MIT กำลังสอนรถยนต์ที่ขับเคลื่อนด้วยตนเองถึงวิธีวิเคราะห์ทางจิตของมนุษย์บนท้องถนน

ในเดือนมีนาคม พ.ศ. 2547 สำนักงานโครงการวิจัยขั้นสูงด้านกลาโหมของสหรัฐอเมริกา (DARPA) ได้จัดกิจกรรม Grand Challenge พิเศษเพื่อทดสอบคำมั่นสัญญาของรถยนต์ไร้คนขับรุ่นปัจจุบัน ผู้เข้าแข่งขันจาก A.I. ชั้นนำของโลก ห้องปฏิบัติการแข่งขันกันเพื่อชิงรางวัล 1 ล้านดอลลาร์ ยานพาหนะที่สร้างขึ้นเป็นพิเศษของพวกเขาพยายามอย่างดีที่สุดเพื่อนำทางโดยอัตโนมัติในเส้นทางระยะทาง 142 ไมล์ผ่านทะเลทรายโมฮาวีของรัฐแคลิฟอร์เนีย มันไม่เป็นไปด้วยดี ทีมที่ "ชนะ" สามารถเดินทางได้เพียง 7.4 ไมล์ในเวลาหลายชั่วโมงก่อนที่จะหยุดชะงักไป และเกิดไฟไหม้

ทศวรรษครึ่งก มีการเปลี่ยนแปลงมากมาย. รถยนต์ที่ขับเคลื่อนด้วยตนเองประสบความสำเร็จในการขับขี่บนถนนจริงเป็นระยะทางหลายแสนไมล์ เป็นเรื่องที่ไม่ขัดแย้งที่จะกล่าวว่ามนุษย์เกือบจะปลอดภัยกว่าในรถที่ขับเคลื่อนด้วยหุ่นยนต์มากกว่าในรถยนต์ที่ขับเคลื่อนโดยมนุษย์ อย่างไรก็ตาม แม้ว่าในที่สุดแล้วจะมีจุดเปลี่ยนเมื่อรถทุกคันบนท้องถนนเป็นแบบอัตโนมัติ แต่ก็มีจุดเปลี่ยนเช่นกัน จะเป็นช่วงตัวกลางที่ยุ่งวุ่นวายเมื่อรถยนต์ที่ขับเคลื่อนด้วยตนเองจะต้องแชร์ถนนกับคนขับเคลื่อน รถ. คุณรู้ไหมว่าใครคือฝ่ายที่มีปัญหาในสถานการณ์นี้ ถูกต้องแล้ว: มนุษย์เนื้อหนัง คาดเดาไม่ได้ บางครั้งก็ระมัดระวัง และบางครั้งก็ชอบโกรธง่าย

เพื่อพยายามแก้ไขปัญหานี้ นักวิจัยจากห้องปฏิบัติการวิทยาการคอมพิวเตอร์และปัญญาประดิษฐ์ (CSAIL) ของ MIT ได้ดำเนินการ สร้างอัลกอริธึมใหม่ที่มีจุดมุ่งหมายเพื่อให้รถยนต์ที่ขับเคลื่อนด้วยตนเองสามารถจัดประเภท "บุคลิกภาพทางสังคม" ของผู้ขับขี่รายอื่นใน ถนน. ในลักษณะเดียวกับที่มนุษย์ (มักไม่ใช่ทางวิทยาศาสตร์) พยายามค้นหาการตอบสนองของผู้ขับขี่คนอื่นๆ เมื่อเราพูดว่า การเคลื่อนย้าย ที่สี่แยก ดังนั้นยานยนต์อัตโนมัติจะพยายามค้นหาว่าพวกเขากำลังติดต่อกับใครเพื่อหลีกเลี่ยงอุบัติเหตุบน ถนน.

“เราได้พัฒนาระบบที่รวมเครื่องมือจากจิตวิทยาสังคมเข้ากับการตัดสินใจและการควบคุมยานพาหนะที่เป็นอิสระ” วิลโก ชวาร์ติงผู้ช่วยวิจัยของ MIT CSAIL กล่าวกับ Digital Trends “สามารถประเมินพฤติกรรมของผู้ขับขี่โดยพิจารณาว่าคนขับคนนั้นเห็นแก่ตัวหรือไม่เห็นแก่ตัวเพียงใด ความสามารถของระบบในการประเมินสิ่งที่เรียกว่า "การวางแนวคุณค่าทางสังคม" ของผู้ขับขี่ ช่วยให้สามารถคาดการณ์ได้ดีขึ้นว่าผู้ขับขี่ที่เป็นมนุษย์จะทำอะไร และทำให้คนขับปลอดภัยยิ่งขึ้น"

การวางแนวคุณค่าทางสังคม

โดยรวมแล้ว กรอบการทำงานในการขับขี่ของเราทำงานได้ค่อนข้างดี ให้ความสำคัญกับคนขับคนหนึ่งมากกว่าอีกคนหนึ่ง แบ่งเราออกเป็นช่องทางเดินรถ และอื่นๆ แต่ยังคงมีช่วงเวลาส่วนตัวอีกมากมายที่หลายฝ่ายต้องหาวิธีประสานความพยายามของตนเพื่อดำเนินกลยุทธ์ให้เสร็จสิ้น ซึ่งบางครั้งก็ต้องใช้ความเร็วสูง รู้ว่าคุณกำลังเผชิญกับคนขับรถใจร้อนที่จะตัดคุณหรือคนที่อดทนที่ การรอหรือหลีกทางอาจหมายถึงความแตกต่างระหว่างการเดินทางที่ประสบความสำเร็จกับการดัดบังโคลนที่เต็มไปด้วยปัญหา ความจริงที่ว่าในแต่ละปีมีอุบัติเหตุการเปลี่ยนเลน การรวมกัน และการเลี้ยวขวาหรือเลี้ยวซ้ายนับแสนครั้งในสหรัฐอเมริกาเพียงอย่างเดียว แสดงให้เห็นว่ามนุษย์ยังไม่เชี่ยวชาญศิลปะอันละเอียดอ่อนนี้มากนัก

การวางแนวคุณค่าทางสังคมเป็นส่วนหนึ่งของสาขาการตัดสินใจที่พึ่งพาซึ่งกันและกัน โดยพิจารณาถึงปฏิสัมพันธ์เชิงกลยุทธ์ระหว่างคนสองคนขึ้นไป มีรากฐานมาจากทฤษฎีเกม ซึ่งมีการสรุปแนวคิดไว้ในหนังสือปี 1944 โดย Oskar Morgenstein และ John von Veumann ในหัวข้อ ทฤษฎีของเกมและพฤติกรรมทางเศรษฐกิจ.

แนวคิดกว้างๆ ก็คือ: ตัวแทนมีความชอบของตนเอง ซึ่งสามารถสั่งซื้อได้ในแง่ของประโยชน์ใช้สอย (ระดับความพึงพอใจ) ภายในพารามิเตอร์เหล่านี้ พวกเขาจะทำหน้าที่อย่างมีเหตุผลตามการตั้งค่าเหล่านั้น แปลเป็นพฤติกรรมการขับขี่ไม่ว่าถนนจะดูคาดเดาไม่ได้แค่ไหนในชั่วโมงเร่งด่วนด้วยการรู้ว่าเห็นแก่ผู้อื่นแค่ไหน ความคิดเชิงสังคม ความเห็นแก่ตัว หรือการแข่งขันที่เป็นตัวขับเคลื่อนรอบตัวคุณ คุณสามารถคาดการณ์พฤติกรรมที่จะทำให้การเดินทางของคุณเสร็จสมบูรณ์ได้ ปัญหา.

จากการสังเกตลักษณะการขับขี่ของรถคันอื่น อัลกอริธึม MIT จะประเมินผู้ขับขี่รายอื่นโดยคำนึงถึง “รางวัลสำหรับผู้อื่น” เทียบกับ ระดับ "รางวัลให้กับตนเอง" นั่นหมายถึงการจำแนกเพื่อนร่วมถนนให้อยู่ในหมวดหมู่ "เห็นแก่ผู้อื่น" "ต่อต้านสังคม" "ถือตัวเอง" "ชอบแข่งขัน" "ซาดิสต์" "ซาโดมาโซคิสต์" "มาโซคิสต์" และ "พลีชีพ" จากการเรียนรู้ว่ารถยนต์ทุกคันมีพฤติกรรมในลักษณะเดียวกัน ทีมงานเชื่อว่าโมเดลของพวกเขาสามารถพิสูจน์ได้ว่าเป็นส่วนเสริมที่น่ายินดีของระบบรถยนต์ไร้คนขับ

“เราฝึกระบบก่อนโดยการสร้างแบบจำลองสถานการณ์ถนนที่ผู้ขับขี่แต่ละคนพยายามใช้ศักยภาพของตนเองให้เกิดประโยชน์สูงสุด ประโยชน์และการวิเคราะห์การตอบสนองที่มีประสิทธิภาพสูงสุดโดยคำนึงถึงการตัดสินใจของตัวแทนอื่น ๆ ทั้งหมด” ชวาร์ติงกล่าวว่า “ยูทิลิตี้นี้จะรวมเอาจำนวนผู้ขับขี่ที่ถ่วงน้ำหนักผลประโยชน์ของตนเองเทียบกับผลประโยชน์ของผู้ขับขี่รายอื่น ซึ่งถ่วงน้ำหนักโดย SVO จากตัวอย่างการเคลื่อนไหวเล็กๆ น้อยๆ จากรถคันอื่น อัลกอริธึมของเราจึงสามารถทำนายพฤติกรรมของรถที่อยู่รอบๆ ว่าเป็นการให้ความร่วมมือ เห็นแก่ผู้อื่น หรืออัตตาตัวตนในระหว่างการโต้ตอบ เราปรับเทียบรางวัลตามข้อมูลการขับขี่จริงด้วยการเรียนรู้ของเครื่อง โดยพื้นฐานแล้วเข้ารหัสว่าผู้ขับขี่ที่เป็นมนุษย์ให้ความสำคัญกับความสะดวกสบาย ความปลอดภัย หรือการบรรลุเป้าหมายอย่างรวดเร็วเพียงใด”

การทำนายพฤติกรรมของผู้ขับขี่

ในการทดสอบ ทีมงานแสดงให้เห็นว่าอัลกอริธึมของพวกเขาสามารถทำนายพฤติกรรมของรถคันอื่นได้แม่นยำยิ่งขึ้นถึง 25% สิ่งนี้ช่วยให้รถรู้ว่าเมื่อใดควรเลี้ยวซ้ายและเลี้ยวต่อหน้าคนขับที่กำลังสวนทางมา

“มันยังช่วยให้เราตัดสินใจได้ว่ายานยนต์ขับเคลื่อนอัตโนมัติควรให้ความร่วมมือหรือเห็นแก่ตัวอย่างไร ขึ้นอยู่กับสถานการณ์” ชวาร์ติงกล่าวต่อ “การกระทำที่อนุรักษ์นิยมมากเกินไปไม่ใช่ทางเลือกที่ปลอดภัยที่สุดเสมอไป เพราะอาจทำให้เกิดความเข้าใจผิดและความสับสนในหมู่มนุษย์ผู้ขับขี่ได้”

ทีมงานกล่าวว่าอัลกอริทึมยังไม่พร้อมสำหรับช่วงไพรม์ไทม์ในแง่ของการทดสอบถนนในโลกแห่งความเป็นจริง แต่พวกเขากำลังพัฒนาอย่างต่อเนื่อง และคิดว่าแอปพลิเคชันสามารถขยายออกไปได้ไกลกว่าที่อธิบายไว้ที่นี่ ประการหนึ่ง การสังเกตรถคันอื่นสามารถช่วยให้ยานพาหนะที่ขับเคลื่อนด้วยตนเองในอนาคตเรียนรู้ที่จะแสดงลักษณะที่เหมือนมนุษย์มากขึ้น ซึ่งผู้ขับขี่ที่เป็นมนุษย์จะเข้าใจได้ง่ายขึ้น

“[นอกจากนี้] สิ่งนี้อาจมีประโยชน์ไม่เพียงแต่สำหรับรถยนต์ที่ขับเคลื่อนด้วยตนเองเท่านั้น แต่สำหรับรถยนต์ที่มีอยู่ที่เราใช้อยู่ด้วย” Schwarting กล่าว “ตัวอย่างเช่น ลองจินตนาการว่าจู่ๆ มีรถยนต์เข้ามาที่จุดบอดของคุณ ด้วยระบบ [ที่เราพัฒนาขึ้น] คุณอาจได้รับคำเตือนในกระจกมองหลังว่ารถที่อยู่ในจุดบอดของคุณมีคนขับที่ก้าวร้าว ซึ่งอาจเป็นข้อมูลที่มีค่าอย่างยิ่ง”

ต่อไป นักวิจัยหวังว่าจะนำแบบจำลองนี้ไปใช้กับคนเดินเท้า จักรยาน และตัวแทนอื่นๆ ที่อาจปรากฏในสภาพแวดล้อมการขับขี่ “เรายังต้องการดูระบบหุ่นยนต์อื่นๆ ที่ต้องโต้ตอบกับเราด้วย เช่น หุ่นยนต์ในครัวเรือน” Schwarting กล่าว

คำแนะนำของบรรณาธิการ

• Volkswagen กำลังเปิดตัวโครงการทดสอบรถยนต์ไร้คนขับในสหรัฐฯ
• รถยนต์ที่มีข่าวลือของ Apple อาจมีราคาเท่ากับ Tesla Model S
• อดีตพนักงาน Apple สารภาพว่าล่วงรู้ความลับของ Apple Car
• เจ้าหน้าที่สับสนขณะดึงรถเปล่าที่ขับเคลื่อนด้วยตัวเอง
• รถตู้สีน้ำเงินคันใหญ่จากปี 1986 ปูทางไปสู่รถยนต์ไร้คนขับได้อย่างไร