خوارزميات تتيح للسيارات التعلم من تجاربها

■ انتفاء الحاجة لحفظ الخرائط مستقبلاً | البيان

ت + ت - الحجم الطبيعي

في وقت قريب للغاية، ستقوم سياراتنا بتولي العديد من المهام بالنيابة عنا بصورة تلقائية وتنبئية تماماً كالمساعد الافتراضي المسؤول عن أكثر بكثير من مجرد الوصول من النقطة (أ) إلى النقطة (ب)، ويستخدم الخبراء عبارة «التعلم العميق» لوصف نظام من الخوارزميات القابلة للتكيف والتي تزداد قدرةً وذكاءً مع مرور الوقت، تماماً كالخلايا المترابطة في الجهاز العصبي للكائنات الحية.

تجربة

ولشرح ذلك يمكن تصور سيارة أودي المستقبلية تتحرك دون أي أخطاء عبر موقف السيارات الموجود أمام مبنىً للمكاتب في وادي السيليكون، وتحافظ على مسار دقيق في منتصف الممر رغم قلة العلامات الطرقية.

وتقوم كاميراتها الثلاث بتحديد المسارات المرورية المتقاطعة على اليمين واليسار ومواقف السيارات، ممكنة السيارة من عبور التقاطعات بأمان وإيقاف تشغيل المحرك ذاتياً ودون أي جهد يذكر. وما يلفت النظر حقاً هو ليس حقيقة أن السائق قد قام بإبعاد يديه عن عجلة القيادة وسمح للسيارة بأن تقود نفسها، فعرض القيادة الذاتية هذا يعتبر ملفتاً للنظر فقط لأن سيارة أودي تعلمت في غضون ساعات أن تتقن مهمة غير معروفة حتى ذلك الحين وتصل إلى ما وصلت إليه.

وبالاستناد فقط على صور المناطق المحيطة التي يتم التقاطها بواسطة الكاميرات التقليدية وإرسالها إلى ما يسمى الشبكة العصبية العميقة، تتمتع الخوارزمية التي تم استخدامها هنا بالقدرة على اتخاذ قرارات حول المسار المخطط لرحلة السيارة، والتعلم من كل رحلة متعاقبة.

نظام

ومن الأمثلة على ذلك «نظام مساعد المسار الشخصي» القابل للتعلم الذاتي. وبمجرد تفعيله من قبل العميل، يتعلم النظام المسارات والوجهات الاعتيادية الخاصة بالسائق. ومن ثم يقوم بربط هذه المعلومات بموقع المركبة الحالي والفترة الزمنية خلال اليوم.

وبالتالي، يتعلم النظام من سلوك السائق، ويستخدم ما تعلمه لاقتراح المسارات الأفضل خلال الرحلة القادمة – حتى في حال عدم تنشيط نظام توجيه المسار. وينظر نظام الملاحة في الوجهات الثلاث الأكثر احتمالاً في حساباته التي تأخذ بالحسبان أيضاً كلاً من وقت الوصول وأحوال حركة المرور الحالية.

وعلى سبيل المثال، يمكن للنظام أن يقترح قيام السائق بتفعيل النظام من أجل العثور على المسارات البديلة المحتملة. ويمكن للعميل تنشيط أو تعطيل الخدمة عند الرغبة أو حذف الوجهات المخزنة في الخدمة. ولا يتم تخزين أو إيلاء أي اعتبار لوجهات ومسارات العميل المحذوفة التي اتبعها أثناء تعطيل الخدمة.

شبكات عصبية

ويقول إيوالد غاسمان، المدير التنفيذي لمختبر أبحاث الإلكترونيات لدى مجموعة «فولكس واجن» في أميركا، جنوب سان فرانسيسكو: «إنها قدرة مذهلة: سيارة تستطيع تعلم كيفية القيادة تماماً كما يتعلم الشخص شيئاً جديداً ويتحسن بشكل مطرد مع مرور الزمن. ومن شأن هذا النهج أن يلغي خرائط الملاحة المخزنة وتحديد الموقع والبرمجيات المبرمجة مسبقاً».

ويضيف لوتز جانج، خبير التعلم العميق الذي قام فريقه بإضافة خاصية جاهزية علامات الطريق إلى النظام الذكي في غضون أشهر: «تتميز التكنولوجيا المستخدمة بكونها مدمجةً وسريعةً ومنخفضة التكلفة بما يكفي لاستخدام الشبكات العصبية للتعامل مع الجوانب العديدة والمعقدة ذات الصلة بالقيادة الآلية».

ويوضح كلاوس فيرواين، رئيس قسم ما قبل تطوير وظائف القيادة الآلية خلال حديثه لمجلة أودي: «يتمثل الأمر الرئيسي بتبادل الأفكار الجنينية واستخدام البيانات والمفاهيم بصورة جماعية. وتعتبر قطع هذه الأحجية، التي سيتم من خلالها إنشاء الوظائف المترابطة المستقبلية، وأدوات التطوير الجديدة متنوعةً للغاية لدرجة أن تبادل هذه الأفكار والخبرات المكتسبة، ناهيك عن التعاون عبر المواقع، سيصبحان من أبرز عوامل النجاح الرئيسية».

مساعدة

يعمل الخبراء لتحويل السيارة إلى مساعد ذكي من خلال استخدام مزيج من الأوامر الصوتية وحركات اليد والتحكم اليدوي. ويدرسون كيفية استخدام ملف تعريفي فردي خاص بأحد العملاء في بيئة رقمية، لفتح المركبة أو إتاحة استخدامها للأصدقاء المقربين ضمن شبكة اجتماعية شخصية.

كما يتم العمل على الاستفادة من مزايا الواقع المعزز واستخدام البرمجيات لتقديم رؤية أفضل من خلال الزجاج الأمامي في يوم غائم، بحيث يبدو كما لو أن الشمس كانت مشرقةً تماماً كما في مواقع تصوير الأفلام، فهو أمر يحسن المزاج ويعزز سلامة القيادة.

Email