Äntligen en förarlös bil med lite sunt förnuft

Daniel James Zender

Bostons notoriskt ovänliga förare och kaotiska vägar kan vara den perfekta testplatsen för en helt annan typ av självkörande bil.

En MIT spin-off kallas Jag förstår utvecklar och testar det autonoma körsystemet med hjälp av en ny metod för artificiell intelligens. Istället för att förlita sig på enkla regler eller maskinlärande algoritmer för att träna bilar att köra, hämtar startupen inspiration från kognitionsvetenskap för att ge maskiner ett slags sunt förnuft och förmågan att snabbt hantera nya situationer. Det är att utveckla algoritmer som försöker matcha hur människor förstår och lär sig om den fysiska världen, inklusive interaktion med andra människor. Tillvägagångssättet kan leda till självkörande fordon som är mycket bättre rustade för att hantera okända scener och komplexa interaktioner på vägen.

Det mänskliga sinnet är superkänsligt för fysik och sociala signaler, säger Yibiao Zhao, medgrundare av iSee . Nuvarande AI är relativt begränsad i dessa domäner, och vi tror att det faktiskt är den saknade biten i körning.

Zhaos företag ser inte ut som en världsmästare än. Ett litet team av ingenjörer arbetar från en blygsam labbplats kl motorn , ett nytt investeringsbolag skapat av MIT för att finansiera innovativa lokala teknikföretag. Beläget bara en kort promenad från MIT campus, har motorn utsikt över en gata där förare trängs efter parkeringsplatser och kanter aggressivt in i trafiken.

Relaterad berättelse

Relaterad berättelse

Skrivborden i iSees utrymme är täckta med sensorer och hårdvara som teamet har satt ihop för att ta kontroll över sin första prototyp, en Lexus hybrid-SUV som ursprungligen tillhörde en av företagets medgrundare. Flera ingenjörer sitter bakom stora datorskärmar och stirrar intensivt på kodrader.

iSee kan tyckas skrattretande liten jämfört med ansträngningarna för förarlösa bilar hos företag som Waymo, Uber eller Ford, men tekniken som den utvecklar kan ha stor inverkan på många områden där AI används idag. Genom att göra det möjligt för maskiner att lära av mindre data och bygga någon form av sunt förnuft, skulle deras teknik kunna göra industrirobotar smartare, särskilt när det gäller nya situationer. Spektakulära framsteg har redan gjorts inom AI nyligen tack vare djupinlärning, en teknik som använder stora datahungriga neurala nätverk (se 10 Breakthrough Technologies 2013: Deep Learning ).

När stora mängder data matas kan mycket stora eller djupa neurala nätverk känna igen subtila mönster. Ge ett djupt neuralt nätverk massor av bilder på hundar, till exempel, så kommer det att ta reda på hur man ser en hund i nästan vilken bild som helst. Men det finns gränser för vad djupinlärning kan göra, och några radikala nya idéer kan mycket väl behövas för att ta nästa steg framåt. Till exempel, ett djupinlärningssystem för hundfläckar förstår inte att hundar vanligtvis har fyra ben, päls och en våt nos. Och den kan inte känna igen andra typer av djur, eller en teckning av en hund, utan vidare träning.

Körning innebär betydligt mer än bara mönsterigenkänning. Mänskliga förare förlitar sig ständigt på en sunt förnuftsförståelse av världen. De vet att bussar tar längre tid att stanna till exempel och kan plötsligt producera massor av fotgängare. Det skulle vara omöjligt att programmera en självkörande bil med alla möjliga scenarion den kan stöta på. Men människor kan använda sin sunda förståelse av världen, byggd upp genom livslånga erfarenheter, för att agera förnuftigt i alla möjliga nya situationer.

Djupt lärande är bra, och du kan lära dig mycket av tidigare erfarenheter, men du kan inte ha en datauppsättning som inkluderar hela världen, säger Zhao. Nuvarande AI, som mestadels är datadrivet, har svårt att förstå sunt förnuft; det är det viktigaste som saknas. Zhao illustrerar poängen genom att öppna sin bärbara dator för att visa flera verkliga vägsituationer på YouTube, inklusive komplexa trafiksammanslagna situationer och några håriga olyckor.

En brist på sunt förnuft har säkerligen orsakat vissa problem för autonoma körsystem. En olycka som involverade en Tesla som körde i semi-autonomt läge i Florida förra året inträffade till exempel när bilens sensorer tillfälligt förvirrades när en lastbil korsade motorvägen (se Dödlig Tesla-krasch är en påminnelse om att autonoma bilar ibland skruvas upp). En mänsklig förare skulle sannolikt snabbt och säkert ha listat ut vad som pågick.

Relaterad berättelse

Relaterad berättelse Ett dödsfall bakom ratten med Teslas autopilot på väcker frågan om hur säkra automatiserade bilar måste vara.

Zhao och Debbie Yu, en av hans medgrundare, visar ett klipp av en olycka med en Tesla i Kina, där bilen körde rakt in i en gatstädningslastbil. Systemet är utbildat i Israel eller Europa, och de har inte den här typen av lastbil, säger Zhao. Det är bara baserat på upptäckt; den förstår inte riktigt vad som händer, säger han.

iSee bygger på ansträngningar att förstå hur människor förstår världen och att designa maskiner som efterliknar detta. Zhao och andra grundare av iSee kommer från labbet av Josh Tenenbaum , en professor vid avdelningen för hjärna och kognitiv vetenskap vid MIT som nu fungerar som rådgivare till företaget.

Tenenbaum har specialiserat sig på att utforska hur mänsklig intelligens fungerar och att använda den insikten för att konstruera nya typer av AI-system. Detta inkluderar arbete med den intuitiva känslan av fysik som uppvisas även av små barn, till exempel. Barns förmåga att förstå hur den fysiska världen beter sig gör det möjligt för dem att förutsäga hur obekanta situationer kan utvecklas. Och, förklarar Tenenbaum, denna förståelse av den fysiska världen är intimt förbunden med en intuitiv förståelse av psykologi och förmågan att sluta sig till vad en person försöker uppnå, som att sträcka sig efter en kopp, genom att titta på hans eller hennes handlingar.

Möjligheten att överföra lärande mellan situationer är också ett kännetecken för mänsklig intelligens, och även de smartaste maskininlärningssystem är fortfarande mycket begränsade i jämförelse. Tenenbaums labb kombinerar konventionell maskininlärning med nya probabilistiska programmeringsmetoder. Detta gör det möjligt för maskiner att lära sig att sluta sig till saker om världens fysik såväl som andras avsikter trots osäkerhet.

Relaterad berättelse

Relaterad berättelse Programvara som lär sig att känna igen skrivna karaktärer från bara ett exempel kan visa vägen mot kraftfullare, mer mänsklig artificiell intelligens.

Att försöka omvända de sätt på vilka även en ung bebis är smartare än det smartaste existerande AI-systemet kan så småningom leda till många smartare AI-system, säger Tenenbaum. 2015, tillsammans med forskare från New York University och Carnegie Mellon University, använde Tenenbaum några av dessa idéer för att utveckla ett landmärke datorprogram som kan lära sig att känna igen handstil från bara några få exempel (se Denna AI-algoritm lär sig enkla uppgifter så snabbt som vi gör).

Ett relaterat tillvägagångssätt kan så småningom ge en självkörande bil något som närmar sig en rudimentär form av sunt förnuft i okända scenarier. En sådan bil kan kanske avgöra att en förare som är på väg ut på vägen förmodligen vill gå in i trafiken.

När det kommer till autonom körning, faktiskt, säger Tenenbaum att förmågan att sluta sig till vad en annan förare försöker uppnå kan vara särskilt viktig. En annan av iSees medgrundare, Chris Baker, utvecklade beräkningsmodeller för mänsklig psykologi vid MIT. Att ta modeller i ingenjörsstil av hur människor förstår andra människor, och att kunna sätta dem i autonom körning, kan verkligen ge en saknad pusselbit, säger Tenenbaum.

Tenenbaum säger att han från början inte var intresserad av att tillämpa idéer från kognitiv psykologi till autonom körning, men grundarna av iSee övertygade honom om att effekten skulle bli betydande och att de var upp till de tekniska utmaningarna.

Det här är ett väldigt annorlunda tillvägagångssätt, och jag applåderar det fullständigt, säger Oren Etzioni, vd för the Allen Institutet för artificiell intelligens , ett forskningsinstitut skapat av Microsofts medgrundare Paul Allen för att utforska nya idéer inom AI, inklusive sådana som inspirerats av kognitiv psykologi.

Etzioni säger att AI-området behöver utforska idéer bortom djupinlärning. Han säger att huvudfrågan för iSee kommer att vara att visa att de använda teknikerna kan fungera bra i kritiska situationer. Probabilistisk programmering är ganska nytt, konstaterar han, så det finns frågor om prestanda och robusthet.

De som är involverade i iSee verkar hålla med. Förutom att sträva efter att skaka om bilindustrin och kanske omforma transporter i processen, säger Tenenbaum, har iSee en chans att utforska hur en ny AI-metod fungerar i en särskilt oförlåtande praktisk situation.

I någon mening kommer självkörande bilar att bli de första autonoma robotarna som interagerar med människor i den verkliga världen, säger han. Den verkliga utmaningen är, hur tar man dessa modeller och får dem att fungera robust?

Dölj