Lubię prowadzić samochód. Do tego stopnia, że może już niebawem znajdę chwilę, by odzyskać prawo jazdy. Nie zmienia to faktu, że są nudne momenty, na przykład autostrady, w których po prostu włączyłbym autopilota i poszedł spać. Tutaj pojawiają się autonomiczne samochody, które wcale nie są takim science-fiction, jak mogłoby się wydawać.
Tesla Model S - Bosch Automated Driving
Google ma projekt Self-Driving Car, Uber też testuje pozbawione kierowców taksówki. Volvo pracuje nad ciągnikami siodłowymi, które mogą łączyć się w konwoje, a kierowca potrzebny jest tylko w pierwszym samochodzie. Mamy też Teslę, która bardzo intensywnie stara się wprowadzić autonomiczne pojazdy do obiegu konsumenckiego, co zresztą wychodzi, bo na przykład Model S ma całkiem nieźle radzącego sobie autopilota. Tak dobrze, że niektórzy zamiast skupić się na drodze, polują na Pokemony.
'Self-driving trucks' march across Europe | FT World Notebook
To wszystko jest bardzo fajne, ale do pełnej autonomii jeszcze daleka droga. Ford twierdzi, że pierwsze tego typu samochody zacznie sprzedawać w okolicach roku 2021, Elon Musk z kolei obiecuje samo prowadzącą się Teslę w 2018 roku. Głównym problemem jest nie tyle technologia, co dopuszczenie takich samochodów do ruchu miejskiego, bo choć sterujące nimi oprogramowanie jest bardzo zaawansowane, nadal mamy opory przed zaufaniem maszynie.
Zgromadzenie danych z prawdziwego świata jest czasochłonne i drogie. Trzeba wsiąść w samochód, przejechać się po okolicy wszystko nagrywając, a potem usiąść do komputera i ręcznie oznaczyć poszczególne elementy otoczenia. Do tego dochodzi fakt, że pewnych sytuacji nie da się zasymulować poza torami testowymi, jak na przykład zachowania w przypadku wtargnięcia pieszego na jezdnię, utraty kontroli nad pojazdem, czy po prostu przyłożenia w betonową ścianę.
A gdyby całość zautomatyzować, przynajmniej trochę? Tutaj do gry wchodzi właśnie Grand Theft Auto. Jak czytamy w portalu Technology Review, naukowcy z Intel Labs i Uniwersytetu Darmstadt w Niemczech wykorzystują grę Rockstara nie tylko do przyspieszenia procesu, ale też zmniejszenia kosztów jego przeprowadzania.
Playing for Data: Ground Truth from Computer Games
GTA V ma na tyle dobrze odwzorowany ruch miejski i środowisko, że sztuczna inteligencja bez problemu jest w stanie wszystko przeanalizować i oznaczyć. A do tego można jeszcze stworzyć niebezpieczne sytuacje i nauczyć autopilota odpowiedniej reakcji. Bez kosztów zniszczonego samochodu i przede wszystkim – bez narażania nikogo na utratę zdrowia lub życia.
Machine Learning Inside Virtual Worlds
Gry coraz częściej pomagają w różnych dziedzinach nauki. Adrien Gaidon z Europejskiego Centrum Badań Xeroksa stworzył podobny algorytm uczący, korzystając z silnika Unity. Często tez sami gracze są angażowani w podobne projekty. Folding@home, Project Discovery czy Foldit to tylko kilka przykładów. Mało tego, czasem gracze okazują się lepsi od superkomputerów i to nie w byle jakiej dziedzinie, bo w obliczeniach kwantowych.
Bartosz Stodolny
