Kako umjetna inteligencija (IA) bazirana na znanju pomaže autonomnim vozilima u poštivanju prometnih pravila
Što je IA bazirana na znanju?
Za razliku od većine dosadašnjih sustava umjetne inteligencije koji koriste duboko učenje i statističku analizu goleme količine podataka, IA bazirana na znanju (Knowledge-based AI) koristi eksplicitno ugrađeno znanje – pravila, zakone, logiku, pa čak i formalna semantička objašnjenja. To znači da takvi sustavi “razumiju” specifične situacije i koriste odgovarajući skup pravila za donošenje odluka, baš kao što bi to učinio iskusni vozač.
Zašto su prometni propisi izazov za autonomna vozila?
Vožnja nije isključivo stvar prepoznavanja semafora ili uočavanja vozila – ona uključuje i mnoštvo pisanih i nepisanih prometnih pravila. Na primjer, vozač mora prepoznati kada prednost ima pješak na zebri, kada treba stati zbog školskog autobusa, ili kako reagirati na prometnu policiju. Neke situacije uključuju lokalna ili privremena pravila koja nije moguće predvidjeti samo analizom povijesnih podataka. Upravo tu nastupa IA bazirana na znanju, omogućujući autonomnim vozilima da interpretiraju i primjenjuju prometne zakone u stvarnom vremenu.
Integracija prometnih propisa u digitalni mozak vozila
Implementacija IA bazirane na znanju podrazumijeva kreiranje tzv. ‘ontologija’ – digitalnih modela koji opisuju prometna pravila, znakove i moguće situacije. Svakom znaku, raskrižju ili prometnom pravilu pridružuju se precizne logičke naredbe. Tako, na primjer, autonomno vozilo “zna” da crveno svjetlo znači potpuni prestanak kretanja, dok žuto svjetlo izaziva provjeru trenutne brzine i udaljenosti do raskrižja. Umjetna inteligencija u takvom vozilu ne samo da prepoznaje vizualni signal, već logički povezuje što taj signal znači u kontekstu ukupne prometne situacije.
Prednosti i izazovi znanjem potaknute umjetne inteligencije
Glavna snaga ovog pristupa jest transparentnost – svaki potez IA može se objasniti i povezati s određenim pravilom ili propisom. To povećava sigurnost i povjerenje društva, regulatora i korisnika. No, izazov je u održavanju ažurnosti tih pravila. Prometni propisi variraju ovisno o državi, gradu, pa čak i četvrti. Sustav mora neprestano učiti i prilagođavati se novim pravilima te biti sposoban pravovremeno ažurirati svoju bazu znanja kada dođe do promjena u zakonodavstvu.
Suradnja s prometnim inženjerima i zakonodavcima
Tvrtke poput Mobileye, Waymo i drugih već surađuju s prometnim inženjerima, pravnicima i donosiocima odluka kako bi digitalizirali prometna pravila i integrirali ih u softver vozila. Ta suradnja znači stvaranje globalno primjenjivih, ali i lokalno specifičnih skupova znanja za svakog “autonomnog vozača”. Kad autonomno vozilo prijeđe državnu granicu, njegov sustav IA automatski može preuzeti nova prometna pravila i odmah ih početi primjenjivati.
Kombinacija učenja podataka i znanja
Iako IA bazirana na znanju donosi preciznost i pouzdanost, u praksi se često kombinira s metodama strojnog učenja koje omogućuju autonomnom vozilu da nauči nove slučajeve s ceste, kao što su neuobičajene prometne situacije ili privremene promjene regulacije. Taj hibridni pristup omogućuje optimalan balans između adaptivnosti i sigurnosti, odnosno sposobnosti da se poštuju svi prometni propisi dok se istovremeno odgovara na nove izazove u stvarnom prometu.
Praktične implikacije za vozače i društvo
Zahvaljujući sofisticiranim IA rješenjima, autonomna vozila sve više sudjeluju u svakodnevnom prometu, uz pridržavanje lokalnih zakona i smanjenje prometnih nezgoda uzrokovanih ljudskim faktorom. Također, dostupnost transparentnih objašnjenja pomaže korisnicima, policiji i zakonodavcima da razumiju “na temelju kojeg pravila” je vozilo donijelo određenu odluku, čime se otvaraju vrata za još širu primjenu i bržu prilagodbu ovih tehnologija širom svijeta.
