Volvo Cars Autonomous driving
​Bild: Volvo Cars

Kan vi lita på självlärande maskiner?

​Det behövs tillit till säkerheten innan självkörande bilar kan lanseras på allvar. Med hjälp av maskininlärning och djupinlärning utvecklas nyckeltekniker som ska ta oss dit – självlärande system.
En bil närmar sig en gatukorsning där en fotgängare står vid sidan av vägen och vrider på huvudet. Ska hon korsa gatan eller inte?
– Människor reagerar snabbt, nästan utan att tänka, men det har varit svårt att med traditionell datorseende-teknik få en självkörande bil att extrahera sådan information. Med djupinlärning börjar det bli möjligt, säger Erik Rosén, teknisk specialist på Zenuity.
 
Företaget Zenuity, som samägs av Volvo Cars och Autoliv, ska utveckla mjukvaran för att garantera säkerheten i självkörande bilar. Det handlar om att få bilen, eller som Erik Rosén säger ”datorn med fyra hjul”, att utifrån stora mängder trafikdata hitta mönster och samband för att köra säkert i trafiken.
– Djupinlärning, en form av maskininlärning som använder djupa neurala nätverk, har blivit hett de senaste åren. Tekniken är ovärderlig för oss, framför allt när vi utvecklar det vi kallar perceptionslagret.
 
För att komma åt spetskunskap samarbetar Zenuity tätt med Chalmers. På avdelningen för datavetenskap har de flera industridoktorander och Nasser Mohammadiha, teknisk specialist i maskininlärning på Zenuity, är adjungerad docent på Chalmers.
– I min dubbla roll ger jag också forskarna insyn i de utmaningar Zenuity står inför, vilket ger upphov till nya forskningsfrågor. Chalmers är en viktig del i den här utvecklingen.
 
Flera forskningsprojekt har startat i samverkan, bland annat kring verifiering av mjukvaran.
– Vi vill förstå varför systemet tar ett visst beslut. Hur tänker det? För att göra det måste vi gå tillbaka till källans ursprung. Vi gör tester med både bra och dåliga beslut. Ett säkert system måste kunna förutse alla möjliga scenarier, till exempel hur en annan bil förväntas köra. Det är mycket komplicerat, säger Nasser Mohammadiha.  
 
Utvecklingen går rasande snabbt och företagen tävlar om att få ut ett självkörande system på marknaden först. Har många för bråttom? Erik Rosén är rädd för det.
– En del teknikbolag är pigga på häftiga demonstrationer. De visar upp en kraftig supersensor, som är jättebra på att ta in information. Men vad händer om den slutar fungera, om den inte får kontakt med kartan eller om något annat går sönder?
 
På Zenuity arbetar de efter devisen ”Make it real”. Ett självkörande system må vara hur smart och bra som helst i trafiken – men så länge det inte kan säkerställas att det alltid fungerar är det inte säkert. För arkitekturen är ännu inte riktigt i hamn.
– Det behövs redundans i mjukvaruarkitekturen liksom i hårdvaran. Det är där den största utmaningen finns. Om en dator slutar fungera i bilen måste en annan kopplas på, om solen står lågt och bländar en kamera måste en radar eller någon annan sensor ta över.
 
Det låter nästan lite Nasa över det?
– Ja, det är faktiskt så, säger Erik Rosén och skrattar. Absolut, om man ska flytta ansvaret över bilen från föraren passeras en röd linje som är väldigt utmanande. Alla som vill sätta en produkt på marknaden måste jobba med redundans, säger Erik Rosén.
 
Han säger att Sverige ligger långt framme i utvecklingen av självkörande system, och redan 2021 hoppas han att Zenuity har ett på marknaden.
– Det betyder att föraren kan lämna över ansvaret för körningen men bara under vissa omständigheter. Jag kan inte säga exakt vilka idag, men väderförhållanden, ljusförhållanden och trafikmiljöer är vad som spelar in, säger Erik Rosén.
 
Text: Lars Nicklason
 
  • Maskininlärning är enkelt uttryckt algoritmer som tränas att lösa uppgifter baserade på statistiska mönster i stora mängder data.
  • Djupinlärning är maskininlärning som använder så kallade neuronnät (se nedan) som modell vid inlärning.
  • Artificiella neuronnät/neurala nätverk är självlärande algoritmer som försöker efterlikna funktionen i biologiska neuronnät (en signalmodell över hjärnan). Artificiella neuronnät kan ofta klara problem som är svåra att lösa med konventionell uppgiftsspecifik programmering. Ett neuronnät måste tränas med exempel innan det kan uppfylla sin tänkta funktion.
 

Välkommen till vårt initiativseminarium om Digitalisering:

Säkerhet & integritet| Maskinintelligens

Den 15 mars 2018 arrangerar Chalmers ett nytt initiativseminarium om Digitalisering. Den här gången presenterar vi ett mer inriktat program – en halvdag om maskinintelligens och en halvdag om säkerhet and integritet.
 

Publicerad: må 26 feb 2018. Ändrad: fr 01 feb 2019