Finalmente, un automóvil sin conductor con algo de sentido común

Daniel James Zender

Los conductores notoriamente hostiles y las caóticas carreteras de Boston pueden ser el campo de pruebas perfecto para un tipo de automóvil autónomo fundamentalmente diferente.

Un spin-off del MIT llamado veo está desarrollando y probando el sistema de conducción autónoma utilizando un enfoque novedoso de inteligencia artificial. En lugar de confiar en reglas simples o algoritmos de aprendizaje automático para entrenar a los autos para que conduzcan, la startup se inspira en la ciencia cognitiva para dar a las máquinas una especie de sentido común y la capacidad de lidiar rápidamente con nuevas situaciones. Está desarrollando algoritmos que intentan igualar la forma en que los humanos entienden y aprenden sobre el mundo físico, incluida la interacción con otras personas. El enfoque podría conducir a vehículos autónomos que estén mucho mejor equipados para lidiar con escenas desconocidas e interacciones complejas en la carretera.

La mente humana es súper sensible a la física y las señales sociales, dice Yibiao Zhao, cofundador de iSee . La IA actual es relativamente limitada en esos dominios, y creemos que en realidad es la pieza que falta en la conducción.

La compañía de Zhao aún no parece un líder mundial. Un pequeño equipo de ingenieros trabaja en un modesto espacio de laboratorio en el motor , una nueva empresa de inversión creada por el MIT para financiar empresas tecnológicas locales innovadoras. Ubicado a pocos pasos del campus del MIT, el motor tiene vista a una calle en la que los conductores se disputan lugares de estacionamiento y se adentran agresivamente en el tráfico.

Historia relacionada

Historia relacionada

Los escritorios dentro del espacio de iSee están cubiertos con sensores y piezas de hardware que el equipo ha creado para tomar el control de su primer prototipo, un SUV híbrido Lexus que originalmente pertenecía a uno de los cofundadores de la empresa. Varios ingenieros se sientan detrás de grandes monitores de computadora mirando fijamente las líneas de código.

iSee puede parecer ridículamente pequeño en comparación con los esfuerzos de vehículos sin conductor en empresas como Waymo, Uber o Ford, pero la tecnología que está desarrollando podría tener un gran impacto en muchas áreas donde se aplica la IA en la actualidad. Al permitir que las máquinas aprendan de menos datos y desarrollen algún tipo de sentido común, su tecnología podría hacer que los robots industriales sean más inteligentes, especialmente en situaciones nuevas. Recientemente se ha logrado un progreso espectacular en IA gracias al aprendizaje profundo, una técnica que emplea vastas redes neuronales hambrientas de datos (ver 10 Tecnologías innovadoras 2013: Aprendizaje profundo).

Cuando se alimentan grandes cantidades de datos, las redes neuronales muy grandes o profundas pueden reconocer patrones sutiles. Dale a una red neuronal profunda muchas imágenes de perros, por ejemplo, y descubrirá cómo detectar un perro en casi cualquier imagen. Pero hay límites para lo que puede hacer el aprendizaje profundo, y es posible que se necesiten algunas ideas nuevas y radicales para dar el siguiente paso adelante. Por ejemplo, un sistema de aprendizaje profundo para detectar perros no comprende que los perros suelen tener cuatro patas, pelaje y nariz húmeda. Y no puede reconocer otros tipos de animales, o un dibujo de un perro, sin más entrenamiento.

Conducir implica mucho más que el simple reconocimiento de patrones. Los conductores humanos confían constantemente en una comprensión del mundo basada en el sentido común. Saben que los autobuses tardan más en detenerse, por ejemplo, y de repente pueden producir muchos peatones. Sería imposible programar un automóvil autónomo con todos los escenarios posibles que podría encontrar. Pero las personas son capaces de utilizar su comprensión del mundo de sentido común, construida a través de la experiencia de toda una vida, para actuar con sensatez en todo tipo de situaciones nuevas.

El aprendizaje profundo es excelente y puede aprender mucho de la experiencia previa, pero no puede tener un conjunto de datos que incluya todo el mundo, dice Zhao. La IA actual, que en su mayoría se basa en datos, tiene dificultades para comprender el sentido común; esa es la clave que falta. Zhao ilustra el punto al abrir su computadora portátil para mostrar varias situaciones de carreteras del mundo real en YouTube, incluidas situaciones complejas de fusión de tráfico y algunos accidentes de apariencia peluda.

La falta de conocimiento del sentido común sin duda ha causado algunos problemas para los sistemas de conducción autónomos. Un accidente que involucró a un Tesla que conducía en modo semiautónomo en Florida el año pasado, por ejemplo, ocurrió cuando los sensores del automóvil se confundieron temporalmente cuando un camión cruzó la carretera (ver Accidente fatal de Tesla es un recordatorio de que los autos autónomos a veces cometen errores). Un conductor humano probablemente habría descubierto de forma rápida y segura lo que estaba pasando.

Historia relacionada

Historia relacionada Una muerte al volante con el piloto automático de Tesla encendido plantea la pregunta de qué tan seguros deben ser los autos automatizados.

Zhao y Debbie Yu, uno de sus cofundadores, muestran un clip de un accidente que involucró a un Tesla en China, en el que el automóvil chocó directamente contra un camión de limpieza de calles. El sistema está entrenado en Israel o Europa, y no tienen este tipo de camión, dice Zhao. Solo se basa en la detección; realmente no entiende lo que está pasando, dice.

iSee se basa en los esfuerzos para comprender cómo los humanos dan sentido al mundo y para diseñar máquinas que imitan esto. Zhao y otros fundadores de iSee provienen del laboratorio de jose tenenbaum , profesor en el departamento de ciencias del cerebro y cognitivas del MIT que ahora se desempeña como asesor de la empresa.

Tenenbaum se especializa en explorar cómo funciona la inteligencia humana y usar esa información para diseñar nuevos tipos de sistemas de IA. Esto incluye el trabajo sobre el sentido intuitivo de la física exhibido incluso por niños pequeños, por ejemplo. La capacidad de los niños para comprender cómo se comporta el mundo físico les permite predecir cómo pueden desarrollarse situaciones desconocidas. Y, explica Tenenbaum, esta comprensión del mundo físico está íntimamente relacionada con una comprensión intuitiva de la psicología y la capacidad de inferir lo que una persona está tratando de lograr, como alcanzar una taza, observando sus acciones.

La capacidad de transferir el aprendizaje entre situaciones también es un sello distintivo de la inteligencia humana, e incluso los sistemas de aprendizaje automático más inteligentes siguen siendo muy limitados en comparación. El laboratorio de Tenenbaum combina el aprendizaje automático convencional con nuevos enfoques de programación probabilística. Esto hace posible que las máquinas aprendan a inferir cosas sobre la física del mundo y las intenciones de los demás a pesar de la incertidumbre.

Historia relacionada

Historia relacionada El software que aprende a reconocer caracteres escritos a partir de un solo ejemplo puede señalar el camino hacia una inteligencia artificial más poderosa y más humana.

Tratar de aplicar ingeniería inversa en las formas en que incluso un bebé pequeño es más inteligente que el sistema de IA existente más inteligente podría eventualmente conducir a muchos sistemas de IA más inteligentes, dice Tenenbaum. En 2015, junto con investigadores de la Universidad de Nueva York y la Universidad Carnegie Mellon, Tenenbaum usó algunas de estas ideas para desarrollar un programa informático histórico capaz de aprender a reconocer la escritura a mano a partir de unos pocos ejemplos (consulte Este algoritmo de IA aprende tareas simples tan rápido como nosotros). Hacer ).

Un enfoque relacionado podría eventualmente darle a un automóvil autónomo algo que se acerque a una forma rudimentaria de sentido común en escenarios desconocidos. Tal automóvil puede determinar que un conductor que se está saliendo a la carretera probablemente quiera incorporarse al tráfico.

De hecho, cuando se trata de conducción autónoma, Tenenbaum dice que la capacidad de inferir lo que otro conductor está tratando de lograr podría ser especialmente importante. Otro de los cofundadores de iSee, Chris Baker, desarrolló modelos computacionales de psicología humana mientras estaba en el MIT. Tomando modelos de estilo de ingeniería de cómo los humanos entienden a otros humanos, y poder ponerlos en conducción autónoma, realmente podría proporcionar una pieza faltante del rompecabezas, dice Tenenbaum.

Tenenbaum dice que inicialmente no estaba interesado en aplicar ideas de la psicología cognitiva a la conducción autónoma, pero los fundadores de iSee lo convencieron de que el impacto sería significativo y que estaban a la altura de los desafíos de ingeniería.

Este es un enfoque muy diferente, y lo aplaudo por completo, dice Oren Etzioni, CEO de la Instituto Allen de Inteligencia Artificial , un instituto de investigación creado por el cofundador de Microsoft, Paul Allen, para explorar nuevas ideas en IA, incluidas las inspiradas en la psicología cognitiva.

Etzioni dice que el campo de la IA necesita explorar ideas más allá del aprendizaje profundo. Él dice que el problema principal para iSee será demostrar que las técnicas empleadas pueden funcionar bien en situaciones críticas. La programación probabilística es bastante nueva, señala, por lo que hay dudas sobre el rendimiento y la solidez.

Aquellos involucrados con iSee parecen estar de acuerdo. Además de apuntar a sacudir la industria automotriz y tal vez remodelar el transporte en el proceso, dice Tenenbaum, iSee tiene la oportunidad de explorar cómo funciona un nuevo enfoque de IA en una situación práctica particularmente implacable.

En cierto sentido, los autos autónomos van a ser los primeros robots autónomos que interactúen con las personas en el mundo real, dice. El verdadero desafío es, ¿cómo tomas estos modelos y los haces funcionar de manera sólida?

esconder