اپل درحال برنامهریزی برای استفاده از یادگیری ماشینی در Apple Car است، بهویژه به این دلیل که پردازندههای فعلی به اندازه کافی سریع نیستند تا بتوانند بهطور مستقل تصمیمات کلیدی رانندگی را بدون این فناوری اتخاذ کنند.
پیش از این انتظار میرفت که اپل از یادگیری ماشینی (ML) در پروژه Apple Car مورد انتظار استفاده کند و از زمانی که جان جیاناندریا، رئیس هوش مصنوعی این شرکت مسئولیت آن را برعهده گرفت، این موضوع قطعیت بیشتری بهخود گرفت. با این حال، اکنون یک پتنت تازه فاششده نحوه استفاده از یادگیری ماشین را توضیح میدهد و همچنین اینکه چرا این فناوری نیاز است.
ارزیابی فضاها با اندازههای مختف با استفاده از یادگیری تقویتی مربوط به ماشینهایی است که از یادگیری ماشین استفاده میکنند. همه اینها به این بستگی دارد که چگونه تصمیماتی که روی فرمان گررفته میشود، باید بسیار سریع باشد. حتی یک تصمیم درست در این مورد، مثلاً تغییر خط یا اجتناب از برخورد است که در صورتی که به اندازه کافی سریع تکمیل نشود، میتواند کشنده باشد. این پتنت میگوید:
تا همین اواخر، به دلیل محدودیتهای سختافزار و نرمافزار موجود، حداکثر سرعتی که در آن محاسبات برای تجزیهوتحلیل جنبههای مربوط به محیط خارجی خودرو میتوانست انجام شود، برای فعال کردن تصمیمهای ناوبری غیر پیش پا افتاده کافی نبود تا بدون هدایت انسان ساخته شود.
بهنظر میرسد عبارت تا همین اواخر به این معنی است که سختافزار و نرمافزار در این پروژه درحال بهتر شدن هستند. اما اپل پس از آن میگوید هنوز این فناوری به سادگی کافی نیست.
حتی با وجود پردازندههای سریع، حافظههای بزرگ و الگوریتمهای پیشرفته امروزی، تصمیمگیری بهموقع و معقول در مورد محیط های خودرو همچنان یک چالش مهم بهشمار میآید.
این پتنت در مورد پیچیدگی تصمیمگیری مستقل صحبت میکند که نه بر فرضیات بیشاز حد بدبینانه و نه بر فرضیات بیش از حد خوشبینانه استوار است. در این صورت ممکن است خودروها بتوانند خودشان رانندگی کنند اما هرگز بهتنهایی رانندگی نخواهند کرد؛ بنابراین، رفتارهای غیرقابل پیشبینی سایر رانندگان در خودروهای دیگر یک عامل است.
بهعلاوه، دنیای واقعی بسیار آشفتهتر از هر محیط آزمایشی است بنابراین اپل همچنین خاطرنشان میکند که تصمیمات رانندگی مستقل حتی زمانی که دادههای ناقص یا پر سروصدا وجود دارد، باید گفته شود. بیش از 17000 کلمه، این پتنت را که با فضای عمل خودرو انجام میشود، توصیف میکند؛ زمان و مسافتی که خودرو باید در آن تصمیم بگیرد.
در برخی ایالتها مانند زمانی که وسیله نقلیه در یک بزرگراه مستقیم تا حد زیادی خالی و بدون پیچیدن برای چندین کیلومتر یا مایل حرکت میکند، تعداد اقداماتی که باید ارزیابی شود، ممکن است نسبتاً کم باشد و در سایر ایالتها، هنگامی که خودرو به یک تقاطع شلوغ نزدیک میشود، تعداد اقدامات ممکن است بسیار بیشتر باشد.
در هر مورد، سیستمهای خودرو باید وضعیت فعلی محیط اطراف خودرو را تعیین کنند. سپس ممکن است نیاز به شناسایی مجموعهای از اقدامات امکانپذیر یا پیشنهادی باشد که میتوان انجام داد. یک عمل میتواند چرخش به چپ یا تغییر خط باشد. حداقل در برخی موارد، یادگیری ماشین میتواند برای کمک به خودرو برای تعیین یک عدد یا مقدار به هر تصمیم ممکن و سپس تعیین بهترین مسیر اقدام استفاده شود.
در حق ثبت اختراع میگوید:
برای مثال، نمونههای متعدد یا اجرای یک مدل یادگیری تقویتی ممکن است در وسیله نقلیه برای بهدست آوردن معیارهای ارزشی مربوطه برای اقدمات استفاده شود و معیارهای ارزش ممکن است برای انتخاب اقدام برای اجرا استفاده شوند.
این حق اختراع به دو مخترع به نامهای مارتین لوین و پکا تاپانی رایکو تعلق دارد. کارهای مرتبط قبلی لوین شمال حق ثبت اختراع برای یک برنامهریز رفتار در یک وسیله نقلیه است.