自驾车新AI学习模式 依外观自动分辨行人、公车
自动驾驶、无人车的 AI 系统到底该如何设计比较安全呢？来自以色列的 Cortica 公司试图找出最佳答案，他们开始研究与主流不同的 AI 学习模式，期望借由 AI 自行辨别物体特征加以分析，选择最佳的处理方式。
▲借由车体周遭的感应器捕捉环境资讯，再借由 AI 分析资料，让车辆自动选择最佳路径。（图／翻摄 TechCrunch）
汽车结合人工智慧早已不是新闻，但Cortica 与其他车厂最大的差别在于采用非监督式学习（Unsupervised Learning）来设计 AI 系统，这种学习方式不需要人力输入标签。举例来说，普遍应用在其他 AI 系统的监督式学习（Supervised learning），需要靠着人类帮助电脑辨别特定物体，若要让系统可以辨别停车的位置，工程师必须输入停车的交通标志，作为让有所 AI 反应的记号，而在非监督式学习的机制中，AI 得自行根据物体的外观与特色来组织、分类资讯。
我们可以从 Cortica 发布的影片中一探 AI 实际的运行模式，影片中所有物体都被依外观特征画上不同的颜色区别，例如一般汽车是绿色、行人是红色、脚踏车是蓝色、公车是咖啡色、红绿灯是黄色。
▲根据物体不同的特征，Cortica 研发的系统会自动以不同颜色区别。（图／翻摄 Youtube）
Cortica 公司认为，这种学习方式更接近人类实际开车时的视觉感受，且系统也能更加灵活的思考，在各种天气与路况下都能更好的适应，也能学习人类的手势动作并预测其他车辆和行人的动作，纵使是尚未建档的路况，非监督式学习也能够帮助车辆安全行驶。不过要完成这样的学习机制，数据的筛选与地图资料数据将成为关键。
这项技术同样仍在研发阶段，距离上市推行仍需要一段时间。不管是哪一种学习方式，AI 面对变化莫测的十字路口，遇上突发状况能否发挥出熟练驾驶的经验与判断能力，仍有待技术人员持续研究，但换个角度来思考 AI 的学习机制，想必也能让这项技术早日成熟吧？