როცა საქმე ტექნოლოგიურ პროგრესს ეხება, მიგვაჩნია, რომ საჭირო და მოქმედი მოწყობილობის შექმნა საკმარისია მისი გავრცელებისა და ათვისებისთვის. რეალური სურათი, ყველაზე კარგად, ავტონომიური მანქანების შემუშავების პროცესში ჩანს.

რამდენიმე თვის წინ გავრცელდა სასიხარულო ინფორმაცია ჰონდას მესამე დონის ავტონომიური მანქანების მასობრივ წარმოებაში შესვლის შესახებ. რას ნიშნავს მესამე დონის ავტომატიზაცია – ამაზე ცოტა ხანში. ჰონდას ამბავი აღსანიშნავია არა ტექნოლოგიური კუთხით, არამედ იმიტომ, რომ იაპონიამ კომპანიას მანქანების მასობრივი წარმოების ნება დართო. აუდიმ ჯერ კიდევ შარშან შეიმუშავა მსგავსი ავტომატიზაცია, თუმცა, რეგულატორის უარის გამო, წარმოებაში გაშვება ვერ შეძლო.

რა რეალური დაბრკოლებები არსებობს დღეს, რომლებიც თვითმოარული მანქანების წარმოებას აფერხებს? ამ სტატიაში შევეხებით როგორც ტექნოლოგიურ, ისე რეგულაციურ გამოწვევებს.

ავტონომიურობის ექვსი საფეხური

ავტონომიურობის ექვსი საფეხურიდან პირველი სამი მთლიან ან ინტენსიურ ზედამხედველს საჭიროებს. მესამე დონის ავტომატიზაცია პირობითია და მხოლოდ კონკრეტულ სიტუაციებშია შესაძლებელი. მანქანას გააჩნია გარემოს მონიტორინგის სისტემა, თუმცა მძღოლი მუდმივად ყურადღებით უნდა იყოს და ხშირად ჩაერიოს მოძრაობაში. მეოთხე დონეზე მანქანა, ფაქტობრივად, დამოუკიდებლად გადაადგილდება, თუმცა საჭესთან მჯდომს ყურადღების მოდუნების უფლება მაინც არ გააჩნია. აი, მეხუთე დონის ავტომატიზაცია კი, იგივეა, რაც რობოტი მძღოლი.

რადგან ჯერ კიდევ მესამე დონის მანქანების მასობრივი წარმოება გვიხარია, აშკარაა, რომ მანქანის ტარების სრული ავტომატიზაცია ჯერ კიდევ შორსაა რეალობისგან.

განსხვავებული მიდგომები

ზოგი მწარმოებელი, როგორიცაა Waymo და Volvo, პირდაპირ მეოთხე დონის ავტომატიზაციაზე მუშაობენ, რადგან მიიჩნევენ, რომ პირობითი ავტომატიზაცია არც თუ ისე უსაფრთხოა: მძღოლი ზოგ შემთხვევებში საჭეს საერთოდ არ მართავს, მაგრამ ყურადღების მოდუნების უფლება არ აქვს, რადგან კრიტიკულ სიტუაციას მანქანა თავისით ვერ გაუმკლავდება. ილონ მასკის კომპანია Tesla კიდევ უფრო შორს მიდის და მეხუთე დონის, ანუ სრულად ავტონომიური მანქანების შემუშავებაზეა კონცენტრირებული. მიუხედავად ამისა, Tesla-ს დაპირებები დაპირებებად რჩება.

2016 წლის ოქტომბერში, ილონ მასკმა განაცხადა, რომ Tesla-ს მანქანებს სრულად ავტონომიური მართვის მოწყობილობა ჩამონტაჟებული ექნებოდა. იგი იმასაც დაგვპირდა, რომ მომავალ წელს თვითმოარული მანქანების ტესტირებები დაიწყებოდა. ოთხი წლის შემდეგ, მარტივი ავტოპილოტის ფუნქციების გარდა, ხელში არაფერი გვიჭირავს. მეტიც, შარშან მასკმა აღნიშნა, რომ 2016–2019 წლებში გამოშვებულ მოდელებს სპეციალური ჩიპის ჩამონტაჟება დასჭირდებოდა სრული ავტონომიურობის მისაღწევად.

გარტნერი მსოფლიოს წამყვანი კვლევებისა და საკონსულტაციო კომპანიაა, რომელიც ყოველწლიურად აქვეყნებს ტექნოლოგიების ინდუსტრიის ანალიზს. მოდელი, რომელსაც ის ამ სტატისტიკებისთვის იყენებს, ‘აჟიოტაჟის ციკლის’ სახელითაა ცნობილი. ეს არის გრაფა, რომელიც 5 ეტაპად იყოფა და ნათლად ჩანს, რომელი ტექნოლოგიებია ყურადღების ცენტრში, მაგრამ ვალიდაციის გარეშე და რომელი ტექნოლოგიები რეალურად იმკვიდრებენ თავს ბაზარზე. გარტნერის ანალიზზე დაყრდნობით უკვე დაიწერა სტატია ხელოვნურ ინტელექტსა და ბლოკჩეინ ინდუსტრიაზე. აქ კი, მოდი, ავტონომიური მანქანების ტრენდებს გადავუაროთ.

2020 წლის ივლისში გამოქვეყნებული ციკლის თანახმად, ავტონომიური მანქანები იმედგაცრუების ფსკერზე არიან. ეს ნიშნავს, რომ დაპირებების შეუსრულებლობის გამო, ტექნოლოგიის მიმართ ინტერესი ნელ-ნელა ქრება და ინვესტიციების მოზიდვაც საგრძნობლად რთულდება. მეტიც, გარტნერის გამოთვლებით, ტექნოლოგიას ათ წელზე მეტი დასჭირდება ფართო მასებზე გამოსასვლელად! ეს ილონ მასკის მოლოდინებს ბევრად აჭარბებს.

მაშინ, როცა ხელოვნური ინტელექტი და ნივთების ინტერნეტი (IoT) თავს იმკვიდრებს ბაზარზე და მთავარი ამოცანა ტექნოლოგიის ინდუსტრიალიზაცია და დემოკრატიზაციაა, საინტერესოა, რა მოულოდნელ დაბრკოლებებს წააწყდნენ მწარმოებლები ავტონომიური მანქანების შემუშავების პროცესში.

რა აბრკოლებს ავტონომიური მანქანების წარმოებას?

თვითომარულ ტრანსპორტზე ჯერ კიდევ მეოცე საუკუნის შუა პერიოდიდან ოცნებობდნენ. სურათზე გამოსახულია სტენფორდის ეტლი, პირველი “ავტონომიური” ტრანსპორტი, რომელიც 1961 წელს შეიქმნა. მოწყობილობას შეეძლო წინაღობებისთვის გვერდის ავლა და ხელოვნური ინტელექტის წინამორბედი სისტემაც კი ჰქონდა ჩამონტაჟებული. მთავარი პრობლემა: ყოველი ერთ მეტრიანი მოძრაობის დასაგეგმად 10–15 წუთი “ფიქრი” სჭირდებოდა.

60 წლით გადავახვიოთ და — სრული ავტომატიზაცია დღესაც სამეცნიერო ფენტეზის თემაა. ოქტომბრის კონფერენციაზე ილონ მასკმა თავად განაცხადა, რომ:

“[მანქანას] საკმაოდ შეზღუდული ფუნქციონალი აქვს, რომელიც ჯერ კიდევ საჭიროებს მძღოლის ზედამხვედველობას, რადგან მსოფლიო კომპლექსური და არეული ადგილია.”

ის იმ ტექნოლოგიურ, ლეგალურ და ეთიკურ პრობლემებს გულისხმობდა, რომლებსაც ახლა განვიხილავთ.

ტექნოლოგიური წინაღობები

სენსორები

თვითმოარული მანქანების შესაძლებლობები სენსორების ეფექტიანობით განისაზღვრება. რაც უფრო კარგად “ხედავს” მანქანა, მით უკეთ მოძრაობს ქუჩებში. დღევანდელი სენსორები საკმაოდ დახვეწილია და მათ შეუძლიათ როგორც ობიექტსა და მანქანას შორის არსებული დისტანციის აღქმა, ისე მოძრავ ობიექტთა სიჩქარის გამოთვლა. თუმცა, რეალურ სამყაროში გზებზე გადაადგილებისას ეს საკმარისი არაა.

სენსორებთან დაკავშირებული ძირითადი პრობლემებია: ცუდ ამინდში გამოსახულების აღქმისა და ხარისხის დავარდნა; აღქმული ობიექტების იდენტიფიკაცია (ადამიანის და ხის, უვნებელი გუბურისა და ღრმულის გარჩევა), დაზიანებული ან გადახატული ნიშნების ამოცნობის უუნარობა; მძიმე საცობებში გზის გაკვალვა.

მანქანური სწავლების ალგორითმები

მანქანური სწავლების ალგორითმები გულისხმობს სისტემას, რომელიც მუდმივად განაგრძობს მიღებული მონაცემების დამუშავებას და მათზე დაყრდნობით სწავლა-განვითარებას. რამდენადაც სასარგებლოა ეს მახასიათებელი, იმდენად სახიფათოა იგი, როცა საქმე რეალურ სამყაროში გადაადგილებას ეხება.

მონაცემთა ანალიტიკოსები და ინჟინრები ვერ მიდიან კონსესუსამდე იმის თაობაზე, თუ რა პრინციპებზე უნდა აიგოს ყველაზე ოპტიმალური ალგორითმები. განსხვავებები თავს იჩენს სხვადასხვა ქვეყნების წარმომადგენლებშიც. უფრო დეტალურად ამ პრობლემას ეთიკურ დილემებზე საუბრისას განვიხილავთ.

მანქანებს შორის კომუნიკაცია

ხელოვნური ინტელექტის პროგრამებით აღჭურვილი მანქანების მთავარი უპირატესობა ურთიერთკომუნიკაციაა. ეს ნიშნავს, რომ მანქანებს რეალურ დროში მისდით ინფორმაცია წინ არსებული დაბრკოლებების, მაგალითად, ავარიის ან გზის გადაკეტვის შესახებ. დღეს ეს პირობა არც თუ ისე ეფექტიანად მუშაობს, რისი მიზეზიც არამყარი კავშირგაბმულობა, ანუ ნელი და არასანდო ინტერნეტია. 5G-ის ათვისებაც ამიტომაა ასეთი მნიშვნელოვანი. კიდევ ერთი პრობლემა რუკებში გაპარული პრობლემებია. ყველას შეგვხვედრია ისინი, მაგრამ ადამიანებს ამ შეცდომებზე რეაგირება მარტივად გამოგვდის. მანქანებს — ნაკლებად.

ლეგალური და ეთიკური წინაღობები

გადაწყვეტილებების მიღების უნარი

თვითმოარულ მანქანას მხოლოდ მოხვევა-დატორმუზებები არ ევალება. პროგრამას კრიტიკულ სიტუაციებში რეაგირების უნარიც უნდა შესწევდეს, რაც ნიშნავს, რომ ჩვენ ამ სიტუაციებზე რეაგირების საუკეთესო ვარიანტზე უნდა შევჯერდეთ. ამ ტექნოლოგიის მთავარი ხიბლი საგზაო ავარიების შემცირებაა, მაგრამ თუ ეს რიცხვი მანქანის მიერ მიღებული არასწორი გადაწყვეტილებების გამო გაიზრდება, ბევრს ვერაფერს მოვიგებთ.

ეთიკური დილემების თვალსაჩინო მაგალითია შემდეგი სიტუაცია: გზაზე ბავშვმა გადმოირბინა. უნდა გადაუხვიოს თუ არა მანქანამ და რისკის ქვეშ ჩააგდოს მგზავრები, თუ გააგრძელოს მოძრაბა ბავშვის გაუთვალისწინებლად?

ასეთი კითხვები საფრანგეთის უნივერსიტეტის ფსიქოლოგმა დაუსვა სატესტო ჯგუფს. ჯამში 6 სხვადასხვა კვლევა ჩატარდა, პასუხები კი აკმაოდ წინააღმდეგობრივია: ადამიანთა უმრავლესობა მიიჩნევს, რომ მანქანამ გადაწყვეტილება ისე უნდა მიიღოს, რომ რაც შეიძლება ცოტა ადამიანი დაშავდეს. მეორეს მხრივ, ისინი უპირატესობას ანიჭებდნენ სისტემას, რომელიც, უპირველეს ყოვლისა, მგზავრების კეთილდღეობაზე ზრუნავდა. იმის გარდა, რომ ეს ორი პრიორიტეტი ერთმანეთთან თანხვედრაში არაა, ეს ნიშნავს, რომ მოყვანილ მაგალითში, მანქანას ბავშვი უნდა გაეტანა.

ასეთი ეთიკური დაბრკოლებები ყველაზე დიდ პრობლემას წარმოადგენს არა მხოლოდ ავტონომიური მანქანებისთვის, არამედ ხელოვნური ინტელექტისთვისაც. მითუმეტეს, შეზღუდული ტექნოლოგიური შესაძლებლობებისას.

სახელმწიფო შეზღუდვები

იმისათვის, რომ თვითმოარული მანქანების მასობრივი წარმოება რეალობად იქცეს, სახელმწიფოებმა ამის უფლება უნდა გასცენ. ჰონდას მესამე დონის მოდელების წარმოებაც სწორედ ამიტომაა აღსანიშნი ამბავი. ეს მართლაც დიდი წინ გადადგმული ნაბიჯია, მაგრამ სანამ ტექნოლოგია საგრძნობლად არ დაიხვეწება, მანამდე სახელმწიფო შეზღუდვების გადალახვა სერიოზულ პრობლემად დარჩება.

ერთადერთი, რაც დაგვრჩენია, ტექნოლოგიური პროგრესისთვის თვალის დევნებაა. სრულად ავტონომიური მანქანების შემუშავებას წინ ბევრი ინოვაცია უძღვის – როგორც ტექნოლოგიური, ისე რეგულაციურიც.

___

მედიალაბი აქსელერატორია, რომელიც ეხმარება სხვადასხვა ეტაპზე მყოფ სტარტაპებს, იდეიდან მდგრადი ბიზნესის შექმნამდე. ჩვენი მთავარი ფოკუსია ინოვაციური გადაწყვეტები მედიის, ტელეკომუნიკაციების, მეგა მონაცემების შეგროვებისა და დამუშავების, ხელოვნური ინტელექტის, გეიმინგის, ვირტუალური და დამატებითი რეალობისა და მათთან დაკავშირებული ინდუსტრიების მიმართულებით.

გაქვს სტარტაპი ან სტარტაპიდეა? დარეგისტრირდი შენთვის შესაფერის პროგრამაში და შემოუერთდი მედიალაბის აქსელერატორს!

გამოიწერე ჩვენი Facebook გვერდი და არ გამოტოვო სიახლეები აქტუალური სტარტაპებისა და კომუნიკაციების ინდუსტრიის შესახებ