Az önvezető autó megvalósításának egyik legfontosabb kérdése a mesterséges intelligencia, de az autóipar számtalan más területén is egyre nagyobb teret kapnak az okos megoldások. Az ELTE Informatika karán saját tanszéket kapott a téma, és a megnyitó kapcsán igyekeztünk utána járni, mikor engedhetjük már végre el a kormányt.
Természetesen sokszor használok kocsit közlekedésre, az autóvezetés számomra elsősorban mégis élvezet. Így igazából nem teljesen világos számomra, miért dolgozik mindenki önvezető autókon – ha nem akarok vezetni, felszállok a vonatra, nem? Az okoskodást félretéve azonban egyértelműen látszik, hogy az önvezetés értelmes cél. Ha sportkocsi helyett anya családi autóját, esetleg buszt, kamiont, vonatot vagy épp teherhajót képzelek magam elé, mindjárt világos, miért dolgoznak ilyen sokan a dolog elméletén, jogi hátterén és gyakorlati megvalósításán. És egy dolog biztos: az önvezetés legfontosabb kihívása a megfelelően fejlett és megbízható mesterséges intelligencia létrehozása. Hát ezért fogott össze az ELTE a Bosch-sal.
Bár a Bosch neve hallatán gondolhatnánk fúró- vagy mosógépre, MI témában kiemelkedően fontos játékosok, és ebben hatalmas szerepe van a Budapesti Fejlesztési Központnak. Elsősorban az ipari alkalmazással foglalkoznak, márpedig az MI olyan terület, ahol az egyetemi kutatásnak is bőven van még szerepe. Ezért a magyarországi Bosch csoport az utóbbi években egyre több magyar egyetemmel épített ki együttműködéseket, és ennek legújabb állomásaként közösen indítottak Mesterséges Intelligencia ipari tanszéket az ELTE-vel. A május 9-i megnyitón egyértelművé tette minden felszólaló, hogy ez a kapcsolat jóval több egyszerű szponzorációnál. Például a 400 négyzetméteres tanszéken a tantermek mellett, rugalmasan használható kutatói munkaállomásokat, kollaborációs teret, workshop szobát és könyvtárhelyiséget is kialakítottak a cég munkakörnyezettel foglalkozó irányelveit figyelembe véve.
Interjú: Szászi István, a Bosch csoport vezetője Magyarországon és az Adria régióban
- Mi készteti a Bosch-t egyetemi partnerségek kialakítására?
- A mesterséges intelligencia tipikusan olyan szakterület, amit nem csak a tudomány kutat, hanem a területen működő cégek is, és együttműködve ez hatékonyabb. Például mert tudunk segíteni az egyetemen abban, hogy mire van igény, mi az, ami az ipart motiválja. Verseny mind a két területen van, az egyetem az akadémiai szférában versenyez, ahogy láthatjuk például tudományos konferenciákon, ahol a kutatók a legújabb eredményeiket mutatják be. A cégek pedig abban, hogy az akadémiai szférában elért eredményeket hogyan tudják hasznosítani.
- A mesterséges intelligencia alkalmazása a gyártásban, vagy a termékben, a kész autókban jár előrébb?
- Már ma is vannak olyan autókba épített funkciók, melyek mesterséges intelligenciás megoldásokat használnak, de a gyártás legalább ilyen izgalmas. Például a minőségmenedzsment, vagy a gyártás-szervezés területe, vagy épp a digitalizáció. Az így nyert adatok feldolgozása, MI alapú kiértékelése legalább annyira izgalmas kihívás, mint a termékfejlesztési oldal, pedig abban töltöttem a szakmai karrierem egy részét. Aztán ott a tesztelés – ez lehet fejlesztési és gyártási szempontú is.
- Vannak már piacon olyan autók, melyek arcfelismerés alapján hívják elő a beprogramozott vezetői profilokat. Innen már csak egy lépés, hogy kulcs se kelljen?
- Az arcfelismerés izgalmas terület és a magyarországi Bosch csoport mérnökei dolgoznak is ilyen problémákon. De mi ezt elsősorban a biztonság oldaláról közelítjük meg. Amikor egy önvezető autóról beszélünk, akkor nem elég a környezetet érzékelni, hanem tudnunk kell, hogy a járművezető mit csinál. Például mi van, ha a sofőr egy négyes szintű önvezetésnél rosszul lesz, vagy csak elalszik mondjuk? Képes-e bármikor átvenni egy figyelmeztetésre a felelősséget a járműtől, vagy nem? A belső kamerák ezt a célt szolgálják. Ezek a funkciók már most léteznek, én is teszteltem olyan rendszert, ami a belső kamerát összekötötte az ACC Stop & Go (radaros tempomat) rendszerrel, ami képes a forgalom igényei szerint állóra fékezni az autót, majd újra elindulni, ha megy a sor. Csakhogy mikor álltunk, becsuktam a szemem, és erre nem indult el az autó. Csak egy hangjelzést adott, hogy ő menetkész, de nekem is figyelnem kell. Napszemüvegben is működött, és az önvezetés felé vezető úton fontos lépcsőfok, hogy az utastér figyelése jól működjön. Meg persze arra is alkalmasak ezek a rendszerek, hogy autómegosztó cégeknél felügyelet alatt álljon a jármű. A lényeg, hogy a kamera képe egy adat, amit mesterséges intelligencia segítségével tudunk különböző szempontok szerint kiértékelni.
- Az önvezetés talán legnagyobb kihívása, hogy olyan térben működjön biztonságosan, ahol nem csak más önvezető járművek, hanem mindenféle közlekedő mozog. Ez megoldható probléma?
- Igen, de valóban ez a legnagyobb kihívás. Vagy mondhatjuk úgy is, hogy a városi környezet a legnagyobb kihívás, pláne, ha elhagyjuk Kalifornia derékszögű úthálózatát, és mondjuk Budapestről beszélünk. Például mi van, ha nem tökéletesen parkol valaki, és kicsit belóg? Vagy ha lelép váratlanul egy gyalogos? A legfőbb kérdés az autonóm funkcióval rendelkező és nem rendelkező közlekedési résztvevők interakciója. Vannak a Boschnál kutatások ezen a téren, de rájöttünk arra, hogy az iparágnak több idő kell, akár az egyetemi kutatások oldaláról is, amíg ezek az algoritmusok kicsit tökéletesebbek lesznek, vagy még jobban az ipar problémájára lesznek szabva. Persze a mai rendszerek, a kettes vagy hármas szintű önvezető megoldások ettől még használhatók városban, csak sokkal hamarabb szólnak, hogy át kell vennünk az irányítást. Izgalmas kihívás ezen dolgozni, és ezért is fontosak az olyen parterek, mint az ELTE.
- Villanyautózás központi kérdése az energia menedzsment, ebben van helye a mesterséges intelligenciának?
Abszolút, például ott a hatótáv kérdése. Ez nemcsak azon múlik, hogy mennyire tapossuk a gázt, nagyon fontos paraméter a hőmérséklet is. A Bosch fejleszt olyan akkumulátor felügyelő elektronikákat, amelyek télen fűtik, nyáron hűtik az akut, hogy megfelelő hatásfokon dolgozzon, és ezzel a lehető legjobb hatótávolságra legyen képes. De az is érdekes kérdés, hogy az akkut nem kell mindig 100%-ra tölteni. Erre is készülnek megoldások, melyek figyelik a szokásainkat, napirendünket és ez alapján javasolnak töltési stratégiát.
A megnyitó kapcsán kis bemutatók segítségével próbáltak a kutatók bevezetni abba, milyen részproblémák megoldásán keresztül igyekszünk a mesterséges intelligenciát fejleszteni. Az egyik ilyen bemutatón szolmizációs jeleket kamera képen felismerő robot szólaltatta meg zongorán a megfelelő hangot, egy másik pedig azt szemléltette, hogy miként próbálja feltérképezni egy önvezető autó a környezetét. Ez ma még olyan terület, ahol nincs egyetértés abban sem, mik a legjobb letapogatási metódusok, hiszen van, aki Lidarra esküszik, van, aki viszont szinte kizárólag a kamerákban hisz. A bemutató állomáson dolgozó kutató szerint az is szempont, hogy mekkora távolságra akarunk ellátni, hiszen míg egy kis sebességű parkolásra tökéletes a Lidar és a kamera, de nagy sebességgel haladva, autópályán fontos lehet a radar távolra látó képessége is.
De talán a legérdekesebb tanulság számomra az volt, hogy amikor mesterséges intelligenciáról van szó, ne egy humanoid alakba csomagolt robot jusson eszembe. Az egyes járművek általában sok egyszerű számítógépet tartalmaznak egy nagy központi egység helyett, mert így egyszerűbb a kábelezés, és olcsóbb a gyártás. Egy olyan autó, ami önmagában MI-képes, a mainál sokkal drágább számítógépek beépítését igényelné, de erre nincs igazán szükség. Hiszen az egyes autónak nem kell magától tanulnia, elég, ha a tapasztalatait megosztja a központi aggyal, ahol viszont rendelkezésre áll a számítási kapacitás új, jobb megoldásokat kidolgozni a felmerült szituációkra. Az ezzel frissített szoftvert aztán minden autó megkaphatja. Tehát nagyjából úgy, ahogy az egyes ember nem tudna holdra szállni, de együtt csodákra is képesek vagyunk. Hát ezért kellenek az ilyen kooperációk.
Ilyen és ehhez hasonló tartalmakért kövesd a Totalcar TeChno Facebook-oldalát is!
