Автомобиль без водителя: из фантастики в реальность?
Автор фото, AP
В Британии объявлено о начале широкой комплексной программы по разработке законодательной базы, испытанию и последующему внедрению на дорогах страны автомобилей без водителя. Правительство заявило, что намерено сделать Британию мировым лидером по этой новой технологии. На реализацию программы выделено 19 млрд фунтов стерлингов, а разработка законодательной базы должна быть завершена к лету 2017 года.
Фантастика становится реальностью? Насколько реалистичны эти планы и удастся ли новой технологии и ее адептам преодолеть главное препятствие на пути ее реализации - консерватизм и скепсис людей.
Загрузить подкаст передачи "Пятый этаж" можно <link type="page"><caption> здесь</caption><url href="http://www.bbc.co.uk/russian/multimedia/2015/02/150211_5floor_driverless_car_yamshchikov.shtml" platform="highweb"/></link>.
Ведущий "Пятого этажа" Александр Кан беседует с научным сотрудником Высшей школы Циттау-Гёрлитц Иваном Ямщиковым
А.К.:
И.Я.: Да, я большой фанат. Здорово, когда будущее уже здесь.
А.К.:
И.Я.: Идея в том, что автомобиль управляется искусственным интеллектом. Искусственный интеллект собирает изображения окружающего, данные датчиков движения, анализирует их, понимает, где препятствие, где другой автомобиль, где человек, и движется по заданному вами маршруту, избегая эти препятствия и строго следуя правилам дорожного движения.
А.К.:
И.Я.: Совсем нет. Часть hardware сделана уже давно. Не знаю, есть ли у вас в автомобиле парктроник, который давно доступен и способен понимать, есть ли спереди или сзади у машины препятствия и на каком они расстоянии. Проблема в том, чтобы анализировать весь объем данных. Человек может делать это довольно быстро. А программы долгое время не справлялись с задачей анализа изображения. Есть двухмерная картинка, а нужно выделить из нее силуэт человека и понять, что это пешеход. Еще сложнее написать программу, которая поймет, что пешеход движется, в каком направлении и с какой скоростью. Компания Google в этом смысле один из пионеров, потому что она обладает большим опытом в том, что называется "машинное обучение". Так называемые умные алгоритмы, которые компанией используются прежде всего в поиске, но их можно применять не только в интернете, но и в автомобиле, например. Есть много других интересных решений. В Швеции был большой проект, связанный с созданием автоматического погрузчика. Швеция – большой экспортер бумаги, а склады для бумаги – это огромные ангары, в которых стоят рулоны бумаги массой в несколько тонн. Там очень высокая травмоопасность, одна из самых опасных профессий в Швеции – погрузчик бумаги. И высокие социальные гарантии, так что компании очень заинтересованы в максимальной автоматизации этого процесса. Это сейчас довольно успешно внедряется, и есть рабочие прототипы, которые выполняют задачи погрузки, выгрузки, объезда людей, которые там могут находиться. Это большая индустрия, которая появляется, потому что мы научили компьютеры справляться со сложными задачами.
А.К.:
И.Я.: Это очень интересный рынок по двум причинам: открываются очень много возможностей для людей, которые не могут пользоваться автомобилями, – инвалиды, слепые, большая категория, а во-вторых, в Европе предлагают схему, отличную от Google. Они предлагают строить машины, которые обменивались бы данными между собой и не только ехали, но и оптимизировали движение – информировали светофоры, сколько машин и с какой стороны, показывали пешеходов, а светофор корректировал бы свою работу, что снизило бы пробки, что очень актуальная проблема именно в Европе. А в Америке автономный подход.
А.К.:
И.Я.: Это понятный скепсис. Никто не говорит, что это простая задача и что она в данный момент решена на 100%. Но ее можно решить в обозримом будущем. И прибыль от ее решения существенно перекроет затраты на его достижение. Что нужно сделать? Все перечисленные проблемы упираются в две вещи: нужно гарантировать, что искусственный интеллект внутри машины получит достаточное количество информации, что у него нет слепых мест. Это решается увеличением количества датчиков и повышением их качества. И сейчас используются датчики разных типов и комбинируются. И вторая часть – опыт. Как водителю нужен опыт, чтобы хорошо вести машину и все видеть на дороге и справляться с названными ситуациями. Для неопытного водителя снег или гололед - тоже большая проблема. И нам нужно научить алгоритм правильно отрабатывать в этих условиях. Делается это так: мы предоставляем объем информации, учим его с помощью программного кода, прогоняем много симуляций, перебирая последствия разных решений. После достижения определенного уровня опыта мы выпускаем его на дорогу в тестовом режиме и смотрим, справляется ли он с проблемой. И, если нет, то мы продолжаем его учить. То есть, как и живой водитель, он сдает экзамен.
А.К.:
И.Я.: Если бы я работал в страховом бизнесе, то мог бы перечислить много проблем, но главное в том, что автомобиль остается самым опасным видом транспорта. Это такая психологическая особенность – люди боятся летать, но не боятся водить. Хотя известно, что статистически шансы погибнуть в авиакатастрофе гораздо меньше, чем попасть в автокатастрофу, которая закончится смертью или инвалидностью. Потому что в автомобиле есть ощущение, что они что-то контролируют и сами за себя отвечают. Но мы склонны переоценивать свои качества, в частности, свое умение водить. И правительства вкладывают деньги потому, что смертность на дорогах – большая проблема. То есть это вложение в здоровье членов общества.
А.К.:
И.Я.: Реальная статистика. Она может подтвердить, что, если за рулем робот, то меньше людей становятся инвалидами или погибают. Если эксперименты докажут, что компьютер водит лучше, чем человек, это сильно убавит скепсиса.
