже можно встретить немало машин с возможностями автопилота — они могут ускоряться, тормозить и маневрировать без вмешательства пользователя.

По оценкам аналитиков, полностью «самоходная» машина, которая сможет доставить владельца из пункта А в пункт Б, появится на рынке к 2019 году, а к 2020 году на дорогах во всем мире будет насчитываться около 10 млн автомобилей с функциями автопилотирования.

Важно

Еще раньше большая часть автомобилей сможет «разговаривать» друг с другом, с городскими властями и своими владельцами. По оценкам аналитиков BI Intelligent, к 2020-му до 75% новых автомобилей, сходящих с конвейера во всем мире, будет оснащено оборудованием для подключения к интернету. А объем продаж «подключенных автомобилей» превысит $1,3 млрд.

Россия в тренде — 25 ноября стартуют продажи новинки АвтоВАЗа LADA Vesta, где будет установлено оборудование экстренного оповещения о ДТП.

Зачем это нужно?

Подключение автомобилей к Глобальной сети открывает большие возможности по сбору и анализу важных данных — например, о неполадках в двигателе, его включении и выключении, ускорениях, торможениях, расходе топлива, соблюдении скоростного режима и так далее.

Такая информация может использоваться людьми, компаниями и даже другими машинами для решения самых разных проблем. Типичная ситуация — автомобиль двигается в плотном городском трафике, обзор водителю закрывает фургон или грузовик перед ним. Внезапно кто-то впереди резко тормозит, доносится визг покрышек — времени на то, чтобы среагировать, почти не остается.

Однако это время можно увеличить, если информация, что кто-то резко затормозил или проехал на красный свет, будет в режиме реального времени поступать к находящимся неподалеку автомобилям.

Выиграть драгоценные минуты, которых может хватить для спасения человеческой жизни, можно и в том случае, если сигнал о произошедшей аварии будет мгновенно поступать с автомобиля к операторам служб спасения.

Помощь придет

Важность подобных усилий хорошо понимают власти разных стран.

В России, например, 1 января 2015 года стартовал проект «Эра ГЛОНАСС», в рамках которого создается система автоматического оповещения служб экстренного реагирования о чрезвычайных ситуациях и авариях.

К 2017 году в России системой экстренного реагирования на аварии должны будут оснащаться все новые автомобили, а для компаний, работающих в сфере пассажирских перевозок, требование о наличии терминала вступит в силу с 2016 года.

В случае ДТП терминал, установленный в машине, по сигналам спутниковой связи определяет координаты автомобиля. После этого собранные данные передаются в систему «Эра ГЛОНАСС», а оттуда — экстренным службам, которые уже принимают решение, как нужно реагировать на происшествие. Анонсируется, что время поступления сигнала о происшествии в систему составит примерно 10 секунд.

Совет

По некоторым оценкам, внедрение системы «Эра ГЛОНАСС» позволит сократить число жертв автоаварий в стране примерно на 4 тыс. человек.

В данном направлении Россия развивается параллельно с США, где Министерство транспорта также разрабатывает план, согласно которому в ближайшие годы модули для сбора телематической информации должны будут устанавливаться на все новые машины, сходящие с конвейера. Установка телематических модулей к 2020 году будет прибавлять к стоимости автомобилей не более пары сотен долларов.

Дальше — больше

Подключение к единой сети автомобилей и светофоров позволит городским властям эффективнее управлять дорожным трафиком. И это уже не голая теория: в голландском Эйндховене городские власти совместно с компанией IBM провели пилотное внедрение системы организации городского трафика.

В ходе проекта на более чем 200 машинах были установлены модули для сбора телематической информации о торможениях, ускорениях и местоположении, данные с которых передавались в муниципальный аналитический центр.

Все это позволило властям в режиме реального времени получать информацию о дорожных инцидентах и возникновении заторов, а также оперативно реагировать на эти изменения — например, с помощью регулирования режима работы светофоров или скоростных лимитов на конкретных участках дороги.

В настоящий момент в нескольких городах России — Москве, Санкт-Петербурге, Екатеринбурге и Казани запущено приложение «ЕТранспорт.рф», которое использует информацию о местонахождении автобусов, троллейбусов и трамваев, получаемую с датчиков ГЛОНАСС, и показывает, через сколько минут на остановку прибудет нужный транспорт.

Применять телематические сервисы можно и для оптимизации работы городского транспорта. Власти смогут отслеживать нарушения правил водителями автобусов, оптимизировать маршруты их движения — это также позволяет повысить общий уровень безопасности пассажиров и разгрузить дороги.

Честная страховка

Широкое внедрение телематических сервисов позволит аккуратным автовладельцам серьезно экономить. Самый очевидный пример — страхование автомобиля.

В настоящий момент многие страховые компании проводят пилотные проекты по внедрению подобных систем, чтобы на основе собранной информации о стиле вождения и интенсивности использования машины (Usage Based Insurance, UBI) предлагать ее владельцу индивидуальные страховые тарифы.

Это логично: если человек ездит мало и аккуратно, то почему он должен платить столько же, сколько автолюбитель, который постоянно колесит по городу?

Обратите внимание

По данным аналитической компании Ptolemus, объем рынка UBI-страхования в мире к 2020 году превысит €50 млрд. Эксперты компании в своем отчете также отметили, что в ближайшие годы подобные страховые продукты получат большое распространение в Европе, а также в Австралии, Канаде и России.

В нашей стране в числе компаний, которые уже занимаются внедрением таких продуктов, к примеру, «АльфаСтрахование», «Россгострах» и «Ингосстрах».

Кроме того, установка модуля для сбора телематической информации может помогать автовладельцам узнавать о неполадках в автомобиле еще до того, как это приведет к серьезной поломке, а также получать рекомендации по изменению стиля вождения — например, для снижения расхода топлива или вероятности аварий.

Многие технологии «интернета машин» позволяют экономить, так что вряд ли их внедрение затянется.

Источник: https://smartdriving.io/blog-post-2

Российская компания Cognitive Technologies представила систему беспилотного вождения для любого автомобиля

Российская компания Cognitive Technologies объявила о выходе на массовый рынок своего продукта C-Pilot – интеллектуальной системы автономного вождения, которая может быть установлена на любой автомобиль. Сейчас она проходит тестирование.

Система Сognitive Technologies предназначена для установки как на легковые авто, так и на другие типы автомобилей.

Коммерциализация изобретения предполагается в двух форматах: ОЕМ (встраивание технологии в системы различных автопроизводителей) и массовые продажи программно-аппаратного комплекса для всех водителей.

Сейчас C-Pilot ведет переговоры «с несколькими зарубежными и российскими автопроизводителями» о поставках C-Pilot в формате ОЕМ. Первые продажи системы ожидаются в начале 2017 года.

Комплект C-Pilot состоит из оптических камер, радара, лидаров и других датчиков для обнаружения предметов, а также сенсора позиционирования на базе ГЛОНАСС/GPS и электронного гироскопа. Вместе они отвечают за комплексное отслеживание объектов дорожной сцены в различных диапазонах спектра.

C-Pilot умеет распознавать дорожные знаки, предупреждать водителя об опасности схода с полосы, возможных столкновениях или наездах на пешехода, а также мониторить «слепые зоны».

К 2018 году разработчики намерены добавить систему активной помощи водителю (автоматическое подруливание, торможение, поддержка дистанции на шоссе).

Важно

До 2022 года Cognitive Technologies хочет создать систему полностью автономного движения для автомобиля.

Испытания системы проходят на легковом автомобиле Nissan X-Trail. Разработчики системы автономного вождения накатывают более 1 млн км для отладки алгоритмической части и полноценной сертификации.

В дальнейшем C-Pilot сможет купить любой водитель и установить комплект на свою машину. «Стартовая стоимость, в зависимости от набора функций, предполагается в диапазоне от 100 до 200 тысяч рублей с дальнейшим снижением к 2020 году», — рассказали представители разработчиков.

Своим основным конкурентом Cognitive Technologies видит разработки израильской Mobileye, которая разрабатывала приложения для автопилота Tesla. В компании отмечают, что их система лучше приспособлена к плохим дорожным и другим условиям.

«Своим основным конкурентным преимуществом перед зарубежными компаниями мы видим более совершенный искусственный интеллект, который позволяет системе автономного вождения устойчиво работать в плохих погодных условиях, а также на не идеальных дорогах, в отсутствии разметки, наличия повреждений дорожного покрытия», — отметили разработчики.

Следите за новостями Apple в нашем Telegram-канале, а также в приложении MacDigger на iOS.

Источник: https://www.macdigger.ru/news/post/rossijskaya-kompaniya-predstavila-sistemu-bespilotnogo-vozhdeniya-c-pilot-dlya-lyubogo-avtomobilya

Система автономного вождения Delphi научилась соблюдать правила благодаря искусственному интеллекту

Развитие систем автономного вождения меняет технологическую основу транспорта. Это можно сравнить с переходом от «Дикого Запада» к новой эпохе.

Вы можете привести свою аналогию, но один факт остается очевидным: в настоящее время возможности в сфере разработки систем автономного вождения очень широки, несмотря на высокий уровень конкуренции в этой области.

Многие компании выбирают различные пути и подходы к созданию первой системы автономного вождения, адаптированной для серийного производства.

Совет

В то же время формулируются новые правила и технологические концепции становятся реальностью.

Суть в том, что в соревновании по созданию систем полностью автономного вождения не существует каких-либо общепринятых правил. 

Тем не менее платформа Delphi Centralized Sensing Localization Planning (CSLP) создана на базе предустановленных обобщенных правил, описывающих основные безопасные действия автомобиля, и использует искусственный интеллект (ИИ) для выбора оптимального пути. Это означает, что инструкции или набор правил, которым должен следовать автомобиль, закладываются в алгоритм. Таким образом мы получаем транспортное средство, способное принимать решения с помощью искусственного интеллекта.

Однако правила существуют не для всех ситуаций, по крайней мере в настоящий момент. По одной простой причине — пока что ни одному из игроков просто-напросто не удалось провести всех испытаний.

Собственно, в том числе поэтому множество беспилотных автомобилей постоянно испытываются по всему миру — они собирают данные.

Затем эти данные используются для каталогизации огромного количества возможных ситуаций, с которыми может столкнуться автомобиль, а следовательно, и способов безопасного реагирования.

То, как автомобиль реагирует на ситуацию, зависит от того, что он «видит» и «слышит» с помощью своих датчиков. Существует три типа датчиков: радары, видеодатчики (камеры) и лидары. Некоторые компании используют только один тип датчиков, но платформа Delphi CSLP полагается на все три типа. 

Анализируя сигналы от всех датчиков, система автономного вождения Delphi обеспечивает высокую достоверность информации об окружающей обстановке. Почему мы используем датчики всех типов? Потому что у каждого датчика есть своя сильная сторона:

  • радар не подвержен воздействию погодных условий;
  • лидар обеспечивает высокую точность измерения расстояний, и  
  • видеодатчик обеспечивает точное распознавание объекта.
Читайте также:  Ai приобретает пространственные разумные способности

Комбинация всех трех датчиков позволяет системе получать всеобъемлющее представление о том, что окружает автомобиль, увеличивая уровень безопасности и надежности. 

Искусственный интеллект используется в основном для обработки визуальной информации, тогда как методы машинного обучения применяются для классификации и распознавания объектов. Что такое машинное обучение? Эта концепция исходит из идеи, что компьютер может обучаться без дополнительного программирования точных инструкций, предписывающих реакцию на ситуацию.

Алгоритмы должны быть «натренированы» на распознавание обстановки, окружающей автомобиль. Машинное обучение работает на основе так называемой нейронной сети. Исходя из названия, ее функционирование аналогично работе мозга человека. Она «живет» в автомобиле и классифицирует объекты в режиме реального времени.

Обратите внимание

Так автомобиль может «следовать» определенным правилам. Это очень сложная задача. И это одна из причин, по которой гибридный подход, комбинирующий ИИ и машинное обучение, помогает беспилотным автомобилям принимать решения подобно тому, как это делает человек.

В определенных случаях, например при включении красного сигнала светофора или остановке другого автомобиля на пути следования, важно обеспечить торможение вплоть до полной остановки.

Но в других ситуациях, например когда пластиковый пакет пролетает над дорогой, хотелось бы, чтобы автомобиль определил, что это не препятствие и можно безопасно продолжить движение.  

В случае со сценариями, для которых (еще) не предписаны правила, ИИ принимает решения на основе входящей информации.  

Источник: http://www.logistics.ru/automotive/news/sistema-avtonomnogo-vozhdeniya-delphi-nauchilas-soblyudat-pravila-blagodarya

Искусственный интеллект начал убивать на дорогах

В Темпе, штат Аризона (США) во время испытаний в ночных условиях беспилотный автомобиль Uber сбил пересекавшую дорогу велосипедистку. Позднее женщина умерла в больнице от полученных травм.

Это первая смертельная жертва беспилотного авто. До сих пор подобных инцидентов не случалось, хотя машины без водителей успели проехать уже несколько миллионов километров.

Событие может серьезно повлиять на развитие индустрии беспилотных авто, особенно тех, что используют лидары.

Что произошло?

Поздним вечером 18 марта женщина переходила дорогу вместе со своим велосипедом.

Ехавший по той же улице автомобиль Uber, оснащенный лидаром (лазерный аналог радара) и иным оборудованием для беспилотного вождения, сбил женщину, после чего ее доставили в больницу, где она умерла.

Находившийся в машине инженер Uber не успел вовремя вмешаться, перехватить управление и предотвратить трагедию. По всей видимости, он так же не успел заметить пешехода. Двигался в этот момент автомобиль на скорости 64 км/ч.

Убить пешехода из-за плохой видимости машина не могла — хотя было еще темно, но для лидара это незначимый фактор. В теории, на его способность «видеть» мог негативно повлиять дождь или плотный туман, отражающий и рассеивающий лазерные лучи, но в тот время в Темпе не наблюдалось ни того, ни другого.

Глава полиции Темпе Сильвия Мойр (Sylvia Moir) в интервью San Francisco Chronicle заявила, что скорее всего в случившемся виновна сама велосипедистка.

По словам Мойр, та нагрузила на велосипед пластиковые сумки и переходила в стороне от обозначенного пешеходного перехода.

Кроме того, она ступила на дорогу с островка безопасности между полосами движения внезапно, прямо перед проезжающей машиной, то есть отреагировать в таких обстоятельствах даже водителю-человеку было бы практически невозможно.

Чтобы полностью понять значение инцидента стоит напомнить два факта. Во-первых, до сих пор в ДТП со смертельным исходом беспилотники не участвовали ни разу. Во-вторых, беспилотная программа Uber уже подвергалась сильнейшей критике в связи с нарушениями ее автопилота правил дорожного движения (езды на красный в присутствии пешеходов, и так далее).

Случай с Tesla

В 2016 году автомобиль Tesla Model S попал в ДТП, которое в российских СМИ и вообще русскоязычном сегменте интернета неверно расценили как первое событие с летальным исходом по вине автопилота. Однако на самом деле это не так.

Tesla Model S, согласно руководству водителя, на данном этапе предлагает только продвинутую систему круиз-контроля, при пользовании которой водитель должен быть всегда готов перехватить управление и держать руки на руле.

Машина погибшего в 2016 году водителя подавала ему звуковые сигналы о том, что он убрал руки с руля, однако тот не реагировал и продолжал смотреть «Гарри Поттера».

Tesla Model S действительно не распознала белый грузовик на фоне неба, отчего машина проехала под ним, убив водителя.

Однако даже представители американских властей (NHTSA), обычно скорые на расправу, не смогли утверждать, что в ДТП виноват автомобиль — однозначное указание в руководстве водителя и отсутствие у Tesla рекламы, эксплуатирующей слово «автопилот» (впрочем, у данной компании вообще пока не было коммерческой рекламы) делало такое заявление невозможным.

Важно

Дополнительным фактором, не давшим применить санкции к Tesla, была переданная ее менеджерами властям статистика по логам езды в режиме продвинутого круиз-контроля. Оказалось, что к октябрю 2016 года в таком режиме машины Tesla проехали уже 357 миллионов километров — и это летальное ДТП было первым.

Дело в том, что в среднем в США на 357 миллионов километров пробега легкового автомобиля приходится 2,3 смертей, а, например, в России — около 7.

Более того, расследование властей показало, что после внедрения на Tesla Model S такого продвинутого круиз-контроля общее число серьезных аварий на километр пробега упало для этих машин на 40 процентов.

Под серьезной аварией доклад NHTSA имел в виду такую, при которой от удара раскрываются подушки безопасности. То есть получалось, что даже до развертывания полноценного автопилота уже внедренный «частичный автопилот» резко повысил безопасность водителей.

Странная трактовка происшествия в российских СМИ («первая смерть на счету беспилотного авто») была вызвана слабым знакомством с темой отечественных автомобильных журналистов. Они буквально перевели слово «Autopilot» (коммерческое наименование продвинутого круиз-контроля Tesla) как «автопилот».

Ни в доступное в сети руководство для владельцев электромобилей, ни на сайт компании, описывающей сущность этого «автопилота», никто не заглянул.

Также прошел мимо внимания российской прессы и тот факт, что сама Tesla неоднократно отмечала — действительно беспилотный режим будет доступен на ее машинах лишь после соответствующего программного апдейта, о котором будет сообщено дополнительно (сейчас он планируется на 2018−2019 годы).

Uber über alles?

Программа развертывания беспилотников Uber с самого начала резко отличалась от всех остальных. Например, она была не похожа на Tesla тем, что позиционировала свои машины как беспилотные такси.

Источник: https://auto.rambler.ru/navigator/39406662-iskusstvennyy-intellekt-nachal-ubivat-na-dorogah/

Synthia – виртуальная школа вождения для беспилотных автомобилей (+ видео)

При всей шумихе вокруг беспилотных автомобилей они по-прежнему довольно неквалифицировано ведут себя во многих случаях, которые не представляют никаких проблем для человека, например, в таких ситуациях, как распознавание тротуара или светофора. Но возможно в скором времени эта задача приблизится к своему решению.

Ученые из Центра компьютерного зрения в Барселоне приходят на помощь с системой виртуального моделирования города – Synthia, которая сможет обучать искусственный интеллект (ИИ) вождению, распознаванию и обработке всех видов препятствий и ситуаций, даже в дождь или в сильный снег.

Нейронные сети, которые являются ключевым компонентом системы ИИ для вождения, проходят обучение по широкому набору изображений и видео из реальных ситуаций, чтобы точно распознавать различные «классы» объектов, таких как автомобили, пешеходы, дорожные знаки и так далее. Используя эти классы, программное обеспечение может попытаться интерпретировать вводимые в режиме реального времени данные с камер автомобиля и решить, следует ли двигаться вперед, тормозить или сигнализировать о смене полосы движения.

Совет

Во время вождения ИИ может собирать много данных о распространенных ситуациях, которые возникают при вождении по шоссе – относительно простму с точки зрения ИИ.

Программному обеспечению гораздо труднее справиться с «частными случаями».

Это такие редкие события, как дорожно-транспортные происшествия, поэтому они создают трудности при сборе достаточно большой выборки реальных данных, с которыми взаимодействует программа обучения автомобиля.

Еще хуже то, что изображения, используемые для обучения нейронных сетей, должны быть аннотированы вручную: то есть, кто-то должен кропотливо пройти через каждую картину и маркировать различные элементы на уровне пикселей, отделяя дорогу от тротуара или пешеходов от дорожных знаков.

Это то, что Daimler сделал с проектом Cityscapes, вручную аннотировав более 20 000 изображений и разделяя объекты на 30 различных классов.

В компании Mobileye, которая обеспечивает программное обеспечение, используемое системой автопилота Тесла, в настоящее время работают более 600 человек, чтобы вручную аннотировать 1000 изображений и видео к концу года.

Герман Рос и его команда из Барселоны нашли способ правильно аннотировать изображения автоматически и научить ИИ вождению. Как вести себя даже в самых необычных ситуациях можно теперь представить в видеоигре.

Используя популярный движок Unity , исследователи начали с создания реалистичной имитации не только города и его окрестностей, в комплекте с пешеходами, велосипедистами и плохо припаркованными автобусами, но и с учетом сложной метеорологической обстановки, которая включает дождь, снег и времена года. Затем они «построили» виртуальный автомобиль внутри симуляции, выбрали конкретное позиционирование и ориентацию для камер автопилота автомобиля и позволили автомобилю перемещаться в виртуальном мире, снимать видео и изображения с точки зрения камеры.

Поскольку программное обеспечение может определить с абсолютной точностью то, что сняли виртуальные камеры, система может генерировать очень большую коллекцию реалистичных, безукоризненно аннотированных изображений и видео, которые исследователи окрестили Synthia (Synthetic collection of Imagery and Annotations of urban scenario).

Обратите внимание

Исследователи собрали более 213 000 виртуальных изображений и видеофрагментов с целью обучения нейронных сетей на сочетании реальных и виртуальных образов, что позволит улучшить возможности распознавания объектов на дороге программным обеспечением ИИ на реальных изображениях.

Источник: http://www.robogeek.ru/avtonomnyi-transport/synthia-virtualnaya-shkola-vozhdeniya-dlya-bespilotnyh-avtomobilei

Машины, обучающие друг друга, могут стать решающими для искусственного интеллекта

Во время пресс-конференции, посвященной анонсу функции автопилота в Tesla Model S, которая состоялась в октябре 2015 года, CEO Tesla Илон Маск сказал, что каждый водитель станет «тренером-экспертом» для каждой Model S.

Каждый автомобиль сможет улучшать собственные функции автономии, обучаясь у своего водителя, но что более важно — когда одна Tesla будет обучаться у своего водителя, это знание будет распределяться между остальными автомобилями Tesla.

Очень скоро владельцы Model S заметили, что функции самоуправления автомобилем постепенно улучшаются. В одном примере «Теслы» делали неправильные ранние выходы на автомагистрали, заставляя своих владельцев вручную проводить автомобиль по правильному маршруту. Спустя всего несколько недель владельцы отметили, что машины больше не совершают преждевременные выходы.

Интеллектуальные системы, вроде тех, что оснащены новейшим программным обеспечением для машинного обучения, не просто становятся умнее: они становятся умнее все быстрее и быстрее. Понимание скорости, с которой развиваются эти системы, может стать особенно сложной частью управления технологическим прогрессом.

Рэй Курцвейл много писал о пробелах в понимании человека, описывая так называемое «интуитивное линейное» представление технологических изменений и «экспоненциальную» скорость изменений, происходящих сейчас.

Спустя почти два десятилетия после написания важного эссе, которое он назвал «Закон ускоряющейся отдачи» — теория эволюционных изменений, описывающая изменение скорости улучшений систем со временем — связанные устройства начали делиться знаниями между собой, ускоряя собственное улучшение.

Липсон считает, что такой путь развития ИИ — это мощно, отчасти потому, что устраняет необходимость в тренировочных данных.

Важно

Липсон приводит в пример недавний прорыв DeepMind, проект AlphaGo Zero, как показательное обучение ИИ без тренировочных данных.

Многие знакомы с AlphaGo, ИИ с машинным обучением, который стал лучшим в мире игроком в го, изучив массивный объем данных, состоящий из миллионов сыгранных партий в го.

AlphaGo Zero смог обыграть даже его, не заглядывая в тренировочные данные, просто изучая правила игры и играя сам с собой. Затем он победил самое лучшее в мире ПО для игры в шахматы уже после восьмичасовой тренировки.

Представьте, как тысячи таких AlphaGo Zero мгновенно обмениваются своими приобретенными знаниями.

И ведь это не только игрушки. Мы уже видим, насколько мощное влияние оказывает скорость, с которой бизнес может усовершенствовать производительность своих устройств.

Один из примеров — промышленная технология цифрового двойника — программная модель машины, которая моделирует происходящее с оборудованием.

Представьте, будто машина заглядывает внутрь себя — и показывает свое изображение техникам.

Например, паровая турбина с цифровым двойником может измерять температуру пара, скорость ротора, холодные пуски и другие данные для прогнозирования сбоев и предупреждать техников о предотвращении дорогостоящего ремонта. Цифровые двойники делают эти прогнозы, исследуя собственную производительность, а также полагаются на модели, разработанные другими паровыми турбинами.

Совет

По мере того, как машины начинают учиться в своей среде новыми мощными способами, их развитие ускоряется за счет обмена данными.

Коллективный интеллект каждой паровой турбины, рассеянный по всей планете, может ускорить прогностическую способность каждой отдельной машины.

Там, где будет один автомобиль без водителя, там же будут сотни других водителей, которые будут учить свои автомобили, сообщая знания каждому.

Не забывайте, что все это только начинается.

Источник: https://Hi-News.ru/auto/mashiny-obuchayushhie-drug-druga-mogut-stat-reshayushhimi-dlya-iskusstvennogo-intellekta.html

Ссылка на основную публикацию