HOFOLDING, Duitsland – de andere bestuurders zouden niets ongewoons hebben gemerkt, aangezien de twee slanke limousines met Duitse kentekens het verkeer op de Franse Autoroute 1 vervoegen.
maar wat ze zagen — op die zonnige herfstdag in 1994 — was iets wat velen van hen zouden hebben afgedaan als gewoon gek.
het had enkele telefoontjes van de Duitse autolobby nodig om de Franse autoriteiten het groene licht te geven. Maar hier waren ze: twee grijze Mercedes 500 SELs, die tot 130 kilometer per uur accelereren, van rijstrook veranderen en reageren op andere auto ‘ s-autonoom, met een boordcomputersysteem dat het stuur, het gaspedaal en de remmen regelt.
decennia voordat Google, Tesla en Uber in de zelfrijdende auto-business, een team van Duitse ingenieurs onder leiding van een wetenschapper genaamd Ernst Dickmanns had een auto die Franse forens verkeer kon navigeren op zijn eigen ontwikkeld.Het verhaal van Dickmanns uitvinding, en hoe het bijna vergeten werd, is een mooie illustratie van hoe technologie soms vordert: niet in kleine gestage stappen, maar in booms en bustes, in onwaarschijnlijke vooruitgang en onvermijdelijke retraites —”one step forward and three steps back,” zoals een AI-onderzoeker het uitdrukte.
Ernst Dickmanns, de Duitse wetenschapper die zelfrijdende auto ‘ s in de jaren 1980 en 1990 op Europese straten testte | Janosch Delcker voor POLITICO
het is ook een soort waarschuwing over de verwachtingen die we stellen op kunstmatige intelligentie en de grenzen van sommige van de data-gedreven benaderingen die vandaag worden gebruikt.
” ik ben gestopt met het geven van algemeen advies aan andere onderzoekers, ” zei Dickmanns, nu 82 jaar oud. “Alleen dit: Men mag nooit volledig uit het oog verliezen benaderingen die ooit zeer succesvol waren.”
From the skies to the street
voordat hij de man werd die zelfrijdende auto ‘ s uitvond, zoals computerwetenschapper Jitendra Malik het formuleerde, besteedde Dickmanns het eerste decennium van zijn professionele leven aan het analyseren van de trajecten die ruimteschepen nemen wanneer ze de atmosfeer van de aarde binnen komen.Hij werd opgeleid als ruimtevaartingenieur en steeg snel door de gelederen van de ambitieuze ruimtevaartgemeenschap van West-Duitsland, zodat hij in 1975, nog onder de 40, een baan kreeg aan een nieuwe onderzoeksuniversiteit van de Duitse strijdkrachten.
de drie autonome wegvoertuigen op de Prometheus demonstratie in Parijs, oktober 1994. Van links naar rechts: UniBwM VaMP, Daimler VITA-2, Daimler VITA-1 | Foto door Reinhold Behringer
op dit punt was hij al begonnen met nadenken over wat spoedig zijn levensmissie zou worden: voertuigen leren hoe te zien. De plaats om te beginnen, Dickmanns werd steeds meer overtuigd, was niet ruimteschepen, maar auto ‘ s. Binnen een paar jaar had hij een Mercedes bestelwagen gekocht, geïnstalleerd met computers, camera ‘ s en sensoren, en begon met het uitvoeren van tests op het terrein van de universiteit in 1986.”De collega’ s van de universiteit zeiden, nou, hij is een rare snuiter, maar hij heeft een track record dus laten we hem het gewoon doen,” Dickmanns zei tijdens een interview in zijn familiehuis, gelegen op een steenworp afstand van een ui-koepelvormige kerk in Hofolding, een klein stadje buiten München.In 1986 werd het busje van Dickmanns het eerste voertuig dat autonoom reed — op de skidpan van zijn universiteit. Het jaar daarop stuurde hij een leeg gedeelte van een nog te openen Beierse autobahn naar beneden met snelheden van bijna 90 kilometer per uur. Kort daarna werd Dickmanns benaderd door de Duitse autofabrikant Daimler. Samen kregen ze financiering van een enorm pan-Europees project, en in de vroege jaren 1990 kwam het bedrijf met een idee dat Voor Dickmanns eerst “absurd” leek.
“kunt u niet een van onze grote personenauto’ s uitrusten voor de laatste demonstratie van het project in Parijs in oktober , en dan rijden op de drie-baans snelweg in het openbaar verkeer?”hij herinnerde zich ambtenaren vragen.
hij moest diep ademhalen, ” maar toen vertelde ik hen dat met mijn team, en de methoden die we gebruiken, Ik denk dat we in staat zijn om dat te doen.”
Daimler verhoogde de financiering van het project. Auto lobbyisten gladgestreken twijfels binnen de Franse regering. En in oktober 1994 haalde Dickmanns’ team een groep hooggeplaatste gasten op van de luchthaven Charles de Gaulle, reed ze naar de nabijgelegen snelweg en schakelde de twee auto ‘ s in zelfrijdende modus.
“soms haalden we onze handen van het stuur” — Reinhold Behringer, een van de ingenieurs die in de bestuurdersstoel zat tijdens de demonstratie
een ingenieur bleef op de voorstoel van elke auto — met zijn handen op het stuur voor het geval er iets mis ging — maar de auto ‘ s deden het rijden.”Soms zouden we onze handen van het stuur halen”, zei Reinhold Behringer, een van de ingenieurs die tijdens de demonstratie in de bestuurdersstoel zat, 24 jaar later nog steeds vol opwinding in zijn stem.
kranten schreven verhalen op de voorpagina over de demonstratie, herinnerde hij zich. En een jaar later nam Dickmanns’ team Een opnieuw ontworpen Auto mee op een nog langere reis, meer dan 1.700 kilometer op de autobahn van Beieren naar Denemarken, met snelheden van meer dan 175 kilometer per uur.
niet lang daarna was het project afgelopen. De technologie die Dickmanns gebruikte, raakte zijn grenzen. Daimler verloor zijn interesse in de financiering van het fundamenteel onderzoek dat nodig was om het verder te brengen. Al snel was Dickmanns’ pionierswerk bijna vergeten.
Summer child
de geschiedenis van kunstmatige intelligentie is een geschiedenis van buzzy springs gevolgd door wat onderzoekers “AI winters” noemen, wanneer de aandacht en financiering vervagen.
Dickmanns ‘ werk aan autonoom rijden begon tijdens de eerste winter en eindigde na een tweede raakte het veld.
onderzoek naar AI-inspanningen om machines taken te laten uitvoeren waarvoor anders menselijk denken nodig zou zijn-begon eind jaren vijftig. Vanaf zijn vroege dagen, het veld werd gekenmerkt door hype, wat leidt sommige ambitieuze onderzoekers zoals econoom Herbert Simon om te voorspellen in de jaren 1960 dat machines zou “in staat zijn binnen 20 jaar van het doen van elk werk dat een man kan doen.”
gestimuleerd door dergelijke beloften, ontplofte de financiering – maar de technologie slaagde niet en de zeepbel barstte in het midden van de jaren zeventig.
binnen de unibwm autonome experimentele voertuig VaMP, op de achterbank waar het computersysteem was geïnstalleerd voor gemakkelijke toegang en controle | Foto door Reinhold Behringer
deze eerste AI winter was een van de redenen waarom Dickmanns zijn werk aan machinezicht grotendeels voor zichzelf hield in de vroege jaren. Hij was zich ervan bewust, zei hij, dat ” mensen zouden hebben gezegd dat die man heeft een schroef los ergens.Tegen de tijd dat hij zijn zelfrijdende bestelwagen op een lege Duitse autobahn stuurde in het midden van de jaren tachtig, was er weer een AI-lente gekomen. Zijn proof of concept genereerde genoeg interesse om een team in te huren dat uiteindelijk zou groeien tot 20 mensen voorafgaand aan de demonstratie in Parijs in 1994.Toen kwam er weer een winter, begin jaren 90, en Dickmanns ‘ momentum ging verloren.
“het was een interessant concept,” zei Behringer, de ingenieur die achter het stuur zat in Parijs. “Maar voor velen was het nog veel te futuristisch.”
een auto leren zien
technologen zeggen dat er twee soorten uitvindingen: Die zoals de gloeilamp, die zijn in gebruik en voortdurend verbeterd sinds ze voor het eerst werden uitgevonden. En die als supersonische vliegtuigen-herinner je je de Concorde? – die een revolutionair technologisch proces belichamen, maar te geavanceerd zijn om te overleven, althans ten tijde van hun uitvinding.De zelfrijdende auto’ s van Dickmanns behoren tot de tweede categorie.Toen hij begin jaren tachtig begon met de ontwikkeling van de beelden, hadden computers tot 10 minuten nodig om een beeld te analyseren. Om autonoom te rijden, moet een auto reageren op zijn omgeving, en om dat te doen, berekende Dickmanns dat computers minstens 10 beelden per seconde zouden moeten analyseren.
geconfronteerd met wat leek op een onoverkomelijke hindernis, putte hij zijn inspiratie uit de menselijke anatomie. Auto ‘ s, besloot hij, moeten geprogrammeerd worden om straten te zien zoals mensen hun omgeving waarnemen.
binnen de unibwm experimentele voertuigvamp op een openbare snelweg in Denemarken op 11 November 1995 / foto door Reinhold Behringer
het menselijk oog kan slechts een kleine vlek in het midden van zijn gezichtsveld in hoge resolutie zien. Ook Dickmanns dacht, een auto moet zich alleen richten op wat relevant is voor het rijden, zoals wegmarkeringen. Dit sneed de hoeveelheid informatie die de boordcomputers moesten verwerken.
hij vond ook andere computationele snelkoppelingen-een aanzienlijke hoeveelheid rekentijd werd vrijgemaakt toen Dickmanns besefte dat hij niet nodig om waardevolle verwerking van energie besparen elk beeld te besteden. Hij programmeerde ook de auto om te leren van zijn fouten, geleidelijk aan het verbeteren van het begrip van de omgeving.
alles bij elkaar was het voldoende om de auto op de weg te houden — nauwelijks.
rijden op een snelweg blijkt een van de gemakkelijkere taken te zijn die een zelfrijdende auto kan uitvoeren. De omstandigheden zijn goed gedefinieerd: verkeersstromen voorspelbaar, in één richting. De rijstroken zijn duidelijk aangegeven.
en zelfs dan ging de demonstratie niet perfect. “Het was een test,” zei Behringer. “Toen er bijvoorbeeld een auto voor ons stond die de wegmarkeringen bedekte en aan de andere kant de markeringen wegspoelde, had de rijstrookidentificatie een probleem.”
America calling
na de tweede AI winter, en de buzz rond de demonstratie in Parijs vervaagde, Daimler vertelde Dickmanns dat ” wilde een product voor de markt zo snel mogelijk,” Hij herinnerde zich. De autofabrikant had interesse verloren in zijn dure fundamenteel onderzoek, die waarschijnlijk geen real-life toepassingen binnen de komende paar jaar te produceren was.”Achteraf gezien was het waarschijnlijk een vergissing dat deze projecten niet onmiddellijk werden voortgezet,” zei Jürgen Schmidhuber, co-directeur van het dalle Molle Institute for Artificial Intelligence Research in Lugano, Zwitserland. “Anders zou er geen twijfel over wie zou leiden in het veld vandaag.”
Duitse bedrijven houden nog steeds de meeste — bijna de helft van alle — patenten in zelfrijdende technologie, maar nieuwere spelers, waaronder Amerikaanse tech-giganten zoals Alphabet ‘ s Waymo, hebben een inhaalslag gemaakt. Experts beschrijven de huidige race om leiderschap in autonoom rijden technologie als nek-aan-nek.
“er is een diep gebrek aan bewustzijn van wat er is gedaan in het verleden, vooral onder machine-learning wetenschappers — – lange tijd ai onderzoeker
“het is mogelijk dat gooide zijn duidelijke voorhoede rol, omdat het onderzoek werd niet consequent voortgezet op het moment,” Schmidhuber zei. Hij voegde eraan toe dat autofabrikanten misschien hebben geschuwd weg van zelfrijdende technologie, omdat het leek te zijn in tegenstelling tot hun marketing, die het idee van een bestuurder belast met het besturen van een auto bevorderd.Eind jaren 90 keerde Dickmanns naar het buitenland en tekende een contract voor vier jaar bij het United States Army Research Lab.De samenwerking leidde tot een nieuwe generatie zelfrijdende auto ‘ s, die in staat waren om meer gecompliceerde oppervlakken te navigeren; de resultaten — gepubliceerd rond de tijd dat Dickmanns met pensioen ging — trokken de aandacht van Darpa, de opkomende technologiedivisie van het Pentagon. Het inspireerde het Agentschap om een reeks “uitdagingen” te lanceren, beginnend in 2004, waarbij uitvinders De opdracht kregen om zelfrijdende auto ‘ s door spectaculair grondgebied te sturen.
deze uitdagingen, gepromoot door massale marketingcampagnes, waren de eerste keer dat een breed publiek hoorde over autonoom rijden. Ze maakten van de Duitse computerwetenschapper Sebastian Thrun – die in 2005 de challenge won als hoogleraar aan de Stanford University en later het zelfrijdende team van Google oprichtte-een beroemdheid in de AI-gemeenschap.
de unibwm experimental vehicle VaMP tijdens een stop / Foto door Reinhold Behringer
ondertussen raakte het baanbrekende werk van Ernst Dickmanns in de vergetelheid.Toen in 2011, 17 jaar na de demonstratie van Dickmanns in Parijs, the New York Times een voorpagina-verhaal uitbracht over Thruns inspanningen om een zelfrijdende auto te bouwen, moest het achteraf een correctie uitvoeren, waarbij duidelijk werd dat “hoewel Mr.Thrun een zelfrijdende auto ontwikkelde, hij niet de eerste was om dit te doen.”
” er is een diep gebrek aan bewustzijn van wat er in het verleden is gedaan, vooral onder machine-learning wetenschappers, ” zei een oude ai onderzoeker, die vroeg om anoniem te blijven.
hij voegde eraan toe dat hij regelmatig hooggeplaatste kandidaten interviewt die vijfjarige papers afdoen als “verouderd” of gewoon niets weten van onderzoek dat in voorgaande decennia is gedaan.
de Winter komt eraan?
in 2018 – nu AI weer een hype ondergaat – kan er een nieuwe winter op komst zijn? Sommigen denken dat dat een duidelijke mogelijkheid is.
veel recent onderzoek naar AI is gedaan naar zogenaamde “deep learning”, waarbij algoritmen “leren” door patronen te herkennen. De onderliggende principe-het vinden van correlaties in complexe data-werkt geweldig voor de meeste toepassingen, maar blijkt een doodlopende weg in sommige gevallen. En omdat deep learning gedreven wordt door data, zijn de algoritmen altijd net zo goed als de data die ze ontvangen.
Filip Piękniewski-een in San Diego gevestigde computerwetenschapper en de auteur van een essay getiteld “De AI Winter is goed op weg” — zei dat veel van de financiering gieten in AI, met name in de context van zelfrijdende auto ‘ s en robotica, is gebaseerd op onrealistische verwachtingen over wat deep learning is in staat om te doen.
Foto van Ernst Dickmanns
“Dit is de plek waar verwachtingen botsen met de realiteit,” Piękniewski zei. “En veel mensen zullen geïrriteerd zijn dat ze zoveel geld hebben geïnvesteerd, en de verwachtingen komen niet uit.”
Virginia Dignum, een professor aan de Universiteit van Delft, was het erover eens dat als AI-onderzoekers zich vooral blijven richten op diep leren, “op een bepaald moment, mensen teleurgesteld zullen zijn.”Het veld, zei ze, moet verder kijken dan het en investeren in andere benaderingen die afhankelijk zijn van minder gegevens, of modellen op basis van oorzakelijk verband in plaats van de correlatie deep learning vertrouwt op.
maar niettemin — in navolging van de wijdverbreide mening onder onderzoekers en analisten — benadrukte Dignum dat ze niet gelooft dat er binnenkort nog een “AI winter” komt. In tegenstelling tot eerdere barrières, vandaag de ontwikkelaars zijn het omzetten van cutting-edge AI in commerciële real-life toepassingen, dankzij de recente technologische vooruitgang vanaf het begin van 2010, met name in rekenkracht en data-opslag.
Pathfinder
dit maakt de situatie anders dan eerdere generaties, die vaak werden gezegd dat ze “blue skies research” deden — wetenschappers zoals Ernst Dickmanns, die zei dat hij ten tijde van zijn experimenten dacht dat het decennia langer zou duren voordat autonome auto ‘ s ooit een alledaagse realiteit zouden worden.Dickmanns, die in zijn Wintertuin zat, zei dat hij nog steeds gelooft dat echte autonome voertuigen nog een decennium of twee weg zijn.
de zelfrijdende voertuigen die momenteel worden getest, gebruiken een ander, minder berekenend duur proces dat minder rekenkracht in de boordcomputer nodig heeft. Ze maken het verschil goed door gebruik te maken van kaarten, GPS-positionering en databases van eerder waargenomen objecten.
“ik ben blij dat ik een van de pioniers kon zijn. Maar als ik vandaag opnieuw kon beginnen, met de technologie die beschikbaar is, zou dit een heel ander verhaal zijn” — Ernst Dickmanns
in plaats van echt “zien”, zei Dickmanns dat ze vertrouwen op wat hij noemt “bevestiging visie.”Dat betekent dat ze goed kunnen werken op wegen en gebieden die uitgebreid in kaart zijn gebracht, maar falen als het gaat om minder gecontroleerde omgevingen.De aanpak die hij heeft ontwikkeld — die hij “pathfinder vision” noemt en die nog steeds wordt nagestreefd bij een aantal onderzoeksinstellingen — zou Auto ‘ s overal laten werken. “Op een gegeven moment, mensen zullen beseffen dat na een storm, na een aardbeving, of aanzienlijk vaker in een militaire context als je in nieuwe omgeving, het zal niet werken,” zei hij.
op een dag, voorspelt hij, zal de industrie de beperkingen van haar aanpak realiseren en zal zijn werk een opleving zien.
” ik ben blij dat ik een van de pioniers kon zijn,” voegde hij eraan toe, “maar als ik vandaag opnieuw kon beginnen, met de beschikbare technologie, zou dit een heel ander verhaal zijn.”