تقنية مبتكرة من معهد ماساتشوستس للتكنولوجيا لمساعدة البشر على توقع أخطاء السيارات ذاتية القيادة

تعرف على تقنية "CW-Net" التي تفسر قرارات السيارات ذاتية القيادة بدقة لتعزيز السلامة وفهم السائقين لسلوك المركبة في الوقت الحقيقي. غالباً ما تعتمد السيارات ذاتية القيادة على نماذج تعلّم عميق لاتخاذ قراراتها، إلا أن هذه النماذج قد تتصرف بشكل غير متوقع في بعض المواقف، مما يفرض على السائق أو الراكب التدخل بسرعة لتجنب وقوع حادث.

ولمساعدة البشر على فهم أخطاء السيارات ذاتية القيادة والتنبؤ بها بشكل أفضل، طوّر باحثون من معهد ماساتشوستس للتكنولوجيا (MIT)، بالتعاون مع شركة "Motional" المتخصصة في تقنيات المركبات ذاتية القيادة، طريقة جديدة تتيح تقديم تفسيرات واضحة للقرارات التي تتخذها نماذج الذكاء الاصطناعي المسؤولة عن قيادة السيارة. تحمل هذه الطريقة اسم "Concept-Wrapper Network" أو "CW-Net"، وهي تحوّل عملية اتخاذ القرار الداخلية إلى مفاهيم مفهومة تشرح سلوك السيارة من دون التأثير في أدائها أثناء القيادة.

تفسّر "CW-Net" قرارات أنظمة التخطيط المعتمدة على تعلّم الآلة من خلال مفاهيم واضحة، مثل الاقتراب من مركبة متوقفة أو وجود درّاج على مسافة قريبة. وقد أظهرت التجارب أن هذه التفسيرات ساعدت سائقي السلامة والأشخاص من غير المتخصصين على التنبؤ بسلوك السيارة بدرجة أكبر من الدقة.

وعلى المدى الأبعد، قد تساهم هذه التقنية في تعزيز سلامة المركبات ذاتية القيادة وشفافيتها، إلى جانب توفير معلومات مهمة للمهندسين أثناء اختبار أنظمة الذكاء الاصطناعي داخل السيارات ومعالجة الأخطاء التي قد تظهر فيها.