لحظة الشاحنات المستقلة
Raquel Urtasun، أستاذ الذكاء الاصطناعي السابق من تورنتو الذي أسس شركة الشاحنات ذاتية التحكم Waabi، لا يميل إلى المبالغة. تمتد مسيرتها على مدى سنوات من البحث الأساسي في التعلم الآلي، وقيادة مجموعة Uber للتقنيات المتقدمة، والآن بناء أحد أكثر برامج الشاحنات ذاتية القيادة طموحاً من الناحية التقنية في العالم. عندما تقول إن الشاحنات المستقلة من الفئة Level-4 تقترب من الجدوى التجارية، فإن البيان يحمل وزناً لم تكن له المطالبات الأكثر تكهناً في مجال المركبات ذاتية التحكم.
في مقابلة موسعة مع IEEE Spectrum، حددت Urtasun النهج التقني لـ Waabi وتقدمها نحو النشر التجاري وآرائها حول كيفية أن الذكاء الاصطناعي التوليدي قد غيّر بشكل أساسي الجدول الزمني لتحقيق نوع الاستقلالية القوية والقابلة للتعميم التي تجعل من نقل طويل المسافة تطبيقاً قابلاً للحياة للتكنولوجيا ذاتية القيادة الكاملة. حجتها ليست أن المشكلة أصبحت سهلة، بل أن الأدوات المتاحة لحلها قد تحسنت بشكل كبير.
استقلالية Level-4 — القدرة على التعامل مع جميع مهام القيادة ضمن مجال تصميم تشغيلي محدد دون أي تدخل بشري — هي الحد الفاصل الذي يفصل بين تكنولوجيا العرض والمنتج التجاري. بالنسبة لتطبيقات الشاحنات، المجال ذو الصلة هو في المقام الأول قيادة الطرق السريعة على طرق محددة، وهي بيئة أكثر تقييداً بشكل كبير من البيئات الحضرية المعقدة التي أرهقت برامج استقلالية المركبات للركاب لسنوات.
ميزة الذكاء الاصطناعي التوليدي
الحجة الأساسية لـ Urtasun هي أن نهج الذكاء الاصطناعي التوليدي للقيادة الذاتية — التي تستخدم نماذج كبيرة يتم تدريبها على كميات ضخمة من بيانات القيادة لتعلم السلوكيات القيادية القابلة للتعميم بدلاً من تشفير القواعد الصريحة — قد أنتجت تحسينات نوعية في قوة الأنظمة المستقلة بطرق كافحت الأساليب السابقة لتحقيقها. ديناميكيات المقياس الذي أنتج GPT-4 وخلفاءه يتم تطبيقها الآن على مشكلة القيادة، مع نتائج تغيير الخطوة المقابلة في القدرة.
تركز معمارية Waabi على ما تسميه الشركة بنموذج العالم التوليدي — بيئة محاكاة معروفة يمكنها إنشاء سيناريوهات قيادة واقعية بما في ذلك حالات حافة نادرة وخطرة ستكون خطرة جداً أو مكلفة جداً لمواجهتها وتسجيلها في جمع البيانات في العالم الحقيقي. تعالج هذه القدرة على المحاكاة أحد أكثر الاختناقات الأساسية في تطوير المركبات المستقلة: الحاجة إلى بيانات التدريب التي تغطي التوزيع الكامل للحالات التي قد يواجهها النظام عند النشر، بما في ذلك أحداث احتمالية منخفضة لها آثار سلامة غير متناسبة.
القدرة على استخدام محاكاة معروفة للضغط على الاختبار على أنظمة مستقلة ضد مجموعة متنوعة تقريباً غير محدودة من السيناريوهات المولدة تعني أن Waabi والبرامج المعمارية بالمثل يمكنها تغطية جزء أكبر بكثير من توزيع المخاطر الذيلية من البرامج المعتمدة على بيانات العالم الحقيقي المسجلة. بالنسبة لشهادة السلامة والموافقة التنظيمية، هذا ليس مجرد ميزة كفاءة التطوير — إنه نهج مختلف بشكل أساسي لإثبات أن النظام جاهز للنشر.
