خلاصه کتاب بدون راننده: خودروهای هوشمند و جاده پیش رو

نکات اساسی

·         در سطح جهانی ،سالانه اتومبیل ها 1.2 میلیون نفر را می کشند .

·          اتومبیل های دارای "سیستم عامل روباتیک هوشمند" جایگزین اتومبیل های "بدون هوش" امروز خواهند شد.

·         فن آوری آشفته "بدون راننده" که باعث بهبود تحرک و نجات جان افراد خواهد شد ، اما نگرانی های مربوط به حریم خصوصی ، اخلاقی و اقتصادی را افزایش می دهد .

·         "موارد انحصار"  غیرقابل پیش بینی - وقتی همه چیز به طرز خطرناکی پیش می رود - چالش اصلی برای مهندسان وسایل نقلیه بدون سرنشین است .

·         خودروسازان یک رویکرد اشتباه  "کمک به راننده"  را ترجیح میدهند .

·         یک خودروی بدون راننده با استفاده از سنسورهای پیشرفته ، یک شبکه اشغالگر ایجاد می کند .

·         این شامل دوربین های HD ، رادار ، سونار ، GPS و "lidar" ، یک دستگاه تشخیص نور و برد است که صحنه را با نور لیزری رنگ   می کند و یک مدل سه بعدی ایجاد می کند.

·         " یادگیری عمیق" هوش مصنوعی (AI) یک جایگزین  انعطاف پذیر برای  "درک مصنوعی" به عنوان الگوی محاسباتی ترجیحی در اتومبیل های بدون سرنشین شد .

·          اِلون ماسک(Elon Musk )  می گوید "به دست آوردن 99٪ صحت در سیستم یادگیری ماشین آسان است ، اما مقدار صحت 99.9999٪ بسیار دشوار است."

·         بدون سرنشینی_ با تغییر تجارت و جامعه، شغلها را از بین می برد .

جان کلام
به زودی  به جاده ی نزدیک شما می رسیم
تا اواسط قرن بیست و یکم  انقلاب "بدون سرنشین" ، که توسط پیشرفتهایی در یادگیری عمیق هوش مصنوعی (AI) و روباتیک ، گالوانیزه شده است ، آشکار خواهد شد.  به طور فزاینده ، مردم با آگاهی از رانندگی و درک بالاتری نسبت به خود، ایمنی خود را به ماشین های خودکار واگذار می کنند .  این تغییر اشفته بر همه تأثیر خواهد گذاشت . مزایایی از قبیل نجات زندگی انسان ها ، بهبود کیفیت هوا ، افزایش تحرک و وقت آزاد با خطرات ناشی از از دست دادن شغل های حمل و نقل، نگرانی های مربوط به حریم شخصی و مسائل اخلاقی در تضاد است .  ظهور اتومبیل های مقرون به صرفه ، آزادی شخصی جدید افراد را در محل های کار ، اوقات فراغت و زندگی به ارمغان می  آورد. انقلاب اتومبیل های "بدون هوش" ادامه دارد و امروز یک میلیارد اتومبیل در جهان  در حال فعالیت است از این تعداد،  250 میلیون تنها در ایالات متحده فعال است .

هر ساله ،تعداد مرگ و میر ناشی از تصادفات وسایل نقلیه _1.2 میلیون نفر در سرار جها و تقریباً به همان تعداد كشته شدگان در اثر جنگ، جنایات و سو مصرف مواد است .
  "اتومبیل ها آماده شده اند تا به عنوان اولین روبات های مستقل اصلی که ما زندگی خود را به آنها واگذار خواهیم کرد ،قرار بگیرند."
اتخاذ وسایل نقلیه بدون سرنشین - که پیش بینی می شود دو برابر ایمن تر از اتومبیل های با سرنشین باشد - جان بسیاری از افراد را نجات می دهند . وسایل نقلیه سنتی هوای شهرها را گرفته و آلوده می کنند . در آینده نزدیک ، حمل و نقل شخصی سالم و ایمن - با اتومبیل های مجهز به"هوش مصنوعی" ، این مشکلات را کاهش می دهد.
برخلاف سایر فعالیت های انسانی ، رانندگی معمولاً تکراری است.  چالش اصلی برای مهندسان اتومبیل بدون سرنشین خودکار ساختن جنبه های تکراری رانندگی نیست بلکه مهندسی برای "موارد غیر منتظره ، نادر و انحصاری " در 1% از انحرافات است.

از آنجا که نرم افزار های یادگیری عمیق توانایی کسب بینش جدید  نسبت به جهان را به دست می آورد ... اتومبیل های خودکار نسبت به داده های خود به همان اندازه که به سوخت متکی هستند اعتماد خواهند کرد . روبات های برنامه ریزی شده برای تنظیمات قابل پیش بینی کارخانه در "بالت های اجتماعی" پیچیده رانندگان و عابران شکست می خورند .  با این حال ، با پیشرفت فناوری ،اتومبیل بدون سرنشین، برای جوامع به صورت نمایی پذیرفته می شوند .                                                                                           

 در حال حاضر ، عقاید زیادی درباره اتومبیل های بدون راننده وجود دارد :
 آنها در ابتدا از "کمک راننده" پدید می آیند ، به جاده های خاص و ایمنی کامل احتیاج دارند ، ناگهان ظاهر می شوند و از این قبیل موارد.
در حقیقت، وسایل نقلیه بدون سرنشین طی چند دهه تدریجی و بدون خطر ظاهر می شوند . در ابتدا مردم از آنها برای حمل بار استفاده        می کنند ، بعد به بعنوان شاتل و سپس در حمل و نقل شخصی .

 حمل و نقل بدون راننده
برای درخواست تاکسی بدون راننده، تنها به تلفن همراه خود ضربه ای میزنید که در نهایت کرایه شما را به طور خودکار در مقصد کسر میکند.
این اسودگی می تواند اثراتی از قبیل افزایش ازدحام و آلودگی را به همراه آورد.ممکن است کیلومتر وسایل نقلیه به علت"آمد و شد" وسیله نقلیه افزایش پیدا کند.  صاحبان اتومبیل که پس از هر بار استفاده ، اتومبیل را به خانه می فرستند .  وسایل نقلیه که سخت کار کرده اند ممکن است سریعتر خراب شوند .  تولید کنندگان می توانند اتومبیل های خودکار را با توجه به طول عمر، دقت در عملکرد و کارایی باتری طراحی کنند. به طور میانگین خودروها ​​95٪ از زمان خود را در پارکینگ سپری می کند. اتومبیل های بدون راننده استفاده بسیار بیشتری خواهند داشت. پارکینگ درون شهری کیفیت هوای  بسیاری از شهرها را کاهش میدهد و "قابلیت پیاده روی" را از بین می برد ، اما اتومبیل های بدون راننده نیاز به پارکینگ را کاهش می دهند در نتیجه فضای لازم برای پیشرفت های شهری آزاد میشود. رفت و آمد شخصی ارزان و آسان باعث می شود افراد انتخاب ازادتری در مورد  شغل و نحوه زندگی خود داشته باشند .

" مقامات حمل و نقل فدرال با استفاده از منابع و نیروهای قانونی ، پشتیبانی خود را از ماشینهای بدون راننده ابراز کرده تا بتوانند سالانه        جان ده ها هزار نفر را نجات دهند."

 در سال 2014 ، گوگل نمونه اولیه اتومبیل بدون راننده ، که 700 هزار مایل آموزش داده و مجهز شده بود، به بازار معرفی کرد.
معاون رئیس شرکت اپل ، جف ویلیامز ، اتومبیل های بدون راننده را "دستگاه موبایل نهایی" می نامد. مرسدس بنز ، تویوتا و فولکس واگن سرمایه گذاری زیادی در استقلال اتومبیل R&D دارند. اما ، با وجود قدرت پردازش فعلی اتومبیل های استاندارد ، که در حال حاضر کروز ، ترمز و موارد دیگر را کنترل می کنند ، امروزه سیستم های "ماژولار" معمولی فاقد هوش جامع و یکپارچه هستند .
 صنعت خودرو در زمینه"سیستم عامل های روباتیک" فاقد تجربه است .  این تغییر تدریجی برای  کمک راننده  و محدودیت خودمختاری است که باعث تداوم در سودآوری شده و مسئولیت و تعهدات را محدود می کند.

وزارت حمل و نقل ایالات متحده (DOT) از رعایت اصول تدریجی "دانش انسان " حمایت می کند. اما چنین رویکردهایی اغلب باعث نارضایتی در مسئولیتهای تقسیم شده و سردرگمی می شود.

هوش مصنوعی و ادراک
 سیستم عامل هوشمند مصنوعی (OS) یا "مغز" یک ماشین بدون راننده باید از پیش هدایت و برنامه ریزی شود.  اگر هوش اتومبیل به تأخیر بیافتد و یا خراب شود ، جان انسان در خطر است .
 سرعت سیستم ، قابلیت اطمینان ، امنیت و نسخه برداری از آن حائز اهمیت است .  در این راستا ، تخصص اساسی گروه های روباتیک دانشگاه ، مانند مرکز ملی مهندسی رباتیک دانشگاه کارنگی ملون ، وارد مسئله میشود. در میان دیگر چالش ها، محققان در تلاشند تا "پارادوكس موراواك" را حل كنند ، كه می گوید ساخت رایانه یك كار به ظاهر دشوار - مانند بازی شطرنج - به طور متناقض آسان تر از آموزش ان که"ادراك و تحرك اساسی" را در سطح یک انسان نوپا بازگو میکند، میباشد.
 در اتومبیل های بدون راننده کنترل های سطح بالا ، برنامه ریزی و حرکت را انجام می دهند. بازخورد سطح پایین سیستم ها - مانند ترمزهای ضد قفل - از طریق گذرگاه "شبکه کنترل" (CAN) تنظیم میشود.
 "هوش مصنوعی"   که به قوانین از پیش برنامه ریزی شده نیاز دارد - می تواند وظایف "جستجو" مانند برنامه ریزی مسیر را انجام دهد.
 با این حال ، "درک مصنوعی" پیشرفته نیاز به یادگیری ماشینی دارد ، که الگوهای انعطاف پذیر از مجموعه داده های گسترده طرح می کند.
 به گفته بنیان گذار و مدیر عامل شرکت تسلا ، الون مسک ، "مسئله حقیقی خودکار بودن ماشین ها:  به دست اوردن 99٪  دقت و صحت سیستم یادگیری ماشینی نسبتاً آسان است ، اما دستاوری 99.9999٪ صحت ،_مقداری که باید باشد_ بسیار دشوارتر است. "
روباتهای اولیه بینایی ، مانند "Shakey" ، از قابلیت تشخیص لبه اولیه برای حرکت در دوره های ساده استفاده می کردند. هوش مصنوعی مبتنی بر چنین تکنیکی برای ارائه دید خودرو بدون راننده بسیار کند و غیرقابل اعتماد است.
" اتومبیل های بدون راننده، درک ما را از زمان و مکان ، نحوه رفت و آمد ما به محل کار ، جایی که زندگی می کنیم و حتی نحوه خرید کردن مارا تغییر میدهند."
کنترلهای خودکار سطح متوسط پیش از برنامه ریزی خط سیر ، صحنه ای را با تولید "شبکه اشغال" کد گذاری شده با "مخروط نامعلوم" درک میکنند.
 آنها مخروط های نامعلوم را به اشیاء غیرقابل پیش بینی مانند عابر پیاده اختصاص می دهند. برای پیشگیری از "از کارافتادگی غیرمترقبه" ، سیستم عامل های اتومبیل بدون راننده نیاز به نسخه برداری و پایایی همانند سیستم های اویونیک دارند.
 تنظیم کننده های فدرال می توانند از این معیار به عنوان استاندارد "ایمنی انسان" استفاده کنند: اگر یک ماشین بدون راننده قبل پیش از وقوع تصادف، مسیری دو برابر بیشتر از یک ماشین با راننده انسانی طی کرده باشد ، آنگاه تولید کنندگان می توانند رتبه2 را در امنیت انسانی تبلیغ کنند.
از "بزرگراه های هوشمند" تا "اتومبیل های هوشمند"

قانون بزرگراه فدرال در سال 1956 منجر به احداث مایل ها  جاده های عظیم  آسفالت شده و سیستم بزرگراه بین شهری و موجب استقبال آمریکایی ها از "فرهنگ اتومبیل" شد.  طی پیشرفت اولیه فناوری در اواسط قرن بیستم ، برخی از مهندسان جنرال موتورز - با همکاری RCA - در ابتدا به دنبال ایجاد نسخه "بزرگراه الکترونیکی" از آن شبکه بودند. سیستم آنها ترکیبی از فناوری مبتنی بر الکترومغناطیسی و رادیویی با استفاده از کابل های کد داده شده و سیم پیچ های داخل اتومبیل برای ارائه "کنترل بازخورد" الکترونیکی اساسی بود. هزینه های تخمینی تا 200000 دلار در هر مایل" افزایش یافت و در نهایت این ایده از بین رفت. خودروسازان - با توجه به کتاب" ناامن در هر سرعت" اثر رالف نادر(Ralph Nader) در سال 1965 - به مسائل ایمنی مصرف کنندگان پرداختند. قیمت سوخت افزایش یافت ، ازدحام ترافیک بدتر شد و خودروسازان دیدگاه های آینده نگر خود را کنار گذاشتند.

 در سال 2016 ، "هزینه تجهیزات سخت افزاری مورد نیاز یک وسیله نقلیه خودکار تقریبا 5000 دلار برای هر اتومبیل بود ، و در پنج تا هفت سال آینده  کاهش می یابد."
 وزارت امور خارجه ایالات متحده در الگو های قدیمی مانند سیستم های "خودرو به خودرو" و "خودرو به زیرساخت ها" به تبادل داده های تجهیزات بین خودرو و ماشین به کنار جاده، فکر می کند. خودرو به خودرو به فناوری پر هزینه ای متکی است و به "حجم شاخصی" از اتومبیل های مرتبط نیاز دارد.
اما ، "زیرساخت های گنگ" خودروهای بدون راننده فقط به جاده های معمولی با علائم خطی واضح نیاز دارد ، که شاید با تکنولوژی ارزان قیمت اینترنت اشیاء تکمیل شود. مقررات فدرال می تواند استانداردهای ایمنی را تعیین و اجرا کند ، تعهدات را تعریف و از حریم خصوصی محافظت کند. از سال 2015 ، نوادا ، کالیفرنیا ، فلوریدا و میشیگان طرح های مجوز راننده وسایل نقلیه خودکار در محل،داشته اند.

 رباتیک و حواس خودروی بدون راننده
انقلاب روباتیک ، که توسط پردازنده های کوچکتر و قدرتمندتر امکان پذیر است ، فناوری مدرن خودروی بدون راننده را به وجود آورد . براساس درخواست نظامی ، روبات ها توانایی و استقلال کسب کردند. در سال 2005 ،استنلی، چالش DARPA  را در دانشگاه استنفورد برای یادگیری و مشاهده الگوهای رانندگی  آموخت.
 تکنیک های تشخیص الگو، ناشی از برنامه هایی است که بازی های تخته ای ،رایانه ای و بازی Checkers مبتنی بر IBM که آرتور ساموئل پیشگام بازی در اوایل دهه 1950 ابداع کرده است، به وجود آمده است. وی با بازی در برابر یک نسخه مجازی از خود ، چکرزها را به صورت خودآموز آموزش داد .  در سال 1962 ، آن را به یک استاد چکرز تبدیل کرد. در سال 1996 ، کامپیوتر خودآموز IBM ، Deep Blue ، شطرنج باز حرفه ای  ،گری کاسپاروف  را مغلوب کرد.

 " خودروهای بدون راننده یك وسیله مصرفی دیگر هستند كه منشأ آن در فناوری نظامی است ."

هوش مصنوعی خودرو تقریباً به داده های آموزشی نامحدود نیاز دارد . تلفیق فن آوری های ادغام شده - مانند داده های بزرگ ، GPS ، قطعات کوچک و دوربین های دیجیتال - به شیوه های ابتکاری ، پیشرفت نمایی را در خودرو بدون راننده تغذیه می کند .  عملکرد یک ماشین بدون راننده به حواس فن آوری آن متکی است. نقشه های دیجیتالی با کیفیت بالا (HD) به طرح توپوگرافی جاده و سایر عناصر ثابت آن می پردازند. دوربین های دیجیتالی با فریم و وضوح بالا با شدت متفاوت از نور استفاده می کنند تا صحنه را به صورت آرایش پیکسلی نمایش دهند ، اما در نور کم به خوبی نمیبینند.  دستگاه ردیابی "تشخیص نور و مسافت" اجرای صحنه با نور لیزری که یک مدل سه بعدی را ایجاد می کند، نقاشی      می کند . این دستگاه که لیدارنام دارد از نظر عمق و دامنه عالی اما کند است . و  دوربین های دیجیتال ممکن است به زودی جایگزین آن شوند .
 "چهار رویداد ،شرکت های اتومبیل را وادار به تجدید نظر در مدل های تجاری خود می کنند : اتومبیل های برقی ، وایرلس های همه جایی، اشتراک خودرو و ماشین های خودکار."

فن آوری "ردیابی  و مسافت یابی رادیویی " رادار منعکس کننده امواج رادیویی با سرعت نور در خارج از سطح رسانا برای ردیابی سرعت و حرکت نسبی اشیا است.در برخورد با  مه ، باران و برف رفتار ناچیزی دارد ، اما  آنها را می بیند. سونار اتومبیل از امواج صوتی اولتراسونیک استفاده می کند ، تاکتیکی ایده آل برای سنجش از نزدیک، مانند پارکینگ. سیستم GPS امواجی را از ماهواره ها دریافت می کند تا مکان آنها را به فاصله تقریبی چهار متر (13.1 فوت) تیزر بندی کند.

"واحد اندازه گیری اینرسی" همه اشکالات دریافت GPS را تصحیح می کند .

ساخته شده از شتاب سنج ، ژیروسکوپ ، کیلومتر شمار و قطب نما ، یک "احساس تعادل" داخلی را فراهم می کند. حواس اتومبیل  تحت کنترل سیستم عامل و ارسال و دریافت سیگنال از طریق اتوبوس، به طور هماهنگ عمل می کند .

 "یادگیری عمیق" و داده ها
 یادگیری عمیق "معمای"  خودرو بدون راننده را تکمیل می کند.  سلولهای مغزی و سلولهای عصبی به صورت الکتروشیمیایی کار می کنند ، اما "گیرنده" شبکه عصبی هم به صورت الکترونیکی و  هم الگوریتمی کار می کنند.  مخترع فرانك روزنبلات ، الگوریتم اصلی Perceptron خود را كه در سال 1957 ساخته شد ، آموزش داد تا بتواند اشکال ساده را بشناسد .  در سال 1980 ، Kunihiko Fukushima Neocognitron ، "معماری جدید شبکه عصبی" را طراحی کرد تا شخصیت های دست نویس را بشناسد .
 در سال 2003(فی فی لی ) Fei Fei Lei
9146 تصویر را در مجموعه داده های اموزش شبکه های عصبی جمع آوری و طبقه بندی کرد.

تا سال 2015 ، یک شبکه عصبی یک تیم مایکروسافت _به عنوان یک پیشرفت مهم در شناخت انسان_ برنده مسابقه تشخیص مقیاس بزرگ شد که تنها3.57%  میزان خطا  داشت.چنین شبکه های عصبی با یادگیری عمیق می توانند الگوهای انتزاعی در داده ها را تشخیص دهند.

 "ماشین آلات با قرار گرفتن در معرض مقادیر زیادی از اطلاعات ، یک فعالیت فشرده در داده هارا  می آموزند." 

برای ایجاد نقشه های HD ، اتومبیل های نقشه برداری گوگل داده های تصویر را جمع آوری می کنند. این مجموعه بدون راننده افزایش می یابد و به طور بالقوه باعث نقض حریم خصوصی خواهد شد. نرم افزار یادگیری عمیق یک ماشین بدون راننده استخراج و تعداد زیادی از داده ها را تولید می کند.
با استفاده از فناوری "بومی سازی و نقشه برداری همزمان" (SLAM) ، نقشه های داخلی خود را بهبود می بخشد و آنها را در "یادگیری زود گذر" مداوم با سایر  ماشین ها به اشتراک می گذارد. این باعث بهبود عملکرد نمایی می شود. هوش زودگذر به وسایل نقلیه بدون راننده اجازه می دهد مسافت هارا را با جزئیات بیشتری برنامه ریزی کنند.
 "هنگامی که ناوگان های اتومبیل تجربه های رانندگی فردی خود را در یک ذهنیت روباتیک جمع بندی می کنند ، تجربه مشترک آنها با یک راننده انسانی که هزاران سال در پشت فرمان گذرانده است برابر خواهد بود."
نقشه های آینده HD از پتانسیل تبلیغاتی خوبی برخوردار خواهند بود و قادر به انجام کارکردهای مختلفی مانند هشدار مکان های برجسته به گردشگران و یا نمایش خیابان هایی که شانه راه دارند و می توانید از ان استفاده کنید،خواهند بود.
تاکسی بدون راننده با نرم افزار تشخیص چهره می تواند محصولاتی را برای شما به بازار عرضه کند یا اطلاعاتی را در مورد شما به مقامات ارسال کند. نگرانی های اخلاقی شامل برنامه نویسی برای موارد اضطراری است. به عنوان مثال ، هنگامی که شرایط سبک و سنگین کردن یک زندگی انسانی باشد ، چه کسی در "مشکل چرخ دستی" فیلیپا پوته در سال 1967 کشته خواهد شد؟ جامعه باید درباره قوانین اخلاقی تصمیم بگیرد.

 اغراق، جنایات و وعده ها
صنعت، اتومبیل بدون راننده میخواهد در حالی که وسایل نقلیه را همزمان کوچکتر میکند آسیب های احتمالی ، مهارت رانندگی و زمان صرف شده در رانندگی را کاهش داده یا به صفر برساند. این را از خودروهای شگفت انگیزی متفاوت با شاسی فیبر کربنی که برای ابزارهای حداقلی یا تجملات لوکس طراحی شده اند، انتظار داشته باشید.در آینده ، همانطور که اتوماسیون ،مشاغل انسانی را غصب می کند ، انتظار داریم نابرابری درآمد نیز رشد کند.

 کامیون داران و کابین ها ، کارگران بیمه اتومبیل ، مربیان رانندگی ، مکانیک بدنه خودرو و سایر افراد حرفه ای کار خود را از دست می دهند. جرایم جدید ممکن است شامل هک خودرو های بدون راننده و "سرقت" باشند.
" اگر یک روبات بتواند براساس اقدامات قبلی خود، پیش بینی کند که در آینده چه حسی خواهد داشت و سپس از آن مدل پیش بینی شده برای برنامه ریزی اقدامات آینده خود استفاده کند ، تا حدی خودآگاه است."
"  تحول خودرو  بدون راننده، همانطور که فرم تک سلولی شکل می گیرد ، از انقلابی گرفته تا "تکاملی بخشی از یک "انفجار کامبری" در رباتیک است.
در تکامل بیولوژیکی ، "فناوریهای توانمند" خاص - مانند چشم - باعث شکوفا شدن و تخصصی شدن شکل های جدید زندگی شدند. به طور مشابه ، "پیشرفتهای نمایی" باتری ها ، سنسورها ، ذخیره داده ها ، قدرت پردازش و الگوریتم ها را قادر می سازد عملکردهای موازی را در رباتیک و هوش مصنوعی انجام دهند.
آیا الگوریتمهای خود ، منجر به خودآگاهی AI خواهد شد؟
آیا در آینده خودروهای بدون راننده از کار خود لذت خواهند برد؟