MIT تطور نظامًا يفسر قرارات السيارات ذاتية القيادة
طور باحثون من MIT بالتعاون مع شركة Motional نظام ذكاء اصطناعي يساعد البشر على فهم أسباب قرارات السيارات ذاتية القيادة في الوقت الفعلي، ما قد يجعل اكتشاف الأخطاء والتنبؤ بالسلوك غير المتوقع أكثر سهولة.
تفاصيل الخبر
يهدف النظام الجديد من MIT إلى معالجة واحدة من أبرز تحديات السيارات ذاتية القيادة، وهي صعوبة فهم ما يحدث داخل أنظمة القيادة عندما تتخذ السيارة قرارًا معينًا.
- يحمل النظام اسم CW-Net، ويحوّل عمليات اتخاذ القرار المخفية داخل نموذج القيادة الذاتية إلى مفاهيم يمكن للبشر فهمها.
- يستطيع النظام تقديم تفسيرات مثل “الاقتراب من مركبة متوقفة” أو “الاقتراب من راكب دراجة” لتوضيح ما يؤثر في قرار السيارة.
- جرى اختبار CW-Net داخل سيارة أجرة روبوتية تابعة لشركة Motional، حيث قدم تفسيراته بالتزامن مع المسار الذي تخطط السيارة لسلوكه.
- في إحدى التجارب، اعتقد أحد السائقين أن السيارة توقفت بسبب رؤيتها لراكب دراجة، لكن النظام أوضح أن السيارة لم تعتمد على الدراجة في قرارها، وإنما تم تفعيل نظام الكبح التلقائي في حالات الطوارئ.
- شملت الاختبارات خبراء من Motional و99 مشاركًا، وأظهرت النتائج أن التفسيرات ساعدت الأشخاص على التنبؤ بشكل أفضل باللحظات التي قد تتصرف فيها السيارة بطريقة غير متوقعة.
- يمكن لهذه التقنية مساعدة مهندسي السيارات والسائقين المشرفين على اكتشاف المشكلات أثناء حدوثها بدلًا من محاولة فهم أسباب الخطأ بعد وقوعه.
- يقدم النظام طريقة لجعل نماذج القيادة الذاتية الأقل وضوحًا أكثر قابلية للفهم والمراقبة.
وتكتسب هذه التقنية أهمية خاصة مع توسع استخدام السيارات ذاتية القيادة، إذ إن القدرة على تفسير القرارات قد تساعد البشر على بناء ثقة أكبر في الأنظمة الآلية وتحسين إجراءات السلامة.
الأهداف المستقبلية
وتركز الأهداف المستقبلية لهذا المشروع من MIT وشركة Motional على جعل أنظمة القيادة الذاتية أكثر وضوحًا وأمانًا، وتشمل أبرزها ما يلي:
- تحسين قدرة البشر على فهم قرارات السيارات ذاتية القيادة في الوقت الفعلي.
- اكتشاف الأخطاء المحتملة قبل أن تتحول إلى مواقف خطرة.
- مساعدة السائقين المشرفين على اتخاذ قرارات أسرع عند الحاجة إلى التدخل.
- توفير أدوات أفضل لمهندسي السيارات لتحليل سلوك أنظمة القيادة الذاتية.
- زيادة قابلية تفسير نماذج الذكاء الاصطناعي المستخدمة في المركبات.
- تعزيز الثقة في تقنيات القيادة الذاتية من خلال توضيح أسباب القرارات.
- تطوير أنظمة قادرة على تقديم تفسيرات أكثر دقة لمختلف ظروف القيادة.
- تحسين مستوى السلامة مع استمرار تطور خدمات السيارات ذاتية القيادة.
يمثل CW-Net خطوة مهمة نحو جعل قرارات السيارات ذاتية القيادة أكثر قابلية للفهم، من خلال تحويل عمليات التفكير المعقدة داخل أنظمة الذكاء الاصطناعي إلى مفاهيم واضحة للبشر. وقد تساعد هذه التقنية مستقبلًا في اكتشاف الأخطاء مبكرًا وتحسين سلامة المركبات ذاتية القيادة.
