После Grand Challenge 2007 г. DARPA ушли от концепции беспилотных автомобилей, поскольку их стратегия финансирования больше не включает автономные транспортные средства. «Жизнь непредсказуема по определению. Для программиста будет непосильной задачей учесть каждую проблему или неожиданную ситуацию, которая может возникнуть, поскольку системы машинного обучения достаточно чувствительны к нарушениям шаблонов из-за того, что в реальном мире сталкиваются с нерегулярностью и непредсказуемостью, – прокомментировала в 2017 г. программный менеджер программы «Машины непрерывного обучения» DARPA Хава Сигельман. – Сегодня, если вы хотите развить способности систем машинного обучения и научить их выполнять новые задачи, то придется выключить их и вновь провести обучение на релевантных для конкретной ситуации данных. Пока этот подход попросту не поддается масштабированию»
[107].
Тем не менее мечта продолжает жить – в коммерческой сфере. Сегодня решения относительно правил для беспилотных транспортных средств в США лежат на плечах штатов. Невада, Калифорния и Пенсильвания пока лидируют, остальные штаты только начали задумываться о позволении некоторого уровня автономности вождения.
Тот факт, что последнее слово остается за штатом, представляет серьезную проблему. Все потому, что разработка программного обеспечения под 50 разных стандартов – предприятие практически невозможное. Программисты предпочитают один раз написать программу, а затем многократно ее использовать. Учитывая 50 штатов плюс Вашингтон и другие территории США, где свои правила дорожного движения и стандарты для автономных устройств, программистам придется перепрограммировать движение для каждого из них. В конце концов мы вскоре столкнемся с такой же странной и бестолковой ситуацией, как со школьными учебниками. Права каждого штата важны для американской демократии, но с точки зрения программирования они – монстры, с которыми придется бороться. Программисты даже не любят набирать текст на клавиатуре; сложно представить в них настолько мощную тягу к подробностям, что они добровольно пойдут навстречу правилам дорожного движения 50 штатов и затем будут обсуждать особенности разработки с каждым покупателем автономной машины в каждом штате.
Когда мы говорим о беспилотных автомобилях, вновь всплывают проблемы коммуникации. Чтобы наладить обсуждение, Национальное управление по безопасности движения автотранспорта (NHTSA) разработало комплексное определение феномена. Долгое время программисты и менеджеры использовали словосочетание «автономные машины», не конкретизируя, что именно они имеют в виду. Повторюсь: словосочетание, понятное в обычной жизни, бессмысленно в политике. Чтобы достигнуть консенсуса в спорах Дикого Запада о сущности автономных машин, NHTSA опубликовало список категорий таких устройств. Федеральная политика беспилотных транспортных средств от 2016 г. гласит следующее:
Для каждого из уровней автоматизации существовали собственные определения, в связи с этим требовалась стандартизация, позволяющая внести ясность и системность. В данной Политике используются определения уровней автоматизации, принятые Международным сообществом автомобильных инженеров (SAE) и основанные на принципе «кто, что и когда делает».
В целом:
● SAE Level 0, водитель-человек делает все самостоятельно;
● SAE Level 1, автоматизированная система транспортного средства может периодически помогать водителю выполнять некоторые маневры;
● SAE Level 2, автоматизированная система транспортного средства может полностью проводить некоторые маневры под контролем человека, следящего за внешней обстановкой и обеспечивающего остальные задачи управления транспортным средством;
● SAE Level 3, автоматизированная система способна проводить некоторые маневры и в некоторых случаях следить за внешней обстановкой, однако человек должен быть готов в любой момент взять управление на себя при запросе системы;
● SAE Level 4, в некоторых случаях и при определенных условиях автоматизированная система способна выполнять водительские задачи и следить за внешней обстановкой, у человека нет необходимости брать на себя управление;
● SAE Level 5, автоматизированная система может выполнять все водительские задачи при любых условиях так, как если бы их выполнял человек
[108].
Эти стандарты переделывали как минимум один раз, может, два, пока я писала книгу – что вновь напоминает нам о постоянно меняющихся школьных стандартах. На уровнях 3 и 4 системам необходимо считывать окружающую среду посредством сложных и дорогих сенсоров: в основном LIDAR, GPS, IMU и камер. Данные, получаемые от них, затем переводятся в двоичный код, обрабатываемый тем же аппаратным оснащением, которое использовалось для «слоя», как в случае с сэндвичем с индейкой из главы 2, и которым разработчики Пенсильванского университета напичкали кузов «Малыша Бена». Для выполнения водительских функций каждый уровень требует все более высокой вычислительной мощности, отвечающей количеству поступающих данных. Пока еще никому не удалось создать подобные аппаратное и программное решения, которые гарантировали бы безопасную езду в любой местности и при любой погоде. «На данный момент на рынке нет транспортных средств выше 2-го уровня автономности», – писал Юнко Йошида в статье об ультрасовременных компьютерных чипах для транспортных средств в октябре 2017 г.
[109] Уровень 5 не существует для обычных условий вождения и, вероятно, никогда не будет существовать.
За последние годы развились технологии помощи водителю, они и составляют большую часть разработок беспилотных транспортных средств. Так, на уровнях 0–2 можно найти ряд весьма полезных инноваций. Людям действительно нравится, что машины могут парковаться параллельно, хотя бесконечная отработка геометрических вычислений – ужасное применение новейших технологий.
Большинство исследований из области разработки беспилотных машин, равно как некоторые тренировочные данные, можно найти на платформе arXiv и других исследовательских репозиториях. Есть пакет тренировочных данных на GitHub, и открытый код – тот, что используют в рамках соревнования по проектированию беспилотных автомобилей, – можно найти на Udacity
[110] (последнее детище Трана). Я взглянула на массив графических данных, в нем было меньше информации, чем я полагала. Основной изъян заключается в том, что там нет встроенной погрешности и алгоритмы не способны предсказать, что именно не включено. Как в случае с данными «Титаника», невозможно предсказать закономерность прыжков с тонущего корабля после того, как уплыли все спасательные шлюпки.
