HOFOLDING, Niemcy — inni kierowcy nie zauważyliby niczego niezwykłego, ponieważ dwie eleganckie limuzyny z niemieckimi tablicami rejestracyjnymi dołączyły do ruchu na Francuskiej autostradzie 1.
ale to, czego byli świadkami-tego słonecznego, jesiennego dnia w 1994 roku-było czymś, co wielu z nich uznałoby za zwykłe szaleństwo.
Ale oto one: dwa szare Mercedesy 500 SELs, przyspieszające do 130 kilometrów na godzinę, zmieniające pasy ruchu i reagujące na inne samochody-autonomicznie, z pokładowym systemem komputerowym sterującym kierownicą, pedałem gazu i hamulcami.
dziesiątki lat przed tym, jak Google, Tesla i Uber weszli w samojezdny biznes samochodowy, zespół niemieckich inżynierów pod kierownictwem naukowca Ernsta Dickmannsa opracował samochód, który mógł samodzielnie poruszać się po francuskim ruchu podmiejskim.
historia wynalazku Dickmanna i tego, jak to zostało zapomniane, jest zgrabną ilustracją tego, jak technologia czasami postępuje: nie małymi krokami, ale w rozkwicie i popiersiach, w nieprawdopodobnych postępach i nieuniknionych wycofaniach — „jeden krok do przodu i trzy kroki do tyłu”, jak to ujął jeden badacz sztucznej inteligencji.
Ernst Dickmanns, niemiecki naukowiec, który testował samochody samojezdne na europejskich ulicach w latach 80. i 90. | Janosch Delcker dla POLITICO
jest to również swego rodzaju ostrzeżenie, o oczekiwaniach, jakie stawiamy sztucznej inteligencji i ograniczeniach niektórych metod opartych na danych stosowanych obecnie.
„przestałem udzielać ogólnych porad innym badaczom”, powiedział Dickmanns, mający teraz 82 lata. „Tylko tyle: nigdy nie należy całkowicie tracić z oczu podejść, które kiedyś były bardzo skuteczne.”
z nieba na ulicę
zanim stał się człowiekiem,” który faktycznie wynalazł samochody samojezdne”, jak ujął to Jitendra Malik, informatyk z Berkeley, Dickmanns spędził pierwszą dekadę swojego zawodowego życia analizując trajektorie, które statki kosmiczne zabierają po ponownym wejściu w ziemską atmosferę.
wyszkolony jako inżynier lotnictwa, szybko wspiął się w szeregi ambitnej społeczności Lotniczej Niemiec Zachodnich, tak że w 1975 roku, jeszcze w wieku poniżej 40 lat, zapewnił sobie posadę na nowym uniwersytecie badawczym Sił Zbrojnych Niemiec.
trzy autonomiczne pojazdy drogowe na demonstracji Prometeusza w Paryżu, październik 1994. Od lewej do prawej: Unibwm VaMP, Daimler Vita-2, Daimler Vita – 1 / Photo by Reinhold Behringer
w tym momencie zaczął już zastanawiać się nad tym, co wkrótce stanie się jego misją życiową: uczenie pojazdów, jak widzieć. Miejsce do rozpoczęcia, Dickmanns był coraz bardziej przekonany, nie były statki kosmiczne, ale samochody. W ciągu kilku lat kupił furgonetkę Mercedesa, zainstalował ją z komputerami, kamerami i czujnikami, a w 1986 roku rozpoczął testy na terenie Uniwersytetu.
„koledzy z Uniwersytetu powiedzieli, że jest dziwakiem, ale ma osiągnięcia, więc po prostu pozwólmy mu to zrobić”, powiedział Dickmanns podczas wywiadu w swoim domu rodzinnym, położonym kilka kroków od kościoła z cebulową kopułą w Hofolding, małym miasteczku pod Monachium.
w 1986 roku van Dickmannsa stał się pierwszym pojazdem, który jeździł autonomicznie — na skidpanie na jego uczelni. W następnym roku wysłał pusty odcinek jeszcze otwartej bawarskiej autostrady z prędkością zbliżającą się do 90 kilometrów na godzinę. Wkrótce potem Dickmanns został zauważony przez niemieckiego producenta samochodów Daimlera. Wspólnie zabezpieczyli fundusze z ogromnego ogólnoeuropejskiego projektu, a na początku lat 90.firma wpadła na pomysł, który najpierw wydawał się „absurdalny” Dickmannowi.
” czy nie można wyposażyć jednego z naszych dużych samochodów osobowych na ostatnią demonstrację projektu w Paryżu w październiku , a następnie jeździć po trzypasmowej autostradzie w ruchu publicznym?”pamiętał, że urzędnicy pytali.
musiał wziąć głęboki oddech”, ale potem powiedziałem im, że z moim zespołem i metodami, których używamy, myślę, że jesteśmy w stanie to zrobić.”
Lobbyści samochodowi rozwiewali wątpliwości wewnątrz francuskiego rządu. W październiku 1994 zespół Dickmannsa odebrał grupę wysokich rangą gości z lotniska Charles de Gaulle ’ a, zawiózł ich na pobliską autostradę i przełączył oba samochody na tryb samodzielnej jazdy.
„czasami odrywaliśmy ręce od kierownicy” – Reinhold Behringer, jeden z inżynierów, który siedział na fotelu kierowcy podczas demonstracji
inżynier pozostał na przednim siedzeniu każdego samochodu-z rękami na kierownicy na wypadek, gdyby coś poszło nie tak – ale samochody prowadziły.
„czasami zabieraliśmy ręce z kierownicy”, powiedział Reinhold Behringer, jeden z inżynierów, który siedział na fotelu kierowcy podczas demonstracji, z podekscytowaniem nadal w swoim głosie 24 lata później.
gazety pisały na frontpage o demonstracji, pamiętał. A rok później zespół Dickmannsa wziął przeprojektowany samochód w jeszcze dłuższą podróż, pokonując ponad 1700 kilometrów autostradą z Bawarii do Danii, osiągając prędkość ponad 175 kilometrów na godzinę.
niedługo potem projekt się skończył. Technologia, której używał Dickmanns, osiągnęła swoje granice. Daimler stracił zainteresowanie finansowaniem podstawowych badań potrzebnych do jego rozwoju. Wkrótce pionierskie wysiłki Dickmannów zostały zapomniane.
Summer child
historia sztucznej inteligencji to historia buzzy springs, a następnie tego, co naukowcy nazywają „zimami sztucznej inteligencji”, gdy uwaga i finansowanie zanika.
prace Dickmannsa nad autonomiczną jazdą rozpoczęły się podczas pierwszej zimy, a zakończyły się po drugim uderzeniu w pole.
badania nad sztuczną inteligencją – dążeniem do tego, aby Maszyny wykonywały zadania, które w przeciwnym razie wymagałyby ludzkiego myślenia — rozpoczęły się pod koniec lat 50. Od pierwszych dni, dziedzina ta charakteryzowała się szumem, co skłoniło niektórych ambitnych badaczy, takich jak ekonomista Herbert Simon, do przewidywania w latach 60., że maszyny będą „w stanie w ciągu 20 lat wykonać każdą pracę, jaką człowiek może wykonać.”
pod wpływem takich obietnic finansowanie eksplodowało – ale technologia nie przyniosła rezultatów i bańka pękła w połowie lat 70.
wewnątrz autonomicznego pojazdu eksperymentalnego Unibwm VaMP, na tylnej ławce, gdzie zainstalowano system obliczeniowy dla łatwego dostępu i monitorowania / Zdjęcie Reinhold Behringer
ta pierwsza zima sztucznej inteligencji była jednym z powodów, dla których Dickmanns trzymał swoją pracę nad widzeniem maszynowym głównie dla siebie we wczesnych latach. Był świadomy, powiedział, że ” ludzie powiedzieliby, że facet ma gdzieś Luz.”
zanim w połowie lat 80. wysłał swoją własną furgonetkę na pustą niemiecką autostradę, nadeszła kolejna wiosna AI. Jego proof of concept wzbudził wystarczające zainteresowanie, aby zatrudnić zespół, który w końcu rozrósł się do 20 osób przed paryską demonstracją w 1994 roku.
nastała kolejna zima, na początku lat 90., a rozpęd Dickmannów został utracony.
„to była ciekawa koncepcja”, powiedział Behringer, inżynier, który siedział za kierownicą w Paryżu. „Ale dla wielu było to wciąż zbyt Futurystyczne.”
uczenie samochodu, aby zobaczyć
technolodzy twierdzą, że istnieją dwa rodzaje wynalazków: Takie jak Żarówka, które są w użyciu i stale ulepszane od momentu ich wynalezienia. A te jak samoloty naddźwiękowe — pamiętacie Concorde ’ a? – które ucieleśniają rewolucyjny proces technologiczny, ale są zbyt zaawansowane, by przetrwać, przynajmniej w momencie ich wynalezienia.
samochody samojezdne Dickmannów należą do drugiej kategorii.
kiedy zaczął je opracowywać na początku lat 80., Komputery potrzebowały do 10 minut na analizę obrazu. Aby jeździć autonomicznie, samochód musi reagować na otoczenie, i aby to zrobić, Dickmanns obliczył, że komputery będą musiały analizować co najmniej 10 obrazów na sekundę.
stojąc naprzeciw temu, co wyglądało jak przeszkoda nie do pokonania, czerpał inspirację z ludzkiej anatomii. Samochody, postanowił, powinny być zaprogramowane tak, aby widzieć ulice tak, jak ludzie postrzegają ich otoczenie.
wewnątrz pojazdu doświadczalnego Unibwm VaMP na autostradzie publicznej w Danii 11 listopada 1995 r. | fot. Reinhold Behringer
ludzkie oko jest w stanie zobaczyć tylko niewielką plamkę w centrum swojego pola widzenia w wysokiej rozdzielczości. Podobnie Dickmanns uważał, że samochód powinien skupiać się tylko na tym, co jest istotne dla jazdy, np. na oznakowaniu drogi. Zmniejszyło to ilość informacji, które komputery pokładowe musiały przetwarzać.
znalazł również inne skróty obliczeniowe — znaczna ilość czasu obliczeniowego została zwolniona, gdy Dickmanns zdał sobie sprawę, że nie musi poświęcać cennej energii obliczeniowej, oszczędzając każdy obraz. Zaprogramował również samochód, aby uczył się na błędach, stopniowo poprawiając zrozumienie otoczenia.
w sumie wystarczyło, żeby auto było na drodze — ledwo.
Jazda po autostradzie, jak się okazuje, jest jednym z łatwiejszych zadań, które może wykonać samojezdny samochód. Warunki są dobrze zdefiniowane: ruch przebiega w przewidywalny sposób, w jednym kierunku. Pasy są wyraźnie oznakowane.
i nawet wtedy demonstracja nie poszła idealnie. „To był test,” powiedział Behringer. „Kiedy na przykład przed nami stał samochód, który zakrywał znaki drogowe, a po drugiej stronie zostały zmyte, wtedy funkcja identyfikacji pasa ruchu miała problem.”
America calling
po drugiej zimie AI i szumie wokół paryskiej demonstracji zniknęły, Daimler powiedział Dickmannsowi, że” chciał mieć produkt na rynek tak szybko, jak to możliwe”, przypomniał. Producent samochodów stracił zainteresowanie swoimi drogimi badaniami podstawowymi, które nie były w stanie wyprodukować żadnych rzeczywistych zastosowań w ciągu najbliższych kilku lat.
„z perspektywy czasu prawdopodobnie błędem było to, że te projekty nie były natychmiast kontynuowane”, powiedział Jürgen Schmidhuber, współdyrektor Instytutu dalle Molle ds. badań nad sztuczną inteligencją w Lugano w Szwajcarii. „W przeciwnym razie nie byłoby wątpliwości, kto byłby dziś liderem w tej dziedzinie.”
niemieckie firmy nadal posiadają większość — prawie połowę wszystkich-patentów w dziedzinie technologii samojezdnych, ale nowsi gracze, wśród nich amerykańscy giganci technologiczni, tacy jak Waymo Alphabet, nadrabiają zaległości. Eksperci opisują obecny wyścig o przywództwo w technologii autonomicznej jazdy jako szyję i szyję.
„istnieje głęboki brak świadomości tego, co zostało zrobione w przeszłości, zwłaszcza wśród naukowców uczących się maszyn” – wieloletni badacz sztucznej inteligencji
„możliwe, że odrzuciło to swoją wyraźną rolę awangardy, ponieważ badania nie były konsekwentnie kontynuowane w tym czasie” – powiedział Schmidhuber. Dodał, że producenci samochodów mogli unikać technologii samoczynnej jazdy, ponieważ wydawało się to sprzeczne z ich marketingiem, który promował ideę kierowcy odpowiedzialnego za kierowanie samochodem.
pod koniec lat 90.Dickmanns wyjechał za granicę i podpisał czteroletni kontrakt z Laboratorium Badawczym Armii Stanów Zjednoczonych.
współpraca zaowocowała kolejną generacją AUT samojezdnych, które były w stanie poruszać się po bardziej skomplikowanych powierzchniach; jej wyniki — opublikowane w czasie, gdy Dickmanns przeszedł na emeryturę — zwróciły uwagę Darpa, powstającego działu technologii Pentagonu. Zainspirowało to agencję do rozpoczęcia serii „wyzwań”, począwszy od 2004 roku, zlecając wynalazcom wysyłanie samoczynnych samochodów wyścigowych przez spektakularne terytorium.
te wyzwania, promowane przez masowe kampanie marketingowe, były pierwszym, kiedy szeroka publiczność usłyszała o autonomicznej jeździe. Stworzyli urodzonego w Niemczech Informatyka Sebastiana Thruna-który wygrał wyzwanie w 2005 roku jako profesor Uniwersytetu Stanforda, a później założył własny zespół Google-celebrytę w społeczności sztucznej inteligencji.
pojazd doświadczalny UniBwM podczas postoju / fot. Reinhold Behringer
tymczasem pionierska praca Ernsta Dickmannsa popadła w zapomnienie.
kiedy w 2011 roku, 17 lat po paryskiej demonstracji Dickmannsa, New York Times opublikował na pierwszej stronie historię o wysiłkach Thruna w celu zbudowania samodzielnego samochodu, musiał wprowadzić korektę, wyjaśniając, że „chociaż Pan Thrun opracował samochód bez kierowcy, nie był pierwszym, który to zrobił.”
” istnieje głęboki brak świadomości tego, co zostało zrobione w przeszłości, zwłaszcza wśród naukowców uczących się maszyn”, powiedział jeden wieloletni badacz sztucznej inteligencji, który poprosił o zachowanie anonimowości.
dodał, że regularnie przeprowadza wywiady z wysokimi rangą kandydatami, którzy odrzucają pięcioletnie prace jako „przestarzałe” lub po prostu nie wiedzą o badaniach przeprowadzonych w poprzednich dziesięcioleciach.
nadchodzi zima?
w 2018 roku — gdy AI przechodzi kolejną rundę szumu-czy nadchodzi nowa zima? Niektórzy uważają, że jest to wyraźna możliwość.
wiele ostatnich badań nad sztuczną inteligencją dotyczy tak zwanego „głębokiego uczenia się”, w którym algorytmy” uczą się ” poprzez rozpoznawanie wzorców. Jego podstawowa zasada-znajdowanie korelacji w złożonych danych-działa świetnie dla większości aplikacji, ale w niektórych przypadkach okazuje się ślepym zaułkiem. A ponieważ głębokie uczenie jest napędzane przez DANE, jego algorytmy są zawsze tak dobre, jak dane, które są karmione.
Filip Piękniewski-informatyk z San Diego i autor eseju ” the AI Winter is well on its way — – powiedział, że znaczna część środków finansowych wpłacanych na sztuczną inteligencję, szczególnie w kontekście samoczynnych samochodów i Robotyki, opiera się na nierealistycznych oczekiwaniach podnoszonych na temat tego, co Deep learning jest w stanie zrobić.
Fot. Ernst Dickmanns
„to miejsce, w którym oczekiwania zderzają się z rzeczywistością” – powiedział Piętniewski. „I wiele osób będzie zirytowanych, że zainwestowali tyle pieniędzy, a oczekiwania się nie zmaterializują.”
Virginia Dignum, profesor Uniwersytetu w Delft, zgodziła się, że jeśli badacze sztucznej inteligencji będą skupiać się przede wszystkim na uczeniu głębokim, „w pewnym momencie ludzie będą rozczarowani.”Dziedzina, powiedziała, musi spojrzeć poza nią i inwestować w inne podejścia, które zależą od mniejszej ilości danych lub modeli opartych na przyczynowości, a nie korelacji, na której opiera się głębokie uczenie.
ale mimo to-echem powszechnej opinii wśród badaczy i analityków – dignum podkreśliła, że nie wierzy w kolejną „zimę AI” w najbliższym czasie. W przeciwieństwie do poprzednich rozkwitów, dzisiejsi Programiści zamieniają najnowocześniejszą sztuczną inteligencję w komercyjne aplikacje w prawdziwym życiu, dzięki najnowszym postępom technologicznym, które rozpoczęły się na początku 2010 roku, szczególnie w zakresie mocy obliczeniowej i przechowywania danych.
Pathfinder
to sprawia, że sytuacja różni się od poprzednich pokoleń, o których często mówiono, że prowadzą „badania nad błękitnym niebem” — naukowcy tacy jak Ernst Dickmanns, który powiedział, że w czasie swoich eksperymentów domyślił się, że potrzeba dziesięcioleci, zanim autonomiczne samochody staną się codziennością.
rzeczywiście, Dickmanns, siedząc w swoim ogrodzie zimowym, powiedział, że nadal wierzy, że prawdziwie autonomiczne pojazdy są jeszcze za dekadę lub dwie.
Pojazdy samojezdne, które są obecnie testowane, wykorzystują inny, mniej kosztowny obliczeniowo proces, który wymaga mniejszej mocy obliczeniowej komputera pokładowego. Nadrabiają one różnicę wykorzystując mapy, pozycjonowanie GPS i bazy danych wcześniej obserwowanych obiektów.
„cieszę się, że mogłem być jednym z pionierów. Ale gdybym mógł zacząć od nowa dzisiaj, z dostępną technologią, byłaby to zupełnie inna historia” — Ernst Dickmanns
zamiast prawdziwie „widzieć”, Dickmanns powiedział, że opierają się na tym, co nazywa „wizją potwierdzenia.”Oznacza to, że mogą one działać dobrze na drogach i obszarach, które zostały szeroko zmapowane, ale zawodzą, jeśli chodzi o mniej kontrolowane środowiska.
pionierskie podejście, które nazywa „wizją pioniera” i które jest nadal realizowane w kilku instytucjach badawczych, pozwoliłoby samochodom działać wszędzie. „W pewnym momencie ludzie zdają sobie sprawę, że po burzy, po trzęsieniu ziemi lub znacznie częściej w kontekście wojskowym, gdy wejdziesz w nowe otoczenie, nie zadziała” – powiedział.
pewnego dnia, jak przewiduje, przemysł zda sobie sprawę z ograniczeń swojego podejścia, a jego praca zobaczy odrodzenie.
„cieszę się, że mogłem być jednym z pionierów”, dodał, ” Ale gdybym mógł zacząć od nowa dzisiaj, z dostępną technologią, to byłaby zupełnie inna historia.”