Ignite, OST Drive لحل تحديات المركبات ذاتية القيادة باستخدام الذكاء الاصطناعي

مع قيام السلطات التنظيمية في المملكة المتحدة بفتح التطبيقات للمشغلين لتشغيل سيارات الأجرة والحافلات والسيارات المستأجرة الخاصة، أعلن مشروع Ignite للمركبات المحددة برمجيًا (SDVs) القابل للتطوير من Forvia Hella عن تعاون مع شركة برمجيات الذكاء الاصطناعي (AI) المملوكة لشركة Samsung Electronics (OST) Oxford Semantic Technologies (OST) لإنشاء خدمة ذكاء اصطناعي “قابلة للتفسير” للمساعدة في إثبات الامتثال للسلامة على الطرق للمركبات ذاتية القيادة (AVs).

وأشار الشركاء إلى أن شراكتهم تأتي في الوقت الذي يواجه فيه كبار مقدمي المركبات ذاتية القيادة تحديات حيث تستمر سياراتهم في التعامل مع عمليات صنع القرار المعقدة، مما يؤدي، في بعض الحالات، إلى قيادة المركبات في الطرق التي غمرتها المياه.

بالإضافة إلى ذلك، يقول الشركاء إنه على الرغم من تحسن أداء القيادة في المركبات الذاتية القيادة، إلا أن الشركات المصنعة لا تزال تفتقر إلى طرق قوية لإثبات السلامة والامتثال ومنطق القرار على نطاق واسع. ويصرون على أن هذا أدى إلى خلق عائق أمام التقدم إلى مستويات أعلى من القيادة الذاتية، حيث يكافح المصنعون للانتقال من المستوى الثاني (أتمتة القيادة الجزئية حيث يكون السائق مسؤولا قانونيا) إلى المستوى الثالث (أتمتة القيادة المشروطة حيث تتحمل الشركة المصنعة المسؤولية) والمستوى الرابع (القيادة الذاتية الكاملة).

ويهدف التعاون إلى معالجة نضال الصناعة للتقدم من المستوى 2 إلى المستوى 4 من الاستقلالية من خلال توفير طرق لإثبات السلامة والامتثال ومنطق القرار على نطاق واسع. كما ستتطلع إلى تزويد مهندسي البرمجيات بـ “الصندوق الأبيض” حتى يتمكنوا من فهم كيفية اتخاذ الذكاء الاصطناعي للقرارات، لتحسين ميزات السلامة والحصول على الموافقة بأدلة دامغة.

بالنسبة للمركبات ذاتية القيادة، يمكن استخدام الذكاء الاصطناعي القائم على المعرفة كدليل قواعد للمركبة وذاكرة – حيث يلتقط كل ما تفعله السيارة في الوقت الفعلي، ويقارنه بقواعد المرور، ويضمن أن كل قرار تتخذه منطقي وقابل للتتبع ومتوافق.

يوفر هذا لمهندسي البرمجيات صندوقًا أبيض من البيانات التي يمكنهم استخدامها لفهم الذكاء الاصطناعي الذي يشغل المركبات الذاتية القيادة بشكل أفضل، ويحسن ميزات الأمان والأداء. كما أن لديها القدرة على تقديم أدلة للمنظمين حول كيفية اتخاذ المركبات ذاتية القيادة للقرارات في ظروف وظروف مختلفة، واتباع قواعد المرور على الطرق.

من وجهة نظر تكنولوجية، يستخدم البرنامج القائم على المحاكاة قاعدة بيانات الرسم البياني للمعرفة RDFox الخاصة بـ OST لتوفير طبقة تفكير لأنظمة AV، مما يحسن عملية صنع القرار في المواقف المعقدة. يُعزى البرنامج القائم على المحاكاة إلى سد الفجوة بين قوانين المرور وصنع القرار المستقل المباشر.

بفضل محركها المرتكز على الذكاء الاصطناعي، تتعاون RDFox OST حاليًا مع مؤسسات في جميع أنحاء أوروبا وآسيا وأمريكا الشمالية. ومن دمج البيانات عبر المؤسسات إلى القرارات والتوصيات المستقلة، يتم نشر تقنية OST في الخدمات المالية والسيارات والتصنيع والرعاية الصحية والنشر وتجارة التجزئة.

يُزعم أيضًا أن هذا التعاون يوضح كيف يمكن تطبيق الذكاء الاصطناعي القائم على المعرفة، والذي يستخدم معرفة الخبراء المنسقة بعناية والتفكير المنطقي لحل المشكلات المعقدة، على قطاع المركبات المستقلة.

وعلى عكس التعلم الآلي، الذي يجد أنماطًا في مجموعات بيانات واسعة ويرسم مخرجات إحصائية، يهدف الذكاء الاصطناعي القائم على المعرفة إلى تحسين دقة النتائج من خلال اتخاذ قرارات منطقية وقابلة للتفسير بناءً على بيانات مقترنة بالمعرفة المتخصصة.

وقال فيليكس كورتمان، كبير مسؤولي التكنولوجيا في Ignite by Forvia Hella: “تطبق Hella Ignite.Drive الذكاء الاصطناعي القائم على المعرفة من خلال ترجمة قوانين المرور، المكتوبة في الأصل للتفسير البشري، إلى مجموعات قواعد يمكن قراءتها آليًا”. “وهذا يمكّن الشركات المصنعة من إنشاء أدلة حتمية توضح سلوك السيارة الآمن والمتوافق للموافقة على النوع الأوروبي.

وقال: “في الوقت نفسه، فهو يقلل من المهل الزمنية للتطوير من خلال تقليل الحاجة إلى ترميز القواعد اليدوية لكل سوق على حدة، مما يساعد فرق AV على التحرك بشكل أسرع نحو النشر الجاهز للموافقة”.

قال بيتر كروكر، الرئيس التنفيذي لشركة Oxford Semantic Technologies: “تستخدم المركبات ذاتية القيادة حاليًا الذكاء الاصطناعي لاتخاذ مجموعة كاملة من القرارات على الطريق – ولكن في الوقت الحالي، يكافح المصنعون لإظهار سبب أو كيفية اتخاذ هذه القرارات. يمكن لـ RDFox المساعدة في التغلب على هذا العائق الرئيسي أمام التقدم. ما يتيح لنا الذكاء الاصطناعي القائم على المعرفة القيام به هو جمع هذه القرارات وتخطيطها وتطبيق المنطق. يمكننا أن نرى بالضبط سبب تصرف السيارة بطريقة معينة واستخدام هذه البيانات لمساعدة السيارة على اتخاذ قرارات أفضل في المستقبل.”

وأضاف إيان هوروكس، الأستاذ بجامعة أكسفورد والمؤسس المشارك لـ OST: “تعد دراسة حالة المركبات ذاتية القيادة مثالًا رائعًا على كيف يمكن للذكاء الاصطناعي القائم على المعرفة تعزيز الأنظمة المستندة إلى البيانات. وتتمثل الميزة الرئيسية لهذه التكنولوجيا في إمكانية التتبع، حيث يمكن ربط القرارات مرة أخرى بالقواعد والمنطق الذي أنتجها. وفي مجال السيارات، يمكن لهذه الرؤية أن تحدث ثورة في استراتيجيات الذهاب إلى السوق، مما يؤدي إلى تحسين الامتثال والسلامة للمركبات الذاتية القيادة.”