هوش مصنوعی تولیدی چیست؟ او در پیشرفت اتومبیل های خود چه نقشی ایفا می کند؟

هوش مصنوعی تولیدی به یکی از ابزارهای اصلی برای حل چالش های پیچیده اتومبیل تبدیل شده است.

به گفته تاکرات ، رانندگی ممکن است برای انسان ساده به نظر برسد ، اما برای اتومبیل ها یکی از دشوارترین کارها است. دلیل اصلی این مشکل تنوع بی پایان موقعیت ها و شرایطی پیش بینی نشده است که می تواند در طول مسیر رخ دهد.

با این حال ، اتومبیل های امروز را می توان در خیابان های شهرهایی مانند سانفرانسیسکو و ووهان مشاهده کرد. Waymo ، یک شرکت تابعه Google ، در حال حاضر بیش از دویست هزار تاکسی پولی هر هفته در شهرهایی مانند لس آنجلس ، سانفرانسیسکو و ققنوس دارد.

هوش مصنوعی تولیدی چیست؟

پیش بینی می شود 2025 نقطه عطفی برای کامیون ها باشد و چندین شرکت قصد دارند در آن سال تجارت خود را در ایالات متحده شروع کنند.

با وجود این پیشرفت ها ، چالش های بسیاری در مسیر اتومبیل ها وجود دارد. از قوانین پیچیده گرفته تا پذیرش عمومی کاربران. از طرف دیگر ، موانع تکنولوژیکی هنوز جدی هستند. در همین حال ، هوش مصنوعی ، به ویژه نسل جدید آن ، Genai ، ابزاری مهم برای غلبه بر برخی از این چالش ها بوده است.

اما ماشین ها چگونه فکر می کنند؟ و نقش Genai در این روند چیست؟ در اینجا سه ​​نکته مهم برای روشن شدن این مشکل آورده شده است.

هوش مصنوعی در حال طراحی مجدد مغز ماشین با مدل های هوش مصنوعی است

قبل از این ، سیستم های مبتنی بر قانون اساس اصلی تصمیم گیری در مورد اتومبیل بودند. اگرچه قابل پیش بینی و شفاف است ، اما این سیستم ها در مقابل پیچیدگی رانندگی در دنیای واقعی ضعیف هستند.

هوش مصنوعی به تدریج این مشکلات را حل می کند. ابتدا با ورود به قسمت های جداگانه خودرو و اکنون با توسعه مدل های همه هوش مصنوعی یا پایان در پایان.

این مدل ها شامل محیط ، پیش بینی موقعیت ها و برنامه ریزی در قالب یک شبکه عصبی یکپارچه است و باعث می شود خودرو با سرعت و سازگاری بی سابقه ای یاد بگیرد و واکنش نشان دهد.

با این حال ، این مدل های کامل دارای چالش هایی هستند که مهمترین آنها عملکرد آنها است. از آنجا که جوهر این مدل ها مانند یک جعبه سیاه است و درک این تصمیم آسان نیست. البته پیشرفت های اخیر در زمینه هوش مصنوعی راه حل هایی برای شفاف تر و قابل توجه تر برای شناسایی این مدل ها ارائه داده است.

“بنیانگذار و مدیرعامل Waabi ، که در زمینه فناوری خودرو کار می کند ، می گوید:”

در حال حاضر ، یک جهش عالی در زمینه هوش مصنوعی وجود دارد که منجر به مدل های باهوش تر می شود که سریعتر ، قابل تفسیر و قادر به گسترش همه سناریوهای ممکن در جاده می آموزند.

اضافه کردن

این پیشرفت ها باعث می شود اتومبیل ها فراتر از توانایی های انسانی و افزایش ایمنی جاده ها و ایجاد تغییر بسیار خوبی در حمل و نقل باشند.

داده های مصنوعی: هوش مصنوعی به آموزش مغز ماشین کمک می کند

توسعه سیستم های هوش مصنوعی برای اتومبیل ها به مقدار زیادی داده نیاز دارد ، به ویژه برای شبیه سازی موقعیت های پیچیده یا شرایط اضطراری پیش بینی نشده. از آنجا که جمع آوری داده های واقعی برای همه شرایط ممکن امکان پذیر نیست ، داده های مصنوعی در اینجا نقش اساسی دارند.

سیستم عامل های شبیه سازی بر اساس هوش مصنوعی می توانند مجموعه داده های مصنوعی را که متنوع هستند ، از قبل تعیین شده تولید کنند. این داده ها به توسعه دهندگان این امکان را می دهد تا میلیون ها کیلومتر رانندگی را شبیه سازی کنند و شرایط معمول و نادر را پوشش دهند.

به عنوان مثال ، شرکت هایی مانند Waymo ، Waabi و شرکت بیمه Simulyttic از داده های مصنوعی برای آموزش مدلهای هوش مصنوعی در شرایط دشوار مانند آب و هوای شدید یا موقعیت های پیچیده چند فرهنگی استفاده می کنند.

وی توضیح می دهد: “علاوه بر مدل های تدریس ، شبیه سازی به ما امکان می دهد تا یک شاخص ریسک یکپارچه برای خودروها ایجاد کنیم تا شرکت های بیمه بتوانند استراتژی های عادلانه و مؤثر را توسعه دهند.”

البته ، مهم نیست که داده های مصنوعی و کاربردی چگونه داده های دنیای واقعی را جایگزین نمی کنند. آزمایش های میدانی واقعی جهان برای تأیید نهایی عملکرد و ایمنی خودرو ضروری است.

هوش مصنوعی به همکاری انسان و اتومبیل در اتومبیل کمک می کند

اگرچه هدف نهایی دستیابی به اتومبیل به طور کامل است ، در دهه آینده ، ما به احتمال زیاد با سیستم رانندگی کمکی یا مجهز به سیستم های رانندگی کمکی روبرو خواهیم شد.

این اتومبیل ها نیاز به همکاری مؤثر بین انسان و اتومبیل دارند. دو فن آوری کلیدی در این زمینه رابط سیستم کنترل کنترل (DMS) و رابط انسان-ماشین (HMI) است. هوش مصنوعی می تواند هر دو را به میزان قابل توجهی بهبود بخشد.

سیستم DMS می تواند از طریق تجزیه و تحلیل حرکات چشمی ، خستگی ، استرس یا میزان توجه راننده را تشخیص دهد و مدلهای پیشرفته Genai می توانند این تجزیه و تحلیل ها را دقیق تر کنند.

HMI همچنین شامل نحوه تعامل راننده با ماشین است و Genai می تواند آن را آسان تر و طبیعی تر کند. به عنوان مثال ، به راننده اجازه دهید تا از طریق دستورات گفتار ، قطعات وسیله نقلیه را کنترل کند و حواس پرتی را کاهش دهد.

“فورد Outosan ، فورد اوتوزان ، گفت:”

سه عامل اصلی رانندگی شامل هوش مصنوعی ، داده های عالی و قدرت پردازش است که به به روزرسانی DMS و HMI کمک می کند. به خصوص در زمان های بحرانی ، سیستم های تقویت شده با هوش مصنوعی می توانند با مداخلات شتاب نقش مهمی داشته باشند.

عواقب گسترده تر هوش مصنوعی در خود اتومبیل

هوش مصنوعی نه تنها رفتار خودرو را تغییر می دهد ، بلکه شیوه توسعه سیستم ها را نیز تغییر داده است. این فناوری می تواند کدهای نرم افزاری تولید کند ، فرایند آزمایش را خودکار کند ، خطاها را شناسایی کرده و راه حل های بهینه را ارائه دهد.

نتیجه این اقدامات افزایش کیفیت نرم افزار ، کاهش هزینه ها و تسریع در چرخه توسعه است. این پیشرفت ها در منطقه بسیار مهم است که می تواند منجر به امنیت بیشتر جاده ها شود.

اما با گسترش استفاده از هوش مصنوعی در توسعه سیستم ها ، خطرات جدیدی وجود دارد. از جمله آسیب پذیری های امنیتی ، نگرانی در مورد قابلیت اطمینان سیستم ها و چالش های مربوط به مقررات. در نتیجه ، شفافیت در مدل های مبتنی بر هوش مصنوعی و هماهنگی با تغییر استانداردهای امنیتی بسیار مهم خواهد بود.

این تحول که هوش مصنوعی تولیدی در مهندسی نرم افزار و همچنین نیاز به نیروی کار خانوادگی از هوش مصنوعی انجام داده است. نیروهایی که می توانند مدل ها را برای تصمیم گیری های امن و اخلاقی آموزش دهند.

آلوین بونسی ، مدیر جهانی مهندسی نرم افزار در ولوو ، می گوید:

با استفاده از برنامه های پیشرفته هوش مصنوعی ، ما معتقدیم که می توانیم اقدامات بزرگی را برای کاهش تصادفات انجام دهیم و به هدف نهایی ما از تصادفات صفر نزدیک شویم.

او ادامه می دهد:

موفقیت در این مسیر نه تنها به فناوری بستگی دارد بلکه به افرادی که طراحی ، پیاده سازی و مدیریت آن را بستگی دارد بستگی دارد. ما باید در کشت نیروهای تخصصی در همه سطوح سرمایه گذاری کنیم. از طراحان تجربه کاربر گرفته تا محققان هوش مصنوعی تا بتوانیم در صدر این تحول بمانیم.

مقاله حیاتی هوش مصنوعی در سیستم های اتوماسیون

مسیر همه اتومبیل ها هنوز پیچیده است. اگرچه هوش مصنوعی نقش اساسی در حل این سیستم ها دارد ، اما چالش هایی را نیز به همراه می آورد. به عنوان ضعف در تصمیم گیری ، امکان تعصب و تصمیمات تصادفی.

بهره برداری صحیح از توانایی های Genai و در عین حال مدیریت خطرات خود ، همکاری بین شرکت ها در صنعت ضروری است. Shinpi Kato ، مدیرعامل Tier IV و رئیس بنیاد Autoste ، تأکید می کند:

همکاری مشترک سیستم های افتتاحیه ایمن و قابل توسعه است و نرم افزار منبع باز می تواند روند راه اندازی این سیستم ها را تسریع کند.

سرانجام ، صنایع خودرو و فناوری باید با سایر علاقه مندان در تعامل باشند تا ادغام ایمن و موفق فن آوری های Genai را در خود استقرار خودرو تضمین کنند. این امر نیاز به گفتگو با نهادهای قانونگذاری و تصمیم گیرندگان سیاسی دارد تا درک خود را از ظرفیت ها و محدودیت های این فناوری افزایش دهند.

مجمع جهانی اقتصاد همچنین با راه اندازی ابتکار عمل Drive-A در زمینه ساخت و ساز خود به هدف دستیابی به هدف اتومبیل های ایمن و مبتنی بر نرم افزار کمک می کند.