شذوذ أوستن: خطأ حافلة مدرسة Waymo الفادح
أصبحت أوستن، تكساس، وهي مدينة معروفة بمشهدها التكنولوجي النابض بالحياة ومبادراتها المستقبلية، مؤخرًا ساحة اختبار غير متوقعة لتعقيدات تعلم المركبات ذاتية القيادة (AV). بينما تعمل Waymo، وحدة السيارات ذاتية القيادة التابعة لشركة Google، على توسيع عملياتها عبر العديد من المدن الأمريكية، ظهر تحدي محدد في شوارع عاصمة تكساس: حيث كافحت مركباتها ذاتية القيادة باستمرار لتحديد الحافلات المدرسية المتوقفة باستخدام الأضواء الساطعة والاستجابة لها بشكل صحيح.
بدأت التقارير في الظهور في أواخر عام 2023، والتي توضح بالتفصيل الحالات التي فشلت فيها مركبات Waymo، التي تعمل في وضع التحكم الذاتي الكامل، في التوقف التام أو أظهرت سلوكًا مترددًا وغير متوقع عندما مواجهة الحافلات المدرسية العاملة في إنزال الركاب أو نقلهم. ورغم أن هذه الحوادث لم تسفر عن وقوع إصابات، إلا أنها أثارت مخاوف كبيرة تتعلق بالسلامة بين أولياء الأمور ومسؤولي المدرسة والسلطات المحلية. صرح ماركوس ثورن، المتحدث باسم وزارة النقل في أوستن، في مقابلة أجريت معه في فبراير الماضي: "لم يكن الأمر مجرد حدث أو حدثين معزولين". "لقد رأينا نمطًا يشير إلى مشكلة نظامية في كيفية تفسير هذه المركبات لبروتوكول عالمي مهم للسلامة على الطرق."
النهج الاستباقي للمنطقة
استجابة للمخاوف المتصاعدة، أطلقت منطقة أوستن التعليمية المستقلة (AISD)، بالتعاون مع مدينة أوستن، برنامجًا تجريبيًا فريدًا في يناير 2024. وتهدف المبادرة إلى معالجة فجوة التعلم في مركبات Waymo بشكل مباشر. أوضحت الدكتورة إيلينا رودريغيز، مديرة النقل في AISD، قائلة: "لقد أدركنا أن المركبات الذاتية القيادة جزء من مستقبلنا، ولكن السلامة، وخاصة بالنسبة لأطفالنا، أمر غير قابل للتفاوض". "كانت فكرتنا هي العمل مباشرة مع Waymo، مما يؤدي بشكل أساسي إلى إنشاء بيئة خاضعة للرقابة للذكاء الاصطناعي الخاص بهم من أجل "تعلم" الفروق الدقيقة في مواقف الحافلات المدرسية."
تضمن البرنامج قيام الذكاء الاصطناعي AISD بنشر العديد من الحافلات المدرسية، المجهزة بأجهزة قياس عن بعد وأجهزة اتصالات خاصة، على مسارات محددة مسبقًا داخل مناطق تشغيل Waymo. ستقوم هذه الحافلات بإجراء محطات محاكاة في أوقات مختلفة من اليوم، مما يعكس ظروف العالم الحقيقي. كان الهدف هو تغذية الذكاء الاصطناعي الخاص بشركة Waymo بوفرة من البيانات - المرئية، وتقنية LIDAR، والرادار، والسياق - المتعلقة على وجه التحديد بالأضواء الحمراء الوامضة، وأذرع التوقف الممتدة، ووجود الأطفال حول حافلة مدرسية. تم منح مهندسي Waymo إمكانية الوصول إلى خطوط الحافلات وتدفقات البيانات في الوقت الفعلي، على أمل تحسين تصوراتهم ونماذج التنبؤ الخاصة بهم.
عندما وصلت الخوارزميات إلى الطريق المسدود
وعلى الرغم من الجهود التعاونية وجمع البيانات على نطاق واسع على مدى ثلاثة أشهر، إلا أن النتائج كانت مخيبة للآمال. بحلول أبريل 2024، استمرت مركبات Waymo في إظهار سلوك غير متسق، رغم أنها أظهرت بعض التحسن الهامشي. قد تتوقف بعض المركبات بشكل صحيح، ثم تتقدم قبل الأوان. قد يتباطأ آخرون ولكنهم لا يتوقفون تمامًا، أو يترددون لفترة طويلة بشكل غير عادي قبل أن يقرروا التحرك. وعلقت الدكتورة لينا خان، رئيسة أنظمة الإدراك في Waymo، خلال مؤتمر صحفي قائلة: "لقد أضفنا آلاف الساعات من بيانات المحاكاة والبيانات الواقعية إلى النظام". "على الرغم من أننا شهدنا تحسينات في التعرف على الأشياء واكتشاف ذراع الإيقاف، إلا أن الاستدلال في العالم الحقيقي والالتزام المستمر ببروتوكول الإيقاف الكامل، خاصة في ظل ظروف مختلفة مثل الوهج أو المطر، ظل بعيد المنال."
سلط هذا الفشل الضوء على قيد بالغ الأهمية: صعوبة ترجمة مجموعات البيانات الضخمة إلى عملية صنع قرار قوية وقابلة للتطبيق عالميًا في مجال الذكاء الاصطناعي. وتبين أن الفروق الدقيقة في موقف الحافلات المدرسية ــ الأضواء الساطعة، وذراع التوقف، والوجود المحتمل للأطفال، والشرط القانوني للتوقف في كل الممرات ــ أكثر تعقيدا بالنسبة للخوارزميات مما كان متوقعا. تم إيقاف البرنامج رسميًا مؤقتًا في أواخر أبريل، حيث ذكرت Waymo أنهم بحاجة إلى إعادة تقييم منهجيات التعلم الأساسية الخاصة بهم قبل إعادة المشاركة.
منحنى التعلم: الفصل الدراسي الواقعي للذكاء الاصطناعي
تسلط حوادث أوستن الضوء على الأسئلة الأساسية حول كيفية "تعلم" السيارات ذاتية القيادة والتكيف مع محيطها. تعتمد مركبات Waymo، مثل العديد من المركبات ذاتية القيادة المتقدمة، على مجموعة أجهزة استشعار متطورة، بما في ذلك:
- LIDAR: لرسم خرائط دقيقة ثلاثية الأبعاد واكتشاف الكائنات.
- الرادار: لقياس السرعة والمسافة، وهو مفيد بشكل خاص في الأحوال الجوية السيئة.
- كاميرات عالية الدقة: للإدراك البصري، والتعرف على إشارات المرور، وتحديد كائنات محددة مثل إشارات التوقف، والأهم من ذلك، محطة الحافلات المدرسية. الأسلحة.
- خوارزميات الذكاء الاصطناعي: لدمج هذه البيانات والتنبؤ بالسلوك واتخاذ قرارات القيادة.
تواجه القيمة المقترحة لخدمة Waymo، التي تعد بتعزيز السلامة والكفاءة من خلال أجهزتها القوية والذكاء الاصطناعي المتقدم، التدقيق عندما تتعثر في قاعدة مرور أساسية ضرورية للحياة. تشير تجربة أوستن إلى أنه في حين تتفوق المركبات ذاتية القيادة في التعرف على الكائنات الثابتة واتباع علامات واضحة للممرات، فإن تفسير بروتوكولات السلامة البشرية الديناميكية المعتمدة على السياق يتطلب مستوى أعمق من المحاكاة المعرفية التي قد لا تمتلكها نماذج الذكاء الاصطناعي الحالية بشكل كامل بعد.
ما وراء أوستن: الآثار المترتبة على مستقبل الحكم الذاتي
إن التوقف المؤقت في أوستن ليس بمثابة ناقوس الموت للمركبات ذاتية القيادة، بل هو تذكير صارخ بالتحديات الهائلة المقبلة. بالنسبة للمستهلكين، تعزز هذه الأحداث الحاجة إلى التفاؤل الحذر. في حين أن وسائل الراحة التي توفرها سيارات الأجرة الآلية جذابة، إلا أن التكنولوجيا الأساسية يجب أن تكون خالية من العيوب، خاصة عندما يتعلق الأمر بحماية مستخدمي الطريق المعرضين للخطر. إن القيمة مقابل المال في القيادة الذاتية لا تتعلق فقط بالتكلفة لكل ميل؛ فهو مرتبط بشكل جوهري بضمان السلامة الذي لا يتزعزع.
يؤكد خبراء الصناعة، مثل الدكتورة إيفلين ريد، الباحثة في أخلاقيات الذكاء الاصطناعي في جامعة تكساس في أوستن، على أن مثل هذه الإخفاقات هي جزء من عملية التطوير. وأشار الدكتور ريد إلى أن “الأمر لا يتعلق بافتقار شركة Waymo للجهد، بل يتعلق بالصعوبة الكامنة في بناء أنظمة ذكية حقًا”. "يتعلم السائقون البشريون من خلال الخبرة والحدس والفهم الاجتماعي. ويتعلم الذكاء الاصطناعي من خلال البيانات والأنماط. إن سد هذه الفجوة، خاصة بالنسبة للحالات المتطورة وسيناريوهات السلامة الحرجة مثل مواقف الحافلات المدرسية، هو الحدود النهائية للتكنولوجيا الذاتية." تمثل حالة شذوذ أوستن درسًا حيويًا، حيث تدفع الصناعة إلى تحسين أساليب "التعلم" الخاصة بها والتأكد من أن مستقبل التنقل ليس ذكيًا فحسب، بل آمنًا بشكل لا لبس فيه.
