Tesla stawia na sztuczną inteligencję „czarnej skrzynki” dla robotaksówek: Czym jest i dlaczego jest ważna dla technologii autonomicznej jazdy?

Tesla jest gotowa zaprezentować długo oczekiwany prototyp robotaxi, „Cybercab”, co stanowi przełomowy moment w ambicjach giganta pojazdów elektrycznych w zakresie autonomicznej jazdy.

Podczas gdy Elon Musk naciska na Teslę, aby coraz bardziej zagłębiała się w technologię autonomicznej jazdy, firma stawia na ryzykowne podejście oparte na sztucznej inteligencji, znane jako sztuczna inteligencja „czarnej skrzynki”.

Podczas gdy konkurenci, tacy jak Waymo i Cruise, polegają na połączeniu czujników i mapowania w celu zapewnienia bezpieczeństwa, podejście Tesli upraszcza ten proces, ale wiąże się ze znacznymi wyzwaniami, szczególnie w przypadku poruszania się w rzadkich scenariuszach jazdy, znanych jako „przypadki skrajne”.

W przeciwieństwie do swoich rywali, system autonomicznej jazdy Tesli opiera się w dużej mierze na „widzeniu komputerowym”, metodzie wykorzystującej kamery do symulowania ludzkiego wzroku, połączonej z kompleksowym uczeniem maszynowym, formą sztucznej inteligencji przetwarzającą surowe dane w celu podejmowania decyzji dotyczących jazdy.

Podejście to stanowi podstawę istniejącej funkcji Tesli „Full Self-Driving” (FSD), która mimo swojej nazwy nadal wymaga nadzoru człowieka.

Firma zamierza zbudować w pełni autonomiczną robotaksówkę wykorzystującą tę samą technologię.

Czym jest sztuczna inteligencja typu czarna skrzynka?

Termin „sztuczna inteligencja typu czarna skrzynka” odnosi się do formy sztucznej inteligencji, w której proces podejmowania decyzji nie jest łatwy do zinterpretowania ani przejrzysty.

Zasadniczo działa jak „czarna skrzynka”, co oznacza, że dane wejściowe wchodzą i decyzje wychodzą, ale zrozumienie logiki lub rozumowania stojącego za tymi decyzjami jest trudne.

Największym wyzwaniem związanym ze sztuczną inteligencją typu black box jest to, że jeśli coś pójdzie nie tak, na przykład nastąpi błędna ocena sytuacji lub wypadek, trudno jest ustalić przyczynę błędu, co utrudnia zapobieganie podobnym problemom w przyszłości.

Ten brak przejrzystości budzi obawy dotyczące bezpieczeństwa, zwłaszcza w sytuacjach krytycznych, znanych jako „przypadki skrajne”, w których występują nieprzewidywalne warunki jazdy lub rzadkie scenariusze.

W przeciwieństwie do bardziej przejrzystych systemów sztucznej inteligencji, sztuczna inteligencja typu black box może utrudniać rozwiązywanie problemów i zwiększanie niezawodności.

Co eksperci sądzą o strategii Tesli

Jednak eksperci z branży, w tym byli inżynierowie Tesli, wskazali na poważne wady strategii Tesli.

Jednym z głównych problemów jest nieprzewidywalność sztucznej inteligencji typu „czarna skrzynka”, która nie zapewnia przejrzystości w procesie podejmowania decyzji.

Jeśli coś pójdzie nie tak, trudno ustalić przyczynę błędu, co utrudnia podjęcie działań mających na celu zapewnienie bezpieczeństwa.

Natomiast firmy takie jak Waymo stosują dodatkowe czujniki, jak radar i lidar, aby zapewnić wyraźniejszy obraz otoczenia pojazdu i zagwarantować bezpieczniejszą pracę.

Konkurenci Tesli, w tym Waymo należący do Alphabetu, Zoox należący do Amazonu i Cruise należący do General Motors, uruchomili już floty robotaxi w wybranych miastach, ale Tesla ma nadzieję wyróżnić się, oferując bardziej przystępne cenowo pojazdy autonomiczne, zdolne do poruszania się w dowolnym miejscu.

Ten śmiały ruch pojawia się w kluczowym momencie dla Tesli, która musi zmierzyć się ze spadkiem sprzedaży pojazdów elektrycznych i rosnącą konkurencją ze strony chińskich producentów samochodów.

Choć Musk od dawna obiecywał pojawienie się w pełni autonomicznych pojazdów, do tej pory nie udało mu się zrealizować swojej wizji.

W 2019 roku przewidywał, że Tesla będzie w stanie wprowadzić do użytku robotaksówki do 2020 roku, ale ten kamień milowy nie został jeszcze osiągnięty.

Ogłoszenie w tym tygodniu informacji o premierze robotaxi jest następstwem decyzji Tesli o porzuceniu planów wprowadzenia na rynek masowego pojazdu elektrycznego za 25 tys. dolarów, co rodzi pytania o przyszłe priorytety firmy.

Poleganie Tesli na wspomaganym sztuczną inteligencją komputerowym przetwarzaniu obrazu stwarza wyjątkowe wyzwania w zarządzaniu „skrajnymi przypadkami” — rzadkimi, ale krytycznymi scenariuszami jazdy, z którymi nawet zaawansowane systemy mogą mieć trudności.

Pomimo tych przeszkód strategia Tesli dotycząca jazdy autonomicznej ma swoich zwolenników.

Tymczasem Tesla dysponuje dużą flotą pojazdów wyposażonych w kamery, które dostarczają firmie ogromne ilości danych, co pozwala jej udoskonalać technologię autonomicznej jazdy szybciej niż konkurentom posiadającym mniejsze floty.

Krytycy twierdzą jednak, że skupienie się Tesli wyłącznie na sztucznej inteligencji i przetwarzaniu obrazu sprawia, że firma jest podatna na nieprzewidywalne błędy, które mogą prowadzić do niebezpiecznych skutków.

W miarę jak wyścig o autonomiczne samochody trwa, Tesla mierzy się z coraz większą presją, aby dotrzymać obietnic złożonych przez Muska, jednocześnie zapewniając bezpieczeństwo i niezawodność swojej technologii robotaxi.

Choć potencjalne korzyści są ogromne, ryzyko, jakie niesie ze sobą podejście Tesli oparte na sztucznej inteligencji i „czarnej skrzynce”, jest równie duże.