Pada bulan November 2018, Hyundai diumumkan investasi di startup Israel bernama Allegro.ai yang berspesialisasi dalam visi komputer berbasis pembelajaran mendalam. Di permukaan, ini terdengar seperti kesepakatan bisnis standar. Perusahaan A berinvestasi pada perusahaan B. Hal ini bagus untuk kedua belah pihak (mudah-mudahan setidaknya), tetapi dampaknya sangat kecil bagi konsumen rata-rata. Ikatan ini sedikit berbeda. Meskipun pemilik Hyundai tidak akan melihat perubahan langsung, kemitraan ini berjanji akan mengizinkan wilayah Selatan Perusahaan Korea akan menghadirkan lebih banyak teknologi ke dalam mobilnya dengan lebih cepat dibandingkan jika mereka memutuskan untuk melakukan segalanya di dalam rumah.
Digital Trends berbicara dengan Nir Bar-Lev, CEO Allegro.ai, untuk mengetahui lebih lanjut.
Video yang Direkomendasikan
Hyundai sangat besar salah satu yang terbesar perusahaan mobil di dunia, lalu mengapa mereka berinvestasi pada startup seperti Allegro.ai daripada mengembangkan teknologinya sendiri? Membangun mobil itu sulit, tanyakan saja pada startup mana pun yang telah mencoba, berjuang, dan gagal, namun mengembangkan perangkat lunak canggih juga sulit dan memakan waktu.
“Tidak cukup orang dengan pengalaman dan pengetahuan yang tepat untuk melakukan pembelajaran mendalam pada tingkat tinggi. Ini seperti mencoba membuat mobil di zaman batu. Infrastruktur yang dimiliki perusahaan sama dengan infrastruktur yang ada pada industri perangkat lunak tradisional 35-40 tahun yang lalu,” jelas Bar-Lev. Dia menambahkan bahwa 99 persen perusahaan tidak memiliki keahlian yang diperlukan untuk bekerja dengan pembelajaran mendalam. “Jika Anda memikirkan demam emas, semua orang pada akhirnya membutuhkan jeans, beliung, dan sekop, jika tidak, mereka tidak dapat menambang emas. Hal yang sama terjadi di sini.”
Di situlah Allegro.ai berperan. Meskipun Hyundai akan mengembangkan teknologi pembelajaran mendalamnya sendiri, para penelitinya akan menggunakan solusi Allegro.ai untuk lebih memahami bagaimana potongan-potongan teka-teki itu bersatu. “Dengan menyediakan alat-alat ini secara komersial, perusahaan dapat mengaksesnya, yang berarti segala sesuatunya akan terjadi lebih cepat,” prediksi Bar-Lev.
Mengajari mobil cara mengemudi sama seperti mengajari remaja cara mengemudi dalam artian bahwa pengalaman adalah kuncinya
Penerapan pembelajaran mendalam yang pertama (dan paling sering dikutip) di dunia otomotif adalah menggerakkan mobil otonom. Agar dapat berfungsi, sebuah mobil perlu memahami apa yang dilakukannya, apa yang dilakukan mobil lain, dan jenis lingkungan di mana mobil tersebut beroperasi. Dan, seperti yang dikatakan Bar-Lev, mengendarai mobil di Amerika Serikat adalah pengalaman yang sangat berbeda dibandingkan berkendara di Abu Dhabi, atau Guatemala City, atau pusat kota Paris.
Mengajari mobil cara mengemudi sama seperti mengajari remaja cara mengemudi dalam artian bahwa pengalaman adalah kuncinya. Untuk anak berusia 15 tahun, pengalaman tersebut didapat dengan menghabiskan waktu berjam-jam di belakang kemudi di samping seorang instruktur. Untuk sebuah mobil, diperlukan pemberian perangkat lunak dalam jumlah besar data beranotasi yang mengajarkannya seperti apa pepohonan, truk, dan perlintasan kereta api.
Allegro.ai tidak menangani data. Perusahaan yang ingin membuat mobil self-driving perlu memikirkan cara mengumpulkannya. Ini hanya menyediakan platform yang memungkinkan para insinyur membuat anotasi dan memasukkannya ke mobil dengan lebih efisien dan dalam skala besar. Pada tingkat kedua namun lebih bertahan lama, teknologi dasar yang sama dapat digunakan untuk mengajarkan mobil bagaimana mengenali siapa yang ada di dalam mobil pada waktu tertentu dan apa yang mereka lakukan.
“Jika sebuah mobil sesuai permintaan, ia perlu mengetahui apa yang terjadi di dalam kabin. Hal ini perlu untuk memastikan bahwa tidak ada orang yang mengotori kabin, tidak ada orang yang melakukan sesuatu yang tidak seharusnya mereka lakukan,” jelas Bar-Lev. Teknologi jenis ini juga digunakan dalam sistem semi-otonom untuk mengetahui apakah pengemudi sedang melihat ke jalan di depannya, menghitung suara burung gagak di kabel listrik, atau sedang tidur.
Terakhir, teknologi pembelajaran mendalam juga dapat membantu pembuat mobil membuat mobil yang lebih baik. Robot yang terlatih dalam pengendalian kualitas dapat mengidentifikasi goresan terkecil sekalipun pada cat, panel bodi yang tidak sejajar, atau kebocoran sebelum mobil meninggalkan jalur perakitan. Manusia saat ini melakukan pekerjaan ini. AIRobot yang diaktifkan dapat menggantikan atau melengkapinya, bergantung pada perusahaan dan kasus penggunaan teknologi pembelajaran mendalam.
“Banyak orang tidak memahami perlunya pembelajaran mendalam, atau mengapa kita membicarakannya. Penghargaan bagi [investor Allegro] Bosch dan Samsung, mereka benar-benar melihat ke mana arah pasar, dan Saya pikir bergabungnya Hyundai dengan kami adalah bukti pemahaman seluruh industri,” tutup Bar-Lev.
Rekomendasi Editor
- Komentar yang didukung AI akan hadir di Wimbledon bulan depan
- Superkomputer Nvidia mungkin menghadirkan era baru ChatGPT
- Teknologi pengenalan wajah untuk beruang bertujuan untuk menjaga keselamatan manusia
- Bagaimana USPS menggunakan GPU Nvidia dan A.I. untuk melacak email yang hilang
- Ring basket robotik pintar dari MIT akan membantu Anda meningkatkan permainan Anda
Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terkini, ulasan produk yang menyenangkan, editorial yang berwawasan luas, dan cuplikan unik.
