SkyWay teabeteenistus vestles SkyWay projektorganisatsiooni spetsialistiga tehisintellekti ja automaatjuhtimissüsteemide alal, tehnikateaduste kandidaadi Juri Sorokiniga.
Juri rääkis trosstranspordisüsteemide ohutusest, SkyWay ja mehitamata sõidukites kasutatava tehisintellekti erinevustest ning ka sellest, millist filmi tasub vaadata, kui soovite uurida tehisintellekti (AI) arengulugu.
Milleks on tarvis intelligentseid süsteeme?
AI areng on hetkel lapsekingades. Kui otsustati hakata masinaid õpetama teavet analüüsima ja otsuseid vastu võtma, alustati neile teatud algoritmide lisamisest. Tulemus sõltus võimest kõike ette näha. Sai ilmselgeks, et see on võimatu. Sellest tulenes vajadus õpetada arvutit mõtlema, mõistma ja oskama kohaneda. Seda üritatakse hetkel realiseerida kõikjal maailmas. Kuid siiani ei saa arvuti ilma inimeseta hakkama.
Mille poolest sarnaneb tehisintellekt lapsega?
Kusagil ideaalses maailmas saavad lapsed õppida kõike oma vigadest. Nad õpivad ise maailma tundma ning nende vigade hind on ebaproportsionaalselt madal. Kuid nii on vaid ideaalses maailmas. Päriselus tahaksite te vaevalt, et teie poeg paneks sõrmed pistikupessa ja saaks teada, et elekter «suskab» valusalt.
Tehisintellektiga on sama olukord. Võtame näiteks masina ja labürindi. Masin saadetakse labürinti teele väljapääsu otsima. Masin jõuab tupikusse, sellele meenub, et väljapääs puudub ja pöördub tagasi. Sellise vea hind on väike ning risk asjakohane.
Kuid oletame, et liikumisprotsessi käigus ilmub masina ette takistus. Näiteks seisab osaliselt sõiduteel ees veoauto, pidurdustee ei ole piisav. Liikluseeskirju rangelt järgima seadistatud masina ees on järgmine valik: ületada pidev joon ja sõita vastassuunavööndisse või siiski pidurdada, vältimata kokkupõrget ning seades seeläbi ohtu reisijate tervise. Iseõppiv masin saab teha valiku: mitte rikkuda liikluseeskirju, leides tagajärgede hindamise tulemuste kohaselt, et otsus oli vale. Ent vaevalt tahate olla katsejäneseks ning oma tervise arvelt sõidukit koolitada. Seetõttu on iseõppiv AI võimalik ainult siis, kui vale otsuse tegemise tagajärjed on väikesed.
Sellest lähtuvalt on inimese roll AI-süsteemide ehitamisel vaieldamatult suur. Algselt peab just inimene kõnealust süsteemi koolitama. Ja koolituse kvaliteet sõltub otseselt arendajate, programmeerijate oskustest, kõigist, kes seda õpetavad. Masin peab kogu aeg kontrolli all olema.
Kuidas õpetame SkyWay transporti?
Võtame näiteks SkyWay transpordikompleksi paigaldatud näotuvastussüsteemi. Tervise halvenemise, vandalismi või vägivalla ja soovimatute reisijate tuvastamise õppimiseks pidi see põhimõtteliselt õppima nägusid tundma. Süsteemile «tutvustati» tohutul hulgal pilte nägudest ja olukordadest, sealhulgas ka ebaseaduslikest. Niisiis tõstis süsteem esile teatud mustrid, et lõppkokkuvõttes tuvastada inimesi, tagamaks juurdepääsu kontroll transpordikompleksi teenustele ning tuvastada unustatud asjade või kaklustega olukordi.
Trosstranspordi koolitamine on pidev protsess. Analüüsimiseks vajalikku teavet kirjutatakse igal käitamisel, sõltumata sellest, kas käimas on AI või käidukatsetused. Sel viisil värskendatakse andmekogumit pidevalt.
Ka mehitamata sõidukite tootjad koguvad AI koolitamiseks tänavatel kihutades oma masinatega teavet. Kuid nende puhul on vaja õpetada sõidukit reageerima kõikidele ohtudele, mis teele ilmuvad ning kaitsta väliste ohtude eest. SkyWay transpordi puhul on AI-l inimlikumad eesmärgid. Olles tõstnud trassi teisele tasandile, on juba vabanetud välistest ohtudest. Seetõttu õpib AI jälgima ohutust transpordis ja arvutama välja kiireimaid ja mugavamaid marsruudiülesandeid. Kui unibussid lähevad seeriatootmisesse ning ilmuvad linnatänavatele, jätkab AI samuti õppimist, ohustamata siiski kunagi inimeste turvalisust.
Võrdleme trosstransporti ja mehitamata sõidukeid
Nagu mehitamata sõidukites, kasutatakse ka SkyWay transpordisüsteemides mitut liiki andureid: optilisi (kaamerad) ja radareid. Mis on nende plussid ja miinused?
Hästi koolitatud AI-ga optilised andurid tunnevad objekte hõlpsalt ära. Inimese tasemest on nad siiski veel kaugel. Lõppude lõpuks ei näe kaamera muud kui pikslite komplekti. Ehkki rahvamassis võib olla kiirem tuvastada konkreetne objekt etteantud loendist. Kuid kaamera mõõdab distantsi ja kiirust halvasti. Veel üks puudus on see, et kaamerad on väliste tingimuste (valgus, vihm, udu) suhtes väga tundlikud. Jah, probleemidega tegelemiseks on erinevaid viise, kuid need suurendavad märkimisväärselt valvesüsteemi kulusid.
Teine andur, mida kasutatakse laialdaselt objektide tuvastamiseks nii trosstranspordi kui ka enamike mehitamata sõidukite puhul, on radar. Seda peetakse ilmastikukindlaks, radar mõõdab suurepäraselt kaugust objektist, selle liikumisparameetreid. Kuid klassifitseerimisfunktsioonide väikese hulga tõttu ei tunne see tuvastatud objekte praktiliselt üldse ära, tajudes kõike takistusena. Polügoonis tehtavatel katsetustel näeme peegeldust kõigest: murust, tugedest, taristust. Ning kui transpordivahend leiaks, et tegemist on liikumist takistava objektiga, jääb see seisma.
Kaameratelt ja radaritelt saadava teabe täiustamiseks oleme loonud programmid, mis ühendavad optiliste ja asukohaandurite andmeid. Nende toimist oli võimalik näha, kui Anatoli Junitski esitles oma «koerakest». Õpetasime AI ühte teavet teisega täiendama, tegemaks nendele andmetele tuginedes parimaid otsuseid ja tagamaks transpordivahendite ohutu liikumine.
Kolmas liik andureid, mida mõned mehitamata sõidukid kasutavad, küll aga mitte ettevõttes SkyWay Technologies Co. on lidarid. Õhuke laserkiir skaneerib ala ja saab suurepärase optilise jäljendi. Samal ajal määratleb see hästi liikumise parameetreid. Kõik tundub suurepärane, väljaarvatud mõningad «agad», mistõttu me lidareid trosstranspordi puhul ei kasutagi. Esimene miinus on maksumus. Teiseks – lidar on mehaaniline seade, mis kipub purunema. Kolmandaks – see on optiline seade. Seetõttu näeb see vihma või udu korral, kui laserkiir hajub, seina. Lidarit on meie arvates kõige parem kasutada Californias. Arvestades sellega, et keskendume mitmekesisele turule ja katsetame transporti Valgevenes, kus vihmad ja udud on tavapärane nähtus, ei ole lidarite kasutamine meie jaoks praktiline.
Juba peaaegu SkyNet
Reeglina loetakse iga mehitamata sõiduk iseseisvaks üksuseks. See on isemajandav, koos teatud parameetrite ja eelnevalt määratletud teabega, näiteks piirkonna kaart. Ja selliste üksuste liikumine on kaootiline, mis omakorda põhjustab madala läbilaskevõime.
SkyWay puhul on taristu iga element varustatud ka «mõistuse ja kiire taibuga», lisaks on olemas ka keskne intelligentne juhtimissüsteem (CISU), mis kontrollib vastavalt ülesannetele kogu transpordikompleksi. See jälgib liikumise kiirust ja ohutust, ühendab vooge ja vastab iga kliendi soovidele, tagamaks maksimaalne mugavus. CISU arvutab välja sissetulevate andmete pideva värskendamise kaudu kõige mugavamad ja optimaalseimad marsruutülesanded.
Teine erinevus intelligentsete SkyWay süsteemide ja mehitamata sõidukite vahel on võime hädaolukordadele kiiresti reageerida. Mistahes sõiduki liikumise ebaõnnestumine põhjustab marsruudiülesande kohese ümberarvestuse ülejäänud selle marsruudiga seotud sõidukite jaoks. Samas rakendada ka vajalikud meetmed valitseva olukorra lahendamiseks: evakueerimine, vedu jne. See tähendab, et erinevus meie süsteemi ja konkureerivate süsteemide vahel seisneb globaalse liiklusvoo juhtimises, ilma iga üksiku transpordivahendi individuaalsust piiramata.
Millest sõidukid räägivad?
Ei piirdu ju sõidukite vaheline suhtlus tsentraliseeritud süsteemiga. Lõppude lõpuks võib selle ühe elemendi rike viia kollapsini. Seetõttu suhtleb iga transpordivahend kõigi transporditaristu elementidega. Oletame võimatut, et CISU lakkab siiski toimimast. Iga eraldiseisev sõiduk teab oma ülesannet, suhtleb teiste läheduses asuvate sõidukitega ning edastab teavet keskkonna kohta. Seetõttu saavadki kõik transpordivahendid sõltumata CISU toimimisest marsruudil liikumist jätkata, reageerides mistahes muutustele.
Intelligentne juhtimissüsteem töös
Transpordivahendi evakueerimise tehnoloogia väljatöötamine on näide sellest, kuidas sõidukid täidavad CISU ülesandeid. Kuid need suhtlesid ka omavahel – otse dokkimise ajal.
«Koerake» – see on veel üks konkreetne näide tööst, mis paljastab meie süsteemide võimalused – sõidukite liikumine virtuaalses sidestuses. Ohutuse seisukohast peaks masinate vaheline kaugus sõltuma pidurdusteekonnast, mis on vajalik teise peatumiseks esimese peatumisel. Samal ajal on soovitatav, et see oleks võimalikult suur. Teisest küljest on reisijatevoo suurendamiseks tarvis vahemaad vähendada. Kuidas leida tasakaal?
Mis puutub virtuaalsesse sidestusse, siis selles osas ei ole me uurimistöö teerajajad. Tööd viisid läbi meie teised konkurendid. Siiski oleme seda mõistet kasutanud ja kaasajastanud. Esimene transpordivahend – juhtiv, täidab oma marsruudi ülesandeid. Ülejäänud kontrollivad ja muudavad oma liikumisparameetreid: vahemaad, intervalli, aega eesoleva moodulini.
Milleks on tarvis virtuaalset sidestust?
Näiteks on ülesanne: vedada kaupu ja reisijaid Minsk-Moskva trassil nii kiiresti kui võimalik. Selle lahendamiseks tuleb moodulite vahel säilitada minimaalne intervall, mille saavutamine on võimalik ainult tänu virtuaalsele sidestusele. CISU ülesanne on luua virtuaalne sidestus vastavalt olemasolevale transpordiliikluse ajakavale ja reisijate individuaalsetele vajadustele.
Kontorisse ilmus ettevõtte SkyWay Technologies Co. intelligentsete süsteemide osakonna juhataja Jevgeni Rodtšenkov. Huvitudes vestluse teemast, täiendab ta Jurit:
Muuseas, ärilise kasu seisukohast vähendab virtuaalne sidestus energiakulusid, suurendab reisijatevoogu ja seeläbi ka kasumit. See aitab voos liikudes koormust vähendada, nagu see ka veoautode puhul toimib, vähendada energiakulusid ja suurendada reisijatevoogu.
Juri jätkab teema tehnilise poole kajastamist. Anatoli Junitski nimetas unibussi «koerakeseks», ta mitte üksnes ei esitlenud juhi adaptiivset järgimist, mis on vajalik virtuaalse sidumise rakendamiseks, vaid näitas ka süsteemi jaoks täiesti mõne ebahariliku käsu täitmist: ärajooksmine, jälitamine. Saate aru, kui Anatoli rääkis, et sellise väga keeruka ülesande lahendas meie ettevõte, siis ta ei kiidelnud ega solvanud mitte karvavõrdki. Selles osas oleme tõepoolest juhtival positsioonil.
Mida unibuss näeb?
Naastes tehnilise nägemise juurde, meenutan, kuidas Anatoli esitluse ajal ühel hetkel lausus: «Süsteem näeb palju lisaobjekte ja häireid». Sest erinevalt siledast asfaldist töötasime ebatäiuslikul pinnal. Ja tõsiasi, et meie poolt väljatöötatud süsteem on õppinud eraldama vajalikke objekte ning töötlema vajalikku teavet pinna moonutuste korral, räägib tohutust edust.
Kui katsetuste ajal on unibussi teel teisi inimesi, töötleb see nende kohta käivat teavet suurima võimaliku ohu osas. Nii sõiduki enda kui ka potentsiaalselt ohtlike objektide liikumisparameetrite põhjal arvutatakse nende trasside ristumiskoht. Kuna lähim objekt võib eemalduda ning kaugemal seisev lähemale tulla.
Vandalismivastased intelligentsed süsteemid
Meie tehnilise nägemise süsteem juba tunneb transpordivahendis ja väljaspool olevad relvad ära ning saadab dispetšerile signaali «avastatud potentsiaalselt ohtliku olukorra» kohta. Just tema peab edasised meetmed kasutusele võtma. Siiski mängib veel kõige olulisemat rolli inimene. Sest vea hind on üpris kõrge, kui keegi näiteks salongis mängurelva asemel pärisrelvaga vehib. Meie aga pakume tehisintellektile võimalust valida, mida teha.
Küll aga ei ole oskus vandalismi ja potentsiaalselt ohtlikke olukordi ära tunda, näiteks agressiivset käitumist, lihtne. AI peab õppima eristama muhedat õlalepatsutust löögist ja tervitusžesti ähvardusest. Kuid me kasutame tohutuid andmekogumite andmebaase, et masinad selleni lõpuks jõuaksid.
Jevgeni Rodtšenkov lisab: «Muuseas, olemas on film, milles mitte inimene ei õpeta robotit, vaid vastupidi. Selle nimi on «Mina olen ema». Filmi moraal seisneb selles, kuidas võetakse vastu otsuseid, miks sel viisil ja kes on siiski targem – inimene või robot».
Miks robotid varsti maailma üle ei võta?
Mehitatud lennud kosmosesse vaatamata kõikidele ohtudele, hädaolukorras eneseohverdamise kohta otsuse langetamine teise inimese päästmise kasuks ning isegi mõte «saata keegi veel ühe veinipudeli järgi», kui juba oleks aeg lõpetada – kõik need on irratsionaalsed otsused. Ainult inimesed on nendeks võimelised. Ja pole teada, kui kaua selle masina õpetamine võtab ja kas see üldse töötab. Seetõttu on robotite ülestõusu veel vara karta. Lõppude lõpuks meenutavad nad siiani väikeseid lapsi ja oleme oma SkyWay üle väga uhked.
