2024. 11. 06. - 09:10
A ChatGPT-vel jobban megérthetik utasaikat az autonóm járművek
Az autonóm járművek jobban megérthetik utasaikat ChatGPT segítségével – mutattak rá a Purdue Egyetem mérnökei. Ha például azt mondjuk neki, sietünk, azonnal a leghatékonyabb útvonalat ajánlja.
Jobban megérthetik ChatGPT segítségével az utasaikat az autonóm járművek – hívták fel a figyelmet kutatók.
Képzeljük el például, hogy egyszerűen azt mondjuk az autónak: „sietek", és az magától a leghatékonyabb útvonalon visz oda, ahová megyünk.
A Purdue Egyetem mérnökei fedezték fel, hogy erre képes egy autonóm jármű (AV) a ChatGPT vagy más chatbotok segítségével - mindezt a mesterséges intelligencia algoritmusai, az úgynevezett nagy nyelvi modellek teszik lehetővé.
A tanulmányt az IEEE Intelligens Közlekedési Rendszerekkel foglalkozó 27. Nemzetközi Konferenciáján mutatták be és az első olyan kísérletek között szerepelhet, amelyek azt vizsgálják: vajon egy igazi AV mennyire képes nagy nyelvi modellekkel értelmezni az utasok parancsait és ennek megfelelően vezetni.
Eddig túl egyértelmű utasítás kellett az autonóm járműnek
A tanulmányt vezető Ziran Wang, a Purdue-i Lyles-i Építőmérnöki Iskola adjunktusa úgy véli, ahhoz, hogy a járművek egy napon teljesen önállóak legyenek, mindent meg kell érteniük, amit utasaik mondanak - még akkor is, ha csak utalnak a parancsra.
Egy taxis például tudja, mire van szükségünk, ha azt mondjuk, sietünk - anélkül, hogy meg kéne határoznunk az útvonalat, amelyen a sofőrnek haladni kell a forgalom elkerülése érdekében. Olvasd el: Új gyógyszerek tervezésére kódolják a ChatGPT-t
A ChatGPT-vel jobban megérthetik utasaikat az autonóm járművek
Bár a mai autonóm járműveknek már vannak funkcióik, amelyek lehetővé teszik a velük való kommunikációt, az utasnak nagyon egyértelműen kell fogalmaznia – sokkal jobban, mint ha egy valódi sofőrrel beszélne.
A nagy nyelvi modellek egyébként képesek emberibb módon értelmezni és válaszolni, mivel arra tanítják őket, hogy összefüggéseket vonjanak le hatalmas mennyiségű szöveges adatból és idővel folyamatosan tanuljanak.
„Járműveink hagyományos rendszerei olyan felhasználói felülettel rendelkeznek, ahol meg kell nyomni a gombokat, hogy közvetítsük, mit akarunk, vagy egy hangfelismerő rendszerrel, amely megköveteli, hogy nagyon határozottan beszéljünk a megértéshez - mondta Wang. - De a nagy nyelvi modellek ereje abban rejlik, hogy természetesebb módon képesek megérteni mindenféle dolgot, amit mondunk. Nem hiszem, hogy más létező rendszer képes erre” – tette hozzá.
Az új tanulmányban a nagy nyelvi modellek nem vezettek AV-t. Ehelyett a meglévő funkcióival segítették az autonóm jármű vezetését.
Wang és tanítványai ezen modellek integrálásával jöttek rá, hogy az AV nemcsak jobban megérti az utasát, hanem személyre szabhatja a vezetést is az utasok nagy megelégedésére.
A kísérletek megkezdése előtt a kutatók a ChatGPT-t olyan utasításokkal képezték ki, amelyek a közvetlenebb parancsoktól (például „kérem, vezessen gyorsabban”) a közvetettebb parancsokig (pl. „most egy kicsit rosszul vagyok”) terjedtek.
Amint a ChatGPT megtanulta, hogyan reagáljon ezekre a parancsokra, a kutatók követendő paramétereket adtak meg a nagy nyelvi modelleknek, amelyek megkövetelték, hogy vegye figyelembe a közlekedési szabályokat, az útviszonyokat, az időjárást és a jármű érzékelői által észlelt egyéb információkat - például a kamerákat és a fényérzékelést.
A ChatGPT segített az autonóm jármű utasainak
A kutatók ezután a felhőn keresztül ezeket a nagy nyelvi modelleket elérhetővé tették egy kísérleti jármű számára, amely a SAE International meghatározása szerint negyedik szintű autonómiával rendelkezik. A negyedik szint egy szintre van attól, amit az iparág teljesen autonóm járműnek tekint.
Amikor a jármű beszédfelismerő rendszere a kísérletek során észlelt egy utastól kapott parancsot, azt a felhőben található nagy nyelvi modellek a kutatók által meghatározott paraméterekkel indokolták.
Ezek a modellek ezután utasításokat generáltak a jármű „drive-by-wire” rendszeréhez – amely a gázpedálhoz, a fékekhez, a sebességfokozatokhoz és a kormányhoz csatlakozik –, hogy miként kell az adott parancsnak megfelelően vezetni.
Néhány kísérlethez Wang csapata egy olyan memóriamodult is tesztelt, amelyet a rendszerbe telepítettek, amely lehetővé tette a nagy nyelvi modellek számára, hogy adatokat tároljanak az utasok korábbi preferenciáiról és megtanulják, hogyan lehet ezeket figyelembe venni egy parancsra adott válaszban.
A vizsgálatban résztvevők a nagy nyelvi modellek által megtanult és új parancsokat is használták a járműben való utazás során.
Az autóval tett kört követően a felmérésben adott válaszaik alapján a résztvevők kisebb arányban érezték magukat kényelmetlenül az AV döntései miatt – ahhoz képest, amikor a 4-es szintű AV-ban utaznak anélkül, hogy nagy nyelvi modellek segítségükre lennének.
A csapat emellett összehasonlította az AV teljesítményét az arra vonatkozó adatok alapján létrehozott alapértékekkel, hogy az emberek átlagosan mit tartanak biztonságosnak és kényelmes utazásnak - például mennyi időt hagy a jármű a reakcióra a hátulról ütközés elkerülése érdekében, vagy milyen tempóban gyorsul és lassul.
A kutatók szerint az autonóm jármű ebben a tanulmányban felülmúlta az összes alapértéket, miközben a nagy nyelvi modelleket használták a vezetésre - még akkor is, ha olyan parancsokra reagáltak, amelyeket a modellek még nem tanultak meg.
Összességében, a járműgyártóknak az egyetemi kutatók által végzett tanulmányokon felül sokkal több tesztelést kellene végezniük nagy nyelvi modellekkel – vélekedett Wang.
Ezen túlmenően hatósági jóváhagyásra lenne szükség ahhoz, hogy ezeket a modelleket integrálják az AV kezelőszerveivel - vagyis ténylegesen vezethessék a járművet.
B.A.
