Työnkulkua mullistavat keksinnöt tekoälyteknologian alalla lupaavat merkittäviä edistysaskelia tien turvallisuuden parantamiseksi huomattavalla uudella kamerajärjestelmällä, jonka on hionut täydellisyyteen Zürichin yliopiston tutkijat. Tämä järjestelmä yhdistää viimeisintä bioteknologiaan inspiroitunutta kamerateknologiaa tekoälyn laskentatehon kanssa, voittaen merkittävästi nykyiset autokamerat havaitsemalla jalankulkijat ajoneuvon tiellä jopa 100 kertaa nopeammin.
Kuljettajat ovat liiankin tuttuja hetkelle, kun jalankulkija astuu yllättäen tielle, jättäen heille vain murto-osan sekunnista reagoida. Vaikka nykyaikaiset ajoneuvojen kamerajärjestelmät voivat antaa varoituksen tai laukaista hätäjarrutuksen, ne eivät ole luotettavia tai nopeita tarvittavalla tavalla täysin autonomisia ajoneuvoja varten.
Daniel Gerig ja David Scaramuzza tietojenkäsittelytieteen osastolta ovat strategisesti yhdistäneet biologisesti inspiroituneen kameran tekoälyyn suunnitellen järjestelmän, joka nopeasti havaitsee mahdolliset tielliset vaarat, merkittävästi vähentäen laskentatehoa verrattuna olemassa oleviin järjestelmiin.
Perinteiset kamerat toimivat aikavälimahdollisuuksien valokuvaamisella, ottaen 30-50 kuvaa sekunnissa. Haasteena on viive kuvien ottamisen välillä, mikä saattaa aiheuttaa tilanteiden ohittamisen. Gerig huomauttaa, että ratkaistakseen tämän, kuvanopeutta voitaisiin lisätä, mutta tämä vaatisi raskaampien tietojoukkojen reaaliaikaista käsittelyä ja paljon enemmän laskentatehoa.
Zürichin tiimin upouudet kamerat luopuvat jatkuvista kuvakehyksistä, ylpeillen sen sijaan älykkäillä pikseleillä, jotka tallentavat tiedot nopeiden liikkeiden havaitsemisen yhteydessä. Niitä kutsutaan ”neuromorfisiksi kameroiksi” niiden ihmisen näön matkimisen vuoksi, ja ne pystyvät havaitsemaan esteet paljon nopeammin ilman perinteisten kuvavälien rajoituksia.
Kuitenkin hitaasti liikkuvat kohteet saattavat välttyä näiltä kameroilta ja niiden visuaalista tulotetta ei ole helppo muuttaa tiedoksi, josta tekoälyalgoritmit voivat oppia. Kompensoimiseksi tutkijat ovat kehittäneet hybridi-järjestelmän, yhdistellen sekä neuromorfinisia että perinteisen kamerateknologian vahvuuksia:
Hybridi-järjestelmä käyttää perinteistä kameraa tallentamaan verraten vähän 20 kuvaa sekunnissa, joita käsitellään tekoälyllä varustetulla konvolutiivisella neuroverkolla, joka on koulutettu tunnistamaan ajoneuvot ja jalankulkijat. Se yhdistää tämän tiedon toisenlaisen tekoälyjärjestelmän kanssa, asynkronisen piikittäisen hermoverkon, joka on erityisen taitava analysoimaan kolmiulotteisia aikaan liittyviä tietomuutoksia. Neuromorfisen kameran havainnot parantavat perinteisen kameran suorituskykyä.
Innovaation ollessa testattu, tiimi asetti järjestelmänsä kilpailemaan markkinoiden parhaiden ajoneuvokameroiden ja algoritmien kanssa. Heidän havaintonsa osoittivat objektien tunnistamisen tapahtuvan 100 kertaa nopeammin, vähentäen tietomäärien siirtoa ja laskentatehon tarvetta ilman tarkkuuden uhraamista.
Tämä järjestelmä loistaa erityisesti tehokkaasti havaitsemalla autot ja jalankulkijat, jotka tulevat näkökenttään kahden kuvan välin aikana perinteisestä kamerasta – kriittinen edistysaskel kuljettajien ja jalankulkijoiden turvallisuudessa korkeissa nopeuksissa – ja on mahdollinen kulmakivi tulevaisuuden autonomisen ajamisen turvallisuudelle. Tutkijat uskovat, että tulevaisuuden parannuksilla voidaan yhdistää tämä menetelmä LiDAR-antureiden kanssa, samanlaisesti kuin itseohjautuvissa autoissa käytetyt, vieden tämän hybridimenetelmän autonomisen ajoneuvoturvallisuuden eturintamaan.
Tekoäly ja kamerateknologia
Tekoäly (AI) on laaja ala, joka vaikuttaa eri aloihin, mukaan lukien tieliikenneturvallisuus. Tekoälyn uudenlaisen integroinnin kautta kameratekniikkaan voidaan saavuttaa merkittävä lisäys reaktioaikoihin verrattuna perinteisiin menetelmiin. Keskeiset kysymykset koskien tekoälyllä parannettua kamerateknologiaa tieliikenneturvallisuudessa ovat:
– Miten tekoälyllä parannetut kamerat tehostavat reaktioaikoja?
– Mitä haasteita näiden järjestelmien toteuttamisessa on?
– Mikä on näiden järjestelmien etu perinteisiin kameroihin verrattuna?
– Onko tässä yhteydessä mahdollisia haittoja tai huolenaiheita tekoälyn käytöstä?
Vastaukset:
– Tekoälyllä parannetut kamerat, erityisesti ne, jotka käyttävät neuromorfista teknologiaa, käsittelevät informaatiota tehokkaammin keskittymällä muutoksiin maisemassa pikemmin kuin jatkuvasti vilkkuviin kuvakehyksiin. Tämä mahdollistaa nopeamman havaitsemisen ja reagoinnin mahdollisiin vaaroihin.
– Näiden järjestelmien toteuttamisen haasteisiin kuuluvat tekniset vaikeudet yhteensopivan ohjelmiston ja laitteiston kehittämisessä, käyttöönoton ja ylläpidon kustannukset, tietosuojaan liittyvät huolenaiheet ja luotettavuuden varmistaminen erilaisissa olosuhteissa.
– Etuihin kuuluvat nopeammat reaktioajat, vähentyneet tietomäärien siirrot, pienemmät laskentatehon tarpeet ja mahdollisuus parempaan integroitumiseen muiden turvateknologioiden, kuten LiDARin, kanssa.
– Mahdolliset haitat tai huolenaiheet saattavat liittyä teknologian varaan jäämiseen, mikä voisi aiheuttaa kuljettajien tekemisen toistoon, eettisiin kysymyksiin tekoälyjärjestelmien päätöksenteossa ja tietoturvariskeihin.
Keskeiset haasteet ja kiistat
Keskeiset haasteet tekoälyn integroinnissa kamerateknologiaan tieliikenneturvallisuuden alalla liittyvät:
– Vakaan ja luotettavan toiminnan varmistaminen erilaisissa ympäristö- ja valaistusolosuhteissa.
– Henkilökohtaisten tietojen suojan varmistaminen kameroiden tallentaman tiedon osalta, koska yksityisyys on merkittävä huoli.
– Varmistaminen siitä, että järjestelmät voivat tehokkaasti tulkita monimutkaisia ja moniselitteisiä tilanteita todellisissa liikenneolosuhteissa.
Kiistat saattavat sisältää:
– Eettisiä vaikutuksia automatisoidusta päätöksenteosta, erityisesti onnettomuustapauksissa – päätettäessä kumman osapuolen on syyllinen.
– Vaikutuksen kuljettajien työllisyyteen, erityisesti kaupallisilla ja julkisilla liikennepalvelualoilla.
– Julkisen hyväksynnän ja luottamuksen tekoälyjärjestelmiin, jotka tekevät kriittisiä turvallisuuspäätöksiä.
Edut ja haitat
Tekoälyn avulla parannettu kamerateknologia tieliikenneturvallisuudessa sisältää:
– Parempi turvallisuus: Mahdollisten vaarojen nopeampi havaitseminen johtaa ajoissa annettuihin varoituksiin ja toimiin, mikä saattaa vähentää onnettomuuksia.
– Laskettu taakka: Pienemmät laskennalliset vaatimukset voivat johtaa energiansäästöihin ja tehokkaampaan tietojenkäsittelyyn.
– Laajennettavuus: Tekoälyjärjestelmät voivat jatkuvasti oppia ja kehittyä, sopeutuen uusiin liikennetilanteisiin ja -teknologioihin.
Mahdolliset haitat saattavat kuitenkin sisältää:
– Kustannukset: Korkeat alkuinvestoinnit tutkimukseen, kehitykseen ja tekoälyjärjestelmien toteutukseen.
– Kompleksisuus: Monimutkainen teknologia vaatii erikoistunutta tietoa ja taitoja, mikä voisi hidastaa laajamittaista käyttöönottoa.
– Ylisuuresti turvautuminen: Kuljettajat saattavat tulla liian riippuvaisiksi näistä järjestelmistä, mikä voi vaikuttaa heidän ajotaitoihinsa ja tilannetietoisuuteensa.
Lisätietoja tekoälystä ja sen sovelluksista eri aloilla saatava osoitteesta:
IBM Watson
On tärkeää huomata, että vaikka nämä tekoälyn edistysaskeleet ovat lupaavia, on tärkeää, että tutkijat, päättäjät ja valmistajat työskentelevät yhdessä näiden haasteiden ja eettisten näkökohtien ratkaisemiseksi varmistaakseen, että niiden integrointi tieliikenneturvajärjestelmiin maksimoi hyödyt ja minimoi riskit.