В статията Оптимизмът за автономни превозни средства преминава през проверка на реалността разгледахме перспективите и предизвикателствата пред този революционен раздел от автомобилната индустрия. Оказва се, че автономни автомобили, които позволяват на шофьорите и пътниците да релаксират по време на пътуване, не са толкова близо да пускането си на пазара, както се надяваха много оптимисти.
В тази статия ще разгледаме по-отблизо проблемите, които автомобилните компании се опитват да решат с помощта на изкуствен интелект в автомобилите. Ще проучим подходите за събиране на данни от различни сензори и други източници, както и изграждането на подходящи канали за трансфер на данни. Тези канали трябва да обезпечат както обучението на изкуствения интелект, така и неговите потребности за получаване на нужните изводи.
Случаи на използване на изкуствен интелект в автомобилите
Дори когато се съсредоточим само върху една индустрия като например автомобилостроенето, броят на възможните случаи на използване на изкуствен интелект в автомобилите е голям. Ние разделяме AI в автомобилната индустрия на четири сегмента с множество случаи на използване във всеки сегмент:
- Автономно шофиране
- Свързани превозни средства
- Мобилност като услуга
- Интелигентно производство
Естествено, има припокривания между някои от тези сегменти; успехът в една област може да донесе ползи в друга. Например, автономното шофиране може да бъде съществен елемент на стратегията за мобилност като услуга. Също така има много общи изисквания, които важат за всички сегменти, включително инфраструктурна интеграция, разширено управление на данните и сигурност (поверителност), съответствие.
Ще разгледаме всеки от тези сегменти по-подробно в следващите статии, но искаме да ги представим тук, да подчертаем някои от основните предизвикателства и да използваме случаи, отнасящи се към всеки от тях.
Автономно шофиране
Когато си представим изкуствен интелект в автомобилите, самостоятелното шофиране вероятно е първият случай на употреба, който ни идва на ум. Докато светият граал в индустрията е напълно самостоятелен, повечето компании вече предлагат все по-усъвършенствани адаптивни системи за помощ на водача (ADAS) като стъпка към автономия на ниво 5.
Но предизвикателствата за постигане на пълно самостоятелно шофиране са значителни. Всеки автомобил, разгърнат за научноизследователска и развойна дейност, генерира планина от данни (1 ТБ на час на автомобил е типично). Екипите могат да очакват да натрупат стотици петабайтове до изчерпване на всички нужни данни с напредването на автономните шофиращи проекти, което води до значителни предизвикателства:
- Как да създадете канал за ефективно придвижване на данни от превозни средства, за да тренирате невронната си мрежа?
- Как ефективно подготвяте (качество на изображението, разделителна способност) и данни за етикети за обучение на невронни мрежи?
- Колко съхранение и изчисления ще ви е необходимо, за да тренирате невронната си мрежа? Трябва ли вашият обучителен клъстер да е на място или в облака?
- Как правилно оразмерявате инфраструктурата за вашите канали за данни и обучителни клъстери, включително нуждите за съхранение, честотната лента на мрежата и изчислителния капацитет?
Ще разгледаме много от тези теми за автономно шофиране задълбочено в следващите няколко статии, включително архитектиране на канали за данни за събиране и управление на данни, DL работни процеси и различните модели, които изследователите проучват, за да постигнат автономно шофиране.
Свързани превозни средства
Все по-скоро очакваме всичките ни устройства да са свързани и интелигентни като нашите смарт телефони. Автомобилите и другите превозни средства бързо се трансформират в свързани устройства и има редица случаи за практическо използване на AI в свързани автомобили.
- Лични асистенти / гласово активирани операции
- Телематика и прогнозна поддръжка
- Развлекателни / препоръчители
Днес автомобилите използват клетъчни и WiFi връзки, за да качват и изтеглят развлекателни, навигационни и оперативни данни. В близко бъдеще ще видим и коли, които се свързват помежду си, към домовете ни и към инфраструктура. Audi вече е въвела технология за свързване на автомобили към инфраструктурата на светофарната система , което дава възможност на шофьорите в избрани градове да хващат „зелена вълна“, като определят скоростта си, за да се избегнат червени светлини.
Това е само една от многото възможности за използване на данни от свързани автомобили. Макар че не всеки случай на използване изисква изкуствен интелект, в предстоящия материал ще се съсредоточим върху няколко важни случая на употребата му, включително прогнозна поддръжка. Ще изследваме подходите за ефективно събиране и обработка на информация от автомобили по целия свят.
Мобилността като услуга
В бъдеще собствеността на автомобили може да намалее в полза на различни форми на споделяне на превозни средства, особено в гъсто населени градски райони. Автомобилните компании ще трябва да бъдат и компании, предлагащи мобилност, за да се справят с променящото се потребителско търсене. Много автомобилни компании вече се разклоняват, придобиват компании за споделяне на скутери и велосипеди и създават услуги за доставка.
Проблемите с машинното обучение и задълбоченото обучение при моделите за мобилност като услуга са значително по-различни от тези при автономното шофиране:
- Как прогнозирате търсенето на клиенти?
- Как оптимизирате ефективността на автопарка и минимизирате времето за изчакване на клиентите?
- Как динамично определяте цените в отговор на търсенето?
- Как гарантирате физическата сигурност на пътниците?
- Как защитавате данните на клиентите, предотвратявате измамите и балансирате поверителността и удобството?
От гледна точка на инфраструктурата, тези комплексни проблеми изискват различни стратегии и може да изискват интелигентни алгоритми на устройството на потребителя (смартфон, таблет), в превозното средство и в облака, плюс дългосрочно, сигурно управление на данните за съответствие.
Интелигентно производство
Автомобилната индустрия има много работа по отношение на изкуствения интелект. Компаниите трябва да търсят начини за повишаване на оперативната ефективност, за да освободят капитал за инвестиции като описаните по-горе. Индустриалните технологии за Интернет на нещата (IIoT) и Индустрия 4.0 са ключът към оптимизирането на бизнеса, автоматизирането и оптимизирането на производствените процеси и повишаването на ефективността на веригата за доставки.
Общите случаи на производство включват:
- Повишена употреба на компютърно зрение за откриване на аномалии
- Контрол на процесите за подобрено качество / намалени отпадъци
- Прогнозна поддръжка, за да се увеличи максимално производителността на производственото оборудване
Ще проучим и разгледаме приложенията на AI за интелигентно производство в автомобилната индустрия, в следващи статии по темата.
Дистанционна диагностика с ИИ
Екипът на Лаборатория по дигитална автодиагностика в Пловдив Тех Парк, разработва софтуерен продукт с изкуствен интелект за нуждите на собственици на автомобили и автосервизи. Според получената информация става въпрос за мобилно приложение, което осигурява различни нива на достъп до системите на автомобила.
На собственииците на автомобили продуктът предоставя възможност за преглед и диагностика на основните компоненти, както и различни настройки на някои командни модули. За автосервизите това ще бъде един начин за бърза и точна диагностика, както на място в автосервиза, така и дистанционно. Според един от участниците в проекта, най-голямото предизвикателство пред екипа ще бъде осигуряването на достатъчно устойчиви канали за трансфер на данни при дистанционните операции. Официалното представяне на продукта се очаква да бъде през есента. Повече информация можете да получите на сайта на Пловдив Тех Парк.
Във видеоклипа по-долу е подробно разгледано на въздействието на изкуствения интелект в автомобилната индустрия. Във видеото са показани тенденциите и бъдещето, както пазарната среда и основните играчи в момемнта.
Превел от английски: Веселин Пеев
Източник: https://blog.netapp.com/
Снимки: https://www.automotiveworld.com/
