كل ستة أشهر أو نحو ذلك، يقوم رئيس قسم السيارات في شركة Nvidia، Xinzhou Wu، بدعوة الرئيس التنفيذي Jensen Huang للذهاب في جولة في سيارة مجهزة بنظام القيادة الذاتية بدون استخدام اليدين للشركة. ولكن فقط عندما يكون لدى وو “ثقة جيدة” في قدرات قيادة النظام.
مؤخرًا، ذهب الاثنان في رحلة بالسيارة من وودسايد، كاليفورنيا، إلى وسط مدينة سان فرانسيسكو في سيارة مرسيدس CLA سيدان مع MB.Drive Assist Pro، وهو نظام مساعدة للسائق بدون استخدام اليدين تم تصميمه جزئيًا بواسطة Nvidia ويشبه نظام القيادة الذاتية الكاملة من Tesla. كان المزاج خفيفًا، حتى لو كانت حركة المرور مزدحمة جدًا.
“أخبرني عندما تكون في وضع القيادة الذاتية”، قال هوانغ لوو، وفقًا لمقطع فيديو للرحلة تم توفيره له. الحافة، “عندها يمكن أن أكون أقل قلقًا بشأن سلامتي.”
على مدار الفيديو الذي تبلغ مدته 22 دقيقة، تتنقل سيارة المرسيدس بين هوانغ ووو عبر سلسلة من العوائق اليومية، مثل مواقع البناء، والسيارات المتوقفة بشكل مزدوج، والممرات الضيقة عبر صفوف من المخاريط البرتقالية. يبدو نظام Nvidia قادرًا تمامًا، على الرغم من تحرير الفيديو وعدم عرضه في الوقت الفعلي. (قالت المتحدثة باسم نفيديا جيسيكا سواريس في وقت لاحق إنه لم تكن هناك عمليات فك ارتباط أثناء الرحلة.)
ومع ذلك، يبدو أنه لا يختلف عن تجربتي الخاصة العام الماضي في ركوب البندقية مع المديرين التنفيذيين لشركة Nvidia في سيارة مرسيدس مع تنشيط نظام القيادة بدون استخدام اليدين. لقد تأثرت بقدرة النظام على التعامل مع إشارات المرور، والتوقف في الاتجاهات الأربعة، والسيارات المتوقفة في مكانين، والمنعطفات اليسرى غير المحمية، وجميع المشاة وراكبي الدراجات والدراجات البخارية التي يمكن أن ترميها سان فرانسيسكو عليك. إذا تمكنت شركة تسلا من القيام بذلك باستخدام القليل من السيليكون ومجموعة من الكاميرات، فمن المنطقي أن تتمكن الشركة الأكثر قيمة في العالم من اكتشاف ذلك أيضًا.
“لحظة ChatGPT للذكاء الاصطناعي المادي”
بعد سنوات من العمل خلف الكواليس، تحاول شركة Nvidia الحصول على موقع قيادي أكثر بروزًا في مجال القيادة الذاتية. فهي لا تقوم فقط بتزويد الرقائق لشركات مثل Tesla، ولكنها تقدم أيضًا ميزات القيادة الخاصة بها المدعومة بالذكاء الاصطناعي لشركاء مثل Mercedes وJaguar Land Rover وLucid. في CES في وقت سابق من هذا العام، كشف هوانغ البامايو، مجموعة من نماذج الذكاء الاصطناعي ومخططات المحاكاة ومجموعات البيانات، التي يمكن أن تمنح المركبات مستوى 4 من الاستقلالية، مما يسمح لها بقيادة نفسها بالكامل في ظل ظروف محددة. وقد وصف هوانغ هذا الإعلان بأنه “لحظة ChatGPT للذكاء الاصطناعي المادي”.
وفي السيارة مع وو، كان هوانغ أقل تبجحًا وأكثر استبطانًا، لكنه ليس أقل تفاؤلًا بشأن مستقبل التكنولوجيا. وقال: “أعتقد أن التحدي، بالطبع، يكمن في ألبامايو، على الرغم من ذكائه المذهل – وبقدرته على التفكير في الظروف – فنحن لا نعرف ما الذي لا يمكنه فعله”. “وهذا هو التحدي، وهذا هو السبب وراء أهمية مجموعتنا الكلاسيكية بشكل لا يصدق.”
بعد سنوات من العمل خلف الكواليس، تحاول شركة Nvidia الحصول على موقع قيادي أكثر بروزًا في مجال القيادة الذاتية
يتباهى هوانج بأن نهج إنفيديا في القيادة الذاتية هو نهج “فريد” لأنه يجمع بين نموذج الذكاء الاصطناعي الشامل مع مجموعة تقليدية “كلاسيكية” مصممة بواسطة الإنسان. ويعتقد أنه من الصعب التحقق من سلامة النماذج الشاملة. في المقابل، تتبع المكدس الكلاسيكي بروتوكولات وعمليات هندسية راسخة تجعل من السهل التحقق من أن بعض السلوكيات آمنة بدرجة كافية. من خلال الجمع بين كلا النهجين، يمكن لنظام Nvidia الاستفادة من أسلوب القيادة الشبيه بالإنسان مع الحفاظ على إطار عمل للسلامة يرتكز على القواعد التقليدية للطريق.
إن ادعاء هوانغ باتباع نهج فريد في الصناعة لا يصمد تمامًا؛ يستخدم مشغلو المركبات المستقلة الآخرون أيضًا شبكات عصبية شاملة جنبًا إلى جنب مع قواعد السلامة الواضحة التي تحكم كيفية استجابة السيارة. ولكن من المؤكد أن التعلم الشامل، الذي يميل إلى أن يكون أكثر شبهاً بالإنسان في قيادته وأقل آليًا، أصبح أكثر رواجًا. تعتمد Waymo على نظام هجين، بينما تعتمد Tesla حصريًا على الشبكات العصبية الشاملة.
في إحدى المقابلات، قال وو إن النماذج الشاملة أكثر قدرة على الاستجابة لأشياء مثل مطبات السرعة أو تغيير المسار دون الشعور بالميكانيكية أو الروبوتية بشكل مفرط. وقال: “لهذا السبب فهي حقًا لحظة ChatGPT”. “يبدو الأمر كما لو أن سيارتك تقود بثقة حقيقية… عندها سيشعر العملاء بشكل أساسي برغبة أكبر في استخدامها.”
تسلا وارتفاع تكلفة القيادة الذاتية
سألت وو كيف يعتقد أن نهج إنفيديا مقارنة بالقيادة الذاتية الكاملة لشركة تسلا، والتي قطعت أكثر من 8.5 مليار ميل ولكن تم متورط في عدد من حوادث السلامة المثيرة للقلقمنها 23 إصابة ووفاة شخصين على الأقل. في ديسمبر الماضي، أخبرني أحد المسؤولين التنفيذيين في Nvidia أن الشركة اختبرت النظامين ضد بعضهما البعض. وقال إن عدد عمليات استحواذ السائقين على نظام نفيديا كان مشابهًا، حيث كان يفضل أحيانًا نظامًا واحدًا، وأحيانًا الآخر.
ورفض وو التعليق بشكل مباشر على سجل السلامة الخاص بشركة Tesla، لكنه أوضح أن Nvidia تميز نفسها من خلال استخدام أجهزة استشعار متعددة، بما في ذلك الكاميرات والرادار وأجهزة الاستشعار بالموجات فوق الصوتية، و- في التكوينات الأعلى – Lidar. وقال وو إن Nvidia تعتقد أن التكرار والتنوع في تقنيات الاستشعار أمر بالغ الأهمية للتعامل مع الحالات الصعبة وتحقيق مستويات أعلى من الأمان.
“يبدو الأمر كما لو أن سيارتك تقود بثقة حقيقية… عندها سيشعر العملاء بشكل أساسي برغبة أكبر في استخدامها.”
– شينتشو وو
أجهزة الاستشعار الإضافية تعني تكاليف إضافية. يشير إدراج تقنية Lidar، على وجه الخصوص، إلى أن نظام Nvidia الأكثر أمانًا لن يكون متاحًا إلا لأصحاب مرسيدس الأثرياء. لكن وو يعتقد أن نهج Nvidia المتكامل رأسياً يسمح لها بتقديم أداء السلامة المطلوب بأقل تكلفة ممكنة.
تم تصميم منصة DRIVE Hyperion من Nvidia مع وضع تكوينات متعددة في الاعتبار. يستخدم الإصدار الأساسي إعداد مستشعر أبسط وأكثر فعالية من حيث التكلفة، ويعتمد بشكل أساسي على الكاميرات والرادار. أصبحت هذه المجسات أرخص بشكل كبير خلال العقد الماضي بسبب الإنتاج الضخم؛ أجهزة الاستشعار بالموجات فوق الصوتية هي بالفعل غير مكلفة للغاية. للحصول على مستويات أعلى من الاستقلالية، يمكن للمنصة إضافة أجهزة استشعار ليدار، ونظرًا لانخفاض تكلفة الليدار، قال وو إنه يعتقد أن المركبات التي يتراوح سعرها بين 40 ألف دولار إلى 50 ألف دولار يمكن أن تشمل بشكل واقعي مجموعة أجهزة الاستشعار الكاملة اللازمة للاستقلالية المتقدمة.
مزايا وعيوب البيانات
سألت وو عن حوادث السلامة الأخيرة التي تتعلق بمركبات Waymo، مثل سيارات الأجرة الآلية الخاصة بالشركة إغلاق التقاطعات أثناء انقطاع التيار الكهربائي في سان فرانسيسكو. وقال إن Nvidia كانت تقوم بالفعل بتشغيل حالات حافة مماثلة من خلال أجهزة المحاكاة الخاصة بها. في الواقع، تعتمد الشركة بشكل كبير على بيانات القيادة الاصطناعية لمراعاة عيوبها في الاختبارات الواقعية. تمتلك شركة تسلا مليارات الأميال المقطوعة في العالم الحقيقي، وذلك بفضل أسطولها الضخم من سيارات العملاء. سجلت Waymo ما يقرب من 200 مليون ميل ذاتية القيادة بالكامل على الطرق العامة. كيف يمكن لـ Nvidia أن تأمل في اللحاق بالركب؟
وقال وو: “إن مسرحية البنية التحتية الكبيرة هي في الواقع محاكاة”. نفيديا تتخذ نهجين لهذا الغرض. أحدهما هو إعادة البناء العصبي، أو NuRec، حيث يقوم مهندسو الشركة بإعادة إنشاء سيناريوهات القيادة في العالم الحقيقي باستخدام بيانات الاستشعار التي تم جمعها من المركبات في الميدان. والآخر هو التعزيز، الذي يعدل العناصر داخل المشهد المعاد بناؤه لاستكشاف النتائج المحتملة المختلفة. يتيح ذلك للمهندسين استكشاف كيفية تصرف النظام الذاتي في ظل ظروف مختلفة قليلاً وتحديد الحالات النادرة التي قد تكون موجودة في مجموعة البيانات الأصلية.
وقال: “يمكننا أن نجعل المشاة يخرجون بشكل أسرع وأبطأ في مكان مختلف”. “وهذا ما نسميه عدم وضوح مجموعة البيانات.”
حصلت Nvidia على لقطات من كاميرا Dashcam من شركائها لتغذيتها بالبيانات التي تستخدمها في المحاكاة. كما أنه يعيد إنشاء الحالات الطرفية من حوادث Waymo هذه، مثل انقطاع التيار الكهربائي، ويدرب نظامه على الاستجابة دون عرقلة التقاطعات.
لكن الهدف النهائي هو بناء نظام يستخدم المنطق لتجنب هذه الفخاخ، وبالتالي تجنب الحاجة إلى بيانات القيادة في العالم الحقيقي في المقام الأول. يعمل فريق وو على ما يطلق عليه نموذج عمل لغة الرؤية، والذي سيضع هذه النظرية موضع التنفيذ. تجمع هذه النماذج بين الإدراك البصري، وفهم اللغة، والعمل الجسدي في بنية موحدة، تعتمد على نماذج أساسية كبيرة تم تدريبها بالفعل على مجموعات البيانات على نطاق الإنترنت. يشبهه وو بـ إد السائق .
وقال وو: “عندما نعلم طفلاً كيفية القيادة، فإنه يقرأ كتاب القواعد ثم يتدرب لمدة 20 ساعة خلف عجلة القيادة”. “عادةً، ليسوا سائقين سيئين في البداية – على الرغم من أنه من الواضح أن الأمر يتطلب خبرة لتحسينه. في النهاية، نريد أن يعمل النموذج بنفس الطريقة: في المستقبل، مع كتاب قواعد فقط و 20 ساعة من بيانات التدريب، سوف يتعلم كيفية القيادة.”
