自駕車新AI學習模式 依外觀自動分辨行人、公車

實習記者黃肇祥／台北報導

自動駕駛、無人車的 AI 系統到底該如何設計比較安全呢？來自以色列的 Cortica 公司試圖找出最佳答案，他們開始研究與主流不同的 AI 學習模式，期望藉由 AI 自行辨別物體特徵加以分析，選擇最佳的處理方式。

▲藉由車體周遭的感應器捕捉環境資訊，再藉由 AI 分析資料，讓車輛自動選擇最佳路徑。（圖／翻攝 TechCrunch）

汽車結合人工智慧早已不是新聞，但Cortica 與其他車廠最大的差別在於採用非監督式學習（Unsupervised Learning）來設計 AI 系統，這種學習方式不需要人力輸入標籤。舉例來說，普遍應用在其他 AI 系統的監督式學習（Supervised learning），需要靠著人類幫助電腦辨別特定物體，若要讓系統可以辨別停車的位置，工程師必須輸入停車的交通標誌，作為讓有所 AI 反應的記號，而在非監督式學習的機制中，AI 得自行根據物體的外觀與特色來組織、分類資訊。

我們可以從 Cortica 發布的影片中一探 AI 實際的運行模式，影片中所有物體都被依外觀特徵畫上不同的顏色區別，例如一般汽車是綠色、行人是紅色、腳踏車是藍色、公車是咖啡色、紅綠燈是黃色。

▲根據物體不同的特徵，Cortica 研發的系統會自動以不同顏色區別。（圖／翻攝 Youtube）

Cortica 公司認為，這種學習方式更接近人類實際開車時的視覺感受，且系統也能更加靈活的思考，在各種天氣與路況下都能更好的適應，也能學習人類的手勢動作並預測其他車輛和行人的動作，縱使是尚未建檔的路況，非監督式學習也能夠幫助車輛安全行駛。不過要完成這樣的學習機制，數據的篩選與地圖資料數據將成為關鍵。

這項技術同樣仍在研發階段，距離上市推行仍需要一段時間。不管是哪一種學習方式，AI 面對變化莫測的十字路口，遇上突發狀況能否發揮出熟練駕駛的經驗與判斷能力，仍有待技術人員持續研究，但換個角度來思考 AI 的學習機制，想必也能讓這項技術早日成熟吧？