СТЮ: Новости

Интересная тема привела нас в один из офисов проектной организации SkyWay для разговора со специалистом в области искусственного интеллекта и автоматизированных систем управления, кандидатом технических наук, Сорокиным Юрием Адамовичем. К Юрию Адамовичу мы пришли, чтобы поговорить о безопасности транспортных комплексов SkyWay. Заодно узнали, в чём отличие искусственного интеллекта, используемого в SkyWay и в беспилотных автомобилях, о чём между собой общаются юнибусы, и какой фильм стоит посмотреть, если хочется узнать про развитие ИИ.

Для чего нужны интеллектуальные системы?

Искусственный интеллект (ИИ) часто чересчур идеализируют. Во многом благодаря маркетингу. Развитие ИИ сегодня находится на первоначальном этапе. Когда человек решил обучить машину анализировать информацию и принимать решения, он начал с того, что закладывал в неё определенные алгоритмы. Результат зависел от умения предусмотреть всё. Очевидно, что это невозможно. Поэтому возникла потребность научить компьютер мыслить, рассуждать, уметь приспосабливаться. Это сейчас и пытаются реализовать во всём мире. Но до сих пор обходиться без человека компьютер не может.

Чем искусственный интеллект похож на ребёнка?

Где-то в идеальной вселенной дети способны всему учиться на собственных ошибках. Они сами познают мир, и цена их ошибок несоизмеримо мала. Но это в идеальной вселенной. А в настоящем мире вы вряд ли бы захотели, чтобы ваш сын сунул пальцы в розетку и узнал, что электричество больно "бьётся".

С искусственным интеллектом такая же ситуация. Например, есть машинка, есть лабиринт. Запустили машинку туда, чтобы она искала выезд. Машинка заехала в тупик, запомнила, что тут выезда нет, и вернулась обратно. Цена такой ошибки мала — риск уместен.

Но, предположим, что в процессе движения перед машиной возникает препятствие. Например, стоящий на проезжей части грузовик, тормозного пути до которого недостаточно. Машина, настроенная на строгое соблюдение ПДД, будет поставлена перед выбором: пересечь сплошную линию и выехать на свободную полосу встречного движения или всё-таки тормозить и допустить столкновение с возможными последствиями для здоровья пассажиров. Самообучающаяся машина может сделать выбор: не нарушать ПДД, а потом, по результатам оценки последствий, посчитает, что решение было неверным. Но вряд ли вы хотели бы стать подопытным кроликом и ценой своего здоровья обучать машину. Поэтому самообучение ИИ возможно только тогда, когда последствия принятия неправильного решения малы.

Соответственно, роль человека в построении систем с ИИ неоспоримо высока. Изначально именно он должен обучить эту систему. И качество обучения будет зависеть напрямую от мастерства разработчиков, программистов, от всех, кто её обучает. Машина всё время должна быть под контролем.

Как мы учим "транспорт" SkyWay?

Возьмём, к примеру, систему распознавания лиц, установленную в транспортном комплексе SkyWay. Чтобы она научилась выявлять случаи ухудшения состояния здоровья, акты вандализма или насилия, нежелательных пассажиров, изначально она должна была научиться в принципе распознавать лица. Ей "подсовывали" огромное количество изображений людей, а также ситуаций, в том числе, противоправных. Так система выделяла определённые закономерности, чтобы в итоге идентифицировать людей для обеспечения контроля доступа к услугам транспортного комплекса и выявления ситуаций с забытыми вещами или драк.

Обучение струнного транспорта происходит постоянно. Информацию для анализа пишут во время всех заездов, вне зависимости от того, происходят сейчас испытания ИИ или ходовой системы. Поэтому набор данных непрерывно обновляется.

Производители беспилотников для обучения ИИ тоже постоянно собирают информацию со своих машин, когда они курсируют по улицам. Однако, в их случае, это необходимо, чтобы научить автомобиль реагировать на все опасности, возникающие на пути, и защитить от угроз извне. В случае с транспортом SkyWay у ИИ более гуманные цели. Подняв трассу на второй уровень, мы уже избавились от внешних угроз. Поэтому ИИ учится следить за безопасностью внутри транспорта и рассчитывать наиболее быстрые и удобные маршрутные задания. Когда юнибусы выйдут в серийное производство и появятся на улицах городов, ИИ тоже будет продолжать учиться, однако это никогда не станет угрозой для безопасности человека.

Сравниваем струнный транспорт и беспилотники

Как беспилотники, так и транспортные системы SkyWay используют несколько типов сенсоров: оптические (камеры) и радары. В чём их преимущества и недостатки?

Оптические сенсоры при помощи хорошо обученного ИИ могут легко распознавать объекты. Однако до уровня человека им пока далеко. Ведь камера видит не более, чем набор пикселей. Хотя и может быстрее в толпе распознать конкретный объект из заданного перечня. Но камера плохо измеряет расстояние и скорость. Ещё один недостаток — это то, что она очень критична к внешним условиям (освещённость, дождь, туман). Да, существуют различные способы борьбы с ними, но они значительно удорожают систему наблюдения.

Второй датчик, который повсеместно используется для обнаружения объектов, как на струнном транспорте, так и на большинстве беспилотников — это радар. Он считается всепогодным, прекрасно измеряет расстояние до объекта, его параметры движения. Но из-за малого объёма классифицирующих признаков практически не распознаёт обнаруженные объекты. И всё воспринимает как препятствие. Во время испытаний на полигоне мы видим отражение от всего: травы, опор, инфраструктуры. И, если бы транспортное средство считало, что это помехи для движения, то мы остались бы стоять на месте.

Для совершенствования информации, получаемой от камер и радаров, мы создали программы, которые объединяют данные с оптических и локационных датчиков. Увидеть их в действии можно было во время демонстрации "собачки" Анатолия Юницкого. Мы научили ИИ дополнять одну информацию другой. Чтобы на основании этих данных принимать наиболее оптимальные решения и обеспечивать безопасное движение транспортных средств.

Третий тип датчиков, которым пользуются некоторые беспилотники, но не ЗАО "Струнные технологии", — это лидары. Тонкий луч лазера сканирует местность и получает прекрасное оптическое воспроизведение. В то же время он хорошо определяет параметры движения. Казалось бы, всё прекрасно, за исключением некоторых "Но". Из-за которых мы не используем лидары для струнного транспорта. Во-первых, это цена. Во-вторых, лидар — это механическое устройство, которое имеет свойство ломаться. В-третьих, это оптическое устройство. Поэтому в дождь или в туман, когда луч лазера рассеивается, оно видит стену. Лидар, на наш взгляд, лучше использовать в Калифорнии. Учитывая, что мы ориентируемся на разносторонний рынок, а тестируем транспорт в Беларуси, где дожди и туманы — естественная практика, использование лидаров для нас нецелесообразно.

Уже почти скайнет

Как правило, каждый беспилотный автомобиль считается самостоятельной единицей. Он самодостаточен, с определёнными параметрами и предустановленной информацией, например, картой местности. И движение таких единиц хаотично, что, в свою очередь, приводит к низкой пропускной способности.

В SkyWay каждый элемент инфраструктуры тоже наделён "умом и сообразительностью", плюс ещё есть и центральная интеллектуальная система управления (ЦИСУ). Она контролирует весь транспортный комплекс в соответствии с поставленными задачами. Следит за скоростью и безопасностью передвижения, совмещает потоки и реагирует на пожелания каждого конкретного клиента, чтобы обеспечить ему максимальный комфорт. ЦИСУ рассчитывает наиболее удобные и оптимальные маршрутные задания при постоянном обновлении входящих данных.

Другим отличием интеллектуальных систем SkyWay от беспилотного автотранспорта является умение оперативно реагировать на сложившиеся чрезвычайные ситуации. Сбой движения любого транспортного средства приводит к мгновенному пересчёту маршрутного задания для остальных машин, связанных с этим маршрутом. А также к принятию мер, необходимых для решения сложившейся ситуации: эвакуации, транспортировке и т. д. То есть отличие нашей системы от систем конкурентов — это глобальное управление транспортным потоком не в ущерб индивидуальности каждого отдельного транспортного средства.

О чём говорят машины?

Однако общение между машинами не сводится только к централизованному. Ведь отказ одного из её элементов мог бы привести к коллапсу. Поэтому каждое транспортное средство общается с со всеми элементами транспортной инфраструктуры. Предположим невозможное, что ЦИСУ всё-таки перестала функционировать. Каждая отдельная машина знает свою задачу, общается с другими машинами, которые находятся рядом, и передаёт информацию об окружающей обстановке. Поэтому все транспортные средства могут продолжать движение по маршруту и реагировать на любые изменения вне зависимости от работы ЦИСУ.

Интеллектуальная система управления в действии

Отработка технологии эвакуации транспортного средства — пример того, как машины выполняли задание ЦИСУ. Но между собой они тоже общались — непосредственно во время состыковки.

"Собачка" — это ещё один из специфических примеров работы, который раскрывает возможности наших систем — движение транспортных средств в виртуальной сцепке. С точки зрения безопасности, расстояние между машинами должно зависеть от тормозного пути, который необходим для остановки второго при остановке первого. При этом, желательно, чтобы оно было как можно больше. С другой стороны, для увеличения пассажиропотока нужно снизить это расстояние. Как найти баланс?

В отношении виртуальной сцепки мы не родоначальники исследований. Работы велись другими нашими конкурентами. Однако мы использовали и модернизировали это понятие. Первое транспортное средство — ведущее, оно выполняет своё маршрутное задание. Остальные контролируют и изменяют свои параметры движения: дистанцию, интервал, время до впереди идущего модуля.

Для чего нужна виртуальная сцепка?

Например, есть задача: переправлять грузы и пассажиров по трассе Минск-Москва как можно быстрее. Чтобы её решить, надо будет поддерживать минимальный интервал между модулями. А достичь этого получится только за счёт виртуальной сцепки. Задача ЦИСУ — сформировать виртуальную сцепку в зависимости от уже существующих графиков движения транспорта и индивидуальных нужд пассажиров.

В офисе появился начальник управления интеллектуальных систем ЗАО "Струнные технологии" Евгений Родченков. Заинтересовавшись темой разговора, он дополняет Юрия Адамовича:

«Кстати, виртуальная сцепка, с точки зрения коммерческих выгод, позволит снизить затраты энергии, увеличить пассажиропоток, а значит, и прибыль. Она поможет уменьшить нагрузку при движении в потоке, как это работает в случае с фурами, чтобы снизить затраты энергии и увеличить пассажиропоток».

Юрий Адамович продолжает освещать техническую сторону вопроса:

«Анатолий Эдуардович, называя юнибус "собачкой", не просто продемонстрировал адаптивное следование за ведущим, которое необходимо для реализации виртуальной сцепки. Он ещё показал и выполнение некоторых команд, совсем несвойственных для системы: убегание, преследование. Поймите, когда Анатолий Эдуардович говорил, что задача, решённая нашей компанией, очень серьёзная, он совсем не хвастался и не кривил душой. Мы и впрямь занимаем в этом вопросе лидирующие позиции».

Что видит юнибус?

Возвращаясь к вопросам технического зрения, напомню, как в одном из моментов демонстрации Анатолий Эдуардович сказал: «Система видит очень много лишних объектов и помех». Потому что, в отличие от ровного асфальта, мы работали над неидеальной поверхностью. И тот факт, что разработанная нами система научилась выделять нужные объекты и обрабатывать нужную информацию на уровне поверхностных искажений, говорит о колоссальном успехе.

Если бы во время испытаний были другие люди на пути юнибуса, то он отрабатывал бы их по принципу наибольшей потенциальной угрозы. Исходя из параметров движения как самого транспортного средства, так и потенциально опасных объектов рассчитывая пересечения их трасс. Ведь ближайший может удаляться, а стоящий вдалеке — приближаться.

Интеллектуальные системы против вандализма

Наша система технического зрения уже распознаёт оружие внутри и снаружи транспортного средства, подаёт сигнал "обнаружена потенциально опасная ситуация" диспетчеру. Именно он должен предпринять дальнейшие действия. Всё-таки человек пока играет самую важную роль. Потому что цена ошибки будет достаточно высока, если, скажем, в салоне окажется человек не с игрушечным пистолетом, а с настоящим. А мы предоставим возможность искусственному интеллекту выбирать, что делать.

Однако, уметь распознавать акты вандализма и потенциально опасные ситуации, например, агрессивное поведение — непросто. ИИ придётся научиться отличать простое похлопывание по плечу от удара или приветственный жест от угрозы. Но мы используем огромные базы дата-сетов, чтобы машины, наконец, смогли это делать.

Евгений Родченков дополняет: «Есть фильм, в котором не человек учит робота, а наоборот. Его мораль заключается в том, как происходит выбор решения? Почему именно таким образом? И кто всё-таки умнее — человек или робот?»