Oleh Lance Eliot, AI Trends Insider
Menentukan tempat terbaik untuk menurunkan penumpang bisa menjadi masalah.
Tampaknya relatif umum dan benar-benar menakutkan bahwa seringkali layanan ridesharing atau taksi memilih untuk mengantar Anda ke tempat yang dipilih dengan buruk dan rakit dengan komplikasi.
Saya ingat suatu kali, ketika di New York City, seorang sopir taksi membawa saya ke hotel saya setelah saya tiba lewat tengah malam di bandara, dan untuk alasan saya tidak akan pernah tahu dia memilih untuk menurunkan saya sekitar satu blok dari hotel. , melakukannya di sudut yang gelap, ditandai dengan grafiti, dan terlihat seperti zona perang.
Saya berjalan hampir satu blok kota pada malam hari, di daerah yang kemudian saya temukan terkenal karena berbahaya, termasuk perampokan dan tindakan buruk lainnya.
Di satu sisi, ketika kami diturunkan dari layanan ridesharing atau yang setara, kami sering cenderung berasumsi bahwa pengemudi telah mengidentifikasi tempat yang cocok untuk melakukan drop-off.
Agaknya, kami berharap minimal:
· Pengantaran mendekati tujuan yang diinginkan
· Pengantaran harus relatif mudah untuk keluar dari kendaraan di tempat pengantaran
· Pengantaran harus dalam posisi aman untuk keluar dari kendaraan tanpa cedera
· Dan itu adalah bagian penting dari perjalanan dan dihitung sebanyak penjemputan awal dan perjalanan itu sendiri.
Dalam pengalaman saya, pengantaran sering kali tampaknya menjadi waktu bagi pengemudi untuk menyingkirkan penumpang dan pada kenyataannya pola pikir pengemudi sering mengenai di mana ongkos mereka berikutnya, karena mereka sekarang telah kehabisan nilai yang ada penumpang dan mencari lebih banyak pendapatan dengan memikirkan penumpang berikutnya.
Tentu saja, Anda bahkan dapat merusak diri sendiri ketika harus melakukan drop-off.
Suatu hari, dilaporkan dalam berita bahwa seorang wanita keluar dari mobilnya di jalan bebas hambatan 405 di Los Angeles ketika mobilnya macet, dan sayangnya, mengerikan, mobil lain menabraknya dan kendaraannya yang macet. Serangkaian tabrakan mobil yang berjatuhan kemudian terjadi, menutup banyak jalan bebas hambatan di daerah itu dan mendukung lalu lintas hingga bermil-mil.
Dalam beberapa kasus, ketika mengendarai mobil sendiri, kami membuat keputusan tentang kapan harus keluar dari kendaraan, dan dalam kasus lain seperti naik mobil atau naik taksi, kami meminta orang lain untuk menilai kami.
Dalam kasus seorang pengemudi kereta api atau taksi, saya akhirnya menemukan bahwa sebagai pelanggan saya perlu memeriksa ulang drop-off, bersama dengan meminta tempat alternatif untuk diturunkan jika situasinya tampaknya menjamin hal itu. Anda biasanya berasumsi bahwa pengemudi lokal yang Anda andalkan memiliki pengertian yang lebih baik mengenai apa yang cocok untuk pengantaran, tetapi pengemudi tersebut mungkin tidak memikirkan kondisi yang Anda hadapi dan sebagai gantinya dapat berkonsentrasi pada masalah lain sepenuhnya.
Inilah pertanyaan untuk Anda, bagaimana mobil otonom tanpa pengemudi sejati yang mengemudi sendiri yang asli tahu di mana mengantar penumpang manusia?
Ini sebenarnya adalah masalah yang cukup membingungkan yang meskipun belum tampak sangat tinggi dalam daftar prioritas pengembang AI untuk mobil otonom, pada akhirnya masalah drop-off akan memundurkan kepalanya yang bermasalah sebagai sesuatu yang perlu dipecahkan.
Untuk kerangka keseluruhan saya tentang mobil otonom, lihat tautan ini: https://aitrends.com/ai-insider/framework-ai-self-driving-driverless-cars-big-picture/
Untuk alasan mengapa mencapai mobil self-driving sejati seperti pelayaran jarak jauh, lihat penjelasan saya di sini: https://aitrends.com/ai-insider/self-driving-car-mother-ai-projects-moonshot/
Untuk indikasi saya tentang kasus tepi atau sudut pada mobil otonom AI, lihat tautan ini: https://aitrends.com/ai-insider/edge-problems-core-true-self-driving-cars-achieving-last-mile/
Untuk bahaya yang menunggu pejalan kaki dan bagaimana mobil self-driving AI harus merespons, lihat diskusi saya di sini: https://aitrends.com/ai-insider/avoiding-pedestrian-roadkill-self-driving-cars/
Masalah AI Memilih Poin Drop-off
Pandangan sederhana tentang bagaimana AI seharusnya menurunkan Anda terdiri dari sistem AI hanya berhenti di lokasi yang tepat di mana Anda telah diminta untuk pergi, seolah-olah itu hanya lintang dan bujur yang ditentukan secara matematis, dan kemudian terserah Anda untuk keluar dari mobil self-driving.
Ini mungkin berarti bahwa mobil otonom diparkir ganda, meskipun jika ini adalah tindakan lalu lintas ilegal maka itu bertentangan dengan keyakinan bahwa mobil yang dikendarai sendiri tidak boleh melanggar hukum.
Saya sudah berbicara dan menulis secara luas bahwa itu adalah kepalsuan untuk berpikir bahwa mobil otonom akan selalu dengan ketat mematuhi semua undang-undang lalu lintas, karena ada banyak situasi di mana kita sebagai manusia menekuk atau kadang-kadang melanggar surat ketat undang-undang lalu lintas, dengan melakukan hal itu karena perlunya momen atau bahkan kadang-kadang diizinkan untuk melakukannya.
Dalam kasus apa pun, poin saya adalah bahwa sistem AI dalam perspektif sederhana ini tidak melakukan apa yang secara keseluruhan kita harapkan atau harapkan dilakukan oleh pengemudi manusia ketika mengidentifikasi tempat penurunan, yang seperti yang saya sebutkan sebelumnya harus memiliki karakteristik seperti ini:
· Dekat dengan tujuan yang diinginkan
· Berhenti di tempat yang memungkinkan untuk keluar dari mobil
· Memastikan keamanan penumpang yang turun
· Memastikan keamanan mobil dalam postur berhenti
· Tidak merusak lalu lintas pada saat berhenti
· Dll
Bayangkan sejenak apa yang perlu dilakukan AI untuk mendapatkan titik drop-off berdasarkan kriteria yang menonjol itu.
Sensor dari mobil self-driving, seperti kamera, radar, ultrasonik, LIDAR, dan perangkat lain harus dapat mengumpulkan data secara real-time tentang lingkungan tujuan, setelah mobil self-driving mendapatkan dekat ke titik itu, dan kemudian AI perlu mencari tahu di mana untuk menghentikan mobil dan memungkinkan untuk menurunkan penumpang. AI perlu menilai apa yang dekat dengan tujuan, apa yang mungkin menjadi tempat yang tidak aman untuk berhenti, apa status lalu lintas yang ada di belakang mobil tanpa pengemudi, dan sebagainya.
Mari kita juga melemparkan variabel lain ke dalam campuran.
Misalkan malam hari, apakah pemilihan drop-off berubah versus ketika dropping off di siang hari (seringkali, jawabannya adalah ya). Apakah hujan atau turun salju, dan jika demikian, apakah itu berdampak pada pilihan drop-off (biasanya, ya)? Apakah ada perbaikan jalan yang terjadi di dekat tujuan dan apakah itu berdampak pada opsi untuk melakukan drop-off (ya)?
Jika Anda berkata pada diri sendiri bahwa penumpang harus mengambil nasib ke tangan mereka sendiri dan memberi tahu sistem AI di mana harus mengantarnya, ya, beberapa pengembang AI menggabungkan Natural Language Processing (NLP) yang dapat berinteraksi dengan penumpang untuk situasi seperti itu. , meskipun ini tidak sepenuhnya menyelesaikan masalah penurunan ini.
Mengapa?
Karena penumpang mungkin tidak tahu tempat yang bagus untuk mengantar.
Saya pernah mengalami situasi di mana saya berdebat dengan supir atau sopir taksi tentang di mana saya pikir saya harus turun, tetapi ternyata pengetahuan lokal mereka lebih selaras dengan tempat yang bijaksana dan lebih aman untuk melakukannya.
Plus, dalam kasus mobil otonom, perlu diingat bahwa penumpang di mobil tanpa pengemudi mungkin semua anak-anak dan tidak ada orang dewasa. Ini berarti bahwa Anda berpotensi akan memiliki anak yang mencoba memutuskan di mana tempat yang tepat untuk diturunkan.
Saya ngeri berpikir jika kita benar-benar akan memiliki sistem AI yang tidak memiliki kemiripan yang masuk akal akan menerima perintah tegas dari seorang anak kecil, sedangkan seorang pengemudi manusia dewasa akan mampu menangkal pilihan drop-off yang naif dan berbahaya. (mungkin, semoga).
Untuk penggunaan Pemrosesan Bahasa Alami dalam percakapan sosial, lihat diskusi saya di sini: https://aitrends.com/features/socio-behavioral-computing-for-ai-self-driving-cars/
Untuk penjelasan saya tentang mengapa mobil self-driving AI perlu mengemudi secara ilegal, lihat tautan ini: https://aitrends.com/selfdrivingcars/illegal-driving-self-driving-cars/
Untuk peran anak-anak sebagai pengendara mobil otonom AI, lihat indikasi saya di sini: https://www.aitrends.com/ai-insider/children-communicating-with-an-ai-autonomous-car/
Untuk wawasan saya tentang bagaimana malam hari sulit menggunakan mobil self-driving AI, lihat tautan ini: https://www.aitrends.com/ai-insider/nighttime-driving-and-ai-autonomous-cars/
Untuk peran ODD dalam mobil otonom, inilah diskusi saya: https://www.aitrends.com/ai-insider/amalgamating-of-operational-design-domains-odds-for-ai-self-driving-cars/
Lebih Lanjut Tentang The Drop-off Conundrum
Topik drop-off terutama akan datang untuk bermain untuk mobil self-driving di Level 4, yang merupakan tingkat di mana mobil otonom akan berusaha untuk pullover atau menemukan pengaturan "kondisi risiko minimal" ketika AI telah mencapai titik yang itu telah kehabisan Operasional Desain Domain (ODD) yang diizinkan. Kita akan memiliki penumpang di dalam mobil otonom Tingkat 4 yang mungkin terdampar di tempat-tempat yang tidak bijaksana bagi mereka, termasuk mengatakan anak-anak muda atau mungkin seseorang yang berusia lanjut dan mengalami kesulitan merawat kesejahteraan mereka sendiri.
Telah dilaporkan bahwa beberapa uji coba awal dari mobil self-driving mengungkapkan bahwa mobil otonom agak bingung ketika mendekati drop-off di sekolah yang sibuk, yang masuk akal bahwa bahkan sebagai pengemudi manusia situasi kacau anak-anak muda berlari di dalam dan di sekitar mobil di sebuah sekolah bisa sangat mengerikan.
Saya ingat ketika anak-anak saya masih kecil betapa sulitnya untuk memasuki rawa-rawa mobil yang datang dan pergi pada awal hari sekolah dan pada akhir hari sekolah.
Salah satu solusi yang tampaknya untuk kasus mobil self-driving yang dilaporkan adalah pemrograman ulang drop-off penumpang usia sekolah dasar di sudut jalan dari sekolah, sehingga nampaknya tidak keluar dari kemacetan lalu lintas.
Dalam hal anak-anak saya sendiri, saya telah mempertimbangkan untuk melakukan sesuatu yang serupa, tetapi kemudian menyadari bahwa itu berarti mereka memiliki jarak yang lebih jauh untuk berjalan ke sekolah, memberikan aspek-aspek potensial yang tidak diinginkan lainnya dan bahwa lebih masuk akal untuk menggali lalu lintas dan menjatuhkan mereka sedekat mungkin dengan pintu masuk sekolah.
Beberapa berharap bahwa Machine Learning dan Deep Learning secara bertahap akan meningkatkan sistem penggerak AI di mana harus mengantarkan orang, berpotensi belajar dari waktu ke waktu di mana melakukannya, meskipun saya memperingatkan bahwa ini bukan gagasan membanting-dunk (sebagian karena kurangnya alasan yang masuk akal untuk AI hari ini).
Yang lain mengatakan bahwa kita semua harus menyesuaikan diri dengan sistem AI primitif dan memiliki semua restoran, toko, dan lokal lainnya semua menetapkan zona penurunan yang ditunjuk.
Ini seperti aspek logistik yang sulit yang tidak mungkin terjadi pada semua situasi penurunan yang mungkin terjadi. Pendekatan serupa lainnya melibatkan penggunaan komunikasi elektronik V2V (kendaraan-ke-kendaraan), yang memungkinkan sebuah mobil yang telah menemukan tempat penurunan untuk memberi tahu mobil-mobil terdekat lainnya di mana penurunan itu. Sekali lagi, ini memiliki berbagai kompromi dan bukan obat untuk semua.
Kesimpulan
Ini mungkin tampak seperti topik yang menggelikan bagi sebagian orang, gagasan untuk khawatir menurunkan orang-orang dari mobil otonom hanya akan menjadi semacam masalah yang berlebihan.
Hanya sampai ke tujuan yang diinginkan melalui koordinat apa pun yang tersedia, dan pastikan mobil otonom tidak menabrak apa pun atau siapa pun saat sampai di sana.
Masalahnya adalah, langkah terakhir, keluar dari mobil otonom, dapat merusak hari Anda, atau lebih buruk kehilangan nyawa, dan kita perlu mempertimbangkan secara holistik seluruh perjalanan penumpang dari awal hingga selesai, termasuk di mana mengantar manusia yang mengendarai di mobil tanpa pengemudi mengemudi sendiri.
Ini akan menjadi satu langkah kecil bagi umat manusia, dan satu lompatan raksasa untuk mobil otonom AI.
Hak Cipta 2020 Dr. Lance Eliot
Konten ini awalnya diposting di AI Trends.
[Ed. Catatan: Untuk pembaca yang tertarik pada analisis bisnis Dr. Eliot yang sedang berjalan tentang munculnya mobil yang bisa menyetir sendiri, lihat kolom Forbes online-nya: https://forbes.com/sites/lanceeliot/]
