Никому не нравится ждать, пока загорится зеленый свет: водители и пассажиры теряют время, а автомобили расходуют топливо и выделяют углекислый газ. Но если для человека поймать «зеленую волну» светофоров — вопрос удачи, то для искусственного интеллекта, подключенного к дорожной инфраструктуре в этом нет ничего сложного. В своем исследовании специалисты из MIT показали, как технология машинного обучения могла бы управлять парком робомобилей, сокращая время ожидания городского транспорта.
При помощи компьютерного моделирования инженеры MIT выяснили, что передача управления ИИ позволила бы сократить потребление топлива и эмиссию СО2, попутно повысив среднюю скорость движения. Наилучшие результаты достигаются в сценарии, когда все автомобили на дорогах автономные, но даже если их 25%, все равно преимущества оказываются существенными.
В зависимости от множества факторов — количества полос, работы светофоров, числа и скорости автомобилей, наличия пешеходов и велосипедистов — перекрестки создают миллиарды различных сценариев дорожного движения. Обычно для расчетов с помощью математических моделей применяется упрощенный идеализированный перекресток. На бумаге это выглядит хорошо, но с реальностью соотносится плохо, пишет MIT News.
Виндула Яйавардана и его коллеги применили другой подход — глубокое обучение с подкреплением, когда алгоритм ищет решение проблемы методом проб и ошибок. В данном случае, перед алгоритмом поставили сразу несколько целей: снизить эмиссию транспорта, увеличить скорость прохождения перекрестка, а также сократить расход топлива.
Разработав единый алгоритм контроля, исследователи оценили его с помощью модели единственного перекрестка, который пересекают автономные автомобили, подключенные к светофорам и получающие информацию о фазах сигнала и об окружающей обстановке. Алгоритм мог командовать машинам замедляться или ускоряться.
Результат показал, что этот метод, по сравнению с другими способами оптимизации дорожного движения, приводит к большей экономии топлива и сокращению выхлопов. Если робомобилей 100%, то расход топлива снижается на 18%, а эмиссия СО2 — на 25%, при этом скорость движения повышается на 20%.
Любопытно, что преимущества внедрения робомобилей растут не линейно. Как выяснили ученые, даже 25% под контролем ИИ дадут сразу 9% сокращения расхода топлива и 13% сокращения выбросов СО2. Другими словами, нет смысла ждать полной автоматизации транспорта.
Американские ученые обнаружили причинно-следственную связь между автоматизацией промышленности и ростом смертности среди населения. Согласно новому исследованию, роботы провоцируют «смерти от отчаяния» — из-за машин в США все чаще происходят суициды и смерти от передозировок.