כך עולה ממחקר של חברת הייעוץ ארתור ד. ליטל שהאנליסטים שלה ניתחו את מצב השימוש בבינה מלאכותית בתחבורה הציבורית, בניהול תשתיות ובאופן חלקי גם ברכב הפרטי * תחום הבינה המלאכותית היה אחד מהנושאים המרכזים של כנס ChipEx2021 שהתקיים השבוע
מאת מייקל מג'סטר , פרנסואה ז'וזף ואן אודנהוב, אוליבייה ניננה, אוליבייה פיילוט , מתייה בלונדל , ד"ר קלאוס שמיץ , מייקל איידן, ריק איגר – חברת המחקר Arthur D. Little
אחרי כל ההייפ בשנים האחרונות, מכוניות אוטונומיות, קרי מכוניות ללא נהג המונחות על ידי בינה מלאכותית (AI) עדיין נמצאות במרחק של שנים בעתיד. עם זאת, עד אז עדיין קיים פוטנציאל עצום לבינה המלאכותית לסייע בפתרון אתגרי תחבורה ורכב קריטיים רבים כעת ובעתיד, הן מבחינת שיפור האפקטיביות עבור מצבים מסוימים, כגון רכבות ומטוסים, והן מבחינת אופטימיזציה של הרכב הביתי ואפשרות של רמת מערכת רחבה יותר שתגיב על מצבים רבים. מהן כמה מההזדמנויות המבטיחות ביותר כיום ומהן התנאים המוקדמים החשובים להתקדמות?
חלון הזדמנויות לשינוי קיצוני במערכות הרכב
ניתן לומר כי AI נמצא כעת בקטע של "התפכחות" של עקומת ההייפ המפורסמת, כאשר התחזיות האופטימיות הקודמות של השפעות הטרנספורמציה כבר בטווח הקרוב מתוקנות כעת כלפי מטה. בפרט בכל הקשור לרכבים אוטונומיים, שבהם חששות הבטיחות והרגש הצרכני השלילי הביאו את רוב המשקיפים לחזות פריסה רק בהקשרים מוגבלים ומופרדים, לפחות בטווח הקצר עד הבינוני.
משבר הקורונה בהחלט לא עזר – עם ניסויים והשקות שנדחו או נגנזו. עם זאת, ההפרעה שנגרמה על ידי המגפה הייתה גם מהפך גדול. היא גרמה לחברה להבין לראשונה שניתן לשנות באופן דרסטי את הרגלי הניידות, במיוחד בערים.
המגיפה האיצה מגמות רבות שכבר היו קיימות, כולל יותר עבודה מהבית; שימוש רב יותר במצבי תחבורה בודדים במקום בהסעת המונים ודאגות ציבוריות גדולות יותר לגבי בריאות, בטיחות וקיימות סביבתית.
בגלל האצה זו, השנים הבאות מציעות חלון הזדמנויות ייחודי לבצע שינויים קיצוניים לעבר המטרה של מערכות רכב בר-קיימא, גמישות יותר וממוקדות אנוש.
כיצד יכולה הבינה המלאכותית לסייע בהבאת השינוי?
ל- AI פוטנציאל עצום לעזור לחולל שינוי זה, הרבה מעבר לכלי רכב אוטונומיים. ברמה בסיסית מאוד, AI יכול לעשות שלושה דברים מרכזיים לשיפור מערכות הרכב (ראה איור למטה):
- חישה – לכידה ופרשנות של נתונים שיכולים להגיע מהרשת, כמו מזג אוויר, זרימת תנועה וצפיפות.
- חשיבה – יצירת תובנות וניבוי תנאים עתידיים, כמו הפרעות וגודש.
- מעשה – סיוע לבני אדם בקבלת החלטות מהירות, כגון אופטימיזציה של מסלולים והתאמת מהירויות.
בהתבסס על יכולות אלה, בואו נסתכל על כמה הזדמנויות עבור AI, הן ביישומים ספציפיים והן לשיפור מערכת הניידות הכוללת. ל- AI יש פוטנציאל להתפתח יותר ויותר משלב החישה לכיוון שלב החשיבה ובסופו של דבר לפעולה.
- תכנון וביצוע תחבורתיים – מתכנון ארוך טווח ועד אופטימיזציה של זרימת התנועה בזמן אמת
AI משמשת כבר כדי לאפשר חיזויים דינמיים ומדויקים הרבה יותר של צרכי התשתית ברמה איזורית. דוגמה אחת היא מודל מערכות התשתית הלאומיות בבריטניה (NISMOD) , העוסק בתחומים מרובים, כולל אנרגיה, דיגיטציה, תחבורה וניהול מים. NISMOD עוסק הרבה יותר טוב בתלות הדדית בסוגים שונים של תשתיות ומאפשר רענון בזמן אמת של נתוני המקור. כאן, AI ממונפת באמצעות יכולת החישה באמצעות ייצוג ידע ולמידה עמוקה.
בקצה השני של הסקאלה, נעשה שימוש ב- AI לצורך אופטימיזציה דינמית של בקרת רשת התחבורה לשיפור המהירות והקיבולת ללא צורך בהרחבות פיזיות. אחת הדוגמאות הרבות היא תאגיד דרום נורפולק בארה"ב, המייעל באופן דינמי את דפוסי התנועה ברחבי רשת ההסעה ברכבת, ומאפשר לנהגי הרכבת להגביר את המהירות ב -10% -20%. מינוף חשיבה באמצעות יכולת המחשבה מאפשר עיבוד כמויות נתונים בזמן אמת גבוהות בהרבה מכפי שמשלח אנושי יכול היה להתמודד איתו.
דוגמה נוספת היא שדה התעופה צ'אנגי בסינגפור, שמציע מערכת אב-טיפוס המופעלת על ידי AI לחיזוי זמני הגעת טיסות ארוכות טווח בדיוק רב בהרבה ממה שהיה ניתן להשיג בעבר, והגיעה ל ~ 95% דיוק. שימוש בלמידת מכונה וקבלת החלטות בשלב החשיבה מאפשר ביצוע פעולות טיפול קרקעיות מגיבות ויעילות יותר, כמו גם תורים קצרים יותר לנוסעים.
- ניהול מחזור חיי נכסים ניישים – החל מתחזוקה ועד החלפת נכסים
AI כבר משמשת לאבחון מצב הנכס מתמונות שצולמו אוטומטית וממליץ על התערבויות תחזוקה, שיפור ביצועי הנכס והפחתת עלויות והשבתה. חברת הרכבות הלאומית של גרמניה דויטשה באן מפעילה מערכת כזו לתחזוקת מלאי ציוד; ישנם יישומים רבים במצבי תחבורה אחרים (למשל, השכרות ותחזוקת מטוסים).
שדות תעופה מובילים כמו סיאטל-טקומה אינטרנשיונל וגטוויק בלונדון משתמשים בזיהוי הווידאו וב- AI במוד של חשיבה כדי לשפר את האבטחה והיעילות של הפעילות. בהתבסס על נתונים לא מובנים מהמטוס, אסיה מזהה את המשימות שיש לבצע ומתאים אותן לנהלי תחזוקה כדי להבטיח שכל המשימות מבוצעות בצורה יעילה ובטוחה בכל הצוותים במסלול. AI משמשת גם כדי להגדיל את יכולות מפעילי התחזוקה (למשל, על ידי אספקה אוטומטית של נתונים קונטקסטואליים רלוונטיים לתיקון או הצבעה על היבטים שקשה אולי לראות בעין האנושית).
- ניהול משברים – החל מחיזוי ועד התאוששות עסקית
יכולות החישה והניבוי של הבינה המלאכותית אינן בעלות ערך רב לשיפור חוסן המערכת וניהול משברים. דוגמה לכך היא המערכת מבוססת ה- AI של מפעילת התחבורה בהונג קונג , שיכולה לחזות סוגים ספציפיים של אירועים עד חמישה ימים קדימה. המערכת נשענת על תחזיות מזג אוויר, אירועים היסטוריים, נתונים טופולוגיים ותנאים עכשוויים (למשל, צבע עלים וגובה עצים) כדי ליצור תובנות והמלצות שיעזרו למנוע הפרעה.
בתחום הרכב, חברת אאודי כבר אוספת נתוני חיישנים בכדי לחשב את החלקלקות בכבישים ומתאימה את המתלים בהתאם. לאחר מכן הנתונים מועלים לענן ומשודרים לכל מכוניות אאודי כדי להזהיר אותם מפני סכנות אפשריות לפניהן. ליישום זה של למידת מכונה בצורה חשיבה יש השפעה חיובית משמעותית על בטיחות הדרכים.
- מעורבות לקוחות – מתקשורת להתאמה אישית
AI מסייעת בהעלאת ההתאמה האישית של חוויית המשתמש ברכב לשלב הבא. לדוגמה, בסוף שנת 2020, אפליקציית הניווט וייז הציגה תכונות חדשות שמציעות באופן יזום מסלולים המשתמשים בהיסטוריית נסיעות אישית, לוקליזציה ונתוני זמן.
ההתאמה האישית תהיה רלוונטית יותר ויותר ככל שמערכות הרכב מתפתחות לקראת מרכזיות אנושית וקיימות רבה יותר. אפליקציות כמו AxonVibe ו- MotionTag , המאתרות ומנבאות דפוסי תנועה בזמן אמת, דוחפות מידע קונטקסטואלי רק ברגע הנכון ובמקום הנכון, דבר החיוני לחולל שינוי התנהגות.
בשדות תעופה ברחבי העולם משתמשים גם ברובוטים המופעלים על ידי AI כדי לשפר את חוויית הלקוח. ניתן להשתמש ביכולת Act True שכן רובוטים אלה מאומנים ברציפות לבצע מגוון רחב של משימות, החל מניקיון ואבטחה וכלה בצ'ק-אין ובטיפול במטען.
- רכבים אוטונומיים – מהבטחה למימוש
כלי רכב אוטונומיים (למשל, בצורה של תרמילים מחוברים קטנים המחליפים רכבים קונבנציונליים) הם עדיין הקצה המדמם של טכנולוגיית הבינה המלאכותית. הנה, AI נדרשת לחשב ברציפות ובמהירות כיצד להתקדם לאורך הכביש. ישנם מספר יתרונות פוטנציאליים, כולל הגדלת קיבולת הכביש, הפחתה בזיהום האוויר, הפחתת העומס עומס ושיפור הבטיחות. עם זאת, בניסויים וטייסים שונים בשנים האחרונות ראינו את המגבלות של הטכנולוגיות הנוכחיות והיינו מודעים יותר לאתגרים ההתנהגותיים, החברתיים והאתיים הרחבים יותר.
יהיה צורך בשיפורים נוספים של AI בכדי לדגם ולחזות תנועות אנושיות טובות יותר, ובני אדם צריכים להבין טוב יותר כיצד לחיות עם כלי רכב אוטונומיים.
יתר על כן, חלק מהיתרונות הצפויים, כגון גודש מופחת וטביעת רגל סביבתית, עשויים שלא להיות כל כך קלים להשגה. ארתור ד.ליטל ביצעה לאחרונה מחקר על שיפור הקיבולת הכללית שניתן להשיג מכלי רכב אוטונומיים. הגענו למסקנה שתנועה מעורבת (עם 50% כלי רכב קונבנציונליים שאינם אוטונומיים בכביש בנוסף לרכבים אוטונומיים) אכן תפחית את היכולת הכוללת בכ- 16% בהשוואה למצב קונבנציונאלי לחלוטין. יתרונות העומס בנהיגה אוטונומית, אפקט מכפיל משמעותי של פי עשרה בערך יושג רק אם נהנה מפריסה אוניברסלית של נהיגה אוטונומית. קשה לחזות את זה בעתיד הנראה לעין וייתכן שזה לא משהו שנכוון אליו. מה שנראה ברור הוא שלא משנה מה יהיה מסלול הפיתוח, כלי רכב אוטונומיים יצטרכו לעבד עוד נתונים כדי לממש את הבטחתם בשנים הבאות. בינה מלאכותית טובה יותר יהיה אחד הגורמים שיאפשרו לזה לקרות.
ישומי בינה המלאכותית יעמדו במרכז כנס ChipEx2021 שיערך ב-21 ביוני בגני התערוכה בת”א. בין המרצים בכנס כמה מהמומחים העולמים האחראים כיום לישומי בינה מלאכותית בחברות אנבידיה, קוואלקום, גוגל, Hailo, Vayyar ורבות אחרות. להרשמה לכנס לחצו כאן
עוד בנושא:
- אפל, אמזון וגוגל ישתתפו לראשונה בכנס ChipEx2021
- לקראת ChipEx2021: ד”ר אבנר לנדוור, אינטל: האימות הפורמאלי נכנס למיינסטרים
- שלומית וייס, אנבידיה: ChipEx מהווה פלטפורמה לכל עובדי התעשיה להחליף רעיונות יצירתיים
- לקראת ChipEx2021: מכוניות אוטונומיות תידרשנה למחשבי על
