Umělá inteligence dodá autům schopnost rozhodnout se jako člověk
Základním předpokladem pro pokročilé asistenční funkce a automatizované řízení je detailní porozumění a přesné vyhodnocení celé dopravní situace. Aby mohly automatizované systémy od řidičů převzít kontrolu nad vozem, musí vozidlo pochopit okamžité chování všech účastníků provozu. Jen tak se může systém v každé situaci rozhodnout správně. Tento úkol nejlépe zvládají algoritmy využívající metody hlubokého strojového učení (deep machine learning). Pátá generace multifunkční kamery, jejíž sériová výroba bude podle plánu zahájena v roce 2020, začne kromě tradičních postupů pro vyhodnocení obrazu pracovat i s neuronovou sítí. V závislosti na dostupném hardwaru může dosahovat různé velikosti a naladění. Nasazení inteligentních algoritmů pomůže lepšímu porozumění situace a vyhodnocení úmyslů a gest chodců.
Continental používá umělou inteligenci, aby systémům ve vozidle dodal lidské schopnosti. „Auto by mělo být natolik inteligentní, aby rozumělo svému řidiči i dění okolo,“ říká Robert Thiel, vedoucí strojového učení v oddělení pokročilých asistenčních systémů. Nejlepším příkladem je reakce na chodce. Algoritmus pracující s pravidly na něj zareaguje až v okamžiku, kdy chodec opravdu vstupuje do vozovky. Naproti tomu algoritmus na bázi umělé inteligence dokáže v předstihu správně určit záměry přibližujícího se chodce. V tomto ohledu se umělá inteligence podobá zkušenému řidiči, jenž instinktivně rozpoznává potenciálně nebezpečné situace a je připraven včas brzdit. K tomu je potřeba plně porozumět celé situaci, předpokládat budoucí dění a podle toho odpovídajícím způsobem reagovat.
Hluboké strojové učení jako virtuální autoškola
Systémy umělé inteligence se musí, stejně jako lidé, nejdříve naučit řídit. Jako autoškola jim slouží metoda „učení pod dozorem“. Software analyzuje obrovské množství dat, z nichž odvozuje úspěšné a neúspěšné strategie pro další akci. Nabyté znalosti následně uplatňuje při řízení vozu. Data pro strojové učení se získávají ukládáním signálů z radaru a kamery ze skutečného provozu. Právě obrovská databáze takových údajů je základním kamenem vývoje umělé inteligence. Například při detekci chodců na základě milionů vstupních dat vznikají konkrétní parametry pro návrh celého řešení. To vyžaduje vytvoření systému, jenž kombinuje a parametrizuje vstupní data, tedy miliony pixelů z obrazu kamery pro detekci chodců. Druhým krokem je, aby systém uměl vyhledat každou kombinaci vlastních parametrů, která vede k vyřešení problému.
V roce 2015 Continental vytvořil ústřední předvývojové oddělení, koordinující nejrůznější aktivity zaměřené na umělou inteligenci. V tomto oboru spolupracuje se společnostmi NVIDIA, Baidu a dalšími výzkumnými institucemi jako University of Oxford, Technische Universität Darmstadt v Německu a Indian Institute of Technology Madras v Indii. V Budapešti bylo v květnu 2018 rovněž otevřeno oddělení pokročilých asistenčních systémů (Continental Advanced Driver Assistance Systems business unit), zodpovídající za hluboké strojové učení. Do konce roku 2018 společnost Continental zaměstná po celém světě okolo 400 inženýrů se znalostmi umělé inteligence a hledá další talentované lidi pro vývoj produktů a procesů v tomto oboru.
