ChatGPT لتعزيز السيارات ذاتية القيادة
في عجلة من أمرك؟ إليك الحقائق السريعة!
- اكتشف المهندسون أن النماذج اللغوية الكبيرة مثل ChatGPT يمكن أن تعزز قدرات القيادة الذاتية للسيارات.
- تساعد النماذج اللغوية الكبيرة السيارات الذاتية القيادة في تفسير الأوامر بطريقة طبيعية، مما يعزز تجربة المستخدم.
- تم تقييم السيارات الذاتية القيادة التي تستخدم النماذج اللغوية الكبيرة على أنها أكثر راحة من النماذج التقليدية.
أفاد مهندسون من جامعة بيردو أن المركبات ذاتية القيادة (AVs) يمكنها استخدام ChatGPT ودردشة بوتس الأخرى، التي تعتمد على خوارزميات الذكاء الصناعي المعروفة باسم نماذج اللغة الكبيرة (LLMs)، لتعزيز قدراتها على القيادة.
تقوم دراستهم، التي ستُعرض في الـ 25 من سبتمبر في المؤتمر الدولي ال27 للIEEE حول النظم الذكية للنقل، بكيفية مساعدة LLMs للAVs على تفسير أوامر الركاب بطريقة أكثر طبيعية، مما قد يمثل نقطة تحول في التفاعل بين الإنسان والمركبة.
على عكس أنظمة AV الحالية، التي تتطلب مدخلات دقيقة، يتم تدريب LLMs لتفسير الكلام البشري بطريقة أكثر مرونة وتفاعلية.
تشرح الدكتورة وانج، الباحثة الرئيسية في الدراسة، أن واجهات السيارات التقليدية غالباً ما تتضمن الضغط على الأزرار أو إصدار أوامر صوتية صريحة. من ناحية أخرى، تتيح LLMs حوارًا أكثر بديهية وطبيعية مع الركاب.
رغم أن الـ LLMs لا تتحكم مباشرة في السيارة، إلا أن الباحثين أوضحوا أنه يمكن استخدام الـ LLMs لمساعدة النظم الحالية للسيارة الذاتية القيادة، مما يجعل تجربة القيادة أكثر تخصيصًا واستجابة لاحتياجات الركاب.
في تجربتهم، قام فريق البحث بتدريب ChatGPT على مجموعة متنوعة من الأوامر، سواء كانت مباشرة أو غير مباشرة. تتضمن الأمثلة “قد بشكل أسرع” أو “أشعر بالدوار من الحركة”، مما يعلم النموذج كيفية التكيف مع المواقف المختلفة.
قام الباحثون بتجربة برامج الدردشة الأخرى، مثل Gemini من Google وLlama AI من Meta، لكنهم وجدوا أن ChatGPT كان الأفضل في الأداء.
وقد قام النموذج بمعالجة هذه الأوامر مع الأخذ في الاعتبار الظروف المرورية الحقيقية، والطقس، والبيانات الواردة من أجهزة الاستشعار للمركبة.
المركبة، التي تعمل بمستوى الاستقلالية الرابع (مرحلة واحدة فقط أدنى من الاستقلالية الكاملة)، استخدمت التعليمات التي تم توليدها بواسطة LLM للتحكم في الدواسة، الفرامل، التروس، والدفة.
في بعض التجارب، اختبر فريق وانغ وحدة الذاكرة التي أضافوها إلى النظام. سمح هذا للنماذج اللغوية الكبيرة بتخزين معلومات حول تفضيلات الركاب في الماضي. ثم استخدمت النماذج تلك البيانات لتخصيص ردودها على الأوامر المستقبلية.
أُجريت تجارب في بيئة مراقبة، بما في ذلك مدرج مطار سابق في كولومبوس، إنديانا، حيث تم اختبار استجابات السيارة ذاتية القيادة (AV) للأوامر على سرعات الطرق السريعة وفي التقاطعات.
أفاد الباحثون أن المشاركين وجدوا ركوبهم في السيارة ذاتية القيادة التي تمت مساعدتها بواسطة الـ LLM أكثر راحة من النظم التقليدية للسيارات ذاتية القيادة. كما أن السيارة تفوقت بشكل مستمر على المعايير الأساسية للسلامة، حتى عند الاستجابة للأوامر الجديدة.
هذا ذو صلة خاصة بما أن السيارات ذاتية القيادة تُستخدم بشكل متزايد كسيارات أجرة، حيث قد تعزز الخبرات المُخصصة من رضا الركاب.
استغرقت النماذج اللغوية الكبيرة المستخدمة في هذه الدراسة متوسطًا 1.6 ثانية لمعالجة أمر الراكب، وهو ما يعتبر مناسبًا لمعظم الحالات ولكنه يحتاج إلى أن يكون أسرع في حالات الطوارئ، كما لاحظ الدكتور وانغ.
بينما لم يركز هذا البحث على ذلك، يمكن أحياناً للنماذج اللغوية الكبيرة مثل ChatGPT أن تقوم بما يسمى ب”الهلوسة”، وهذا يعني أنها تفسر المعلومات بشكل خاطئ وتقدم ردوداً غير صحيحة.
لمعالجة هذا، أنشأ الفريق تدابير الأمان لحماية الركاب عندما تسيء النماذج فهم الأوامر. تحسنت النماذج في فهم الأوامر أثناء الرحلة، ولكن يجب إصلاح الهلوسة قبل أن يمكن استخدام هذه النماذج في السيارات ذاتية القيادة.
ستحتاج شركات تصنيع السيارات أيضًا إلى إجراء المزيد من الاختبارات بعد البحوث التي أجرتها الجامعات بالفعل. بالإضافة إلى ذلك، سيكونون بحاجة إلى موافقة تنظيمية قبل أن يمكن دمج نماذج اللغة الكبيرة بشكل كامل في السيارات ذاتية القيادة للسيطرة على وظائف القيادة للمركبة، كما قالت وانغ.
اترك تعليقًا
إلغاء