Intelligenza artificiale e veicoli autonomi: un sogno del futuro o una rivoluzione nel settore automobilistico?
I veicoli autonomi o le auto a guida autonoma funzionano grazie all’aiuto dell’intelligenza artificiale, che a sua volta consiste in algoritmi di autoapprendimento. Fino a qui, sembra tutto relativamente poco spettacolare. Tuttavia, questi algoritmi non vengono creati esclusivamente sotto-forma di database.
Devono essere migliorati attraverso la pratica in modo che un veicolo autonomo possa effettivamente guidare in modo completamente automatico. Bisogna riprodurre le diverse situazioni del traffico in modo che gli algoritmi le riconoscano, durante la tua prossima guida, per poter reagire in modo appropriato.
È proprio qui che risiede uno dei problemi principali dei veicoli autonomi.
La scoperta dei dati in movimento o la pratica rende perfetti
L’intelligenza artificiale come base per la guida autonoma deve soddisfare requisiti elevati. Deve essere in grado di riconoscere lo spazio libero e vari oggetti che compaiono nel traffico e, naturalmente, altri utenti della strada, ad esempio pedoni, automobili e ciclisti.
L’intelligenza artificiale deve anche essere in grado di reagire in modo appropriato a determinate situazioni di traffico. Per fare ciò, tuttavia, il sistema deve prima essere in grado di riconoscere correttamente una determinata situazione di traffico.
Tutto questo funziona solo se è possibile percorrere il maggior numero possibile di chilometri e in questo modo è possibile determinare empiricamente i dati per le relative “esperienze”. La maggior parte dei produttori sta ancora attraversando un periodo difficile da questo punto di vista.
Solo poche società, come Google, hanno questo vantaggio.
Essi hanno testato le auto autonome su strade pubbliche per diversi anni. Il database risultante è estremamente prezioso e contribuisce in modo significativo a rendere l’intelligenza artificiale adatta alla guida autonoma.
La guida autonoma è composta da diverse sotto-aree
L’intelligenza artificiale deve padroneggiare più aree contemporaneamente quando si guida autonomamente un veicolo. Alcune di queste aree sono utilizzate anche in altre tecnologie, come il controllo del movimento dei robot. Ecco alcuni esempi di tali aree necessarie:
- Il riconoscimento automatico di volti o esseri viventi è una delle abilità più importanti che l’intelligenza artificiale deve padroneggiare
- Con l’esperienza di guida necessaria, molti dati devono essere elaborati in tempo reale, quindi sono necessarie capacità di archiviazione e velocità di elaborazione molto elevate
- Inoltre, sono necessarie potenti tecnologie relative ai chip per consentire l’elaborazione dei dati da fotocamere, sensori o laser
- Devono essere sempre disponibili database aggiornati, come mappe stradali ad alta risoluzione, e soprattutto devono essere mantenute aggiornate.
Questi sono solo alcuni esempi delle sotto-aree più importanti che compongono la guida autonoma. Tuttavia, il riconoscimento delle immagini e l’elaborazione dei dati, nonché l’elaborazione dei dati provenienti da altri sensori nel veicolo, non sono tutto.
L’apprendimento svolge un ruolo essenziale nella guida autonoma
Nel caso della guida autonoma, le telecamere registrano immagini della strada o delle immediate vicinanze così come gli altri dati che provengono da vari sensori. Questi sensori, da un lato devono essere analizzati in tempo reale, dall’altro devono fornire sempre risultati affidabili.
Ad esempio, l’IA nel veicolo deve essere in grado di riconoscere i pedoni o altri ostacoli sulla strada in qualsiasi momento e il più rapidamente possibile per poter reagire in modo altrettanto rapido. I computer utilizzati nel veicolo devono imparare, a partire da enormi quantità di dati, che aspetto ha una persona o un altro essere vivente.
Questi dati di solito provengono da situazioni di traffico che si sono già verificate.
L’intelligenza nel veicolo deve essere in grado di acquisire queste situazioni e applicarle in autonomia dopo aver completato la fase di apprendimento.
Tuttavia, è importante che i singoli esempi non siano solo appresi a memoria, ma che l’intelligenza artificiale possa riconoscere e valutare modelli e leggi nei corrispondenti dati di apprendimento con l’aiuto dei suoi algoritmi. Una particolare difficoltà è legata a determinate circostanze che causano cambiamenti nei dati dell’immagine.
Le persone possono avere un aspetto molto diverso in inverno rispetto a quello in estate a causa del diverso abbigliamento. Lo stesso vale per altri dati dell’immagine, che in estate hanno un effetto completamente diverso rispetto a qualsiasi altro periodo dell’anno.
Il sistema deve essere sempre in grado di suddividere gli oggetti in diverse categorie come corsia, veicoli o pedoni. Tutti questi oggetti devono essere separati l’uno dall’altro e chiaramente identificabili in ogni momento.
Questa necessaria acquisizione dei dati è resa più difficile da fattori esterni come forti piogge, nevicate, polvere o nebbia.
Conclusioni sulla guida autonoma con l’aiuto dell’intelligenza artificiale
L’intelligenza artificiale guiderà fortemente lo sviluppo della guida autonoma. Tuttavia, è necessario un ottimo software e un’enorme potenza di calcolo per poter elaborare tutti i dati necessari in tempo reale. Quella che agli umani sembra la cosa più normale del mondo è un’enorme sfida per le tecnologie informatiche.
C’è ancora molto lavoro da fare in relazione allo sviluppo, tuttavia, l’esercizio pratico è altrettanto importante per la guida automatica delle auto quanto lo è per gli esseri umani.
