Autógépész-mérnöki képesítéssel abban találtam meg hivatásomat, hogy megértsek bonyolult dolgokat, összefüggéseket, és azokat újságíróként úgy magyarázzam el, egyszerűen, köznyelven, ugyanakkor szakszerűen, szabatosan, hogy bárki felfoghassa. Folytonos tanulással egészen a legutóbbi időkig tisztában voltam a gépkocsi működésével, átláttam az egészet, de életünk egyre több területén megjelenő mesterséges intelligencia (MI) már kifogott rajtam. Ezért kértem okítást a fenti fejlesztőközpont PhD tudományos fokozatú vezetőjétől, Lóránd Balázstól. Ők a gépkocsi látásához, helyzetfelismeréséhez, értelmes reagálásához szükséges szoftvereket, fejlett vezetéstámogató és automatizált járművezetési megoldásokat hoznak létre, azzal a céllal, hogy egyre megbízhatóbb és olcsóbb autonóm járművek csökkentsék jelentősen a balesetek, tragédiák számát. Elsőként azt szerettem volna megtudni, hogyan „lát a pályán”, ismeri fel, és hajtja végre az autó a biztonságos haladáshoz szükséges akciót, például kikerülést vagy vészfékezést. Már a látásnál elakadtam. Persze egy kamera nem boszorkányság, de mint tudjuk, mi, emberek sem a szemünkkel látunk, az csak szenzor, agyunkban áll össze a kép, a látóidegen érkező ingerületekből. Van is „agyi vakság”, az ilyenben szenvedő embernek hiába van sasszeme, fehér bottal tapogathat. Tehát mi történik a parányi chipben, ahová befut rengeteg bit, a videokamerától, a radartól, hogyan lesz ebből a forgalmi helyzet átlátása? Egész más ez, mint például a tolatókamera képének megjelenítése a műszerfali monitoron, mivel a chipen további algoritmusok futnak le, melyek absztrakt módon értelmezik és modellezik a környezetet. Az autóban a kameraképet rendszerint olyan algoritmus dolgozza fel, amely hasonlít az emberi idegpályákat is alkotó komplex struktúrára. Az algoritmus futása során a kép darabkái (pixelek) sok százezer kisebb műveletvégző egységhez kerülnek, amelyek keresztül kasul összekötésben állnak egymással (pl. idegsejtek az agyban) és együtt dolgozzák fel a képet. A műveletvégzők működése nem változtatható, viszont az összeköttetéseik (együttműködéseik) megváltoztathatók. A fejlesztés során a mérnök feladata, hogy rátaláljon, mely összeköttetések eredményeznek olyan algoritmust, mely képes absztrakt módon értelmezni a képet. Nem lehet teljes párhuzamot vonni az emberi és a mesterséges intelligencia között, de akadnak hasonlóságok. A gyermek fejlődése során megtanul látni, felismerni tárgyakat, és nevén nevezni azokat. Úgy képzeljük, hogy bizonyos értelemben hasonló folyamat zajlik le, mint amikor a mérnök rátalál a helyes összeköttetésekre, mesterséges intelligenciára épülő algoritmusok fejlesztve. A fejlődő gyermek rámutat különböző tárgyakra, amiket mesekönyvben, vagy a világban lát, és megpróbálja megnevezni őket. Ezután a környezetétől visszajelzést kap, például a felnőttek megdicsérik, vagy kijavítják. Sok-sok ilyen és ehhez hasonló pillanat történik a fejlődő szervezetben, míg kialakul az agyunkban egy modell a világ működéséről, és végül a gyermek elég érett lesz ahhoz, hogy egyedül közlekedjen a forgalomban, és felelősségteljes döntéseket hozzon. Nem tudjuk minden részletét pontosan az agyunk működésének, de ez láthatóan nem is szükséges ahhoz, hogy egész jól működjünk, tárgyakat ismerjünk fel, tájékozódjunk, közlekedjünk. Megtudom, hogy maguk a fejlesztők sem tudják megmagyarázni, mely összeköttetések lesznek sikeresek. Ez már maga a kissé rejtélyes mesterséges intelligencia! A fejlesztés (un. tanítás) során az algoritmus nagy mennyiségű adatot „néz végig”, és ezek alapján alakulnak ki a helyes összeköttetések a műveletvégző egységek között. A kialakult összeköttetések egy statisztikai modelljét adják a világnak, mely, ha sikerült megfelelő adatot összegyűjteni, jól modellezi a valóságot. A különféle szenzorok egymásra támaszkodnak, ha a kamerát belepi a jég vagy sárpermet, még működhet a radar, van észlelés, biztonságosan tudja irányítani az autót a rendszer. A hardver általában Németországban készül, a szoftver jelentős része pedig Magyarországon. Nem segít tovább a mesterséges intelligencia összehasonlítása egyszerűbb élőlények, vagy az ember idegrendszeri folyamataival. Nincs értelme olyan kérdésnek, hogy hasonlít-e például egy hangya idegi folyamataira, amelyeket kérdéses, hogy ismerünk-e teljes egészében. Miként annak sem, hogy tulajdonítható-e IQ (intelligenciahányados) egy számítógépes rendszernek. Akármennyivel jobban teljesít a humán képességek egy nagyon keskeny szeletében, de csak abban… Ezeket a kis gondolati kapaszkodókat legjobb elengedni. Egyszerűen vegyük tudomásul, hogy a hagyományos módszerek befogadóképessége nagyon korlátozott, de az MI sokkal többre képes, betáplált tanító mintákkal, ezek alapján klasszifikál, azonosít be objektumokat, mozgásokat, szituációkat. Jó példa a távol-keleten nagyon népszerű, ősrégi go-játék: beprogramoztak rá számítógépeket, és kiderült, hogy „egész más csavarra jár az eszük”, mint az emberé, nehéz lenne megmondani, hogy melyikük „okosabb”. Firtatom, hogy összehasonlítható-e az önvezető gépkocsi, a gazdáját ugyanabban a forgalomban magabiztosan irányító vakvezető kutyával? Csak speciális képességekben, hangzik a válasz, a kutya általános és érzelmi intelligenciáját nem tudja hozni a mesterséges rendszer, de nincs is szükség rá. Ha volna igény, nulláról kellene kezdeni a fejlesztést. Adott helyzetben gyorsabb, pontosabb az MI, de például „általános” intelligenciája nincsen, csak arra használható, amire be lett tanítva. A neurális hálók nagyon sok adatból tanulnak, ez alatt alakul ki a belső reprezentáció, illetve, hogy végső soron mi lesz az inputból. Örömmel hallottam, hogy a gyártópartnerek között kínaiak, indiaiak is vannak, a legkorszerűbb technológia ezáltal bevonulhat olcsóbb járművekbe is.    Dr. Lóránd Balázs és egyik fejlesztő kollégája, Iván Dávid megvigasztalnak kissé, hogy amit náluk szeretnék elsajátítani fél óra alatt, azt egy évig tanítják az egyetemen, informatikus hallgatóknak… Nekem az alapjaim is hiányoznak hozzá. Mindenesetre leszűröm, hogy személyes intelligenciám, valószínűleg akármennyi tanulással sem lenne elég a mesterséges intelligencia működésének megértéséhez, és ezzel vélhetően így lenne olvasóim jelentős része is. Bele kell törődnünk, hogy olyan eszközöket használunk, sőt rájuk bízzuk életünket, amelyek nekünk felfoghatatlanok.  Kissé ijesztő gondolat ez, de a fokozatosan bevezetett és egyre tökéletesebben közlekedő autonóm járművek példája mutatja, hogy megnyugodhatunk. Azért sem kell túlságosan aggódnunk, mert az autóipar rendkívül jól szabályozott biztonsági szempontból. Ha a tesztek – például sokszor megismételve egy vészfékezési helyzetet „emberi” és „gépi” sofőrökkel, majd ezeket összehasonlítva – eredményei azt mutatják, hogy egy bizonyos feladatot egy számítógépen futó mesterséges intelligencia statisztikailag jobban, biztonságosabban teljesít, mint egy emberi sofőr, akkor logikus választás a gépekre bízni magunkat. A Continental budapesti Mesterséges Intelligencia Fejlesztési Központja 2018-ban indult útjára, majd tevékenységük a 2022 szeptemberében létrejött Alkalmazásfejlesztési Központtal egészült ki. A két meglévő központhoz 2022 októberében kapcsolódó szegedi tevékenységével a vállalat megkezdte országos szoftverfejlesztési hálózatának létrehozását a vezetéstámogató és automatizált járművezetéshez kapcsolódó technológiák fejlesztésére. A Continental Autonomous Mobility Hungary már több mint 200 munkatársa dolgozik Budapesten, a következő években Budapest és Szeged mellett Debrecenben bővülnek tovább. Miért bízunk meg statisztikai modellekben? Amikor pl. 1000 embert megkérdeznek és ezalapján meg lehet mondani 10 millió ember véleményét. Egyetértek, hogy egy statisztikai modellre bízni életünket ijesztő lehet, de hangsúlyozni kell, hogy ezek a modellek nagyon sok adaton vannak tanítva, lépcsőzetesen kerülnek bevezetésre és nagyon komoly autó ipari teszteken kell átmenni a rendszereknek és bizonyítaniuk, hogy jobbak, mint a korábbi, hagyományos verziók, melyek most is az utakon vannak. További autós tartalmakért kövess minket Facebookon is!