Finalmente un'auto senza conducente con un po' di buon senso

Daniel James Zender

Gli automobilisti notoriamente ostili e le strade caotiche di Boston potrebbero essere il terreno di prova perfetto per un tipo fondamentalmente diverso di auto a guida autonoma.

Chiamato uno spin-off del MIT iSee sta sviluppando e testando il sistema di guida autonoma utilizzando un nuovo approccio all'intelligenza artificiale. Invece di fare affidamento su semplici regole o algoritmi di apprendimento automatico per addestrare le auto alla guida, la startup si ispira alle scienze cognitive per dare alle macchine una sorta di buon senso e la capacità di affrontare rapidamente nuove situazioni. Sta sviluppando algoritmi che cercano di abbinare il modo in cui gli esseri umani comprendono e apprendono il mondo fisico, inclusa l'interazione con altre persone. L'approccio potrebbe portare a veicoli a guida autonoma che sono molto meglio attrezzati per affrontare scene sconosciute e interazioni complesse sulla strada.

La mente umana è super sensibile alla fisica e ai segnali sociali, afferma Yibiao Zhao, cofondatore di iSee . L'IA attuale è relativamente limitata in questi domini e pensiamo che sia in realtà il pezzo mancante nella guida.

L'azienda di Zhao non sembra ancora un battitore del mondo. Un piccolo team di ingegneri lavora in un modesto spazio di laboratorio a il motore , una nuova società di investimento creata dal MIT per finanziare società tecnologiche locali innovative. Situato a pochi passi dal campus del MIT, l'Engine si affaccia su una strada in cui i conducenti si spingono per parcheggiare e si infilano aggressivamente nel traffico.

Storia correlata

Storia correlata

Le scrivanie all'interno dello spazio di iSee sono ricoperte da sensori e componenti hardware che il team ha messo insieme per prendere il controllo del suo primo prototipo, un SUV ibrido Lexus che originariamente apparteneva a uno dei cofondatori dell'azienda. Diversi ingegneri siedono dietro grandi monitor di computer e fissano attentamente righe di codice.

iSee potrebbe sembrare ridicolmente piccolo rispetto agli sforzi per le auto senza conducente di aziende come Waymo, Uber o Ford, ma la tecnologia che sta sviluppando potrebbe avere un grande impatto su molte aree in cui l'IA viene applicata oggi. Consentendo alle macchine di imparare da meno dati e di costruire una qualche forma di buon senso, la loro tecnologia potrebbe rendere i robot industriali più intelligenti, specialmente riguardo a nuove situazioni. Di recente sono già stati compiuti progressi spettacolari nell'IA grazie al deep learning, una tecnica che impiega vaste reti neurali affamate di dati (vedi 10 Breakthrough Technologies 2013: Deep Learning).

Quando vengono alimentate grandi quantità di dati, le reti neurali molto grandi o profonde possono riconoscere schemi sottili. Fornisci a una rete neurale profonda molte immagini di cani, ad esempio, e scoprirà come individuare un cane praticamente in qualsiasi immagine. Ma ci sono dei limiti a ciò che il deep learning può fare e alcune idee radicalmente nuove potrebbero essere necessarie per realizzare il prossimo balzo in avanti. Ad esempio, un sistema di apprendimento profondo per l'individuazione dei cani non comprende che i cani in genere hanno quattro zampe, pelo e naso bagnato. E non può riconoscere altri tipi di animali, o il disegno di un cane, senza ulteriore addestramento.

La guida implica molto più del semplice riconoscimento del modello. I conducenti umani fanno costantemente affidamento su una comprensione del mondo basata sul buon senso. Sanno che gli autobus impiegano più tempo per fermarsi, ad esempio, e possono improvvisamente produrre molti pedoni. Sarebbe impossibile programmare un'auto a guida autonoma con ogni possibile scenario che potrebbe incontrare. Ma le persone sono in grado di usare la loro comprensione del mondo basata sul buon senso, costruita attraverso l'esperienza di una vita, per agire in modo sensato in ogni tipo di nuova situazione.

Il deep learning è fantastico e puoi imparare molto dall'esperienza precedente, ma non puoi avere un set di dati che includa il mondo intero, dice Zhao. L'IA attuale, che è per lo più basata sui dati, ha difficoltà a comprendere il buon senso; questa è la cosa fondamentale che manca. Zhao illustra il punto aprendo il suo laptop per mostrare diverse situazioni stradali del mondo reale su YouTube, comprese complesse situazioni di confusione del traffico e alcuni incidenti dall'aspetto peloso.

La mancanza di conoscenza del buon senso ha sicuramente causato alcuni problemi ai sistemi di guida autonoma. Un incidente che ha coinvolto una Tesla che guidava in modalità semi-autonoma in Florida lo scorso anno, ad esempio, si è verificato quando i sensori dell'auto sono stati temporaneamente confusi quando un camion ha attraversato l'autostrada (vedi Fatal Tesla Crash Is a Reminder Autonomous Cars Will A volte rovinato). Un guidatore umano avrebbe probabilmente capito in modo rapido e sicuro cosa stava succedendo.

Storia correlata

Storia correlata Una morte al volante con il pilota automatico di Tesla acceso solleva la questione di quanto debbano essere sicure le auto automatizzate.

Zhao e Debbie Yu, uno dei suoi cofondatori, mostrano una clip di un incidente che ha coinvolto una Tesla in Cina, in cui l'auto è andata dritta contro un camion delle pulizie. Il sistema è addestrato su Israele o Europa e non hanno questo tipo di camion, dice Zhao. Si basa solo sul rilevamento; non capisce davvero cosa sta succedendo, dice.

iSee si basa sugli sforzi per capire come gli esseri umani danno un senso al mondo e per progettare macchine che lo imitano. Zhao e altri fondatori di iSee provengono dal laboratorio di Josh Tenenbaum , professore nel dipartimento di scienze cerebrali e cognitive del MIT che ora funge da consulente per l'azienda.

Tenenbaum è specializzato nell'esplorazione di come funziona l'intelligenza umana e nell'utilizzo di tale intuizione per progettare nuovi tipi di sistemi di intelligenza artificiale. Ciò include il lavoro sul senso intuitivo della fisica mostrato anche dai bambini piccoli, per esempio. La capacità dei bambini di capire come si comporta il mondo fisico consente loro di prevedere come potrebbero svolgersi situazioni non familiari. E, spiega Tenenbaum, questa comprensione del mondo fisico è intimamente connessa con una comprensione intuitiva della psicologia e la capacità di dedurre ciò che una persona sta cercando di ottenere, come raggiungere una tazza, osservando le sue azioni.

La capacità di trasferire l'apprendimento tra le situazioni è anche un segno distintivo dell'intelligenza umana e anche i sistemi di apprendimento automatico più intelligenti sono ancora molto limitati al confronto. Il laboratorio di Tenenbaum combina l'apprendimento automatico convenzionale con nuovi approcci di programmazione probabilistica. Ciò consente alle macchine di imparare a dedurre cose sulla fisica del mondo e sulle intenzioni degli altri nonostante l'incertezza.

Storia correlata

Storia correlata Un software che impara a riconoscere i caratteri scritti da un solo esempio può indicare la strada verso un'intelligenza artificiale più potente e più umana.

Il tentativo di decodificare i modi in cui anche un bambino piccolo è più intelligente del più intelligente sistema di intelligenza artificiale esistente potrebbe alla fine portare a molti sistemi di intelligenza artificiale più intelligenti, afferma Tenenbaum. Nel 2015, insieme ai ricercatori della New York University e della Carnegie Mellon University, Tenenbaum ha utilizzato alcune di queste idee per sviluppare un programma per computer di riferimento in grado di imparare a riconoscere la scrittura a mano solo da alcuni esempi (vedi This Algorithm AI Learns Simple Tasks As Fast As We Fare ).

Un approccio correlato potrebbe eventualmente dare a un'auto a guida autonoma qualcosa che si avvicina a una forma rudimentale di buon senso in scenari non familiari. Un'auto del genere potrebbe essere in grado di determinare che un guidatore che sta percorrendo la strada probabilmente vuole immettersi nel traffico.

Quando si tratta di guida autonoma, infatti, Tenenbaum afferma che la capacità di dedurre ciò che un altro guidatore sta cercando di ottenere potrebbe essere particolarmente importante. Un altro dei cofondatori di iSee, Chris Baker, ha sviluppato modelli computazionali della psicologia umana mentre era al MIT. Prendendo modelli in stile ingegneristico di come gli esseri umani comprendono gli altri umani, ed essere in grado di metterli nella guida autonoma, potrebbe davvero fornire un pezzo mancante del puzzle, afferma Tenenbaum.

Tenenbaum dice che inizialmente non era interessato ad applicare idee dalla psicologia cognitiva alla guida autonoma, ma i fondatori di iSee lo hanno convinto che l'impatto sarebbe stato significativo e che erano all'altezza delle sfide ingegneristiche.

Questo è un approccio molto diverso e lo applaudo completamente, afferma Oren Etzioni, CEO di Istituto Allen per l'Intelligenza Artificiale , un istituto di ricerca creato dal cofondatore di Microsoft Paul Allen per esplorare nuove idee nell'IA, comprese quelle ispirate alla psicologia cognitiva.

Etzioni afferma che il campo dell'IA ha bisogno di esplorare idee oltre il deep learning. Dice che il problema principale per iSee sarà la dimostrazione che le tecniche impiegate possono funzionare bene in situazioni critiche. La programmazione probabilistica è piuttosto nuova, osserva, quindi ci sono domande sulle prestazioni e sulla robustezza.

Coloro che sono coinvolti con iSee sembrerebbero d'accordo. Oltre a mirare a scuotere l'industria automobilistica e forse a rimodellare i trasporti nel processo, afferma Tenenbaum, iSee ha la possibilità di esplorare come funziona un nuovo approccio di intelligenza artificiale in una situazione pratica particolarmente spietata.

In un certo senso, le auto a guida autonoma saranno i primi robot autonomi che interagiscono con le persone nel mondo reale, dice. La vera sfida è: come prendi questi modelli e li fai funzionare in modo robusto?

nascondere