Boston culla dell'auto autonoma? Forse no, ma di certo la città affacciata sulla confluenza dei fiumi Charles e Mistyc può vantare uno dei centri di eccellenza internazionale nello studio - fra le altre - della robotica applicata alla guida. Gli scienziati del Massachusetts Institute of Technology (Mit) - nel loro storico campus di Cambridge, nel nord della città - lavorano in modo continuo sulla tecnologia driverless.
Una novità è il sistema che potrebbe consentire all'intelligenza artificiale di districarsi in una delle situazioni potenzialmente più difficili. In autostrada, all’improvviso nello specchietto retrovisore appare la sagoma bianca di un’ambulanza che si avvicina, accompagnata dalle luci e dalle sirene spiegate. Per noi umani è facile accostare e lasciar passare. Ma l’auto a guida autonoma? Potrebbe avere – se così si può dire – un dubbio. Il software non ha occhi e orecchie. Nel suo sistema l’ambulanza è classificata come una serie di dati che ne forniscono la descrizione il cui elemento chiave è: grande veicolo bianco.
Gli esperti del Massachusetts Institute of Technology e di Microsoft hanno definito queste zone grigie della guida autonoma come “blind spots”. Sono elementi ambigui che possono generare una decisione errata della macchina e che vanno affrontati subito per rendere sicuri e affidabili i trasporti automatizzati del futuro. La soluzione trovata al Mit è che il robot alla guida fa accostare l'auto, come farebbe un essere umano.
Virtuale o reale?
I ricercatori hanno individuato una serie di situazioni, come quella dell’ambulanza in autostrada, in cui ciò che le auto autonome “imparano” in laboratorio non combacia con quello che capita nel mondo reale. Le auto-robot o, meglio, i loro sistemi che contengono i dati e le tecnologie di intelligenza artificiale che li elaborano per prendere decisioni, vengono testati in ambienti virtuali che simulano i molteplici scenari della guida su strada. Di solito questo è sufficiente a istruire la macchina, ma in alcuni casi, una volta messa nell’ambiente reale, l’auto autonoma può comportarsi in modo non corretto. La soluzione, secondo i ricercatori, è nell’affiancare in fase di training un istruttore in carne ed ossa: le simulazioni non bastano.
Ci vuole l’istruttore (umano)
Nel metodo che viene studiato dal Mit l’auto autonoma prima viene testata negli ambienti virtuali, poi viene messa su strada, in situazioni controllate ma reali, insieme a un istruttore in carne ed ossa che analizza e riporta tutti i casi in cui la macchina non si comporta nel modo corretto. “L’idea è di usare le persone per colmare il divario tra simulazione e guida su strada, in modo sicuro, così da ridurre i possibili errori”, afferma Ramya Ramakrishnan, autore della ricerca "Computer science and artificial intelligence laboratory" del Mit.
L’istruttore agisce in due modi. Il primo sono le “dimostrazioni”: l’essere umano mostra il comportamento corretto nel mondo reale e la macchina osserva e impara. Il secondo sono le “correzioni”: l’essere umano è nel veicolo come osservatore ma se l’auto prende una decisione non corretta l’uomo assume i comandi e l’auto registra l’intervento, associandolo a un suo errore.
L’obiettivo è fare un catalogo dei “blind spots” e un potenziamento dei programmi usati per l’apprendimento dei veicoli driverless, che si arricchiscono con i dati raccolti dagli istruttori di guida negli ambienti reali. L’insieme delle informazioni viene inserita nei sistemi di machine learning dell’auto autonoma migliorando l’affidabilità e la sicurezza della macchina. Poi guiderà da sola, ma per ora impara dalla conoscenza umana.
