自動運転はAIの今後の発展の鍵となるのか？

現地時間10月12日、テスラのCEO、イーロン・マスク氏はツイッターで「約束通り、完全自動運転機能（FSD）の限定ベータ版が来週火曜日にリリースされる。最初は、慎重で熟練した少数のドライバーに限定される」と投稿した。

[[346062]]

マスク氏は以前、完全自動運転機能ソフトウェアの最新バージョンは「ゼロ介入運転」を実現できるとツイッターで明らかにした。

自動運転技術の分類では、人間のドライバーによる共同運転を必要とする自動車は、一般的にレベル2（L2）またはレベル3（L3）と見なされます。共同で運転タスクを実行する車は半自律型と呼ばれ、通常、ADAS (先進運転支援システム) と呼ばれるさまざまな自律アドオンが含まれています。

運転中に人間の支援を一切受けずに、人工知能によって完全に自動運転される自動車は、レベル 4 (L4) およびレベル 5 (L5) と見なされます。

L2+自動運転が量産化されつつある現在、L3自動運転、さらに上位のL4/L5無人運転が実現し、スマートカーの登場が待ち望まれています。

テスラの究極の動きは本当にそんなに恐ろしいのか？

ある意味、これは巧妙な言葉遊びなのかもしれない。テスラの現在の「完全自動運転機能」では、完全な自動運転は実現できない。

テスラの公式ウェブサイトによると、完全自動運転機能には、自動駐車（縦列駐車と垂直駐車）、自動車線変更支援：高速道路での自動車線変更支援、自動ナビゲーション運転支援：高速道路ランプや高架交差点への自動出入り、低速車両の追い越し、スマート呼び出し：駐車中の車両が呼び出しに応答し、駐車場のどの隅でも運転者を見つけます。 「信号や一時停止の標識を認識して対応する」機能と「市街地での自動運転支援」の2つの機能が近日中にリリースされる予定。

また、テスラの国内車の所有者は、完全自動運転機能は国内の道路では想像していたほど使いやすくなく、費用対効果も無料の基本アシスト運転機能ほど良くなく、特に高速道路のランプの出入りの際には、まだ改善の余地が大きいと常に批判していることも注目に値する。

市場は下半期に入りましたが、国内企業はどのように推移していますか？

中国電動自動車100フォーラム、テンセント自動運転、中国自動車データ株式会社が2020年10月12日に共同で発表した「中国自動運転シミュレーションブルーブック2020」によると、「調達すべき資金はすべて調達され、発表すべき技術も発表され、ほとんどの企業が集中的な研究開発の段階に入っている。これは自動運転企業が後半戦に入った兆候だ」としている。

ブルーブックは、中国における自動運転の現在の業界のボトルネック問題に対応して、すべての部門が統一された標準フォーマット内で基本シナリオライブラリを共同で構築し、これに基づいて独自のパーソナライズされたシナリオライブラリを拡張して、「車輪の再発明」のプロセスを回避することを提案しています。同時に、シミュレーション プラットフォームは、スマート シティ、スマート交通管理、インテリジェント コネクテッド ビークル認証など、より実用的な分野にも適用できます。インテリジェントなコネクテッドカーと従来の車両が混在する今後の道路環境に適応するために、シミュレーションシステムを開発する企業は、混合交通と人間とコンピュータの相互作用に関するシナリオシミュレーションも迅速に実行する必要があります。

最後に、ブルーブックは、自動運転の基盤となる中核技術の一つである自動運転シミュレーション技術については、外国の技術封鎖により業界が停滞しないように、確実に現地化する必要があるとも言及した。

なぜ自動運転がAI発展の鍵となるのでしょうか？

一部の投資家は、人工知能時代の最初の「キラー」アプリケーションはスマートカーであると考えています。スマートカーのコンピューティング能力の飛躍的な成長は、業界を前進させるための中核的なリソースがあることを意味し、そのようなリソースは、開発の次のステップのための多くのインフラストラクチャとして波及するでしょう。自動運転の中核技術の原動力を掌握できる者が、次世代の人工知能開発の鍵を握ることになる。

詳細なシナリオの観点から見ると、自動運転アルゴリズム1セットには177億キロメートルの検証が必要です。センサーについては、主にレーダーと光学カメラが含まれ、これらは人間の耳と目と同等です。その主な機能は、車両周辺の「リアルタイム情報」を収集し、車両周辺の環境をリアルタイムで把握し、無人車両に完全で正確なさまざまな種類の環境データを提供することです。

特に、カメラは多くの警告および認識 ADAS 機能の基盤として機能します。車載カメラには主に、サラウンドビューカメラ、車内ビューカメラ、リアビューカメラ、フロントビューカメラ、サイドビューカメラなどがあります。その中で、光学カメラはシーン解釈に最適なツールであり、色をうまく区別できますが、立体的な視覚効果がないため、「奥行き」が欠け、物体とカメラ（車両）との距離を判断することができません。

人工知能産業の発展タイムラインによれば、人工知能産業は最初にセキュリティに実装されました。

業界の発展において、雪良プロジェクトを例にとると、主にディープラーニング、ビデオ構造化、顔検出、顔特徴認識、人物特徴認識、ナンバープレート認識、車両特徴認識、ビッグデータ分析と応用などに使用されています。人工知能技術により、フロントエンドで収集された元の監視画像を構造化して分析できます。仕様と標準に従って、元のビデオ画像データを自動的に準構造化データと構造化データに変換し、対応する主題データベースを形成できます。データはビッグデータプラットフォームに送信され、関連するデータモデル、技術、戦術などに使用され、人間と車両の軌跡特性、足場分析、予測および早期警告サービスなど、豊富な実用的なアプリケーションを形成し、監視画像の実用的な価値を十分に発揮します。

人工知能はこれまでセキュリティ業界と融合する中で、貴重なデータやアルゴリズムを大量に蓄積してきたと言えます。業界の発展に関しては、すでに大量の画像関連のアルゴリズムとデータが利用可能であり、さらに一歩進みたいのであれば、自動運転業界に参入することが適切であると予想されます。

同時に、セキュリティ業界に導入される過程で、人工知能技術も一連の問題を引き起こしています。例えば、新技術やハードウェア設備の発展に伴い、人工知能技術は急速な変化の段階に入りました。雪良プロジェクトでは、ビデオインテリジェント分析、ディープラーニング、ビッグデータなどの技術がよく見られます。ただし、ビデオインテリジェント分析を使用してビデオ画像からより多くの情報を抽出するには、ビデオ画像の品質に非常に高い要件が課されます。現在、監視カメラの映像品質は環境によって大きく左右されます。照明不足、物体の遮蔽、サイズが小さいなどの問題が多々発生する可能性があります。

さらに、エンコードやネットワーク帯域幅などの要因により、ビデオがフリーズしたり、画像がぼやけたりするなどの問題が発生し、インテリジェントなビデオ分析が実行できなくなる可能性があります。ディープラーニング技術は、デバイスの製造プロセス中の学習のみを保証し、収集された画像のリアルタイムでのさらなる研究と分析を保証することはできません。

また、初期のインテリジェントプロジェクトでは、インテリジェント分析技術が成熟しておらず、ほとんどのターゲットは単一のシーンで検出および分析されていました。この単一シーン分析では、一般的にビデオコンテンツに対する理解が弱く、大規模なシーンでの関連動作の分析は比較的少なかったため、異常分析やリスク予測をサポートする効果的な経験があまりありませんでした。

したがって、これらの問題を解決するためには、比較的「過酷な」環境が必要になります。すると、類推もできます。人工知能を鉱石に例えると、セキュリティ業界への導入は最初の精錬と研磨です。鉄鋼にするには、より厳格な焼き入れが不可欠です。だからこそ、資本の観点から見れば、将来的に自動運転の中核技術を習得した者が人工知能の発展の核心的な鍵を握ることになるのだ。

結論

結局のところ、自動運転車両と道路の協調ソリューションの技術的基盤は、車両のインテリジェンスとネットワーク化です。

5G、IoT、ビッグデータ、クラウドコンピューティングなどのデータを総合的に活用することで、スマート交通システムの構築、自動車や交通サービスの新たなビジネスモデルの出現が促進され、車両交通の効率化や公共交通の資源配分の効率化に大きく貢献するだろう。

それだけでなく、自動運転業界で開発された人工知能がセキュリティ業界にもフィードバックされ、人々の日常の安全をより高いレベルに引き上げることが期待されています。