"Искусственный интеллект"
Топ-5 тенденций ИИ в автомобильной промышленности в 2022 году
Ведущие технологии искусственного интеллекта, влияющие на архитектуру автомобиля
Данные являются важным компонентом машинного обучения
Данные становятся все более влиятельными с каждым днем. Это связано с тем, что алгоритмы машинного обучения становятся все более и более мощными для изучения и анализа данных и повышения ценности предприятия. Данные — это новая логика, если их правильно и эффективно интерпретировать. Многомерные данные могут отвечать на сложные запросы и более точно решать проблемы. Выбор ценных данных, извлечение характеристик статистических данных, таких как среднее значение и дисперсия, а также наблюдаемость данных, которые приводят к ответственному ИИ, являются частью анализа данных. Кроме того, конфиденциальность и управление данными в облачных решениях, а также процесс сбора данных при разработке машинного обучения являются критически важными и неотложными требованиями.
Текущая ситуация
Существующие алгоритмы машинного обучения или глубокого обучения, такие как распознавание и классификация объектов, будут улучшены и доработаны в 2022 году. Многие базовые модели машинного обучения с удовлетворительной производительностью уже доступны. В будущем у нас будет больше комбинаций доступных моделей или алгоритмов машинного обучения для решения новых и более сложных функций.
В настоящее время основное внимание уделяется реализации основных функций с использованием ИИ. Но безопасность, защита и многие другие нефункциональные требования к качеству, такие как доступность, пока не находятся в центре внимания автомобильных инженеров при использовании компонентов на основе ИИ. ИИ окажет долгосрочное влияние на любую отрасль в области статистического анализа, классификации, прогнозирования или вариантов использования автоматизации, но каковы краткосрочные последствия ИИ для автомобильной промышленности? Ниже приведены 5 основных автомобильных областей, на которые искусственный интеллект будет влиять в следующем году.
1. Производство, гуманоидные роботы и рабочая сила
ИИ может заменить повторяющиеся рабочие места, и люди, работающие в основном на производстве, должны развивать свои навыки. Роботы становятся все более умными, чтобы выполнять ограниченное количество задач. В настоящее время существует высокий уровень намерений изучать языки программирования как новые навыки, но из-за новых платформ с низким кодом / без кода или растущего генератора кода GPT3 Codex это не похоже на правильное направление.
Роботы-гуманоиды выиграют от развития ИИ для выполнения рутинных человеческих задач, которые можно автоматизировать. Опасные рабочие места также являются областями, где роботы, управляемые искусственным интеллектом, являются лучшим решением.
2. Техническое обслуживание, сервис и страхование
Прогностическое обслуживание — это новая промышленная тенденция для ИИ, которая также может помочь автомобильной промышленности предсказать отказ деталей автомобиля и снизить стоимость конечного продукта. Поведение водителей может помочь страховой компании рассчитать риски отдельных водителей, повысить качество вождения в городах и, наконец, сократить количество аварий и повысить безопасность дорожного движения.
Прогностическое обслуживание использует технологию цифровых двойников для прогнозирования поведения системы в будущем. Концепция цифрового двойника, объединяющего физический и виртуальный миры, не нова. Тем не менее, это помогает при проверке деталей автомобиля. Особенно в области автономного вождения мы можем извлечь выгоду из цифровых двойников. Мы можем отслеживать систему, используя исторические данные и алгоритмы искусственного интеллекта, и прогнозировать будущие сбои, чтобы избежать сбоев системы, заменив соответствующие детали или заранее спланировав техническое обслуживание.
3. Безопасность, защищенность, проверка и объяснимость
GAN (Generative Adversarial Networks), новый подход к машинному обучению или представлению данных в виде графиков, значительно улучшит безопасность и анализ безопасности. Анализ опасностей и оценка рисков (HARA) в процессе анализа безопасности и анализ угроз и оценка рисков (TARA) в процессе анализа безопасности могут быть представлены в виде графиков для выявления взаимосвязей между узлами и ребрами с помощью доступных статистических методов. > Мы можем использовать статистические методы и соответствующие алгоритмы машинного обучения для дальнейшего углубленного анализа.
GAN может генерировать различные действительные сценарии вождения, которые помогают идентифицировать неизвестные сценарии для тестирования и проверки сложных функций автомобиля. Выявление неизвестных неизвестных является основной дилеммой во всех трех областях безопасности, защиты и проверки новых подключенных и автоматизированных транспортных средств.
Объяснимый ИИ означает, что решение, принятое ИИ, является неотъемлемой частью безопасности беспилотных автомобилей. Мы должны объяснить, что алгоритм не имеет предвзятости и что принятое решение было правильным с точки зрения большинства людей. Проблема тележки показывает, что нам нужна такая объяснимость, чтобы гарантировать, что алгоритм машинного обучения достаточно развит, чтобы взять на себя управление автомобилем и быть безопасным участником нашего движения.
Федеративное обучение должно быть частью конвейера машинного обучения, чтобы гарантировать конфиденциальность данных и управление ими. Федеративное обучение может ответить на вопрос, кому принадлежат данные.
4. CI/CD для AI DevOps
Элементы MLOps уже известны для непрерывной интеграции и непрерывного развертывания машинного обучения, но не для автомобильной промышленности. Автомобильным экспертам в области искусственного интеллекта необходим целостный подход для поддержки всего жизненного цикла автомобиля, начиная с этапа разработки концепции, проектирования и разработки и заканчивая полевым мониторингом.
Этот конвейер машинного обучения для конкретных автомобилей должен решать традиционные задачи разработки транспортных средств и проблемы, связанные с разработкой автономного вождения, с дополнительными требованиями ко всему процессу интеграции и предоставления услуг.
5. Восприятие окружающей среды
Количество автомобильных датчиков, которые фиксируют окружение автомобиля, увеличивается благодаря технологии автономного вождения и новым индивидуальным функциям ADAS (усовершенствованные системы помощи водителю). ИИ предлагает мощные инструменты для восприятия окружающей среды, такие как CNN (сверточная нейронная сеть) для камер или алгоритмы глубокого обучения для радарных датчиков.
Активное обучение повышает производительность ИИ и имеет преимущество перед текущим пассивным контролируемым обучением, используемым для обучения моделей ИИ. Активное обучение — это ключ к зрелой модели искусственного интеллекта, которая использует сценарии реального дорожного движения для обеспечения автономного вождения 4-го и 5-го уровней.
Перспектива
В конечном счете, все действия ИИ должны в определенной степени помогать обществу улучшать качество жизни людей. НЕЗАВИСИМО ОТ ОТРАСЛИ ответственная разработка ИИ как объяснимого ИИ должна стоять на вершине всех достижений ИИ. По мере роста объема собираемых данных должно быть ясно, где и почему они используются. Для соблюдения прав человека в целом требуется всемирный консенсус. Без этих соображений следующий шаг в разработке общего искусственного интеллекта (AGI) усложнит ситуацию. Хотя понимание на человеческом уровне пока невозможно, у нас есть человеческая версия 2.0, пока ИИ может понимать как человек, потому что ИИ имеет доступ ко всем доступным знаниям. А пока у нас достаточно времени, чтобы договориться о внедрении и применении технологии ИИ.
