HOFOLDING, Tyskland – de andre chauffører ville ikke have bemærket noget usædvanligt, da de to slanke limousiner med tyske nummerplader sluttede sig til trafikken på Frankrigs Autoroute 1.
men hvad de var vidne til — på den solrige efterårsdag i 1994 — var noget, mange af dem ville have afvist som bare skøre.
det havde taget et par telefonopkald fra den tyske billobby for at få de franske myndigheder til at give klarsignal. Men her var de: to grå Mercedes 500 SELs, der accelererede op til 130 kilometer i timen, skiftede baner og reagerede på andre biler — autonomt med et indbygget computersystem, der styrer rattet, gaspedalen og bremserne.
årtier før Google, Tesla og Uber kom ind i den selvkørende bilvirksomhed, havde et team af tyske ingeniører ledet af en videnskabsmand ved navn Ernst Dickmanns udviklet en bil, der kunne navigere i fransk pendeltrafik alene.
historien om Dickmanns opfindelse, og hvordan den blev alt andet end glemt, er en pæn illustration af, hvordan teknologien undertiden skrider frem: ikke i små stabile trin, men i bomme og buster, i usandsynlige fremskridt og uundgåelige tilbagetrækninger —”et skridt fremad og tre skridt tilbage”, som en AI-forsker udtrykte det.
Ernst Dickmanns, den tyske videnskabsmand, der testede selvkørende biler på europæiske gader i 1980 ‘ erne og 1990 | Janosch Delcker for POLITICO
det er også en slags advarsel om de forventninger, vi stiller til kunstig intelligens og grænserne for nogle af de datadrevne tilgange, der bruges i dag.
“jeg er stoppet med at give generelle råd til andre forskere,” sagde Dickmanns, nu 82 år gammel. “Kun så meget: man bør aldrig helt glemme tilgange, der engang var meget succesrige.”
fra himlen til gaden
før han blev manden” der faktisk opfandt selvkørende biler”, som Berkeley computerforsker Jitendra Malik udtrykte det, brugte Dickmanns det første årti af sit professionelle liv på at analysere de baner, som rumskibe tager, når de genindtræder i Jordens atmosfære.
uddannet som luftfartsingeniør steg han hurtigt gennem rækken af Vesttysklands ambitiøse luftfartssamfund, så han i 1975, stadig under 40, sikrede sig en stilling ved et nyt forskningsuniversitet i Tysklands væbnede styrker.
de tre autonome vejkøretøjer ved Prometheus-demonstrationen i Paris, oktober 1994. Fra venstre mod højre: Unibm VaMP, Daimler VITA-2, Daimler VITA-1 | foto af Reinhold Behringer
på dette tidspunkt var han allerede begyndt at mulle, hvad der snart ville blive hans livsmission: at lære køretøjer, hvordan man ser. Stedet at starte, Dickmanns blev mere og mere overbevist, var ikke rumskibe, men biler. Inden for få år havde han købt en Mercedes-varevogn, installeret den med computere, kameraer og sensorer og begyndte at køre test på universitetets lokaler i 1986.
“kollegerne på universitetet sagde, ja, han er en underlig bold, men han har en track record, så lad os bare lade ham gøre det,” sagde Dickmanns under en samtale i sit familiehus, der ligger få skridt fra en løgkuppelkirke i Hofolding, en lille by uden for Munchen.
i 1986 blev Dickmanns’ varevogn det første køretøj, der kørte autonomt — på skidpan på hans universitet. Det næste år sendte han det ned et tomt afsnit af en endnu ikke åbnet bayersk autobahn med hastigheder, der nærmer sig 90 kilometer i timen. Kort efter blev Dickmanns kontaktet af den tyske bilproducent Daimler. Sammen sikrede de finansiering fra et massivt paneuropæisk projekt, og i begyndelsen af 1990 ‘ erne kom virksomheden op med en ide, der først syntes “absurd” for Dickmanns.
“kan du ikke udstyre en af vores store personbiler til den endelige demonstration af projektet i Paris i oktober og derefter køre på den tresporet motorvej i offentlig trafik?”han huskede embedsmænd spørger.
han måtte tage en dyb indånding, “men så fortalte jeg dem, at med mit team og de metoder, vi bruger, tror jeg, at vi er i stand til at gøre det.”
Daimler øgede projektets finansiering. Billobbyister udstødte tvivl inden for den franske regering. Og i oktober 1994 hentede Dickmanns’ team en gruppe højtstående gæster fra Charles de Gaulle lufthavn, kørte dem til den nærliggende motorvej og skiftede de to biler til selvkørende tilstand.
“nogle gange tog vi hænderne af rattet” — Reinhold Behringer, en af ingeniørerne, der sad i førersædet under demonstrationen
en ingeniør forblev i forsædet på hver bil — med hænderne på rattet, hvis noget gik galt — men bilerne kørte.
“nogle gange tog vi hænderne af rattet,” sagde Reinhold Behringer, en af ingeniørerne, der sad i førersædet under demonstrationen, med spænding stadig i stemmen 24 år senere.
Aviser kørte forsiden historier om demonstrationen, huskede han. Og et år senere tog Dickmanns’ team en ombygget bil på en endnu længere tur, der rejste mere end 1.700 kilometer på autobahn fra Bayern til Danmark og nåede hastigheder på mere end 175 kilometer i timen.
ikke længe efter var projektet forbi. Teknologien Dickmanns brugte ramte sine grænser. Daimler mistede interessen for at finansiere den grundlæggende forskning, der var nødvendig for at komme videre. Inden længe var Dickmanns’ banebrydende indsats alt andet end glemt.
Sommerbarn
historien om kunstig intelligens er en historie med livlige kilder efterfulgt af, hvad forskere kalder “AI-vintre”, når opmærksomheden og finansieringen forsvinder.
Dickmanns ‘ arbejde med autonom kørsel begyndte i løbet af den første vinter og sluttede, efter at en anden ramte banen.
forskning i AI — bestræbelser på at få maskiner til at udføre opgaver, der ellers ville kræve menneskelig tænkning — startede i slutningen af 1950 ‘ erne. Fra sine tidlige dage var feltet præget af hype, hvilket førte nogle ambitiøse forskere som økonom Herbert Simon til at forudsige i 1960 ‘ erne, at maskiner ville “være i stand inden for 20 år efter at have udført noget arbejde, en mand kan gøre.”
ansporet af sådanne løfter eksploderede finansieringen — men teknologien kunne ikke levere, og boblen brast i midten af 1970 ‘ erne. penge faldt, og AI-forskning blev sendt til baglokalet.
inde i det autonome eksperimentelle køretøj VaMP, på den bageste bænk, hvor computersystemet blev installeret for nem adgang og overvågning | foto af Reinhold Behringer
denne første AI-vinter var en af grundene til, at Dickmanns stort set holdt sit arbejde med maskinsyn for sig selv i de tidlige år. Han var klar over, Han sagde, at “folk ville have sagt, at fyren har en skrue løs et eller andet sted.”
da han sendte sin selvkørende varevogn ned ad en tom tysk autobahn i midten af 1980 ‘ erne, var endnu et AI-forår ankommet. Hans konceptbevis genererede nok interesse til at ansætte et hold, der til sidst ville vokse til 20 personer forud for demonstrationen i Paris i 1994.
så kom endnu en vinter i begyndelsen af 1990′ erne, og Dickmanns ‘ momentum gik tabt.
“det var et interessant koncept,” sagde BEHRINGER, ingeniøren, der sad bag rattet i Paris. “Men for mange var det stadig alt for futuristisk.”
undervisning i en bil for at se
teknologer siger, at der er to typer opfindelser: Dem som pæren, som har været i brug og løbende forbedret lige siden de først blev opfundet. Og dem som supersoniske fly-husk Concorde? – som legemliggør revolutionerende teknologisk proces, men er for avanceret til at overleve, i det mindste på tidspunktet for deres opfindelse.
Dickmanns’ selvkørende biler hører til den anden kategori.
da han begyndte at udvikle dem i begyndelsen af 1980 ‘ erne, havde computere brug for op til 10 minutter for at analysere et billede. For at køre autonomt skal en bil reagere på omgivelserne, og for at gøre det beregnede Dickmanns, at computere skulle analysere mindst 10 billeder pr.
overfor det, der lignede en uoverstigelig forhindring, hentede han inspiration fra menneskelig anatomi. Biler, besluttede han, skulle programmeres til at se gader som mennesker opfatter deres omgivelser.
11.November 1995 på en offentlig motorvej i Danmark | foto af Reinhold Behringer
det menneskelige øje kan kun se en lille plet i midten af sit synsfelt i høj opløsning. Tilsvarende troede Dickmanns, at en bil kun skulle fokusere på, hvad der er relevant for kørsel, såsom vejmarkeringer. Dette skar mængden af information, som de indbyggede computere måtte behandle.
han fandt også andre beregningsgenveje-en betydelig mængde computertid blev frigjort, da Dickmanns indså, at han ikke behøvede at bruge værdifuld processorkraft på at spare hvert billede. Han programmerede også bilen til at lære af sine fejl og gradvist forbedre sin forståelse af omgivelserne.
alt i alt var det nok at holde bilen på vejen — næppe.
kørsel på en motorvej, viser det sig, er en af de lettere opgaver, en selvkørende bil kan udføre. Betingelserne er veldefinerede: trafik strømmer forudsigeligt i en retning. Baner er tydeligt markeret.
og selv da gik demonstrationen ikke perfekt. “Det var en test,” sagde Behringer. “Da der for eksempel var en bil foran os, der dækkede vejmarkeringerne, og på den anden side blev markeringerne vasket væk, så havde baneidentifikationsfunktionen et problem.”
Amerika ringer
efter den anden AI-vinter, der blev sat ind, og brummen omkring Paris-demonstrationen forsvandt, fortalte Daimler Dickmanns, at det “ville have et produkt til markedet så hurtigt som muligt,” mindede han. Bilproducenten havde mistet interessen for sin dyre grundforskning, som sandsynligvis ikke ville producere nogen virkelige applikationer inden for de næste par år.
“set i bakspejlet var det nok en fejl, at disse projekter ikke blev videreført med det samme,” siger J. Larsen Schmidhuber, meddirektør for dalle Molle Institute for Artificial Intelligence Research i Lugano. “Ellers ville der ikke være nogen tvivl om, hvem der ville være førende på området i dag.”
tyske virksomheder har fortsat de fleste — næsten halvdelen af alle-patenter inden for selvkørende teknologi, men nyere spillere, blandt dem amerikanske tech-giganter som alfabetets måde, har indhentet. Eksperter beskriver det nuværende løb om lederskab inden for autonom kørselsteknologi som nakke-og-hals.
“der er en dyb mangel på bevidsthed om, hvad der er gjort i fortiden, især blandt maskinlæringsforskere” – mangeårig AI-forsker
“det er muligt, at kastede sin klare fortrop rolle, fordi forskningen ikke konsekvent blev fortsat på det tidspunkt,” sagde Schmidhuber. Han tilføjede, at bilproducenter måske var væk fra selvkørende teknologi, fordi det syntes at være i modsætning til deres markedsføring, hvilket fremmede ideen om en chauffør med ansvar for at styre en bil.
i slutningen af 1990′ erne vendte Dickmanns sig til udlandet og underskrev en fire-årig kontrakt med De Forenede Staters Army Research Lab.
samarbejdet førte til en anden generation af selvkørende biler, som var i stand til at navigere på mere komplicerede overflader; dens resultater-offentliggjort omkring det tidspunkt, hvor Dickmanns trak sig tilbage — fangede Darpa, Pentagons afdeling for nye teknologier. Det inspirerede agenturet til at lancere en række “udfordringer”, der startede i 2004, og opgav opfindere med at sende selvkørende biler, der kørte gennem spektakulært territorium.
disse udfordringer, fremmet af massive marketingkampagner, var første gang en bred offentlighed hørte om autonom kørsel. De gjorde den tyskfødte computerforsker Sebastian Thrun-der vandt udfordringen i 2005 som professor i Stanford University og senere grundlagde Googles selvkørende team — til en berømthed i AI-samfundet.
under et stop / foto af Reinhold Behringer
i mellemtiden faldt Ernst Dickmanns’ banebrydende arbejde i glemmebogen.
da i 2011, 17 år efter Dickmanns’ Paris-demonstration, kørte Ny York Times en forsidehistorie om Thruns bestræbelser på at bygge en selvkørende bil, måtte den køre en korrektion bagefter, hvilket gjorde det klart, at “selvom Mr. Thrun udviklede en førerløs bil, var han ikke den første til at gøre det.”
“der er en dyb mangel på bevidsthed om, hvad der er gjort i fortiden, især blandt maskinlæringsforskere,” sagde en mangeårig AI-forsker, der bad om at forblive anonym.
han tilføjede, at han regelmæssigt samtaler højtstående kandidater, der afviser fem år gamle papirer som “forældede” eller simpelthen ikke ved om forskning udført i tidligere årtier.
vinteren kommer?
i 2018 — som AI gennemgår endnu en runde af hype — kunne en ny vinter være truende? Nogle mener, at det er en klar mulighed.
meget nyere forskning i AI har været i såkaldt “dyb læring”, hvor algoritmer “lærer” ved at genkende mønstre. Dets underliggende princip-at finde korrelationer i komplekse data — fungerer godt til de fleste applikationer, men viser sig i nogle tilfælde at være en blindgyde. Og da dyb læring er drevet af data, er dens algoritmer altid lige så gode som de data, de bliver fodret.
Filip Pi-en San Diego-baseret computerforsker og forfatteren af et essay med titlen “AI — vinteren er godt på vej”-sagde, at meget af finansieringen, der strømmer ind i AI, især i forbindelse med selvkørende biler og robotik, er baseret på urealistiske forventninger rejst om, hvad dyb læring er i stand til at gøre.
billede: Ernst Dickmanns
“dette er stedet, hvor forventningerne kolliderer med virkeligheden,” sagde pi. “Og mange mennesker vil blive irriterede over, at de investerede så mange penge, og forventningerne ikke realiseres.”
Virginia Dignum, professor ved University of Delft, var enig i, at hvis AI-forskere fortsat fokuserer primært på dyb læring, ” på et tidspunkt vil folk blive skuffede.”Feltet, sagde hun, skal se ud over det og investere i andre tilgange, der afhænger af mindre data eller modeller baseret på årsagssammenhæng snarere end korrelationen dyb læring er afhængig af.
men alligevel — ekko udbredt mening blandt forskere og analytikere — understregede Dignum, at hun ikke tror, at en anden “AI-vinter” kommer når som helst snart. I modsætning til tidligere bomme forvandler nutidens udviklere avanceret AI til kommercielle virkelige applikationer takket være de seneste teknologiske fremskridt, der startede i begyndelsen af 2010 ‘ erne, især inden for computerkraft og datalagring.
Pathfinder
dette gør situationen anderledes end tidligere generationer, som ofte siges at lave “blue skies research” — forskere som Ernst Dickmanns, der sagde, at han på tidspunktet for sine eksperimenter regnede med, at det ville tage årtier mere, indtil autonome biler nogensinde ville blive en dagligdags virkelighed.
faktisk sagde Dickmanns, der sad i sin vinterhave, at han stadig mener, at virkelig autonome køretøjer stadig er et årti eller to væk.
de selvkørende køretøjer, der i øjeblikket testes, bruger en anden, mindre beregningsmæssigt dyr proces, der har brug for mindre processorkraft i den indbyggede computer. De kompenserer for forskellen ved at bruge kort, GPS-positionering og databaser over tidligere observerede objekter.
“jeg er glad for, at jeg kunne være en af pionererne. Men hvis jeg kunne starte på ny i dag med den teknologi, der er tilgængelig, ville dette være en helt anden historie” — Ernst Dickmanns
snarere end virkelig at “se”, sagde Dickmanns, at de stoler på det, han kalder “bekræftelsesvision.”Det betyder, at de kan fungere godt på veje og områder, der er blevet omfattende kortlagt, men fejler, når det kommer til mindre kontrollerede miljøer.
den tilgang, han var banebrydende — som han kalder “pathfinder vision”, og som stadig forfølges på et par forskningsinstitutioner — ville give biler mulighed for at køre overalt. “På et tidspunkt vil folk indse, at efter en storm, efter et jordskælv eller betydeligt oftere i en militær sammenhæng, når du kommer ind i nye omgivelser, vil det ikke fungere,” sagde han.
en dag forudsiger han, at branchen vil indse begrænsningerne i dens tilgang, og hans arbejde vil se en genopblussen.
“jeg er glad for, at jeg kunne være en af pionererne,” tilføjede han, “men hvis jeg kunne starte på ny i dag med den teknologi, der er tilgængelig, ville dette være en helt anden historie.”