هل يمكن للذكاء الاصطناعي إخراج السائقين من الحلقة؟
Salman Safdar
إذا كنت في لاس فيغاس لحضور معرض CES في وقت سابق من هذا العام، فإن الرهان الذي تضعه صناعة السيارات هو الذكاء الاصطناعي. من الكلمات الرئيسية إلى العروض الأنيقة لشركات تصنيع السيارات، يبدو أن الذكاء الاصطناعي قد بلغ مرحلة النضج في صناعة السيارات بشكل عام.
مشاريع مبتكرة مثل Dreamcatcher من GM، التي قدّم التصميم التوليدي المدعوم بالذكاء الاصطناعي مكاسب في الوزن والقوة بنسب مزدوجة، أظهرت منذ فترة طويلة ما يمكن أن يفعله الذكاء الاصطناعي للمهندسين، ولكن الآن يُروج له كمسار لتحسين تجربة العملاء داخل السيارة.
أي شخص شعر بالإحباط من نظام مساعدة مزعج أو قائمة واجهة مستخدم مشتتة للانتباه، سيعرف أنه قبل نشر أي خوارزميات ذكاء اصطناعي، هناك حاجة إلى تدريب واختبار يركزان على الإنسان لإنشاء مجموعات بيانات خالية من التحيز، وفي النهاية قبول السوق. إن المراهنة على ترك الأمر كله للذكاء الاصطناعي قد يكون له عواقب غير متوقعة. لقد أدركت شركات تصنيع المعدات الأصلية ذات التفكير المستقبلي هذا، ونشرت أجهزة محاكاة السائق في الحلقة (DIL) لإدخال المشاركة البشرية في تصميم المركبات والتحقق من صحتها، سواء في وقت مبكر أو في كثير من الأحيان.
في قلب محاكاة السائق في الحلقة (DIL) ذات الصلة والقابلة للتطبيق هي التفاعل المباشر والمهم بين البشر والتقنيات المقترحة. فعندما يتحكم البشر في مسار المركبة، فإنهم يعملون كنظام تحكم للمنظومة التي هي المركبة. ويوفر السائق البشري المدخلات، والتسريع، والفرامل، والتوجيه، واختيار التروس، وتستجيب المركبة وفقًا لذلك؛ مما يوفر “تغذية راجعة” فعلية في الوقت الحقيقي للسائق البشري، تساعده في اتخاذ إجراءات تصحيحية. ولكن ماذا عن العدد المتزايد من الحالات عندما تكون السيارة هي التي تقود؟
بينما حقق الذكاء الاصطناعي تقدمًا كبيرًا في تقنيات الطيران الذاتي، فإنه لا يزال يحتاج إلى بيانات مستمدة من البشر للتعلم والتحسين. إذ وجدت أبحاث شركة McKinsey أن أنظمة الذكاء الاصطناعي يمكن أن تحقق أداءً أعلى يصل إلى 15 في المئة عند تدريبها بملاحظات بشرية عالية الجودة. هذه الحلقة من التغذية الراجعة ضرورية للحصول على رؤى واقعية وحيوية لتحسين أداء المركبة وتفاعلها. ويتم تحقيق ذلك بشكل أفضل من خلال جمع الأميال الفعلية على الطرق الحقيقية أو مسارات الاختبار، أو بشكل متزايد من خلال محاكاة السائق في الحلقة.
وتكتسب أجهزة محاكاة DIL أرضية جديدة لأسباب عديدة. فهي لا توفر فقط بيئات معملية خاضعة للرقابة وقابلة للتكرار، حيث يمكن تدريب وتقييم خوارزميات الذكاء الاصطناعي لتعزيز أنظمة القيادة الذاتية، بل توفر مختبرات محاكاة DIL أيضًا مساحة آمنة بطبيعتها حيث يمكن استكشاف الحالات الهامشية – المهمة للغاية لتدريب الذكاء الاصطناعي – دون تعريض الأشخاص أو الأجهزة للخطر. وبالنسبة لأي صانع مركبات يهدف إلى تقليل استهلاك الموارد وتحقيق أهداف خفض الكربون، توفر أجهزة محاكاة DIL مزايا واضحة مقارنة بأساليب الاختبار التقليدية.
في النهاية، بينما يمكن للذكاء الاصطناعي تغطية الآلاف من السيناريوهات، لا يزال يحتاج إلى التطوير والتدريب بتعليقات دقيقة من السائقين والركاب لتحسين الأنظمة من أجل نشرها بنجاح في العالم الحقيقي.
ولنتأمل هنا مثالًا سابقًا عن إدخال نظامي المساعدة على الحفاظ على المسار والكبح التلقائي في حالات الطوارئ في عام 2022. فهل ينجح هذا الانقطاع المتعمد لمهام القيادة البشرية (التحكم) في كل سوق أو ثقافة؟ وهل يتسبب تحميل عجلة القيادة في رد فعل بشري عدواني للغاية أو حتى رفع يديه عن عجلة القيادة؟ وهل قد يشتت انتباههم أو ينزعجون بسبب الانقطاع إلى الحد الذي يعطل ولاءهم للعلامة التجارية؟
قد يجادل البعض بأن قيمة عنصر “البشر في الحلقة” اليوم تتناسب طرديًا مع مستوى التدخل من العنصر المساعد؛ أي أن المزيد من أنظمة مساعدة السائق المتقدمة “ADAS” يتطلب كثيرًا من محاكاة وتقييم السائق في الحلقة، وليس العكس. لقد وجدت دراسة أجرتها الإدارة الوطنية للسلامة على الطرق السريعة “NHTSA” أن دمج التعليقات البشرية في تطوير المركبات الذاتية القيادة يمكن أن يقلل من حدوث الأحداث الحرجة للسلامة بنسبة 30 في المئة، مما يضمن انتشارًا أكثر أمانًا وموثوقية لهذه التقنيات.
مع تطور قدرات الذكاء الاصطناعي، تواصل محاكاة السائق في الحلقة التقدم بالتوازي، موفرة فرص تقييم شاملة للمركبة والنظام. والمفتاح هنا هو الاعتراف بأن التقييم البشري والقبول سيبقيان في مركز تطوير المركبات، وبشكل متزايد. وخاصة، مع تزايد قوة وتنوع أحدث محاكيات DIL من فئة الهندسة، وتطورها إلى أدوات حيوية للعديد من سمات المركبة – وليس فقط القيادة أو التحكم أو واجهة الإنسان والآلة أو وظائف السلامة النشطة. بالإضافة إلى الدقة والانغماس الأكبر وتقليل زمن الوصول، هناك قدرة متزايدة على دمج التفاعلات عبر الأجهزة في الحلقة (HIL). من الكاميرا إلى مجموعة الدفع الكهربائية الكاملة، يمكن دمج كل شيء بغض النظر عما إذا كانت المحاكاة ومنصة اختبار الأجهزة تقع في نفس المنشأة أو لا. أولئك الذين يتبنون محاكاة السائق في الحلقة يتجنبون الأساليب التقليدية للبناء والاختبار ويجنون بالكامل أكبر الفوائد من تحسين قبول المنتج، وتقليل دورات التطوير، وخفض التكاليف، وتقليل الأثر البيئي.
بالعودة إلى لاس فيغاس، من السهل جدًا الانجراف في أحلام الأرباح الكبيرة. ولكن عندما تكون الرهانات عالية، كما قد تبدو في سوق السيارات المتنافسة بشكل متزايد والمليئة بالتكنولوجيا، فإن المراهنة بكل شيء على الذكاء الاصطناعي ليست نوع الرهان الذي يمكن لمصنعي المركبات تحمله.
المصدر: The Engineer