MOTO 2030 to piątkowy cykl Gazeta.pl, w którym poruszamy najważniejsze tematy dotyczące przyszłości motoryzacji, transportu i technologii. Nie zabraknie tu także ciekawych historii konstruktorów oraz opisu dziejów firm, których przeszłość ma wpływ na to, jak będzie wyglądała motoryzacja przyszłości. Samochody, drogi i miasta na naszych oczach bardzo dynamicznie się zmieniają. Co piątek dziennikarze Moto.pl będą o tych zmianach pisać. Tutaj znajdują się wszystkie artykuły z cyklu MOTO 2030.
Paradoks Moraveca
Skoro komputery potrafią już pokonać w go czy w szachy najlepszych graczy na świecie (oprócz wspomnianego Lee Sedola na swoim koncie mają też zwycięstwo w meczu szachowym rozegranym ze słynnym Garrim Kasparowem), rozpoznają twarze, przyznają kredyty, wystawiają oceny w systemie zaufania społecznego (Chiny), wlepiają mandaty, to dlaczego wciąż mają problem z prowadzeniem samochodu?
Wiele lat temu Hans Moravec w książce „Mind Children: The Future of Robot and Human Intelligence" pośrednio odpowiedział na to pytanie. Jak napisał: Stosunkowo łatwo sprawić, by komputer przejawiał umiejętności dorosłego człowieka w testach na inteligencję albo w grze w warcaby. Jednak trudnym lub wręcz niemożliwym jest zaprogramowanie go tak, by miał umiejętności rocznego dziecka w percepcji i mobilności.
Innymi słowy - to, co dla człowieka jest oczywiste i wykonywane automatycznie, dla komputera jest szalenie skomplikowane lub wręcz niemożliwe. I odwrotnie. Nazywamy to paradoksem Moraveca.
By komputerowy program AlphaGo mógł wygrać z Lee Sedolem, musiał posiąść gigantyczną wiedzę. I szybko to zrobił. W jego pamięci umieszczono wszystkie dostępne rozgrywki go, które kiedykolwiek rozegrano. Upraszczając: komputer wiedział, jakie są konsekwencje konkretnych ruchów i co stanie się z białym pionkiem, gdy czarny zostanie postawiony na konkretnym polu.
Był więc w stanie z dużym prawdopodobieństwem przewidywać ruchy przeciwnika i dostosowywać swoją strategię do jego zachowania. Jego zwycięstwo wynikało jednak z czegoś innego niż tylko doboru najlepszego ruchu w odpowiedzi na ruch Sedola.
W jednej z partii AlphaGo postawił pionki tak, jak wcześniej nikt inny ich nie stawiał. Komputer sam wypracował taki ruch. Choć to imponujące, to jednak gra w go nie wymaga od komputera maszynowego wykonywania czynności typowych dla człowieka. Dlatego jest dla niego stosunkowo łatwa. Inaczej jest z jazdą samochodem.
Pokonanie mistrza łatwiejsze niż przejażdżka do sklepu
Sztuczna inteligencja to nie tylko zautomatyzowany proces doboru najlepszego rozwiązania spośród tych, których wcześniej dokonali już inni. To znacznie bardziej skomplikowany proces. Autopilot w samochodzie doświadcza poprzez analizę informacji i obrazów rejestrowanych przez wszystkie radary, kamery i lidary, które, choć zamontowane w wielu samochodach, należą do jednego wspólnego systemu danego producenta.
To tak, jakby jeden człowiek uczył się na podstawie doświadczeń setek, a nawet setek tysięcy innych ludzi. Właśnie dlatego testy drogowe samochodów autonomicznych są niezbędne w drodze prowadzącej do chwili, w której człowiek na dobre będzie mógł puścić kierownicę. Bez nich sztuczna inteligencja nie zdobędzie materiałów, z których będzie mogła się uczyć.
Komputery potrafią już skręcać, przyspieszać, hamować, zmieniać biegi, rozpoznawać znaki drogowe, dostosowywać do nich prędkość, bez udziału człowieka podążać za innymi pojazdami, odróżniać światło żółte od czerwonego i zielonego. Wiedzą, jak reagować na powtarzalne schematy. Ale na drodze dzieje się wiele nieprzewidywalnych rzeczy.
Jak nauczyć komputer, że bezładnie fruwająca na wietrze reklamówka nie jest zwierzęciem wybiegającym na drogę? Wciąż nie potrafimy zapisać tej informacji w sposób zrozumiały dla komputerów. Przeciwnicy pojazdów autonomicznych z pełnym przekonaniem twierdzą, że nigdy nie będziemy w stanie tego zrobić.
Trzeba jednak zdawać sobie sprawę, że sztuczna inteligencja uczy się bez naszego udziału i widzi oczami tysięcy kamer, które każdego dnia rejestrują schematyczne oraz nieprzewidywalne sytuacje drogowe. Szybko nadrabia lekcje, które my odrobiliśmy podczas milionów lat ewolucji. W materiale wykorzystaliśmy zdjęcia producenta.
