自動運転車の危険性: 自動運転車が世界中で実現できないのはなぜか

自動運転車の危険性: 自動運転車が世界中で実現できないのはなぜか

テスラは2020年10月、車の所有者が駐車し、巡航速度で車線を自動的に維持し、赤信号で停止することを可能にする「完全自動運転」ソフトウェアを発表し、世界的な注目を集めた。この発表は、完全な自動運転技術に向けた大きな一歩となるはずだった。

[[435154]]

しかし、「完全自動運転」という名称は、一部のドライバーを誤解させ、自分の車に監視は不要だと誤解させる可能性があるとフォーチュンは報じている。規制当局は、ユーザーに対し、この技術を注意深く監視し、「不当な安全リスクから国民を守るための措置を講じる」よう警告した。

Mediumが公開した2018年のチャートによると、2020年は完全自動運転車が市場に参入し始める年となる。しかし、業界標準では、テスラの完全自動運転ソフトウェアでさえ、先進運転支援システム (ADAS) としかみなされていません。

では、自動運転車の実現を阻んでいるものは何でしょうか? 自動運転車が市場に出るまでに克服しなければならない重要な問題のいくつかを詳しく見てみましょう。

機械が人間のように考えるという誤り

克服すべき最大の問題の一つは、IoT テクノロジーが大きく進歩したにもかかわらず、コンピューターが人間レベルの知能を獲得するにはまだ程遠いということです。

もちろん、画像内の物体を識別したり、静的な環境で単純なコマンドを実行したりするような個別のタスクに関しては、機械は人間をはるかに上回ります。それでも、これらのスキルの多くは、より一般的な状況には当てはまりません。

車を運転し、赤信号を認識するという行為は単純な機械で実現できますが、運転中に発生する変数の数が多いため、高度な知能と適応力が求められます。

2017年の記事で、ロボット工学と人工知能の第一人者であるロドニー・ブルックス氏は、運転中に生じる「危険な状況」の数が多いため、自動運転車は短期的には実現不可能であると述べた。これは、他人の運転ミス、道路上の障害物、誤解を招くような道路標示など、異常な出来事の頻度を指します。

たとえば、人間は異常な出来事に自然に反応し、素早く調整することができますが、機械にとっては、前方の道路に適切に反応するために行動を調整する方法を理解するのは難しいかもしれません。

センサー障害物

自動運転車は複数のセンサーを使用して周囲と対話します。これは、歩行者、他の車両、ロボット標識などの物体を検出するのに役立ちます。カメラは、車が物体を認識し、車両とその進路上の物体との距離を把握するのにも役立ちます。レーダーは他の車両や物体の速度や方向をマッピングすることもできます。

これらのセンサーは、車の制御システムにフィードバックを提供し、どこで操縦するか、どこで停止するかを提案します。完全自律走行車には、あらゆる状況下で物体の距離と速度を素早く判断し、常に安全を確保しながら、物体を正確に検出するためのさまざまなセンサーが必要です。

ただし、悪天候、交通量の増加、道路標識の劣化、標示の損傷などの要因は、センサーの機能に大きな影響を与える可能性があります。

真に自律的な車両が機能するためには、使用されるセンサーが、さまざまな環境の最も過酷な条件でも信号を理解できるほど、高度な適応性と堅牢性を備えている必要があります。テスラのモデルが駐車中の車両に衝突する事故に巻き込まれていることを考えると、信頼性の高い自律センサーの開発にはまだ道のりが残っていることがわかります。

サイバーセキュリティテロリズム

自動運転車の安全性については、技術が障害物をどれだけ正確に理解し、対応するかという点で広く懸念されている。それでも、コネクテッドカーはサイバー攻撃の被害者になる可能性があります。

交通ジャーナリストのクリスチャン・ウォルマー氏は、「ビッグデータハッキングやセキュリティ侵害など、コンピューティングの他の分野では広範囲にわたるハッキングが発生しており、自動運転車にも同様のハッキングが発生するだろう」と報告している。

ハッキングされた車両に伴う危険性を考えると、自動車のファームウェアにセキュリティ上の問題があれば広範囲にわたる混乱を招く可能性があり、厳格なテストが行​​われる前に自動運転車の導入を見通すことは困難になる。

保険の複雑さに対する不安

自動運転車の導入には多くの経済的影響が伴います。保険の問題、そして事故が発生した場合の責任の所在は、乗り越えるべき大きなハードルです。

伝統的に、ドライバーは発生した事故をカバーするために自動車保険に加入します。それでも、車両が完全に自動運転であれば、車両側に過失がある可能性が高い場合に所有者が支払う理由はありません。

自動運転車の登場は、自動車所有者の自動車購入方法に変化をもたらすでしょう。保険がメーカーの手に渡れば、車両コストがさらに上昇する可能性がある。 HP または PCP ファイナンスを通じて車両を購入することに慣れつつある世界では、所有権の複雑さは潜在的な購入者にとってまったく不快感を与える可能性があります。

そうは言っても、自動運転車が運転の未来において重要な役割を果たすことは間違いありません。この技術とその複雑な影響が、10年後には個人用車両が道路を走るようになるまで発展するにせよ、あるいは、何らかの形の軽量配送車両が投入される可能性の方が高いにせよ、それは業界における相互接続性とイノベーションの可能性を証明するものである。

<<:  2022 年のソフトウェア開発に関する 5 つの予測

>>:  IoTとAI:輸送管理の変革

ブログ    
ブログ    
ブログ    
ブログ    
ブログ    
ブログ    

推薦する

...

さまざまな機械学習アルゴリズムの選択の考え方を説明する記事

序文これは Zhihu に関する質問です: k 近傍法、ベイズ法、決定木、SVM、ロジスティック回帰...

TensorFlow Lattice: 柔軟で制御可能、説明可能な機械学習

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

AIを使ってAIを評価する上海交通大学の新しい大規模モデルは、いくつかのタスクでGPT-4を上回り、モデルデータはオープンソースです

大規模モデルのアライメントパフォーマンスを評価する最も効率的な方法は何ですか?生成AIのトレンドでは...

...

ディープラーニングに基づくターゲット検出ネットワークが誤検出を起こす可能性がある理由と、ターゲット検出の誤検出問題を最適化する方法について説明します。

顔検出などの物体検出用のディープラーニング ネットワークにとって、誤検出は非常に厄介なものです。犬を...

【ビッグネームがやってくる 第12話】eスポーツデータ処理プラットフォームにおけるAIとビッグデータシステムの応用

[51CTO.comより引用] eスポーツは近年最も急速に発展した競技スポーツのユニークな分野として...

未来を待つ必要はありません。分析と AI の災害はすでに起こっています。

データと機械学習アルゴリズムから得られる洞察は非常に貴重ですが、ミスは評判、収益、さらには命を奪う可...

人工知能は感情を認識するために使われている

感情認識技術は、人工知能を使用して人の表情から感情を検出する、数十億ドル規模の新興産業です。しかし、...

ロボットセンサー市場は2026年までに40億ドルを超える

AIとIoTをロボットシステムに統合することで、その応用範囲が大幅に拡大すると期待されています。市場...

Google CEO ピチャイが、Google 史上最強のモデル「ジェミニ」と人工知能の時代を深く分析

12月7日水曜日、米国現地時間、Googleは新世代の人工知能モデル「Gemini」をリリースした。...

新しいアルゴリズムと産業チェーン市場が立ち上げられ、ArcSoft Open Platformは「技術の開放+産業のエコロジー」の新たな段階を切り開きます。

現在、業界のビジュアル AI に対する焦点は最先端技術から産業エコロジーへと移行しており、これはビ...

...

人工知能産業の急速な発展の背後にある4つの大きな無駄

[[258526]]過去7年間、中国のプライベートエクイティ投資市場における人工知能分野への投資額は...