HOFOLDING, Alemanha — Os outros motoristas não teria notado algo incomum como os dois elegante limousines com o alemão de placas, juntou-se o trânsito em França Autoroute 1.
mas o que eles estavam testemunhando – naquele dia ensolarado de outono em 1994-era algo que muitos deles teriam considerado simplesmente louco.
foram necessários alguns telefonemas do lobby automóvel alemão para que as autoridades francesas pudessem dar luz verde. Mas aqui estavam eles: dois Mercedes cinzentos 500 bobinas, acelerando até 130 quilômetros por hora, mudando de faixa e reagindo a outros carros-autonomamente, com um sistema de computador de bordo controlando o volante, o pedal de gás e os freios.
Décadas antes do Google, Tesla e Super tenho a auto-condução do carro de negócios, uma equipe de engenheiros alemães, liderada por um cientista chamado Ernst Dickmanns tinha desenvolvido um carro que poderia navegar francês tráfego suburbano no seu próprio.
a história da invenção de Dickmann, e como ela veio a ser tudo menos esquecido, é uma ilustração limpa como a tecnologia às vezes progride: não em pequenos passos firmes, mas em booms e bustos, em avanços improváveis e retiros inevitáveis —”um passo em frente e três passos para trás”, como um pesquisador da AI disse.
Ernst Dickmanns, o cientista alemão que testou a auto-condução de automóveis Europeus ruas nos anos 1980 e 1990 | Janosch Delcker para POLÍTICO
É também uma espécie de aviso, sobre as expectativas que colocamos em inteligência artificial e os limites de alguns dos dados orientado a abordagens que estão sendo usados hoje.
“eu parei de dar conselhos gerais a outros pesquisadores”, disse Dickmanns, agora com 82 anos. “Só isso: nunca se deve perder completamente de vista as abordagens que já foram muito bem sucedidas.”
a Partir do céu para a rua
Antes de se tornar o homem “que, na verdade, inventou a auto-condução de automóveis”, como Berkeley cientista da computação Jitendra Malik colocá-lo, Dickmanns passou a primeira década de sua vida profissional a analisar as trajetórias de naves espaciais quando eles reentrar na atmosfera da Terra.Formado como engenheiro aeroespacial, ele rapidamente subiu nas fileiras da ambiciosa comunidade aeroespacial da Alemanha Ocidental, de modo que em 1975, ainda com menos de 40 anos, ele garantiu uma posição em uma nova Universidade de pesquisa das Forças Armadas da Alemanha.
os três veículos rodoviários autónomos da manifestação PROMETHEUS em Paris, outubro de 1994. Da esquerda para a direita: UniBwM VaMP, Daimler VITA-2, Daimler VITA-1 | Foto Reinhold Behringer
Por este ponto, ele já tinha começado a pensar que em breve se tornaria sua missão de vida: o ensino de veículos como a veja. O lugar para começar, Dickmanns tornou – se cada vez mais convencido, não eram naves espaciais, mas carros. Em poucos anos, ele tinha comprado uma Mercedes van, instalado com computadores, câmeras e sensores, e começou a fazer testes nas instalações da Universidade em 1986.
“Os colegas da universidade, disse, bem, ele é um excêntrico, mas ele tem um histórico assim, vamos deixá-lo fazer isso,” Dickmanns, disse durante uma entrevista em sua casa de família, localizado a alguns passos de uma cebola igreja de cúpula em Hofolding, uma pequena cidade fora de Munique.
In 1986, Dickmanns ‘ van became the first vehicle to drive autonomously-on the skidpan at his university. No ano seguinte, ele enviou uma seção vazia de uma autobahn bávara ainda por abrir a velocidades que se aproximavam de 90 quilômetros por hora. Logo depois, Dickmanns foi abordado pelo carmaker Alemão Daimler. Juntos, eles garantiram o financiamento de um projeto pan-Europeu massivo, e no início dos anos 90, a empresa surgiu com uma ideia que primeiro parecia “absurda” para Dickmanns.
” Can’t you equip one of our large passenger cars for the final demonstration of the project in Paris in October, and then drive on the three-lane highway in public traffic?”ele lembrou-se que os oficiais perguntavam.Ele teve de respirar fundo, “mas depois disse-lhes que com a minha equipa e os métodos que estamos a usar, acho que somos capazes de fazer isso.”
Daimler impulsionou o financiamento do projeto. Os lobistas do sector automóvel eliminaram as dúvidas no interior do governo francês. E em outubro de 1994, a equipe de Dickmanns pegou um grupo de convidados de alto escalão do Aeroporto Charles De Gaulle, levou-os para a auto-estrada próxima e mudou os dois carros em Modo Auto-condução.
“às Vezes, nós os tomamos em nossas mãos fora da roda” — Reinhold Behringer, um dos engenheiros que se sentou no banco do motorista durante a demonstração
Um engenheiro permaneceu no banco da frente de cada carro com as mãos no volante, no caso de alguma coisa deu errado, mas os carros estavam fazendo a condução.
“às vezes, nós tirávamos as mãos do volante”, disse Reinhold Behringer, um dos engenheiros que se sentava no assento do condutor durante a manifestação, com excitação ainda em sua voz 24 anos depois.Jornais publicaram histórias sobre a manifestação, ele lembrou. E um ano depois, a equipe de Dickmanns levou um carro re-projetado em uma viagem ainda mais longa, viajando por mais de 1.700 quilômetros na autobahn da Baviera para a Dinamarca, alcançando velocidades de mais de 175 quilômetros por hora.
pouco tempo depois, o projeto acabou. A tecnologia que o Dickmanns usava atingiu os seus limites. A Daimler perdeu o interesse em financiar a investigação fundamental necessária para a fazer avançar. Em pouco tempo, o esforço pioneiro de Dickmanns foi quase esquecido.
Summer child
the history of artificial intelligence is a history of buzzy springs followed by what researchers call “AI winters,” when the attention and funding fades away.
o trabalho de Dickmanns sobre condução autônoma começou durante o primeiro inverno e terminou depois de um segundo bater no campo.
a pesquisa sobre AI-esforços para fazer máquinas fazer tarefas que de outra forma exigiriam o pensamento humano — começou no final da década de 1950. Desde seus primeiros dias, o campo foi caracterizado por hipe, levando alguns pesquisadores ambiciosos como o economista Herbert Simon a prever na década de 1960 que as máquinas seriam “capazes dentro de 20 anos de fazer qualquer trabalho que um homem pode fazer.”
Estimulado por tais promessas, financiamento explodiu — mas a tecnologia não conseguiu entregar e a bolha estourou em meados da década de 1970. O dinheiro diminuiu e AI investigação foi expedido para a área de laboratórios.
Dentro do UniBwM autónoma experimental veículo VaMP, no banco traseiro, onde o sistema de informática foi instalado para facilitar o acesso e o acompanhamento | Foto por Reinhold Behringer
Esse primeiro AI de inverno foi um dos motivos Dickmanns manteve seu trabalho na visão de máquina, em grande parte para si mesmo nos primeiros anos. Ele estava ciente, Ele disse, que ” as pessoas teriam dito que o cara tem um parafuso solto em algum lugar.”
By the time he sent his self-driving van down an empty German autobahn in the mid-1980s, another AI spring had arrived. Sua prova de conceito gerou interesse suficiente para contratar uma equipe que acabaria por crescer para 20 pessoas antes da manifestação de Paris de 1994.
depois veio outro inverno, no início da década de 1990, e o momento de Dickmanns foi perdido.
“era um conceito interessante”, disse Behringer, o engenheiro que se sentou ao volante em Paris. “Mas para muitos ainda era muito futurista.”
ensinar um carro para ver
tecnólogos dizem que há dois tipos de invenções: Aqueles como a lâmpada, que têm estado em uso e continuamente melhorado desde que foram inventados pela primeira vez. E aqueles como os aviões supersónicos, lembram-se do Concorde? – que incorporam um processo tecnológico revolucionário, mas são demasiado avançados para sobreviver, pelo menos no momento da sua invenção.
Dickmanns ‘ self-driving cars belong to the second category.
quando ele começou a desenvolvê-los no início da década de 1980, os computadores precisavam de até 10 minutos para analisar uma imagem. Para conduzir autonomamente, um carro precisa reagir ao seu entorno, e para fazer isso, Dickmanns calculou que os computadores precisariam analisar pelo menos 10 imagens por segundo.Diante do que parecia ser um obstáculo intransponível, ele se inspirou na anatomia humana. Os carros, ele decidiu, devem ser programados para ver ruas como os humanos percebem o que os rodeia.
Dentro do UniBwM experimental veículo VaMP pública, auto-estrada, na Dinamarca, em 11 de novembro de 1995 | Foto Reinhold Behringer
O olho humano só é capaz de ver um pequeno ponto no centro do seu campo visual em alta resolução. Da mesma forma, Dickmanns pensou, um carro deve se concentrar apenas no que é relevante para a condução, como marcas de estrada. Isto cortou a quantidade de informação que os computadores de bordo tiveram que processar.
ele também encontrou outros atalhos computacionais — uma quantidade significativa de tempo de computação foi liberado quando Dickmanns percebeu que ele não precisava gastar poder de processamento valioso salvando cada imagem. Ele também programou o carro para aprender com os seus erros, melhorando gradualmente a sua compreensão do seu entorno.
ao todo, foi o suficiente para manter o carro na estrada — por pouco.
conduzir em uma estrada, ao que parece, é uma das tarefas mais fáceis que um carro auto-condução pode realizar. As condições são bem definidas: os fluxos de tráfego previsivelmente, em uma direção. As faixas estão claramente marcadas.
e mesmo assim, a demonstração não correu perfeitamente. “Era um teste”, disse Behringer. “Quando, por exemplo, havia um carro à nossa frente que tapava as marcas da estrada, e do outro lado, as marcas foram lavadas, então o recurso de identificação da pista teve um problema.”
America calling
After The second AI winter set in, and the buzz surrounding the Paris demonstration desboted away, Daimler told Dickmanns it ” wanted to have a product for the market as soon as possible,” he recalled. O carmaker tinha perdido o interesse na sua dispendiosa pesquisa fundamental, que era improvável produzir aplicações na vida real nos próximos dois anos.”Em retrospectiva, foi provavelmente um erro que esses projetos não foram imediatamente prosseguidos”, disse Jürgen Schmidhuber, co-diretor do Instituto Dalle Molle para pesquisa de Inteligência Artificial em Lugano, Suíça. “Caso contrário, não haveria dúvida sobre quem estaria liderando no campo hoje.”
as empresas alemãs continuam a manter a maior parte — quase metade de todas-patentes em tecnologia de auto-condução, mas os jogadores mais novos, entre eles gigantes de tecnologia dos EUA, como o Waymo do Alphabet, têm vindo a recuperar. Especialistas descrevem a corrida atual para a liderança em tecnologia de condução autônoma como pescoço e pescoço.
“Há uma profunda falta de consciência do que foi feito no passado, especialmente entre aprendizado de máquina cientistas” — de longa data, AI pesquisador
“É possível que jogou fora sua clara vanguarda papel, porque a investigação não foi consistentemente continuado no tempo,” Schmidhuber, disse. Ele acrescentou que as montadoras possam ter se esquivado de auto-condução de tecnologia, porque parecia ser oposição a sua comercialização, o que promoveu a idéia de um driver de cargo de direção de um carro.
no final da década de 1990, Dickmanns virou-se para o exterior e assinou um contrato de quatro anos com o Laboratório de pesquisa do Exército dos Estados Unidos.
a cooperação levou a outra geração de auto — condução carros, que foram capazes de navegar superfícies mais complicadas; seus resultados — publicados na época em que Dickmanns se aposentou-chamou a atenção da Darpa, a divisão de tecnologias emergentes do Pentágono. Ele inspirou a agência a lançar uma série de” desafios”, a partir de 2004, incumbindo inventores com o envio de auto-condução de carros de corrida através de território espetacular.
esses desafios, promovidos por campanhas massivas de marketing, foram a primeira vez que um grande público ouviu falar sobre condução autônoma. Eles tornaram o cientista alemão Sebastian Thrun-que ganhou o Desafio em 2005 como professor da Universidade de Stanford e mais tarde fundou a equipe de auto — condução do Google-uma celebridade na comunidade de IA.
The UniBwM experimental vehicle VaMP during a stop | Photo by Reinhold Behringer
Whilewhile, Ernst Dickmanns ‘ pioneering work fell into oblivion.
Quando, em 2011, 17 anos após Dickmanns’ Paris demonstração, o New York Times publicou uma matéria de primeira página sobre Thrun, o esforço para construir uma auto-condução do carro, ele teve de executar uma correção depois, deixando claro que “embora o Sr. Thrun desenvolveu um carro sem motorista, ele não foi o primeiro a fazê-lo.”
“há uma profunda falta de consciência sobre o que foi feito no passado, especialmente entre os cientistas de aprendizagem de máquinas”, disse um pesquisador de inteligência artificial de longa data, que pediu para permanecer anônimo.
he added that he regularly interviews high-ranking candidates who demite five-year-old papers as “outdated” or simply don’t know about research done in previous decades.O inverno está a chegar?
em 2018 — como AI sofre mais uma rodada de hipe-poderia um novo inverno estar iminente? Alguns acham que é uma possibilidade distinta.
muita pesquisa recente sobre AI tem sido no chamado “aprendizado profundo”, no qual algoritmos” aprendem ” reconhecendo padrões. Seu princípio subjacente – encontrar correlações em dados complexos-funciona grande para a maioria das aplicações, mas prova ser um beco sem saída em alguns casos. E como o aprendizado profundo é conduzido por dados, seus algoritmos são sempre tão bons quanto os dados que estão sendo alimentados.
Filip Piękniewski — San Diego-com base em computador cientista e autor de um ensaio intitulado “O AI Inverno está bem no seu caminho”—, disse que a maior parte dos fundos derramando em AI, particularmente no contexto de auto-condução de automóveis e robótica, é com base em expectativas irreais levantadas sobre o que uma aprendizagem mais profunda é capaz de fazer.
Foto de Ernst Dickmanns
“este é o lugar onde as expectativas colidem com a realidade”, disse Piękniewski. “E muita gente vai ficar chateada por ter investido tanto dinheiro, e as expectativas não se materializam.”
Virginia Dignum, uma professora da Universidade de Delft, concordou que se os pesquisadores da IA continuam se concentrando principalmente na aprendizagem profunda, ” em algum momento, as pessoas vão ficar desapontadas.”O campo, disse ela, tem que olhar para além dele e investir em outras abordagens que dependem de menos dados, ou modelos baseados na causalidade, em vez da correlação em que a aprendizagem profunda depende.Mas apesar disso — ecoando a opinião generalizada entre pesquisadores e analistas-Dignum enfatizou que ela não acredita que outro “AI winter” está chegando tão cedo. Ao contrário de anteriores booms, os desenvolvedores de hoje estão transformando AI de vanguarda em aplicações comerciais reais, graças aos recentes avanços tecnológicos a partir do início da década de 2010s, particularmente em poder de computação e armazenamento de dados.Isso faz com que a situação seja diferente das gerações anteriores, que muitas vezes se diz estarem fazendo “pesquisa de céu azul” — cientistas como Ernst Dickmanns, que disse que ele pensou, no momento de seus experimentos, que levaria décadas mais até carros autônomos se tornarem uma realidade cotidiana.Na verdade, Dickmanns, sentado em seu jardim de inverno, disse que ainda acredita que os veículos verdadeiramente autônomos ainda estão a uma década ou duas de distância.
os veículos de auto-condução que estão actualmente a ser testados utilizam um processo diferente, menos dispendioso do ponto de vista computacional, que necessita de menos poder de processamento no computador de bordo. Eles compensam a diferença usando mapas, posicionamento GPS e bases de dados de objetos previamente observados.
“ainda bem que pude ser um dos pioneiros. Mas se eu pudesse começar de novo hoje, com a tecnologia disponível, esta seria uma história totalmente diferente” — Ernst Dickmanns
em Vez de realmente “ver,” Dickmanns disse que confiar no que ele chama de “confirmação de visão.”Isso significa que eles podem funcionar bem em estradas e áreas que foram amplamente mapeadas, mas falham quando se trata de ambientes menos controlados.
a abordagem que ele foi pioneiro — que ele chama de “visão pathfinder” e que ainda está sendo perseguido em um par de instituições de pesquisa-permitiria carros para operar em qualquer lugar. “Em algum momento, as pessoas vão perceber que depois de uma tempestade, depois de um terremoto, ou significativamente mais frequentemente em um contexto militar quando você entra em novos ambientes, o não vai funcionar”, disse ele.Algum dia, ele prevê, a indústria perceberá as limitações de sua abordagem, e seu trabalho verá um ressurgimento.
“estou feliz por poder ser um dos pioneiros”, acrescentou, ” Mas se eu pudesse começar de novo hoje, com a tecnologia disponível, esta seria uma história completamente diferente.”