Første artikkel om «selvkjørende» motorkjøretøy, «Selvkjørende utrygghet», ble presentert 29. august i 2017. Denne artikkelen er en oppfølging – ut fra utviklingen av disse bilene – slik den blir oppfattet som følge av nyhetsstrømmen. Først en gjentagelse: Kunstig intelligens, gjerne forkortet det engelske AI, er definert i all korthet som: «Kapasiteten til en datamaskin, egentlig et (logisk sett) datamaskinprogram, av type applikasjon, til å utføre operasjoner som er analoge med læring og beslutningsprosesser hos mennesker». Dette er ikke enkelt. Enklere blir det ikke ut fra det forhold at mange av menneskers beslutninger treffes delvis på grunnlag av underbevisstheten – som igjen kan betraktes å være summen av det enkelte menneskets erfaring.
Svaret på denne utfordringen er fra fabrikantenes side bl.a. læringsmetodikken «deep learning». Dette er en svært fascinerende metode, som er gjenstand for intens forskning internasjonalt og nasjonalt. Metoden muliggjør at et AI-system kan «læres opp» til å gjenkjenne observerte objekter, som imidlertid krever at alle læring skal være i henhold til en fasit. Det er en overforenklet og helt ufullstendig beskrivelse – en inngående og samtidig popularisert beskrivelse etterlyses fra forskningshold.
Bakteppet er to tragiske og meget omtalte dødsulykker, og vil det her bli forklart i detalj hvilke sensor-typer som vil kreves og hvilke rent praktiske driftsløsninger som må til for i det hele å nærme seg selvkjøring – sett fra undertegnede, som er kompilatorutvikler.
Det er to hovedelementer ved denne egenskapen, sensorer med vedlikeholdbarhet, robusthet og redundans, og selve AI dataprogrammet (det er flere som kommuniserer med hverandre).
Sensortyper
Dette dreier seg først og fremst om sensorer som detekterer (fanger opp) og behandler flere typer (forskjellige bølgelengder) elektromagnetisk stråling – våre øyne oppfatter bare et lite utsnitt (400-700 nanometer bølgelengde). Vel kjent er radar, som «ser» gjennom tåke, sne og motlys, men ikke er i stand til å gjengi noenlunde presist hvilke objekt som observeres. På den andre siden av spekteret er det Lidar (Light Detection and Ranging) som oppfatter lys, nærmere bestemt infrarødt og ultrafiolett. Likt det lyset vi oppfatter blir det hindret av tåke, røyk o.l. Dette er sensorer som detekterer dette «nesten» synlige lyset, for å måle avstander til objekter rundt kjøretøyet, og med en presis gjengivelse av deres utseènde. Summen av disse sensor-deteksjonene, forutsatt at sensorene er plassert med en viss avstand både vertikalt og ikke minst horisontalt (likt våre øyne), er et høyoppløselig 3D-bilde av omgivelsene. For å kunne etterligne en bilførers fleksibilitet, må sensorer også være plassert rundt om på kjøretøyet. En bilfører kan se i bakspeilet eller se til sidene ved f.eks. plutselige uventede situasjoner.
Ved siden av dette vil det være nødvendig med audiosensorer (lydsensorer), vesentlig utvidede sensorer for akselerasjon (og retardasjon), foruten bl.a. en kontinuerlig overvåkning av kjøretøyets funksjoner. Det vil være av betydning alltid å være koblet opp mot «skyen», for å kunne få informasjon i sann tid (real time) om alle forhold som ligger foran.
Til slutt kommer kravet til robusthet, dvs. at «mange nok» av sensorene fungerer (fail safe), hvilket medfører krav om redundans, dvs. at kritiske sensorer må være duplisert. Man skal merke seg at elektronikk i sitt vesen er lite robust, i utgangspunktet konstruert for å stå i ro på et skrivebord.
Den såkalte kunstige intelligensen (AI)
Som om ikke kravene til sensorer er krevende nok, er kravene til noe som ligner selvkjørende motorvogner med automatiseringsnivå 4 eller 5, høyere – mye høyere. Utgangspunktet kan tas i den tragiske ulykken i Arizona, hvor AI-systemet ikke greide å identifisere – må vi tro – et menneske og en sykkel i sammenheng. Dvs. det antas at systemet kanskje er i stand til å identifisere et menneske og en sykkel hver for seg. Dette er et kjernepunkt i «intelligens»-nivået til AI-systemet i bilen. Her kommer tiltroen til «deep-learning» inn i bildet – vi må tro at AI-systemet (les: bilen) kan læres opp til å skjelne ikke bare mennesker, men også andre hindringer. Det bør vel også da følge av dette at en kombinasjon av identifiserbare objekter også er mulig. Men dette er en formidabel utfordring, det er et meget stort antall mønster-gjenkjennelser som da må skje. Vi mennesker kan uten videre skille mellom en myriade av objekt-kombinasjoner. Dette er et resultat av menneskets evne til ikke bare å behandle situasjoner som ligner det kjente, men også å mestre nye. Dette er summen av et menneskets samlede kunnskap, som viser seg bl.a. ved ubevisst handling. Det er faktisk vanskelig å se for seg denne typen «intelligens» i at AI-system i et motorkjøretøy i overskuelig fremtid.
Konkluderende bemerkninger
På den ene side: Det er ikke kjente «selvkjørende» motorkjøretøy med den kombinasjonen av sensorer som beskrevet ovenfor. Det bør stilles meget strenge krav til en argumentasjon mot disse kravene, dvs. hvilke observasjoner som ikke er nødvendige for sikker bruk i reèlle omgivelser
På den annen side: Selve AI-systemet (en kombinasjon av flere applikasjoner) står overfor bl.a. meget store krav til kombinasjoner av objekter og situasjoner som skal gjenkjennes. Uttrykt på en annen måte; ikke bare skal alle sensorer levere nødvendig informasjon som skal tolkes korrekt også i kompliserte kombinasjoner, men AI-systemet skal også behandle korrekt hvilke forskjellige semantiske situasjoner som kjøretøyet er i. Eksempler på dette er å møte en annen bil på en smal bygdevei, og å befinne seg et stort veikryss i en by ved plutselig rødt lys. AI-systemet vil, som for alle meget store applikasjoner, gå gjennom en rekke feilrettinger og gradvise forbedringer, men å bli like dyktig som et menneske vil i beste fall ta lang tid.
Veidirektoratet har utarbeidet forskrifter for utprøving av selvkjørende motorvogner, forskrifter som er godt utarbeidet og som vil representere et godt utgangspunkt for en nøktern og forsiktig start av utprøving. Her bør dette følges opp og resultatene presenteres når tiden er moden.
Til slutt gjentas: For daglig bruk, dvs. for faktisk kjøring, vil det kreves et «fail operational» driftssystem, dvs.at hvis èn sentral komponent faller ut så skal en annen kunne ta over sømløst, alternativt at kjøretøyet må stoppe. Tilsvarende må det behandles hvis en komponent degraderes, f.eks. skitt på detektoren, og dette må så utbedres eller kjøretøyet må til slutt stoppe. Man kan jo tenke seg hva som vil skje når et slikt kombinert systems typisk levetid nås, og selvkjøringsevnen degraderes gradvis, eller verre – i rykk og napp. Nå har de færreste økonomi til å skifte ut en bil etter får år, slik at tilhørende økede omkostninger ved bilholdet vil kanskje gjenskape et klasseskille mellom de fleste og de som kan skifte en selvkjørende bil «ofte nok».
Vi blir bombardert med en strøm av oppløftende nyheter om en raskt økende evne til «selvkjøring», hvilket er en grad av overdrivelse tilgrensende til rent skryt. Kanskje denne artikkelen kan være til hjelp for å kunne stille noen riktige spørsmål omkring det som vil dominere vår fremtid på transportsektoren – den selvkjørende motorvognen.