एमआईटी सेल्फ-ड्राइविंग कारों को सिखा रहा है कि सड़क पर इंसानों का मनोविश्लेषण कैसे किया जाए

मार्च 2004 में, यू.एस. डिफेंस एडवांस्ड रिसर्च प्रोजेक्ट्स एजेंसी (DARPA) ने वर्तमान पीढ़ी की सेल्फ-ड्राइविंग कारों के वादे - या उसके अभाव - का परीक्षण करने के लिए एक विशेष ग्रैंड चैलेंज कार्यक्रम का आयोजन किया। विश्व के शीर्ष ए.आई. से प्रवेशार्थी प्रयोगशालाओं ने $1 मिलियन के पुरस्कार के लिए प्रतिस्पर्धा की; उनके कस्टम-निर्मित वाहन कैलिफोर्निया के मोजावे रेगिस्तान के माध्यम से 142 मील के मार्ग को स्वायत्त रूप से नेविगेट करने की पूरी कोशिश कर रहे हैं। यह ठीक नहीं हुआ. "विजेता" टीम रुकने से पहले कई घंटों में केवल 7.4 मील की यात्रा करने में सफल रही। और आग लग रही है.

डेढ़ दशक, ए बहुत कुछ बदल गया है. स्व-चालित कारें वास्तविक सड़कों पर सैकड़ों-हजारों मील सफलतापूर्वक चल चुकी हैं। यह कहना गैर-विवादास्पद है कि मानव द्वारा संचालित कार की तुलना में रोबोट द्वारा संचालित कार में मनुष्य निश्चित रूप से अधिक सुरक्षित रहेंगे। हालाँकि, अंततः एक महत्वपूर्ण बिंदु होगा जब सड़क पर प्रत्येक कार स्वायत्त होगी, वहाँ भी है एक गड़बड़ मध्यस्थ चरण होने जा रहा है जब स्व-चालित कारों को मानव-चालित कारों के साथ सड़क साझा करनी होगी गाड़ियाँ. क्या आप जानते हैं कि इस परिदृश्य में समस्याग्रस्त पार्टियाँ कौन हो सकती हैं? यह सही है: मांसल, अप्रत्याशित, कभी-कभी सतर्क, कभी-कभी सड़क पर क्रोध करने वाले इंसान।

इस समस्या को हल करने का प्रयास करने के लिए, MIT के कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता प्रयोगशाला (CSAIL) के शोधकर्ताओं ने प्रयास किया है सेल्फ-ड्राइविंग कारों को अन्य ड्राइवरों के "सामाजिक व्यक्तित्व" को वर्गीकृत करने की अनुमति देने के उद्देश्य से एक नया एल्गोरिदम बनाया गया सड़क। उसी तरह जैसे मनुष्य (अक्सर गैर-वैज्ञानिक रूप से) जब हम कहते हैं, चलते समय अन्य ड्राइवरों की प्रतिक्रियाओं का पता लगाने की कोशिश करते हैं एक चौराहे पर, इसलिए स्वायत्त वाहन दुर्घटनाओं से बचने के लिए यह पता लगाने का प्रयास करेंगे कि वे किसके साथ काम कर रहे हैं सड़क।

"हमने एक ऐसी प्रणाली विकसित की है जो स्वायत्त वाहनों के निर्णय लेने और नियंत्रण में सामाजिक मनोविज्ञान के उपकरणों को एकीकृत करती है।" विल्को श्वार्टिंगMIT CSAIL के एक शोध सहायक ने डिजिटल ट्रेंड्स को बताया। “यह ड्राइवरों के व्यवहार का अनुमान लगाने में सक्षम है कि कोई विशेष ड्राइवर कितना स्वार्थी या निःस्वार्थ प्रतीत होता है। ड्राइवरों के तथाकथित 'सामाजिक मूल्य अभिविन्यास' का अनुमान लगाने की प्रणाली की क्षमता इसे बेहतर भविष्यवाणी करने की अनुमति देती है कि मानव ड्राइवर क्या करेंगे और इसलिए ड्राइवर को सुरक्षित रूप से चलाने में सक्षम है।

सामाजिक मूल्य अभिविन्यास

कुल मिलाकर, हमारा ड्राइविंग ढाँचा काफी अच्छी तरह से काम करता है; एक ड्राइवर को दूसरे ड्राइवर पर प्राथमिकता देना, हमें दिशात्मक लेन में विभाजित करना, इत्यादि। लेकिन अभी भी बहुत सारे व्यक्तिपरक क्षण हैं जब कई पक्षों को यह पता लगाना होता है कि किसी युद्धाभ्यास को पूरा करने के लिए अपने प्रयासों को कैसे समन्वयित किया जाए, कभी-कभी उच्च गति पर। यह जानना कि क्या आप एक अधीर ड्राइवर के साथ काम कर रहे हैं जो आपको काट देगा या एक धैर्यवान ड्राइवर के साथ जो प्रतीक्षा करने या रास्ता बनाने का मतलब एक सफल यात्रा और भयावह फेंडर बेंडर के बीच का अंतर हो सकता है। तथ्य यह है कि अकेले संयुक्त राज्य अमेरिका में हर साल सैकड़ों हजारों लेन बदलने, विलय करने और दाएं या बाएं मुड़ने की दुर्घटनाएं होती हैं, यह दर्शाता है कि मनुष्यों ने इस सूक्ष्म कला में महारत हासिल नहीं की है।

सामाजिक मूल्य अभिविन्यास दो या दो से अधिक लोगों के बीच रणनीतिक बातचीत को देखते हुए अन्योन्याश्रित निर्णय लेने के क्षेत्र का एक हिस्सा है। यह गेम थ्योरी में निहित है, जिसकी अवधारणाओं को पहली बार 1944 में ऑस्कर मोर्गेंस्टीन और जॉन वॉन वेउमैन की पुस्तक में उल्लिखित किया गया था जिसका शीर्षक था गेम और आर्थिक आचरण का सिद्धांत.

व्यापक विचार अनिवार्य रूप से यह है: एजेंटों की अपनी प्राथमिकताएँ होती हैं जिन्हें उनकी उपयोगिता (संतुष्टि के स्तर) के संदर्भ में क्रमबद्ध किया जा सकता है। इन मापदंडों के भीतर वे उन प्राथमिकताओं के अनुसार तार्किक रूप से कार्य करेंगे। ड्राइविंग व्यवहार में अनुवादित, भीड़-भाड़ वाले समय में सड़क कितनी भी अप्रत्याशित क्यों न हो, यह जानकर कि यह कितना परोपकारी है, आपके आस-पास के ड्राइवर असामाजिक, अहंकारी या प्रतिस्पर्धी हो सकते हैं, आप बिना अपनी यात्रा पूरी करने के लिए व्यवहार का अनुमान लगा सकते हैं संकट।

अन्य कारों के चलने के तरीके को देखकर, एमआईटी एल्गोरिदम अन्य ड्राइवरों का "दूसरों को इनाम" बनाम "दूसरों को इनाम" के आधार पर आकलन करता है। "स्वयं को पुरस्कार" पैमाना। इसका मतलब होगा सड़क पर रहने वाले साथी लोगों को "परोपकारी," "सामाजिक-सामाजिक," "अहंकारी," "प्रतिस्पर्धी," "परपीड़क," "दुखवादी," "पुरुषवादी," और "शहीद" श्रेणियों में बाँटना। यह सीखने के बाद कि अन्य सभी कारें एक ही तरह से व्यवहार नहीं करती हैं, टीम का मानना ​​है कि उनका मॉडल सेल्फ-ड्राइविंग कार सिस्टम में एक स्वागत योग्य अतिरिक्त साबित हो सकता है।

“हमने सबसे पहले सड़क परिदृश्यों की मॉडलिंग करके सिस्टम को प्रशिक्षित किया, जहां प्रत्येक ड्राइवर ने अपना अधिकतम लाभ उठाने का प्रयास किया उपयोगिता और अन्य सभी एजेंटों के निर्णयों के आलोक में उनकी सबसे प्रभावी प्रतिक्रियाओं का विश्लेषण करना," श्वार्टिंग ने कहा। “उपयोगिता में यह शामिल है कि एक ड्राइवर दूसरे ड्राइवर के लाभ के मुकाबले अपने लाभ को कितना महत्व देता है, एसवीओ द्वारा भारित। अन्य कारों की गति के उस छोटे से टुकड़े के आधार पर, हमारा एल्गोरिदम बातचीत के दौरान आसपास की कारों के व्यवहार को सहकारी, परोपकारी या अहंकारी के रूप में भविष्यवाणी कर सकता है। हमने मशीन लर्निंग के साथ वास्तविक ड्राइविंग डेटा के आधार पर पुरस्कारों को कैलिब्रेट किया, अनिवार्य रूप से यह एन्कोड किया कि मानव ड्राइवर आराम, सुरक्षा या अपने लक्ष्य तक जल्दी पहुंचने को कितना महत्व देते हैं।

ड्राइवरों के व्यवहार की भविष्यवाणी करना

परीक्षणों में, टीम ने दिखाया कि उनका एल्गोरिदम अन्य कारों के व्यवहार का 25% गुना अधिक सटीक अनुमान लगा सकता है। इससे वाहन को यह जानने में मदद मिली कि कब बाईं ओर मुड़ना चाहिए, बनाम आने वाले ड्राइवर के सामने मुड़ना चाहिए।

"यह हमें यह तय करने की भी अनुमति देता है कि परिदृश्य के आधार पर एक स्वायत्त वाहन कितना सहयोगी या अहंकारी होना चाहिए," श्वार्टिंग ने जारी रखा। "अत्यधिक रूढ़िवादी कार्य करना हमेशा सबसे सुरक्षित विकल्प नहीं होता है क्योंकि यह मानव चालकों के बीच गलतफहमी और भ्रम पैदा कर सकता है।"

टीम का कहना है कि वास्तविक विश्व सड़क परीक्षण के संदर्भ में एल्गोरिदम अभी प्राइम टाइम के लिए तैयार नहीं है। लेकिन वे इसे विकसित करना जारी रख रहे हैं, और सोचते हैं कि इसके अनुप्रयोग यहां वर्णित से भी आगे बढ़ सकते हैं। एक बात के लिए, अन्य कारों का अवलोकन करने से भविष्य के स्व-चालित वाहनों को अधिक मानव-समान लक्षण प्रदर्शित करने में मदद मिल सकती है जो मानव चालकों के लिए समझना आसान होगा।

"[इसके अलावा], यह न केवल पूरी तरह से स्वचालित कारों के लिए उपयोगी हो सकता है, बल्कि मौजूदा कारों के लिए भी उपयोगी हो सकता है जिनका हम उपयोग करते हैं," श्वार्टिंग ने कहा। उदाहरण के लिए, कल्पना करें कि एक कार अचानक आपके अंधे स्थान में प्रवेश करती है। सिस्टम के साथ [हमने विकसित किया है], आपको रियरव्यू मिरर में एक चेतावनी मिल सकती है कि आपके ब्लाइंड स्पॉट में कार में एक आक्रामक ड्राइवर है, जो विशेष रूप से मूल्यवान जानकारी हो सकती है।

इसके बाद, शोधकर्ताओं को मॉडल को पैदल चलने वालों, साइकिल चलाने वालों और अन्य एजेंटों पर लागू करने की उम्मीद है जो ड्राइविंग वातावरण में दिखाई दे सकते हैं। श्वार्टिंग ने कहा, "हम अन्य रोबोटिक प्रणालियों को भी देखना चाहेंगे जिन्हें हमारे साथ बातचीत करने की आवश्यकता है, जैसे घरेलू रोबोट।"

संपादकों की सिफ़ारिशें

• वोक्सवैगन अमेरिका में अपना स्वयं का सेल्फ-ड्राइविंग कार परीक्षण कार्यक्रम शुरू कर रहा है।
• एप्पल की अफवाह वाली कार की कीमत टेस्ला मॉडल एस जितनी हो सकती है
• एप्पल के पूर्व कर्मचारी ने एप्पल कार के रहस्यों को उजागर करने का अपराध स्वीकार किया
• एक खाली सेल्फ-ड्राइविंग कार को खींचते समय अधिकारी भ्रमित हो गए
• कैसे 1986 की एक बड़ी नीली वैन ने स्व-चालित कारों के लिए मार्ग प्रशस्त किया