Autonomes Fahren und KI

Transkript

1 Autonomes Fahren und KI Kann eine autonom steuernde KI den normal reagierenden menschlichen Fahrer sicher ersetzen/übertreffen? Marco-Marcel Pechtold 19. Januar 2018 Inhaltsverzeichnis 1 Einleitung 2 2 Allgemein Autonomiestufen Derzeitiger Stand Deep Learning 3 4 Fazit 4 1

2 1 Einleitung Ich werde eine Catchphrase sein. Im Folgenden wird sich genauer mit der Thematik der autonom fahrenden Autos auseinandergesetzt Anhand von Beispielen wird betrachtet werden, ab wann ein Auto als autonom fahrend gilt. Zusätzlich wird der Vorgang des maschinellen Lernens genauer betrachtet, welcher sich bei den KI s heutzutage steigender Beliebtheit erfreut. Abschließend wird bewertet, wie sicher solche Fahrzeuge in der Lage sind Hindernisse zu erkennen. 2 Allgemein Auch wenn derzeit in den Medien recht häufig von den automatischen Autos und ihren Autopiloten berichtet wird, so sind wir doch von einem tatsächlichen autonom fahrenden Auto noch einige Jahre entfernt. Der Grund hierfür liegt nicht daran dass es nicht schon einige autonom fahrende Autos gibt, sondern viel mehr daran, dass die Terminologie hier etwas strenger gehandhabt wird bevor man tatsächlich von einem autonom fahrenden Auto sprechen kann. 2.1 Autonomiestufen Die Society of Automotive Engineers hat 2014 eine Klassifizierung von autonom fahrenden Systemen herausgegeben die sich mittlerweile etabliert hat. Es handelt sich hierbei um eine sechsstufige Einordnung von Systemen die von Stufe 0(Fahrer fährt komplett selbstständig) bis hin zu Stufe 5(Fahrer braucht lediglich System starten und Ziel eingeben) reicht.[3] Die Stufen lauten wie folgt: ˆ Level 0 Keinerlei automatisierten Systeme unterstützen bzw ersetzen den Fahrer. ˆ Level 1 Der Fahrer wird in einigen Bereichen des Fahrens von dem System unterstützt.(bspw. Tempomat und Begrenzer) ˆ Level 2 Das System unterstützt den Fahrer bei allen primär aktiven Handlungen im Straßenverkehr(Beschleunigen, Lenken, Bremsen). Der Fahrer muss dennoch den Verkehr beachten. ˆ Level 3 Ab hier beginnt der als autonom fahrend bezeichnete Bereich. Das System übernimmt sowohl die primären als auch sekundären Aufgaben (Level 2 + Überwachung des Verkehrs). Der Fahrer dient lediglich als Reservesystem und muss auf Aufforderung des Systems reagieren können. 2

3 ˆ Level 4 Das System ist in bestimmten Umständen in der Lage die komplette Situation zu kontrollieren selbst wenn der Fahrer nicht rechtzeitig reagiert. ˆ Level 5 Das System kann unter allen Umständen dieselbe Sicherheit wenn nicht sogar eine höhere Sicherheit als ein menschlicher Fahrer gewährleisten. 2.2 Derzeitiger Stand Selbstverständlich versuchen viele Autohersteller in der aktuellen Zeit mit der Zeit zu gehen und ihr Auto als DAS autonom fahrende Auto zu vermarkten. Ein sehr gutes Beispiel hier ist der Autopilot von Tesla, welcher oftmals als zukünftiges Level 5 System angepriesen wird. Auch wenn die Tesla Modelle allein vom Hardwarestand durchaus ein Level 5 System zu sein, so verlangt der Tesla Autopilot derzeit noch vom Fahrzeugführer, die Hände permanent auf dem Lenkrad zu lassen und das Geschehen zu beobachten. Dies würde den Tesla Autopiloten zu einem autonomen System des Levels 2 machen welches noch einen langen Weg zur Spitze vor sich hat. 3 Deep Learning Beschäftigt man sich eine Weile mit autonom fahrenden Vehikeln, so ist der Begriff künstliche Intelligenz nicht sehr fern. Wenn man den derzeitigen Stand der Technik hinter den KI s betrachtet trifft man auf einen bestimmten Begriff: Deep Learning. Das als Deep Learning bekannte Verhalten beschreibt die Fähigkeit, einem künstlich geschaffenen Wesen zu ermöglichen, ähnlich einem Menschen aus seinen Fehlern zu lernen. Eine Entscheidung beruht meist auf beobachteten Eingangswerten und der Verwertung dieser aufgrund von Erfahrung seitens des Entscheidenden. Es gibt somit einen Input(Beobachtung) und einen Output(Entscheidung) zwischen welchen durch unser Gehirn eine logische Verbindung geschaffen wird. Diese logische Verbindung wird im Falle von künstlichem Denken durch mehrere sogenannte Hidden Layer(vgl 1a) innerhalb des Netzes simuliert. Die genaue Funktionsweise von den Hidden Layers soll hier jedoch nicht erläutert werden, da sie zu komplex sind um sie in einen Text dieser Länge zu quetschen ohne etwas wichtiges auszulassen. Wir gehen nun einfach erstmal davon aus, dass die Input Layer Daten bekommen und diese durch dir Hidden Layer letztendlich als getroffene Entscheidung aus dem Output rausgegeben werden. Diese getroffene Entscheidung wird nun von dem weiteren Vorgehen ausgewertet und bewertet. Ausgehend von der Bewertung der Entscheidung verbessert sich das System in seinen Layern und wird so begangene Fehler nicht unter den selben Umständen wiederholen. In Bezug auf 3

4 (a) Beispiel von einem neuralen Netz mit zwei Hidden Layer [1] selbst fahrende Autos wird dieses Prinzip meist angewendet um die Erkennung von Hindernissen zu verbessern. Bereits nach einigen Wochen Lernzeit kann man oft enorme Verbesserungen in den maschinellen Entscheidungen erkennen.[2] 4 Fazit Abschließend lässt sich in Bezug auf die Sicherheit von KI s im Straßenverkehr nur behaupten, dass diese zwar mittlerweile bedeutend besser geworden sind als noch vor einigen Jahren aber immernoch einen weiten Weg vor sich haben um den Menschen tatsächlich sicher zu ersetzen. Algorithmen wie zum Beispiel der des Deep Learnings helfen enorm dabei die Technologie in diesen Bereichen voran zu bringen und gestalten das Programmieren dieser KI s wesentlich einfacher. Es ist nahezu unumgänglich, dass wir in den kommenden Jahren vermehrt selbst fahrende Autos sehen werden, die uns in Fahrkönnen und Aufmerksamkeit weit überlegen sind. Vorausgesetzt, dass die technologischen Fortschritte ihren derzeitigen Zeitplan beibehalten. Literatur [1] Nvidia artikel über anwendung von deep learning in gpu s. digits-deep-learning-gpu-training-system/. Accessed:

5 [2] Nvidia deep learning autonomes auto. watch?v=qhuvqikec2u. Accessed: [3] Sae 6 automation levels. Accessed: