Xe Hơi Có Thể Học Được Cách Tự Lái Từ Hành Vi Của Con Người

Nhận diện đối tượng là một phần của công nghệ xe tự lái, nhưng sau đó các câu hỏi về xe hơi phản ứng thế nào với những gì chúng phát hiện đã được đặt ra. Trong một bài phát biểu quan trọng tại Hội nghị Công nghệ GPU dành cho các nhà phát triển của Nvidia, CEO Jen-Hsun Huag cho biết việc truyền đạt các hành vi xe hơi sẽ giúp xe đáp ứng được các tình huống đa dạng hơn.

Bài phát biểu của ông Huang tập trung vào cách thức mà công nghệ GPU của Nvidia có thể sử dụng để xây dựng tính năng “Deep Neural Networks” kích hoạt công nghệ deep learning (tự học hỏi chuyên sâu). Một ứng dụng thực tế của công nghệ mới, sẽ ảnh hưởng đến hầu hết mọi người và có thể tạo ra những thay đổi lớn trong chức năng, là công nghệ xe tự lái.

Tại cuộc triển lãm CES hồi đầu năm 2015, Nvidia đã ra mắt Drive PX, một chiếc máy tính dùng cho xe tự lái, sử dụng tính năng Deep Neural Networks. Máy tính Drive PX sẽ có sẵn vào tháng 05/2015, và Audi đã cam kết sử dụng công nghệ mới để phát triển xe tự lái.


Với nguồn gốc từ các chip đồ họa, Huang đã dành một phần tốt đẹp trong bài phát biểu của mình nói chi tiết về việc làm thế nào các máy tính có thể học cách nhận diện đối tượng từ một đầu vào trực quan, cho dù đó là một hình ảnh tĩnh hay một nguồn cấp dữ liệu video. Đối với quá trình này, hàng triệu hình ảnh đầu vào của Nvidia, được gắn với tên các đối tượng đầu vào mô tả vào tính năng deep neural networks. Các quá trình xử lý hình ảnh được thực hiện bằng cách phân chia chúng thành các mẫu và các kết cấu.

Khi hệ thống bắt gặp một hình ảnh mà chưa nhìn thấy trước đó, chúng sẽ phân chia hình ảnh này, so sánh với các mẫu và các kết cấu đã được lưu trữ. Khi các bộ phận thành phần phù hợp với hình ảnh được gắn vào, máy tính có thể nhận dạng đối tượng trong hình ảnh mới.

Nghiên cứu này đã diễn ra trong 50 năm, và Huang đã chỉ ra cách mà các chip của Nvidia giúp công nghệ xe tự lái có một bước nhảy vọt trong độ chính xác vào năm 2012. Bằng một thử nghiệm được gọi là AlexNet, tính năng deep neural networks hiện tại chính xác hơn con người trong việc nhận diện đối tượng bằng hình ảnh. Trong bài phát biểu, Huang còn cho biết hệ thống không chỉ có thể nhận diện được con mèo trong hình ảnh mà còn có thể nhận diện được giới tính của nó.

Rõ ràng, tính năng nhận diện đối tượng sẽ cần thiết cho xe hơi trong tương lai trong việc nhận diện mọi thức trên phạm vi rộng, đồng thời giúp xe vượt qua được các con đường trong môi trường thực tế.

Xa hơn, Huang đã đề xuất về tính năng deep neural networks như là một giải pháp cho xe nhận diện các đối tượng trong môi trường nó đang lưu thông. Bên cạnh các tính năng hỗ trợ người lái đơn giản như hiện nay, chẳng hạn như phòng chống va chạm phía trước, nhấn thắng nếu phát hiện bất kỳ đối tượng nào trên đường lưu thông của xe, xe hơi có thể sử dụng công nghệ deep learning (học hỏi chuyên sâu) để đối phó với các tính huống phức tạp hơn.

Để minh họa, Huang đã đưa ra một ví dụ về Project Dave trong dự án DARPA khi các nhà thí nghiệm dạy xe điều khiển từ xa để tự lái. Thay vì đặt chiếc xe trên một con đường để theo dõi hoặc lập trình một cách chính xác những gì nó nên làm khi các cảm biến phát hiện một đối tượng trên đường, nhóm nghiên cứu đã sử dụng những video về việc con người lái xe như thế nào xung quanh một môi trường. Xe Project Dave học được từ việc xem con người tránh các đối tượng cụ thể trong môi trường. Khi nó dược thiết lập trong môi trường rộng hơn, nó sẽ xử lý tương tự như những hành vi đó.

Công nghệ học hỏi chuyên sâu đó cung cấp cho xe Project Dave – và có thể cung cấp cho những chiếc xe tự lái trong tương lai - một ý tưởng linh hoạt hơn về những gì nên làm khi gặp phải một đối tượng trên đường.

Thay vì có các kỹ sư cố gắng lập trình cho các tình huống có thể xảy ra ở thế giới thực, nhà sản xuất xe hơi có thể cung cấp cho hệ thống các video về việc lái xe trong thế giới thực, xe sẽ học được cách giải quyết thích hợp khi gặp phải những tình huống tương tự.

Nhận thức được các giới hạn của công nghệ deep neural networks là khá phức tạp, Huang đã chỉ ra rằng các kỹ sư có thể lập trình một tập hợp các hạn chế để tăng cường các hành vi được học, chẳng hạn như không bao giờ lái đâm trúng một vật rắn. Hơn thế nữa, những chiếc xe tự lái có thể được lập trình để không bao giờ va vào con người.