পূর্বাভাসগুলি ভুল ছিল: স্ব-ড্রাইভিং গাড়িগুলির অনেক দীর্ঘ পথ যেতে হবে

বেশ কয়েক বছর আগে, স্ব-চালিত গাড়িগুলি রাস্তাগুলি দখল করতে প্রায় প্রস্তুত বলে মনে হয়েছিল।

গার্ডিয়ান ২০১৫ সালে বলেছিলেন, "২০২০ সাল থেকে আপনি একজন স্থায়ী ব্যাকসেট ড্রাইভার হবেন।" সম্পূর্ণ স্বায়ত্তশাসিত গাড়িগুলি "বিন্দু থেকে পয়েন্ট বিতে চালিত হবে এবং চালকের কোনও কথোপকথনের প্রয়োজন ছাড়াই রাস্তায় চলার পরিস্থিতিগুলির পুরো পরিসরের মুখোমুখি হবে will ইনসাইডার 2016 সালে লিখেছিলেন।

এখন এটি স্পষ্ট যে এই অনুমানগুলির বেশিরভাগই নিমজ্জিত ছিল; উবারকে অ্যারিজোনায় যে সমস্যা হয়েছিল তা কেবল দেখুন। চালকবিহীন গাড়ি অবশ্যই আমাদের রাস্তাগুলি নিরাপদ করে তুলবে, তবে স্টিয়ারিং হুইলটির পিছনে থেকে মানুষকে সরিয়ে ফাটানো একটি শক্ত বাদাম। আমরা চালকবিহীন, দুর্ঘটনা-মুক্ত ইউটোপিয়ায় পৌঁছানোর আগে আমরা বহু দশক ধরে স্বপ্ন দেখছিলাম, আমাদের অবশ্যই বেশ কয়েকটি প্রতিবন্ধকতা অতিক্রম করতে হবে এবং সেগুলি প্রযুক্তিগত নয়।

মুক্ত পরিবেশে নেভিগেট করা

স্বায়ত্তশাসিত গাড়ি অবশ্যই অপ্রত্যাশিত এবং বৈচিত্রময় পরিবেশে নেভিগেট করতে হবে।

"আমি মনে করি যখন গাড়ী সম্পর্কে চিন্তা করি তখন গুরুত্বপূর্ণ জিনিসটি সেই জিনিসগুলিকে স্ব-ড্রাইভিংয়ের জন্য লাগে এটি This সেখানেই স্বায়ত্তশাসনের ভাষা সত্যই আমাদের সমস্যার মধ্যে ফেলে দেয়, কারণ স্বায়ত্তশাসন কেবলমাত্র একটি নির্দিষ্ট ব্যবস্থায় প্রয়োগ করা হয়, " জ্যাক স্টিলগো বলেছেন।, বিশ্ববিদ্যালয় কলেজ লন্ডনের সমাজ বিজ্ঞানী এবং ড্রাইভারহীন ফিউচার প্রকল্পের নেতা।

তিনি বলেন, ট্রেন ও প্লেন সহ পরিবহন শিল্পের অন্যান্য অংশগুলি ইতিমধ্যে গাড়িের চেয়ে উচ্চ স্তরের সাফল্যের স্বায়ত্তশাসন বাস্তবায়ন করেছে।

"একটি উড়োজাহাজ অটোপাইলট কেবলমাত্র এ জন্য কাজ করে যেহেতু আকাশসীমাটি একটি অত্যন্ত নিয়ন্ত্রিত পরিবেশ 74 আপনি যদি আপনার উত্তপ্ত-বায়ু বেলুনটিকে একটি 747 এর পথে চালনা করেন তবে এটি সরাসরি আপনার মাধ্যমে লাঙল দেবে এবং এটি খুব পরিষ্কার হবে যে এর দোষটি কী হবে, " স্টিলগো দেখিয়ে দিলেন। "ট্রেনগুলির ক্ষেত্রেও একইরকম। চালকবিহীন হওয়া কেবলমাত্র বোধগম্য কারণ এটি অত্যন্ত স্পষ্ট যে সিস্টেমটি একটি বন্ধ।"

বিপরীতে, গাড়িগুলি রাস্তাগুলিতে চলাচল করে, যা অত্যন্ত জটিল এবং উন্মুক্ত সিস্টেম trains রেলওয়ের তুলনায় খুব কম অনুমানযোগ্য যেখানে ট্রেনগুলির একচেটিয়া ট্র্যাক রয়েছে যা গাড়ি, প্রাণী এবং পথচারীদের সীমা ছাড়িয়ে যায়। একটি স্বয়ং-ড্রাইভিং গাড়ি অবশ্যই জনাকীর্ণ রাস্তায় তার পথ সন্ধান করতে হবে, রাস্তার লক্ষণগুলিতে প্রতিক্রিয়া জানাতে হবে, চৌরাস্তাগুলিতে অন্যান্য ট্র্যাফিকের সাথে ডিল করতে হবে এবং বিভিন্ন অবস্থানে গাড়ি চালাতে হবে যেখানে চিহ্নগুলি পরিষ্কার নাও হতে পারে। এটি অবশ্যই প্রতিবন্ধকতাগুলি নেভিগেট করতে শিখতে হবে, অন্যান্য গাড়ি ও চালকদের কাছ থেকে চালিত হওয়া সম্পর্কে প্রতিক্রিয়া জানাতে হবে এবং সবচেয়ে গুরুত্বপূর্ণ, পথচারীদের মধ্যে দৌড়ানো এড়াতে হবে। এই সবগুলি নিরাপদ স্ব-ড্রাইভিং গাড়ি তৈরির কাজটিকে আরও কঠিন করে তোলে।

"স্টিলেগো বলেছিলেন, " সবসময় এমন কিছু থাকবে যা আমাদের অবাক করে দেয়।

গাড়িগুলিতে চোখ এবং ব্রেইন দেওয়া

স্ব-ড্রাইভিং কার প্রযুক্তিকে চালিত করতে সাহায্যকারী অন্যতম প্রধান প্রযুক্তি হ'ল গভীর শিক্ষা, কৃত্রিম বুদ্ধিমত্তার একটি উপসেট যা উদাহরণের ভিত্তিতে আচরণগত মডেল তৈরি করে। গভীর-লার্নিং অ্যালগরিদমগুলি রাস্তার মাত্রা জানতে, লক্ষণগুলি পড়তে এবং বাধা, গাড়ি এবং পথচারীদের সনাক্ত করতে স্ব-ড্রাইভিং গাড়ির চারপাশে ইনস্টল করা ক্যামেরা থেকে ভিডিও ফিড পরীক্ষা করে।

ওয়েমো এবং উবারের মধ্যে মামলা করার কেন্দ্রবিন্দুতে থাকা ইঞ্জিনিয়ার অ্যান্টনি লেভানডভস্কি সম্প্রতি সান ফ্রান্সিসকো-র গোল্ডেন গেট ব্রিজ থেকে নিউইয়র্কের জর্জ ওয়াশিংটন ব্রিজ পর্যন্ত 3, 100 মাইল চালিত একটি স্ব-চালিকা প্রযুক্তির একটি ভিডিও এবং পারফরম্যান্সের বিবরণ পোস্ট করেছেন who কোনও মানব চালকের হাতে নিয়ন্ত্রণ হস্তান্তর না করে এবং শুধুমাত্র ভিডিও ক্যামেরা এবং নিউরাল নেটওয়ার্ক ব্যবহার না করেই।

যদিও নগরীর পরিবেশে চলাচল করার চেয়ে আন্তঃরাজী মহাসড়কগুলিতে গাড়ি চালানো যথেষ্ট সহজ তবে লেভানডোস্কির অর্জন উল্লেখযোগ্য। প্রোন্টো.ইই, তার নতুন স্টার্টআপ, প্রযুক্তিটি বাণিজ্যিক আধা-ট্রাকগুলিতে উপলব্ধ করার পরিকল্পনা করেছে, যা তাদের বেশিরভাগ সময় হাইওয়েতে ব্যয় করে।

তবে ভাল প্রশিক্ষিত নিউরাল নেটওয়ার্কগুলি বস্তু সনাক্তকরণে মানুষকে ছাড়িয়ে যেতে পারে, তবুও তারা অযৌক্তিক এবং বিপজ্জনক উপায়ে ব্যর্থ হতে পারে - উল্লেখযোগ্যভাবে মারাত্মক 2016 টেসলা মডেল এস ক্রাশ এবং 2018 মডেল এক্স দুর্ঘটনা। অন্যান্য অধ্যয়নগুলি দেখায় যে স্ব-চালিত যানবাহনের কম্পিউটার ভিশন অ্যালগরিদমগুলি যখন তারা বিশ্রী অবস্থানে জ্ঞাত বস্তুগুলি দেখেন তখন সহজে বোকা হতে পারে।

সত্য কথা বলতে গেলে, স্ব-ড্রাইভিং প্রযুক্তি বিভিন্ন ক্ষেত্রে দুর্ঘটনা রোধ করেছে, তবে এই ক্ষেত্রে খুব কমই শিরোনাম হয়।

নিউরাল নেটওয়ার্ক পরিপূরক

স্নায়বিক নেটওয়ার্কগুলির সীমাবদ্ধতার আশেপাশে কাজ করার জন্য, কিছু সংস্থাগুলি তাদের গাড়িগুলিকে লিদার দিয়ে সজ্জিত করেছে, প্রায়শই স্ব-ড্রাইভিং গাড়িগুলির শীর্ষে দেখা যায় এমন ঘোরানো ডিভাইস। লিডার ডিভাইসগুলি বিভিন্ন দিক থেকে অসংখ্য অদৃশ্য আলোর রশ্মি নির্গত করে এবং গাড়িটি ঘিরে এমন অঞ্চলের বিশদ 3 ডি মানচিত্র তৈরি করে যা এই রশ্মিকে কোনও বস্তু প্রতিবিম্বিত করতে এবং ফিরে আসতে সময় লাগে তা পরিমাপ করে।

লিডার চিত্র-শ্রেণিবদ্ধ অ্যালগরিদমগুলি মিস করতে পারে এমন অবজেক্ট এবং বাধা সনাক্ত করতে পারে। এটি অন্ধকারে গাড়িগুলি দেখতে সক্ষম করতে সক্ষম করে এবং রাডারের চেয়ে আরও বিশদ এবং সুনির্দিষ্ট, যা চলন্ত বস্তুগুলি সনাক্ত করার জন্য আরও উপযুক্ত।

স্ব-ড্রাইভিং কার প্রোগ্রাম সহ বেশিরভাগ সংস্থাগুলি ওয়েমো এবং উবার সহ লিডার ব্যবহার করছে। তবে প্রযুক্তিটি এখনও নবজাতক। এক জন্য, Lidar ডিভাইস গর্ত বা জড়িত আবহাওয়া সঙ্গে দুর্দান্ত নয়।

লিদারও খুব ব্যয়বহুল; বিভিন্ন অনুমান অনুসারে, একটি গাড়ির দামে 85, 000 ডলার পর্যন্ত যোগ করতে পারে। এক্সিয়াসের এক সমীক্ষায় দেখা গেছে, বার্ষিক ব্যয় $ 100, 000 এর উত্তরে হতে পারে। গড় গাড়ি ক্রেতা সম্ভবত এটি বহন করতে পারে না, তবে টেক জায়ান্টরা স্ব-ড্রাইভিং-ট্যাক্সি পরিষেবাগুলি মোতায়েন করার পরিকল্পনা করছেন।

"কিছু লোক কম দামের অ্যাড-অন বিকাশের চেষ্টা করছে, তবে শহরগুলিতে গাড়ি ভাগ করে চালিত করা এবং সুফলগুলি সুস্পষ্ট বলে মনে হচ্ছে, " স্টিলগো বলেছেন। "শহরের লোকজনের কাছে বর্তমানে গাড়ি বা খারাপ জিনিস নেই যাদের কাছে কাছাকাছি কোনও পরিষেবা নাও থাকতে পারে তাদের পক্ষে এটি ভাল জিনিস হতে পারে।"

স্টিলগো হুঁশিয়ারি উচ্চারণ করে যে একটি বিপদ রয়েছে যে শহরগুলি গণপরিবহনে বিনিয়োগ স্থগিত করার কারণ হিসাবে স্ব-গাড়ি চালানোর বহরের প্রতিশ্রুতি ব্যবহার করে। অ্যাকজিওসের গবেষণায় দেখা গেছে, কমপক্ষে দুই মার্কিন অঞ্চল স্ব-ড্রাইভিং শাটল পরিষেবাগুলিতে কয়েক লক্ষ হাজার ডলার বিনিয়োগ করছিল।

সংযোগ ও অবকাঠামোগত প্রয়োজন for

মানব চালকরা তাদের পরিবেশ পর্যবেক্ষণের চেয়ে আরও অনেক কিছু করেন। তারা একে অপরের সাথে যোগাযোগ করে। তারা একে অপরের দিকে চোখের যোগাযোগ, তরঙ্গ এবং হুড়োহুড়ি করে এবং অন্যান্য চালকদের কাছে তাদের উদ্দেশ্যগুলি পরিষ্কার করার জন্য ধীরে ধীরে চলতে শুরু করে। এগুলি এমন ফাংশন যা বর্তমান স্ব-ড্রাইভিং প্রযুক্তিগুলি মোটামুটিভাবে খুব খারাপভাবে সম্পাদন করে।

তাদের পরিবেশটি ম্যাপিং এবং অবজেক্টগুলি সনাক্তকরণের বাইরেও স্ব-চালনা গাড়িগুলির একে অপর এবং তাদের পরিবেশের সাথে যোগাযোগের জন্য একটি পদ্ধতি প্রয়োজন। হার্ভার্ড বিজনেস রিভিউয়ের একটি প্রবন্ধে, ইউনিভার্সিটি অফ এডিনবার্গ বিজনেস স্কুলের শিক্ষাবিদরা গাড়ি ও অবকাঠামোতে স্মার্ট সেন্সর স্থাপনসহ বেশ কয়েকটি সমাধানের পরামর্শ দিয়েছেন।

"ট্র্যাফিক লাইটের প্রতিস্থাপনকারী রেডিও ট্রান্সমিটারগুলির কথা চিন্তা করুন, উচ্চ-ক্ষমতার মোবাইল এবং ওয়্যারলেস ডেটা নেটওয়ার্ক উভয় যানবাহন থেকে যানবাহন এবং যানবাহন থেকে পরিকাঠামো যোগাযোগ ব্যবস্থা পরিচালনা করে এবং রাস্তার পাশের ইউনিটগুলি আবহাওয়া, ট্র্যাফিক এবং অন্যান্য অবস্থার উপর রিয়েল-টাইম ডেটা সরবরাহ করে, " শিক্ষাবিদরা লিখেছেন।

ট্র্যাফিক লাইট, রাস্তার চিহ্ন, রাস্তার চিহ্ন এবং আরও অনেক কিছু যেমন মানুষের জন্য ডিজাইন করা অবকাঠামোগুলিতে কম্পিউটারকে অভিযোজিত করার চেষ্টা করছে বর্তমান স্ব-চালিকা প্রযুক্তি technologies মেশিন-লার্নিং অ্যালগরিদমগুলিকে মানব দৃষ্টি সিস্টেমের সর্বাধিক প্রাথমিক কাজগুলি যেমন অন্য গাড়ি সনাক্ত করা বা বিভিন্ন কোণ থেকে রাস্তার লক্ষণগুলি পড়া এবং বিভিন্ন আলো এবং আবহাওয়ার অবস্থার অধীনে প্রতিলিপি তৈরি করার আগে কয়েক ঘন্টা প্রশিক্ষণ এবং বিপুল পরিমাণে ডেটা প্রয়োজন।

স্মার্ট সেন্সরগুলির সাথে গাড়ি এবং রাস্তা বর্ধন করা স্ব-চালিত গাড়িগুলিকে বিভিন্ন রাস্তার পরিস্থিতি যোগাযোগ এবং পরিচালনা করতে অনেক সহজ করে তুলবে - এটি এমন একটি পদ্ধতির যা প্রসেসরের ব্যয় হ্রাস হওয়ায় ক্রমশই কার্যকর হয়ে উঠছে এবং 5 জি এর মতো প্রযুক্তি সর্বব্যাপী সংযোগকে সম্ভব এবং আরও সাশ্রয়ী করে তোলে।

স্ব-ড্রাইভিং গাড়ি আলাদা করা

অসম্ভব কাজ না হলে মার্কিন রোডওয়ের ৪ মিলিয়ন মাইল পথের মধ্যে স্মার্ট সেন্সর যুক্ত করা শক্ত। এটি একটি কারণ যার ফলে স্ব-ড্রাইভিং গাড়ি সংস্থাগুলি পরিবেশের চেয়ে গাড়িকে আরও স্মার্ট করে তোলার দিকে মনোনিবেশ করতে পছন্দ করে।

"আমরা সম্ভবত সবচেয়ে কাছাকাছি সময়ের পরিস্থিতি দেখতে পাব স্থানিক বিভাজনের বিভিন্ন রূপ: স্ব-চালনা গাড়িগুলি কিছু ক্ষেত্রে চালিত হবে অন্যকে নয়। প্রযুক্তির প্রাথমিক পরীক্ষাগুলি নির্ধারিতভাবে শুরু হওয়ায় আমরা ইতিমধ্যে এটি দেখছি We "পরীক্ষার অঞ্চলগুলি বা তুলনামূলকভাবে সহজ, ন্যায্য-আবহাওয়ার পরিবেশে" এডিনবার্গের একাডেমিকরা তাদের প্রবন্ধে পরামর্শ দিয়েছেন।

অন্তর্বর্তী সময়ে, তারা পরামর্শ দিয়েছিল, "আমরা স্ব-ড্রাইভিং যানবাহনের জন্য নিবেদিত লেন বা অঞ্চলগুলি দেখতে পাই, উভয়ই প্রযুক্তিটি পরিমার্জনকালে আরও কাঠামোগত পরিবেশ দিতে এবং অন্য রাস্তা ব্যবহারকারীদের তাদের সীমাবদ্ধতা থেকে রক্ষা করতে"।

অন্যান্য বিশেষজ্ঞরাও এ জাতীয় পরামর্শ দিয়েছেন। আগস্টে, এআই গবেষক এবং গুগল ব্রেনের কৌফাউন্ডার অ্যান্ড্রু এনজি পরামর্শ দিয়েছিলেন যে স্ব-গাড়ি চালানোর সুরক্ষা সমস্যাগুলি সমাধান করার জন্য আমাদের পথচারী এবং অন্যান্য ব্যবহারকারী যারা তাদের সাথে রাস্তা ভাগ করে নিয়েছে তাদের আচরণ পরিবর্তন করা উচিত। "আপনি যদি রেলপথের উত্থানের দিকে লক্ষ্য করেন, বেশিরভাগ অংশে লোকেরা ট্রেনের সামনে ট্রেনের সামনে না দাঁড়াতে শিখেছেন, " এনজি বলেছিলেন।

এনজিওর পরামর্শটি প্রযুক্তির বিকাশকালে স্ব-ড্রাইভিং গাড়িগুলির সুরক্ষা ঝুঁকি হ্রাস করতে অবশ্যই সহায়তা করবে, তবে এটি রোবোটিক্সের পথিকৃৎ রডনি ব্রুকস সহ অন্যান্য এআই বিশেষজ্ঞদের সাথে ভালভাবে বসে না। "স্ব-গাড়ি চালানোর গাড়িগুলির দুর্দান্ত প্রতিশ্রুতি ছিল তারা ট্র্যাফিকের মৃত্যুকে দূর করবে। এখন বলছে যে যতক্ষণ না সমস্ত মানুষ তাদের আচরণ বদলাতে প্রশিক্ষিত হয় ততক্ষণ তারা ট্র্যাফিকের মৃত্যুকে দূর করবে?" ব্রুকস একটি ব্লগ পোস্টে লিখেছেন।

• ফোর্ডের স্ব-ড্রাইভিং টেস্ট কারগুলিতে মিয়ামির আশেপাশে অশ্বচালনা ফোর্ডের স্ব-ড্রাইভিং টেস্ট গাড়িগুলিতে মিয়ামির আশেপাশে রাইডিং
• স্কুটারগুলিতে ফোর্ডের সিটিও, এআই, এবং মায়ামি ফোর্ডের সিটিওতে স্কুটারগুলিতে স্বায়ত্তশাসিত গাড়ি আনছে, এবং মায়ামিতে স্বায়ত্তশাসিত গাড়ি আনছে
• লিফ্টের স্ব-ড্রাইভিং কারগুলিতে, ধীর এবং অবিচলিত লিফের স্ব-ড্রাইভিং গাড়িগুলিতে রেস জিতেছে, ধীর এবং অবিচলিতভাবে রেস জিতেছে

নিউ ইয়র্ক বিশ্ববিদ্যালয়ের অধ্যাপক গ্যারি মার্কাস, গভীর শিক্ষার অর্জনগুলিকে অতিরঞ্জিত করার সোচ্চার সমালোচক, এনগির এই প্রস্তাবকে "কাজটি আরও সহজ করার লক্ষ্যে লক্ষ্যমাত্রার পুনঃনির্ধারণ" হিসাবে বর্ণনা করেছেন।

তবে স্টিলগো বিশ্বাস করেন যে আমরা ইতিহাস থেকে গুরুত্বপূর্ণ পাঠ পেতে পারি। "বিংশ শতাব্দীর গোড়ার দিকে যখন গাড়িগুলি প্রথম মার্কিন শহরে পৌঁছেছিল, তখন পথচারীদের রাস্তাগুলি নিরাপদ করার জন্য পথ থেকে বেরিয়ে যেতে বলা হয়েছিল। জয়ওয়াকিংকে একটি অপকর্ম হিসাবে আবিষ্কার করা হয়েছিল এবং রাস্তাগুলি গাড়িটির পক্ষে নকশার জন্য নকশাকৃত হয়েছিল, " স্টিলগো বলেছেন।

স্টিলগো বিশ্বাস করেন যে আমরা যদি স্ব-ড্রাইভিং গাড়িগুলির সুবিধাগুলি সম্পর্কে গুরুতর হন তবে আমরা আবার একই ঘটনা ঘটতে দেখছি। উদাহরণস্বরূপ, গাড়ি সংস্থাগুলি তাদের অবকাঠামোগত উন্নতি করতে শহরগুলি তদবির শুরু করতে পারে এবং পথচারীদের কীভাবে স্ব-ড্রাইভিং গাড়িগুলির আচরণ করতে হবে তা শেখাতে পারে। স্টিলগো বলেছিলেন, "প্রতিশ্রুতি অনুযায়ী গাড়ি চালানোর গাড়ি চালানোর জন্য, তারা যে পদ্ধতিতে পরিচালিত হবে তাদের নিয়ন্ত্রণ করা দরকার।"

বাধা বিপত্তি Down

তার লড়াই সত্ত্বেও, স্ব-চালিকা গাড়ি শিল্প একটি অবিচ্ছিন্ন গতিতে এগিয়ে চলছে এবং আমাদের রাস্তা অবশ্যই নিরাপদ হয়ে উঠবে।

তবে প্রশ্ন ও চ্যালেঞ্জ রয়ে গেছে। উদাহরণস্বরূপ, গাড়ী দুর্ঘটনা ঘটে গেলে কে অ্যাকাউন্টে ধরা হবে? "এটি বলা খুব সহজ যে একটি সম্পূর্ণ স্ব-ড্রাইভিং সিস্টেমে সংস্থাকে প্রায় সব পরিস্থিতিতে দায়বদ্ধ হওয়া উচিত। মানুষ এবং কম্পিউটার যখন বিভিন্ন সময়ে ড্রাইভিং ভাগ করে নেয় তখন বিষয়গুলি আরও জটিল হয়ে উঠবে, " স্টিলগো বলেছিলেন।

এছাড়াও, একটি স্ব-ড্রাইভিং গাড়ি যখন সিদ্ধান্ত নিতে পারে যে এটি নিজের জীবন যখন অনিবার্য অবস্থার মধ্যে পড়ে তখন নিজেকে কীভাবে খুঁজে পাওয়া যায়? এটি "ট্রলি সমস্যা" হিসাবে পরিচিত এবং এটি অনুমানমূলকও হতে পারে, তবে এটি দেখায় যে স্ব-চালক গাড়িগুলি এমন পরিস্থিতিতে সিদ্ধান্ত নেওয়ার জন্য ডিজাইন করতে হবে যেখানে নিয়মগুলি পরিষ্কার নয়।

"এই সিস্টেমগুলির নকশায় বাস্তব নৈতিক দ্বিধা রয়েছে, " স্টিলগো বলেছেন। "স্ব-চালনা গাড়ি সর্বজ্ঞানী হবে না।"