Πως η τεχνητή νοημοσύνη βοηθά στην μείωση των τροχαίων ατυχημάτων

Του Χριστόφορου Κάχρη

Ηλεκτρολόγoς Μηχανικός Ε.Μ.Π.

Διευθύνων σύμβουλος inaccel

chris@inaccel.com

Τα τελευταία χρόνια ακούγεται πολύ συχνά ο όρος μηχανική μάθηση και τεχνητή νοημοσύνη καθώς και πως αυτές οι τεχνολογίες θα επηρεάσουν την καθημερινότητα. Τι είναι όμως η μηχανική μάθηση και η τεχνητή νοημοσύνη;

Η μηχανική μάθηση θα μπορούσε να βοηθήσει σημαντικά στην τήρηση των κανόνων ασφαλείας και την μείωση των τροχαίων ατυχημάτων.

Στον κλασσικό προγραμματισμό, χρειάζεται να περιγράψουμε πρώτα πώς ακριβώς πρέπει να επεξεργαστούμε τα δεδομένα ώστε να παράγει ο υπολογιστής την σωστή λύση. Πχ. Πρέπει να περιγράψουμε τον αλγόριθμο (με μια γλώσσα προγραμματισμού) για το πως να επεξεργαστούμε μια εικόνα ώστε να αναγνωρίσει σωστά ο υπολογιστής ένα πρόσωπο ή ένα ζώο.

Μηχανική μάθηση και τεχνητή νοημοσύνη

Στην μηχανική μάθηση όμως μπορούμε να εκπαιδεύσουμε έναν υπολογιστήχωρίς να χρειαστεί να περιγράψουμε ακριβώς πως να επεξεργαστεί τα δεδομένα ώστε να παράγει το σωστό αποτέλεσμα. Σε αυτή την περίπτωση, εκπαιδεύουμε ένα μοντέλο μηχανικής μάθησης, με τον να του δώσουμε πολλά παραδείγματα από το πρόβλημα και την λύση χωρίς να χρειάζεται να περιγράψουμε πως να φτάσει στην λύση.

Για παράδειγμα, εκπαιδεύομε ένα μοντέλο μηχανικής μάθησης με το να του παρέχουμε πάρα πολλές εικόνες από σκύλους, γάτες και άλλα ζώα αναφέροντας πάντα τι είναι αυτό που βλέπει (label). Με τον τρόπο αυτό εκπαιδεύεται το μοντέλο με τον ίδιο περίπου τρόπο που εκπαιδεύεται ένας άνθρωπος. Όταν η εκπαίδευση έχει ολοκληρωθεί (μπορεί να πάρει από μερικάδευτερόλεπτα μέχρι μερικές μέρες ανάλογα με το πρόβλημα) τότε μπορεί να ξεκινήσει να παρέχει τις εκτιμήσεις/προβλέψεις. Δηλαδή στην περίπτωση των εικόνων μπορεί να επεξεργαστεί μια εικόνα από ένα ζώο και να αναγνωρίσει αυτόματα τι ζώο είναι μεβάση την εκπαίδευση που είχε. Με αυτό τον τρόπο μπορεί να λύνει ένα πρόβλημα (π.χ. τι ζώο είναι) χωρίς κάποιος προγραμματιστής να έχει αναπτύξει ένα συγκεκριμένο αλγόριθμο για να αναγνωρίζει κάθε ζώο ξεχωριστά. Φυσικά τα μοντέλα μηχανικής μάθησης που χρησιμοποιούνται κάθε φορά είναι αρκετά πολύπλοκα και χρειάζεται μεγάλη εξειδίκευση για την ανάπτυξη μοντέλων μηχανικής μάθησης που να βγάζουν αποτελέσματα με μεγάλη ακρίβεια.

Με τον όρο μηχανική μάθηση περιγράφουμε την τεχνολογία που χρησιμοποιείται για την αυτόματη εκμάθηση και λειτουργία των υπολογιστών ενώ με τον όρο τεχνητή νοημοσύνη εννοούμε όλα τα συστήματα και τις εφαρμογές (π.χ. αυτόνομη οδήγηση) που βασίζονται σε τεχνολογία μηχανικής μάθησης.

Που όμως χρησιμοποιείται η μηχανική μάθηση στην καθημερινότητα;

Παρόλο που πολλές φορές δεν το καταλαβαίνουνε η μηχανική μάθηση χρησιμοποιείται ευρέως στην καθημερινότητα. Για παράδειγμα όταν ψωνίζουμε ηλεκτρονικά από κάποιο e-shop πολλές φορές εμφανίζονται προτάσεις για παρόμοια ή σχετικά προϊόντα που θα μας ενδιέφεραν. Τα τελευταία χρόνια η μηχανική μάθηση και η τεχνητή νοημοσύνη χρησιμοποιούνται για την αυτόνομη οδήγηση. Το να εκπαιδεύεις έναν υπολογιστή να μπορεί να αναγνωρίζει όλα τα αντικείμενα που βλέπει στον δρόμο με τον κλασσικό προγραμματισμό είναι σχεδόν αδύνατο. Η μηχανική μάθηση χρησιμοποιείται σε αυτές τις περιπτώσεις ώστε να εκπαιδεύσει τον υπολογιστή να μπορεί να κατηγοριοποιεί αυτόματα τα αντικείμενα που βλέπει στον δρόμο. Οι εφαρμογή της μηχανικής μάθησης στην αυτόνομη οδήγηση είναι εντυπωσιακή. Έχουν καταγραφεί πολλές περιπτώσεις όπου ο υπολογιστής ενεργοποίησε τα φρένα ή το τιμόνι για την αποφυγή ενός ατυχήματος που θα ήταν σχεδόν αδύνατον να το είχε εντοπίσει ο οδηγός. Όπως φυσικά υπήρχαν και περιπτώσεις που δεν σταμάτησε όταν έπρεπε γιατί δεν είχε εκπαιδευτεί κατάλληλα (πχ. Ένα λευκό φορτηγό αναγνωρίστηκε σαν ορίζοντας με αποτέλεσμα να μην σταματήσει.)

Η τεχνητή νοημοσύνη στη μείωση θανατηφόρων τροχαίων

Καθημερινά διαβάζουμε για τροχαία ατυχήματα που πολλές φορές είναι θανατηφόρα. Υπάρχουν πάρα πολλοί λόγοι που η Ελλάδα έχει ένα από τα μεγαλύτερά ποσοστά τροχαίων ατυχημάτων στην Ευρώπη. Ένας από τους τρόπους να μειώσουμε τη σοβαρότητα των τροχαίων ατυχημάτων είναι η συμμόρφωση με τους κανόνες ασφαλείας. Δηλαδή η χρήση της ζώνης ασφαλείας και του κράνους στην περίπτωση των μηχανών. Δυστυχώς πολλές φορές τα τροχαία έχουν ολέθριες συνέπειες λόγω της μη χρήσης του κράνους και της ζώνης ασφαλείας. Παρόλο που η τροχαία τα τελευταία χρόνια έχει εντείνει τους ελέγχους είναι σχεδόν αδύνατος ο έλεγχος συνεχώς και σε πολλά σημεία ταυτόχρονα.

Πως όμως μπορεί να βοηθήσει η μηχανική μάθηση και η τεχνητή νοημοσύνη; Με τον ίδιο τρόπο που υπάρχουν κάμερες που αυτόματα καταγράφουν τα οχήματα τα οποία παραβιάζουν το όριο ταχύτητας και είτε απλά προειδοποιούν είτε στέλνουν τα στοιχεία στις αρχές. Στην περίπτωση του κράνους και της ζώνης οι κάμερες πρέπει να είναι εφοδιασμένες με υπολογιστικά συστήματα και αλγόριθμους μηχανικής μάθησης τα οποία μπορούν να αναγνωρίσουνε αυτόματα αν οι επιβάτες φορούν την ζώνη ασφαλείας ή το κράνος στις μηχανές. Οι έξυπνες αυτές κάμερες μπορούν να αναλύσουν την εικόνα με μεγάλη ταχύτητα και να αναγνωρίσουν την ύπαρξη του κράνους στις μηχανές με υπολογιστικούς αλγόριθμους μηχανικής όρασης. Αντίστοιχα μπορούν να αναγνωρίσουν αν οι επιβάτες των αυτοκινήτων φορούν τις ζώνες ασφαλείας. Τα συστήματα αυτά μπορούν να ειδοποιήσουν με σήμανση τους επιβάτες όπως ακριβώς γίνεται και με τις κάμερες που καταγράφουν το όριο ταχύτητας και ειδοποιούν με φωτεινή σήμανση τους οδηγούς.  Φυσικά τα συστήματα αυτά θα μπορούσαν και να καταγράφουν τα περιστατικά και να προωθούνται στην τροχαία σε περίπτωση που αυτό είναι επιθυμητό. Πολλές φορές όμως η επισήμανση και μόνο της παράβασης έχει δείξει ότι βοηθάει στον να τηρούνται τα μέσα προστασίας.

Με τον τρόπο αυτό μπορούμε να μειώσουμε σημαντικά την σοβαρότητα των τροχαίων ατυχημάτων  και να μειώσουμε δραματικά τα θανατηφόρα τροχαία ατυχήματα.

Η ελληνική εταιρία InAccel είναι πρωτοπόρος διεθνώς στην ανάπτυξη και στην αξιοποίηση επεξεργαστών ειδικού σκοπού για εφαρμογές όπως η μηχανική μάθηση, η μηχανική όραση και οι εφαρμογές βιο-πληροφορικής.

Η εταιρία InAccel, στελεχωμένη με υψηλής κατάρτισης νέους μηχανικούς, έχει καταφέρει να είναι πρωτοπόρος στην τεχνολογία των επεξεργαστών ειδικού σκοπού (επιταχυντών)για εφαρμογές μηχανικής μάθησης και συνεργάζεται με μεγάλες εταιρίες στον χώρο της πληροφορικής όπως η Intel, ηMicrosoft, η Amazonκαι η Xilinx. Η InAccel συμμετέχει στο μητρώο νεοφυών επιχειρήσεων και το 2018 είχε λάβει χρηματοδότηση ύψους 500.000 ευρώ από την marathonVC. Οι ιδρυτές της εταιρίας, Χριστόφορος Κάχρης, Ηλίας Κορομηλάς και Ιωάννης Σταμέλος είναι απόφοιτοι της σχολής των Ηλεκτρολόγων Μηχανικών του Ε.Μ.Π. και του Πολυτεχνείου της Κρήτης.