Ο Richard Felton διερευνά πώς η γενετική τεχνητή νοημοσύνη είναι πιθανό να διαμορφώσει την αυτοκινητοβιομηχανία και πώς οι κατασκευαστές αυτοκινήτων μπορεί να είναι σε θέση να αξιοποιήσουν την τεχνολογία
Οι παραγωγικές εφαρμογές τεχνητής νοημοσύνης συνεχίζουν να προσελκύουν την ευρεία προσοχή και τη φαντασία. Ειδικά στην αυτοκινητοβιομηχανία, η γενετική τεχνητή νοημοσύνη έχει τη δυνατότητα να βοηθήσει στον μετασχηματισμό του τρόπου με τον οποίο σχεδιάζονται και αναπτύσσονται τα οχήματα.
Για παράδειγμα, η τεχνητή νοημοσύνη μπορεί να εφαρμοστεί για τη δημιουργία νέου περιεχομένου και ιδεών, συμπεριλαμβανομένης της εξερεύνησης επιλογών σχεδίασης, βάσει κριτηρίων που έχει ορίσει ο προγραμματιστής. Όπως όλες οι τεχνητές νοημοσύνης, η γενετική τεχνητή νοημοσύνη τροφοδοτείται από μοντέλα μηχανικής εκμάθησης — πολύ μεγάλα μοντέλα που είναι προεκπαιδευμένα σε τεράστιες ποσότητες δεδομένων και συνήθως αναφέρονται ως μοντέλα θεμελίωσης (FM). Τα σημερινά FM μπορούν να εκτελέσουν ένα ευρύ φάσμα εργασιών που εκτείνονται σε πολλούς τομείς, όπως η σύνταξη αναρτήσεων ιστολογίου, η δημιουργία εικόνων, η επίλυση μαθηματικών προβλημάτων, η συμμετοχή σε διάλογο και η απάντηση σε ερωτήσεις που βασίζονται σε ένα έγγραφο. Όταν εφαρμοστεί στη διαδικασία ανάπτυξης αυτοκινήτων, η γενετική τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει τις αυτοκινητοβιομηχανίες να εντοπίσουν γρήγορα τις καλύτερες επιλογές σχεδιασμού για πολύπλοκα συστήματα όπως κινητήρες, ελαφριές δομές και χαρακτηριστικά οχημάτων.
Το ταξίδι προς οχήματα που καθορίζονται από λογισμικό
Η αυτοκινητοβιομηχανία υιοθετεί ολοένα και περισσότερο οχήματα που καθορίζονται από λογισμικό (SDV) με εκατομμύρια γραμμές κώδικα, προσφέροντας στους πελάτες μια ευέλικτη εμπειρία με απόκριση. Τα SDV έχουν τη δυνατότητα να ενημερώνουν και να αναβαθμίζουν τις λειτουργίες του οχήματος μέσω ενημερώσεων over-the-air (OTA), παρόμοια με τον τρόπο με τον οποίο τα smartphone ενημερώνονται με νέες δυνατότητες και γίνονται καλύτερα προϊόντα με την πάροδο του χρόνου.
Το Generative AI μπορεί να χρησιμοποιηθεί για τη δημιουργία και τη βελτιστοποίηση του λογισμικού και των συστημάτων ελέγχου, καθώς και για τη βελτίωση της απόδοσης του υλικού του οχήματος. Καθώς ο κωδικός ενός οχήματος αυξάνεται σε πολυπλοκότητα, είναι σημαντικό για τους μηχανικούς λογισμικού να επικεντρωθούν στην ανάπτυξη νέων, καινοτόμων λειτουργιών και να μην ξοδεύουν το χρόνο τους προσπαθώντας να συμβαδίσουν με ένα περίπλοκο και συνεχώς μεταβαλλόμενο τοπίο εργαλείων και τεχνολογίας. Οι πελάτες αυτοκινήτων μπορούν να χρησιμοποιήσουν συνοδούς κωδικοποίησης AI που χρησιμοποιούν γενετική τεχνητή νοημοσύνη για να βοηθήσουν στη βελτίωση της παραγωγικότητας των προγραμματιστών δημιουργώντας προτάσεις κώδικα σε πραγματικό χρόνο με βάση τα σχόλια των προγραμματιστών σε φυσική γλώσσα και τον προηγούμενο κώδικα στο Ενσωματωμένο περιβάλλον ανάπτυξης (IDE). Αυτό μπορεί να εντοπίσει προβληματικό κώδικα με υψηλή ακρίβεια και παρέχει έξυπνες προτάσεις για τον τρόπο αποκατάστασής του.
Δοκιμή αυτόνομης οδήγησης χρησιμοποιώντας γενετική τεχνητή νοημοσύνη
Η εξαιρετικά αυτοματοποιημένη και αυτόνομη κινητικότητα αποτελεί κύριο επίκεντρο της αυτοκινητοβιομηχανίας. Η αυτόνομη οδήγηση απαιτεί πολύπλοκα συστήματα λογισμικού και υλικού που πρέπει να είναι σχεδιασμένα για να λειτουργούν άψογα μαζί.
Το Generative AI μπορεί να είναι ένα σημαντικό εργαλείο για το σχεδιασμό και τη δοκιμή αυτών των συστημάτων. Για παράδειγμα, η γενετική τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί από OEM για τη δημιουργία προσομοιώσεων που δοκιμάζουν την απόκριση του οχήματος σε διάφορα σενάρια οδήγησης. Αυτά τα σενάρια και τα συνοδευτικά δεδομένα προσομοίωσης δοκιμών μπορεί να είναι περιπτώσεις αιχμής που στατιστικά συμβαίνουν τόσο σπάνια ώστε να μην παρουσιάζονται σε τυπικές συνθήκες ή τόσο ακραίες ώστε να μην είναι ασφαλές για δοκιμή στον πραγματικό κόσμο (π.χ. παραλίγο να χάσετε μια διάβαση πεζών τη νύχτα, στη βροχή ή στο σκοτάδι). Αυτό δεν είναι απλώς μια βελτίωση της απόδοσης, αλλά θα επιτρέψει επίσης στις αυτοκινητοβιομηχανίες να δημιουργήσουν περισσότερα σενάρια δοκιμών με τη δυνατότητα να βελτιώσουν τις συνολικές δυνατότητες του συστήματος.
Cloud computing
Το Generative AI προσφέρει μια τεράστια ευκαιρία για καινοτομία στην αυτοκινητοβιομηχανία. Απαιτεί όμως μεγάλο όγκο υπολογιστικών πόρων και δεδομένων, των οποίων η απόκτηση και η διαχείριση μπορεί να είναι δαπανηρή και χρονοβόρα. Οι πελάτες χρειάζονται αποδοτική, οικονομικά αποδοτική υποδομή που έχει σχεδιαστεί ειδικά για την ML. Εδώ μπαίνει το cloud computing, βοηθώντας στη βελτιστοποίηση συστημάτων ειδικά για μεγάλης κλίμακας παραγωγικές εφαρμογές τεχνητής νοημοσύνης με μοντέλα που περιέχουν εκατοντάδες δισεκατομμύρια παραμέτρους.
Οι ευκαιρίες που προσφέρουν η τεχνητή νοημοσύνη και το cloud σημαίνουν ότι οι κατασκευαστές αυτοκινήτων έχουν πλέον μεγαλύτερη πρόσβαση σε ισχυρούς υπολογιστικούς πόρους που απαιτούνται για να βοηθήσουν στην κλιμάκωση των παραγωγικών δυνατοτήτων τεχνητής νοημοσύνης τους σε μια ποικιλία εφαρμογών, όπως σχεδιασμό, εκπαίδευση και δοκιμή αυτοματοποιημένων και αυτόνομων συστημάτων οδήγησης.
Οι απόψεις που εκφράζονται εδώ είναι αυτές του συγγραφέα και δεν αντικατοπτρίζουν απαραίτητα τις θέσεις της Automotive World Ltd.
Ο Ρίτσαρντ Φέλτον είναι Senior Practice Manager, Automotive, στο Amazon Web Services (AWS)
Η στήλη Σχόλιο του Automotive World είναι ανοιχτή σε υπεύθυνους λήψης αποφάσεων και επηρεαστές της αυτοκινητοβιομηχανίας. Εάν θέλετε να συνεισφέρετε ένα άρθρο Σχόλιο, επικοινωνήστε με το ed*******@au*************.com
