اختر منطقتك 
حالة الطقس 
إن فقدان قوة الجر أثناء القيادة بسرعة عالية يعد خبرًا سيئًا للغاية بشكل عام. وقد طور علماء من معهد أبحاث تويوتا وجامعة ستانفورد زوجًا من السيارات ذاتية القيادة التي تستخدم الذكاء الاصطناعي للقيام بذلك بطريقة محكومة – وهي الحيلة المعروفة باسم “الانجراف” – لدفع حدود القيادة الذاتية.
في مايو/أيار الماضي، قامت المركبتان ذاتيتا القيادة بأداء حركات جريئة من خلال الانجراف في مسار سباق ثاندرهيل في ويلوز، كاليفورنيا. وفي مقطع فيديو ترويجي، تدور السيارتان حول المسار على بعد أقدام قليلة من بعضهما البعض بعد أن تخلى السائقون البشريون عن السيطرة.
يقول كريس جيرديس، أستاذ في جامعة ستانفورد والذي قاد مشاركة الجامعة في المشروع، لمجلة WIRED إن التقنيات التي تم تطويرها لهذا الإنجاز قد تساعد في نهاية المطاف أنظمة مساعدة السائق في المستقبل. ويقول جيرديس: “أحد الأشياء التي ننظر فيها هو ما إذا كان بوسعنا أن نؤدي نفس أداء أفضل السائقين البشر”.
قد تستخدم أنظمة مساعدة السائق المستقبلية الخوارزميات التي تم اختبارها على مسار كاليفورنيا للتدخل عندما يفقد سائق السيارة السيطرة، وتوجيه السيارة بعيدًا عن المتاعب كما يفعل سائق الحركات البهلوانية. يقول جيرديس: “ما فعلناه هنا يمكن توسيع نطاقه لمعالجة مشاكل أكبر مثل القيادة الآلية في السيناريوهات الحضرية”.
إن هذا المشروع يمثل عرضاً أنيقاً للقيادة الذاتية عالية السرعة، على الرغم من أن المركبات ذاتية القيادة لا تزال بعيدة عن الكمال. فبعد عقد من الوعود والدعاية، تعمل سيارات الأجرة الآن بدون سائق في بعض المواقف المحدودة. ومع ذلك، لا تزال المركبات عرضة للتعطل وقد تتطلب مساعدة عن بعد.
قام باحثو تويوتا وجامعة ستانفورد بتعديل سيارتين رياضيتين من طراز GR Supra بأجهزة كمبيوتر وأجهزة استشعار تتعقب الطريق والمركبات الأخرى، بالإضافة إلى نظام التعليق في السيارة وخصائص أخرى. كما طوروا خوارزميات تجمع بين النماذج الرياضية المتقدمة لخصائص الإطارات والمسار مع التعلم الآلي الذي يساعد السيارات على تعليم نفسها كيفية إتقان فن الانجراف.
وتقول مينغ لين، الأستاذة بجامعة ميريلاند التي تدرس القيادة الذاتية، إن هذا العمل يمثل تقدمًا مثيرًا في مساعدة السيارات ذاتية القيادة على العمل في الظروف القاسية. وتضيف: “إن أحد أكبر التحديات التي تواجه السيارات ذاتية القيادة هو العمل بأمان في الأيام الممطرة أو الثلجية أو الضبابية، أو في الإضاءة الضعيفة في الليل”.
وتضيف لين أن مشروع تويوتا-ستانفورد يوضح أهمية الجمع بين التعلم الآلي والنماذج المادية في العالم الخارجي. وتقول: “على الرغم من أنه مجرد عرض أولي، فمن الواضح أنه يتجه في الاتجاه الصحيح”.
في عام 2022، أظهرت تويوتا وستانفورد لأول مرة خوارزميات تسمح للسيارات ذاتية القيادة بالانجراف. يتطلب أداء سيارتين لهذه الحيلة في انسجام تحكمًا أفضل ويتضمن تواصل المركبات مع بعضها البعض. تم تغذية السيارات ببيانات من لفات يقودها سائقون محترفون. حسبت أجهزة الكمبيوتر الخاصة بكل منهما مشكلة تحسين تصل إلى 50 مرة في الثانية لتحديد كيفية تحقيق التوازن بين التوجيه وخانق الوقود والفرامل.
يقول أفيناش بالاشاندران، نائب رئيس قسم القيادة التفاعلية البشرية في TRI: “إن ما نبحث عنه هنا حقًا هو كيفية التحكم في السيارة في أقصى درجات الأداء، عندما تنزلق الإطارات، وهو النوع من الظروف التي قد تواجهها عندما تقود على الثلج أو الجليد”. “عندما يتعلق الأمر بالسلامة، فإن كونك سائقًا عاديًا ليس جيدًا بما يكفي، لذلك نحن نتطلع حقًا إلى التعلم من أفضل الخبراء”.
لقد شهد العالم تقدمًا ملحوظًا في مجال الذكاء الاصطناعي مؤخرًا بفضل نماذج اللغة الكبيرة التي تدعم برامج مثل ChatGPT. ومع ذلك، كما يسلط العرض التوضيحي للانجراف المزدوج الضوء على أن إتقان العالم المادي الفوضوي وغير المتوقع يظل أمرًا مختلفًا تمامًا.
يقول بالاشاندران في إشارة إلى الطريقة التي قد تخطئ بها نماذج اللغة الكبيرة في الحقائق: “في ماجستير القانون، قد لا تكون الهلوسة نهاية العالم. ومن الواضح أن الأمر قد يختلف تمامًا في حالة السيارة”.
