Deep learning en el vehicle intel·ligent

Els ordinadors han estat programats avui en dia, per conduir autos de forma autònoma, però el deep learning serà necessari per permetre que els vehicles autònoms siguin capaços de comprendre tots els matisos que es trobin a l'hora de fer un trajecte segur entre dos punts.

El deep learning és el lloc on es treballa al més alt nivell de desenvolupament per arribar a un punt en el qual el vehicle pot definir perfectament un trajecte segons va dir Gary Silberg, analista del sector associat i de l'automòbil a KPMG. "L'avantatge competitiu de les empreses avançades és en el deep learning", diu Silberg.

Silberg, Jason Monroe, gerent-Advanced User Experience Design a FCA US i Ajay Divakaran, director tècnic de Visió i Laboratori d'Aprenentatge de SRI International, debaten sobre les aplicacions automotrius basades en el deep learning en un debat moderat per l'amfitrió d'Autoline John McElroy al 2017 WardsAuto Conferència sobre l'experiència de l'usuari.
Silberg diu que el deep learning és capaç de guiar un vehicle en carreteres cobertes de neu o en carrils sense marques clares, però la solució per resoldre la conducció a les cantonades, és cada com més a prop, on tots els vehicles, persones i bicicletes coincideixen, per la qual cosa seran necessaries una identificació i presa de decisions d'alt nivell.

La interacció entre humans i màquines és clau per crear màquines més intel·ligents, diu el Monroe de FCA. Aquesta col·laboració pot ajudar els usuaris a acceptar errors de màquina mentre ensenyen a la màquina a comprendre les preferències humanes.
La intel·ligència artificial pot ajudar els conductors alertant els riscos al llarg d'un recorregut regular, recomanar llocs de cafè, suggerir números de telèfon de familiars o amics que normalment es posen en contacte o saber la ubicació exacta per informar a algú que va tard, segons va dir Monroe.

Per exemple, en el concepte del Portal de FCA que es va revelar a principis d'aquest any al CES, el vehicle podria identificar usuaris individuals i establir la seva ubicació de seients i opcions de mitjans per a les seves preferències. Un Jeep conduït en un entorn urbà oferiria opcions significativament diferents d'un encapçalat en una expedició tot terreny, adequant les seves respostes i suggeriments basats en l'ús del vehicle. "És possible utilitzar la intel·ligència artificial i l'aprenentatge automàtic per racionalitzar i millorar les experiències", va dir Monroe.
Un equip orientat cap a l'home haurà d'aprendre a confiar en el reconeixement de gestos compostos, utilitzant una càmera per veure expressions facials mentre els micròfons escolten un to vocal i matisos, i compilen la informació per comprendre millor el comportament humà, segons va dir Divakaran de SRI. "Els càlculs s'han de modelar en el comportament humà, s'està intentant percebre com un ésser humà està reaccionant". Així és com hauria de funcionar una tecnologia "assistent ideal".

Tot i que encara queda molt per fer en intel·ligència artificial, les possibilitats seran molt més clares en els pròxims cinc anys, diu Divakaran. Els panelistes coincideixen que els vehicles intel·ligents aporten molts beneficis constructius a la societat, però els positius requereixen l'aprenentatge i modelització d'un comportament humà adequat. "Hi ha persones meravelloses i no tan meravelloses al món", assenyala Monroe, i l'ensenyament d'una computadora per diferenciar entre les dues serà la part més difícil.

Font: Wardsauto