مدل‌های زبانی به خودروهای بدون راننده می‌آیند

به گزارش خبرگزاری علم و فناوری آنا به نقل از کانورسیشن، تحقیقات اخیر در زمینه رانندگی خودکار  نشان می‌دهد سیستم‌های هوش مصنوعی جدید با قابلیت‌های زبانی می‌توانند نقش مهمی در شبیه‌سازی رفتار رانندگان انسانی در خودروهای بدون راننده داشته باشند.

بنا بر این گزارش، فناوری چت‌بات‌ها مانند چت جی پی تی، نقش مهمی در استدلال و شبیه‌سازی رفتار رانندگان انسانی دارند که به پیشرفت خودرو‌های بدون راننده کمک می‌کند.

توسعه شبکه‌های عصبی عمیق (DNN) که نوعی هوش مصنوعی با الهام از مغز انسان است، منجر به پیشرفت‌های قابل توجهی در این زمینه شده است. پردازش تصاویر و فیلم‌های ترافیکی را برای شناسایی موانع و محاسبه نمایش سه بعدی جهان بر اساس کلاس‌ها و ویژگی‌های مکانی، مانند فاصله و سرعت نسبت به خودروی بدون راننده به کمک شبکه‌های عصبی عمیق ممکن می‌شود.

این تغییر و توسعه با هدف رفع محدودیت‌های ذاتی در رانندگی سنتی، مانند روش پرکاربرد «حس کردن، فکر کردن و عمل کردن»، انجام می‌شود که اغلب با غیرقابل پیش‌بینی‌بودن دنیای واقعی همراه است.

خودرو‌های بدون راننده فعلی برای شناسایی موانع مانند سایر وسایل نقلیه و عابران پیاده و پردازش داده‌های حسگر به شبکه‌های عصبی عمیق متکی هستند. با این حال، این روش هنگام مواجهه با سناریو‌های غیرمعمول با چالش‌هایی روبه‌رو می‌شود، زیرا شبکه‌های عصبی عمیق وابسته به داده‌هایی هستند که بر روی آنها آموزش دیده‌اند. در مقابل، انسان‌ها به دلیل داشتن شعور ذاتی خود که برگرفته از تجربیات زندگی است، در مدیریت موقعیت‌های جدید برتری دارند.

برای رفع این کاستی‌ها، محققان ادغام مدل‌های بزرگ زبانی و چندوجهی را بررسی می‌کنند تا ببینند این مدل‌ها چطور می‌توانند زبان انسان را درک و تولید کنند و در عین حال ورودی‌های بصری را نیز پردازش کنند. این سیستم‌های هوش مصنوعیِ پیشرفته موفقیت اولیه خود را در رباتیک نشان داده‌اند و پتانسیل افزایش ارتباطات و تصمیم‌گیری در وسایل نقلیه خودران را نشان می‌دهند.

تأثیر بالقوه این فناوری را می‌توان در آمار‌های تکان‌دهنده از تلفات ناشی از تصادفات جاده‌ای دید. از آنجا که آسیب‌های ترافیکی جاده‌ای علت اصلی مرگ افراد ۵ تا ۲۹ ساله اعلام شده است، توسعه وسایل نقلیه خودکارِ هوشمندتر و ایمن‌تر می‌تواند جان افراد بی‌شماری را در جاده‌ها نجات دهد.