Любая прорывная технология на старте своего пути неизбежно сталкивается с волной скепсиса и критики. Опытные технологические предприниматели знают, что насмешки и недоверие часто являются предвестниками грядущего успеха. Это помогает понять, почему Илон Маск сохраняет оптимизм, несмотря на постоянные сомнения критиков в отношении электромобилей и автономного транспорта. В последнее время хор голосов, отрицающих будущее беспилотных автомобилей, превратился в настоящую симфонию. Практически каждое крупное издание публикует статьи с вариациями заголовка «Почему будущее автономных транспортных средств намного дальше, чем вы думаете».
Оправдан ли скептицизм?
Но насколько обосновано это презрение к технологическому видению? Как человек, который был на передовой технологических трендов последние 30 лет, я вижу, что эта история уже повторялась не раз — и эксперты, скорее всего, снова ошибаются. Давайте разберемся подробнее.
Полная автономия (уровень 5) подразумевает, что автомобиль способен доставить пассажира из любой точки А в любую точку Б без какого-либо вмешательства человека. Признано, что движение по городским улицам — гораздо более сложная задача, чем езда по шоссе. Хотя полноценных автомобилей 5-го уровня сегодня нет, над этой проблемой работают все крупные автопроизводители и технологические гиганты. И все они, за исключением Tesla, используют в целом схожий подход.
Компании вроде Google (Waymo) и Uber, а также большинство автопроизводителей, пытаются решить проблему автономности вне шоссе с помощью специализированного и зачастую дорогого оборудования и ПО. Их ключевая задача — предсказать действия других участников движения (автомобилей, пешеходов) до того, как они произойдут. Некоторое время назад мне довелось прокатиться на одном из тестовых автономных автомобилей Uber. Пассажир может наблюдать на экране, как компьютерная система в реальном времени оценивает риски: например, видит пешехода на углу и с помощью алгоритма пытается предугадать, выйдет ли тот на проезжую часть. Мы видели, как автомобиль несколько раз, ожидая потенциальной опасности, замедлялся или останавливался.
Это логичный подход. Когда мы ведем машину, мы постоянно, почти не задумываясь, проводим вероятностный анализ поведения окружающих. Мы учимся этому с опытом, подсознательно наблюдая миллионы дорожных ситуаций. Хорошие водители знают, что ключ к безопасности в городе — постоянная бдительность.
Машинное обучение и сила данных
Такой сценарий идеально подходит для подходов на основе искусственного интеллекта и машинного обучения (AI/ML). Чем больше система взаимодействует с реальным миром, тем лучше она обучается. Здесь действует степенной закон: для обучения требуется огромный объем данных, система неизбежно будет совершать ошибки, но, достигнув переломного момента, она начнет управлять автомобилем не хуже человека. По такому же принципу компьютеры научились обыгрывать гроссмейстеров в шахматы.
Ключевой элемент этой стратегии — необходимость предоставить машинам миллионы взаимодействий. По пути, подобно водителю-новичку, они будут совершать множество ошибок. Это аналогично реальности: водители-подростки попадают в аварии в 3 раза чаще, чем водители со средним опытом. Когда мы критикуем неудачи Waymo или Uber, мы оцениваем их как взрослых водителей, хотя правильнее было бы сравнивать их с подростками. И по сравнению с ними у автономных систем дела обстоят неплохо.
Уникальный подход Tesla
Tesla, понимая важность закона данных для машинного обучения, выбрала радикально иной путь. В её автомобилях используются стандартные камеры и оборудование компьютерного зрения, чтобы «видеть» окружающий мир. Более дешевые камеры и процессоры позволяют экономично оснастить ими миллионы автомобилей, создавая гигантскую сеть «глаз» на дорогах. У каждой Tesla как минимум 8 камер, постоянно ведущих наблюдение. Сейчас на дорогах более миллиона Tesla — это похоже на то, как если бы каждый легальный водитель Лос-Анджелеса круглосуточно и без устали обучал одну общую систему.
Кроме того, Tesla сосредоточилась в первую очередь на автономности на шоссе — задаче попроще, чем городские улицы. Многие критиковали этот подход, утверждая, что аналоги автопилота (удержание полосы, контроль дистанции) существуют уже 30 лет. Однако система Tesla значительно сложнее и «осознаннее». Посмотрите, как она выполняет слияние полос или съезд со шоссе, и вы увидите работу продвинутого ИИ. Автопилот Tesla уже сегодня может совершать поездки «от съезда до съезда» в большинстве условий без участия человека. Для пассажира на трассе автономное будущее ощутимо близко.
В подходе Tesla есть скрытая гениальность. Сосредоточившись на дешевом и массовом решении более простой задачи, компания сгенерировала квадриллионы критически важных точек данных для обучения своей AI/ML-модели. Эти же данные частично применимы и для обучения вождению в городских условиях. Применение степенного закона машинного обучения таким образом дает Tesla почти неоспоримое преимущество. По моим оценкам, она может опережать конкурентов на 10 и более лет.
Эволюция на глазах
До покупки Tesla я никогда не увлекался автомобилями. Мой партнер ежедневно проезжает 40 миль по пробкам Лос-Анджелеса и считает, что автопилот сделал эти поездки более терпимыми и безопасными.
Обратите внимание: Искусственный интеллект: история самоуправляемых автомобилей и проблемы будущего.
Даже с моей стороны видна эволюция системы за последние 18 месяцев. Сегодняшний автопилот значительно умнее и мощнее версии 2017 года. За короткое по человеческим меркам время он научился менять автострады, справляться со сложными слияниями потоков и заметно повысил точность удержания полосы.Это напрямую связано с экспоненциальным ростом набора данных Tesla. Большинство «ошибок» или моментов, когда водитель вручную отключает автопилот, отмечаются и отправляются в отчёт. Это позволяет инженерам анализировать различные граничные случаи (критически важные для такого приложения) и создавать алгоритмы для их решения. Поскольку эти данные растут в геометрической прогрессии, Tesla получает невероятный объём информации о реальных дорожных ситуациях для следующей итерации своего продукта.
Риски, сравнения и человеческий фактор
Критики справедливо указывают, что программное обеспечение неидеально и требует тщательнейшей проверки перед массовым внедрением. Риски для пешеходов, велосипедистов и других участников движения велики. Но если проследить историю любой технологии, становится ясно, что так будет не всегда. Первые банкоматы часто ломались и ошибались, но со временем были разработаны надёжные системы. Сегодня их точность близка к 100%. Та же траектория развития ожидает и автономное вождение, пусть задача и сложнее. Практика, как и для людей, ведёт к совершенству.
Более того, невозможно полностью исключить риски. Каждый раз, садясь за руль или переходя улицу, мы подвергаем себя опасности. Поэтому мы не должны требовать от беспилотных автомобилей нулевого риска. Стандартом для них должно быть сравнение с обычным, средним водителем-человеком. Данные показывают, что Tesla на автопилоте уже значительно безопаснее, чем человек за рулём (и гораздо реже загорается, чем автомобили с ДВС). Tesla — единственный автопроизводитель, который публикует конкретную статистику аварий и пожаров для своих автомобилей.
И причина, по которой Tesla уже безопаснее, для меня как технолога очевидна. Всё дело во внимании, сосредоточенности и отвлечении.
Главный враг на дороге — невнимательность
Отвлечение за рулем смертельно опасно. Оно является причиной тысяч смертей и сотен тысяч травм ежегодно. Хотя большинство людей признают эту проблему, многие считают, что лично они умеют совмещать вождение с другими делами. Это когнитивное искажение, известное как «иллюзия превосходства». На самом деле отвлекаются все: на звонки, сообщения, еду, радио, пассажиров, усталость или скуку. Растёт и число тех, кто за рулём смотрит видео или листает соцсети.
Но системы компьютерного зрения не отвлекаются. Аппаратное и программное обеспечение оптимизировано для сбора и обработки информации каждый раз одинаково эффективно. Компьютеры не устают, их не раздражают дети, у них нет аккаунтов в Facebook. У них могут быть другие проблемы (мощность, сбои, алгоритмические ошибки), но они не отвлекаются. И это уже даёт им огромное преимущество над современными водителями.
Изменяя опыт вождения
Даже если бы это было единственным преимуществом автономных автомобилей, его было бы достаточно. Спросите любого, кто регулярно ездит на Tesla по пробкам в Кремниевой долине или Лос-Анджелесе. Они расскажут, как автопилот спас их от аварий и освободил ум от напряжения. Это меняет правила игры, даже если воспринимать его просто как дополнительные 4 пары глаз на дороге (именно так я его и использую). Даже такие мелочи, как настройка радио, которые раньше вызывали стресс, теперь не беспокоят, когда включён автопилот. Да, бдительность терять нельзя, но для тех моментов, когда внимание нужно разделить, это огромное облегчение.
Но это не единственное преимущество Tesla, и со временем их будет только больше. Сегодняшние беспилотные автомобили похожи на водителей-подростков: они уже довольно безопасны, но ещё не достигли своего пика. Учитывая технологическое и инвестиционное лидерство таких компаний, как Tesla, я уверен, что день, когда они станут как минимум такими же хорошими водителями, как мы о себе думаем, не за горами. И автономное вождение станет единственным разумным путём вперёд.
И этот день наступит очень скоро.
Больше интересных статей здесь: Обзор.
Источник статьи: Правда о самоуправляемых автомобилях.