در CEATEC 2025، NEC یک سیستم هوش مصنوعی جدید را معرفی کرد که ویدئو و یک مدل زبان بزرگ را برای تجزیه و تحلیل سبک رانندگی و ارائه پیشنهادهایی برای رانندگی ایمنتر ترکیب میکند.
به گزارش بازیگرها و به نقل از ubergizmo، در نمایشگاه CEATEC 2025، NEC یک سیستم پیشرفته به نام AI Driving Diagnosis ارائه کرد که نشان می دهد چگونه هوش مصنوعی می تواند به طور مستقیم به افزایش ایمنی جاده کمک کند.
با تجزیه و تحلیل ویدئوهای ضبط شده توسط دوربین خودرو و ترکیب آن با مدل های زبانی در مقیاس بزرگ (LLM)، این فناوری می تواند رفتار راننده را تفسیر کرده و توصیه هایی برای بهبود عملکرد رانندگی ارائه دهد.
هوش مصنوعی جدید NEC
برخلاف دستگاههای ردیابی راننده که فقط حرکات یا سرعت را کنترل میکنند، این سیستم رفتار رانندگی را در شرایط دنیای واقعی تجزیه و تحلیل میکند.
به عنوان مثال، اگر راننده به شدت شتاب بگیرد یا مسیر خطرناکی را تغییر دهد، سیستم این موضوع را تشخیص داده و دلایل و عواقب آن را با توضیح انسانی شرح می دهد. هدف این فناوری نه تنها شناسایی خطاها، بلکه آموزش رانندگان برای جلوگیری از تصادفات بعدی است.
از شبیه سازی تا کاربرد واقعی
در طول نمایش، Hubert Nguyen از Ubergizmo در یک شبیهساز رانندگی شرکت کرد که شامل فرمان، پدالها و چندین صفحه نمایش با شرایط جاده واقعی بود. سیستم NEC دادههای بهدستآمده از حسگرها، سرعت، موقعیت جغرافیایی و ویدئو را در چند دقیقه تجزیه و تحلیل کرد و گزارش رانندگی دقیقی را تهیه کرد.
این گزارش شامل جزئیات ترمزهای شدید، شتاب گیری ناهماهنگ یا پیچ های نرم بود. در نهایت، خلاصهای از عملکرد راننده تولید شد که میتوانست مستقیماً به شرکتهای بیمه، مدیران ناوگان خودرو یا سازمانهای حملونقل شهری تحویل داده شود.
نمایندگان NEC گفتند، این فناوری همچنین میتواند بازخورد صوتی بلادرنگ ارائه دهد یا گزارشهای مکتوب را مستقیماً به پلتفرمهای تلهماتیک ارسال کند.
این فناوری برای مصرف کنندگان عادی طراحی نشده است، اما یک راه حل B2B در نظر گرفته می شود که هدف آن بهبود ایمنی ناوگان، کاهش مصرف سوخت و تجزیه و تحلیل ریسک برای بیمه گذاران است.
تبدیل ویدیو به درک
آنچه این سیستم را از سایر فناوری ها متمایز می کند، استفاده از فناوری خلاصه سازی ویدیویی به کمک هوش مصنوعی توصیفی است. به گفته مهندسان NEC، این سیستم را می توان نسخه ویدیویی ChatGPT دانست که نه تنها می بیند، بلکه می فهمد چه اتفاقی در حال رخ دادن است.
این سیستم با ترکیب بینایی کامپیوتری و مدل سازی زبان، ویدئو را به داده های قابل درک تبدیل می کند. در نتیجه، ویدیوی رانندگی 10 دقیقه ای به چند جمله دقیق کاهش می یابد که توضیح می دهد راننده چه کاری را به خوبی انجام داده است، کجا خطر می کند و چگونه می تواند پیشرفت کند.
این فناوری با بیش از صد موتور تشخیص تصویر مانند تشخیص اشیا، حرکت انسان، ردیابی وسیله نقلیه و تجزیه و تحلیل محیطی ترکیب شده است. تمام داده ها در یک پایگاه داده چند رسانه ای اختصاصی ذخیره می شوند تا نتایج سیستم بر اساس واقعیت باشد و نه بر اساس تصورات مدل ها.
چالش ها و مهندسی دقیق دستورالعمل ها
توسعه چنین سیستمی با چالش های پیچیده ای همراه بود. مهندسان NEC سه مانع اصلی را شناسایی کردند:
- هدف کاربر را درک کنید، برای مثال اگر یک مدیر ناوگان به دنبال ارزیابی ایمنی است یا یک شرکت بیمه به دنبال نمره رفتاری است.
- درک یک زمینه بصری پیچیده، یعنی شناخت روابط بین وسایل نقلیه، مسیرها و شرایط جاده.
- توصیف های دقیق و طبیعی را که با واقعیت مطابقت دارد ارائه دهید.
برای حل این چالش ها، متخصصان NEC از مهندسی سریع استفاده کردند. آنها دستورات پیچیده را به قطعات کوچکتر تقسیم کردند تا مدل بتواند با دقت بیشتری پاسخ دهد.
نتیجه سیستمی بود که اطلاعات بسیار دقیقی را به زبان انسان ارائه میکرد، مانند: «ترمز شما قبل از تقاطعها سخت است؛ «اگر زودتر سرعتتان را کم کنید، ایمنی و مصرف سوخت بهتر خواهد شد».
رفتار رانندگی را به کیفیت شبکه پیوند دهید
سیستم تشخیص رانندگی AI بخشی از برنامه گسترده NEC برای توسعه زیرساخت های حمل و نقل ایمن با کمک هوش مصنوعی چند وجهی است.
در اوایل سال 2024، NEC سیستم جدیدی را برای پیش بینی کیفیت ارتباطات (QoE) در وسایل نقلیه متصل معرفی کرد. این فناوری میتواند بهترین شبکه یا ایستگاه پایه را برای هر خودروی متحرک یا پهپاد پیشبینی کند تا ارتباط پایدارتری برقرار کند.
هر دو فناوری از ترکیبی از بینایی کامپیوتری و مدل های زبانی برای تجزیه و تحلیل عوامل محیطی مانند تراکم ترافیک، ساختمان ها یا شرایط آب و هوایی استفاده می کنند و بهترین تصمیم را برای انتقال داده می گیرند. در واقع، این دو سیستم با هم یک حلقه بازخورد هوشمند را تشکیل می دهند:
- هوش مصنوعی ویدیویی رفتار راننده را ارزیابی می کند.
- سیستم QoE محیط شبکه و اتصال را تجزیه و تحلیل می کند.
- مدل زبانی این دو را به هم متصل می کند تا توضیح دهد چرا تغییرات مهم هستند.
گسترش در زمینه های صنعتی
NEC آینده این فناوری را فراتر از خودروهای شخصی می بیند. دولت های محلی می توانند از آن برای نظارت بر عملکرد رانندگان ناوگان حمل و نقل عمومی استفاده کنند.
شرکت های لجستیک قادر خواهند بود رفتار کامیون داران را تحت نظر داشته باشند و با اصلاح سبک رانندگی آنها مصرف سوخت را کاهش دهند. علاوه بر این، شرکتهای بیمه میتوانند از تحلیل این سیستم برای تعیین دقیقتر سطح ریسک و تعدیل حق بیمه استفاده کنند.
این فناوری در حال حاضر در ژاپن در قالب یک سرویس تجزیه و تحلیل به نام Drive Record Analysis تجاری شده است و NEC در حال همکاری با اپراتورهای ناوگان و شرکت های بیمه برای اجرای پروژه های آزمایشی مشترک است.
از آنجا که این سیستم می تواند بر روی سرورهای محلی یا در یک ابر خصوصی اجرا شود، می تواند فیلم های حساس را با حفظ حریم خصوصی کامل پردازش کند.
چرا این فناوری مهم است؟
تجزیه و تحلیل رفتار راننده چیز جدیدی نیست، اما بیشتر فناوریهای قبلی فقط دادههای خام را ارائه میدادند، نه بینش. تفاوت NEC در این است که سیستم آن می تواند علت و زمینه رفتار رانندگی را توضیح دهد و راه حل ارائه دهد.
این تغییر داده ها را به مکالمه تبدیل می کند و اجازه می دهد آموزش راننده قبل از تصادف اتفاق بیفتد نه بعد از آن.
برای شرکت های بیمه، این فناوری می تواند هزینه خسارت را کاهش دهد. برای مدیران ناوگان، معیاری عینی و قابل تفسیر از عملکرد راننده فراهم می کند.
برای NEC، این نمونه ای از این است که چگونه هوش مصنوعی مولد، زمانی که بر اساس داده های واقعی است، می تواند فراتر از فضای ابری رفته و به سیستم عامل های دنیای واقعی برسد.
چشم انداز آینده رانندگی هوشمند
ارائه مختصر NEC در CEATEC 2025 تنها بخش کوچکی از آینده بزرگتر را نشان داد. این شرکت با ترکیب تخصص خود در بینایی کامپیوتر، بهینه سازی شبکه و هوش مصنوعی مولد، زیرساختی برای رانندگی ایمن تر و هوشمندتر ایجاد می کند.
اگر آزمایشات فعلی با شرکای بیمه و حمل و نقل موفقیت آمیز باشد، نسل بعدی خودروهای متصل نه تنها سفر ما را دنبال خواهد کرد، بلکه آن را توضیح خواهد داد.
هر سفر می تواند تبدیل به یک جلسه آموزشی هوشمند شود که توسط هوش مصنوعی NEC تجزیه و تحلیل شده و به زبان ساده برای رانندگان توضیح داده شود.