BRIAN SCASSELLATI: Bonvenon al la CS50 AI video serio. Mia nomo estas Scas. Kaj hodiaŭ, ni tuj estos parolas pri memo-veturanta aŭtojn. Nun, mi estas iomete embarasita agnoski ke kiam Mi estis infano granda parto de mia infanaĝo rondiris ĉirkaŭ Davido Hasselhoff. Nun, tio estis antaŭ ol li estis implikitaj en nenio Ameriko Got Talent, aŭ implikita kiel Lifeguard en Baywatch, aŭ eĉ antaŭ ol li havis ian historion kiel popstelulo en Germanio. 

En mia infanaĝo, Davido Hasselhoff estis la apoga aktoro sur bonkonata televido serio nomita Knight Rider. Kaj mi diras estis la aktoro de divido, ĉar vere la stelo de tiu spektaklo estis aŭton, Trans Am nomon Kit, kiuj povis veturi per sin. Ilaro estis mirinda. Ĝi povis paroli al vi. 

Ĝi povus solvi problemojn. Ĝi povis veturi tra la tuta loko. Ĝi ankaŭ havis laseroj kaj raketoj. Tiel okazis fantazia veturilo komence. 

Sed tiu estis la scienco fikcio de la tempo, aŭtonomaj aŭtoj kiuj povis fari decidojn, kiuj povus veturi sur la vojo. Kaj ĉe ĉiu punkto en unu el tiuj epizodoj, Davido Hasselhoff volus akiri en problemo kaj la aŭto komencus veturanta kaj iri kaj savi lin. Tio estis nia scienco fikcio. 

Eĉ en nur la lastaj 30 jaroj, kiujn la scienco fikcio malaperis for en televido kaj sur la ekrano en realaĵon, en komercaj produktoj. Hodiaŭ, ni tuj parolos pri kiel estas ke aŭtonomaj veturiloj estas vere kapabla iri kaj veturi kaj al absolute mirindaj aferoj. Sed ni komencu per la historio. 

Ĉar tiuj mem-veturanta aŭtoj ne venis el nenie. Kaj fakte, la tre unua memo-veturanta aŭtoj, la vere unua influa esplorprojektoj, elvenis de projekto nomita Navlab. Navlab estis projekto kiu ĉirkaŭprenis preskaŭ du jardekoj en Carnegie Mellon Universitato. 

Ili konstruis la vario de malsamaj veturiloj ke komencis rigardanta kiel malgranda minivans, ke estis Humvees, kiuj estis eventuale nur sedanes kaj minivans, eĉ urbaj busoj. Kaj tiuj malsamaj aparatoj havas sensores en ili, havis komputa sistemoj metis en ilin, tiel ke ili povus stiri kaj dispecigis kaj akceli aŭtonome ĉiuj arope. Nun, tiuj sistemoj estis tre komenca ĉe la komenco. 

Kaj ili apogis sin sur tre specifaj leno markaĵoj. Do la plej impona sistemo kiu oni konstruis estis parto de Navlab kvin. Kaj en 1995, tiu veturilo, estis monovolumen, veturis el Pittsburgh por Sankta Diego, preskaŭ 3,000 mejloj. Kaj 98% de la tempo, la sola afero kontrolanta la direktilrado estis la komputilo. 

98% de la tempo, ĝi estis tute aŭtonomaj kiel ĝi veturis preskaŭ de marbordo al marbordo. Nun, jen nekredeble impresa. Kiam ni pensas pri tio, ekzistas multe por ni por konsideri. 

Kio specoj de sensiloj estis ĝi uzas? Kian decidon estis ĝi vere faras? Kio estis tio aliaj 2% de la tempo? 

Ni tuj provos atingi kelkaj el tiuj aferoj hodiaŭ. Kaj kiel ni rigardas ilin, ni tuj provos por malkovri kio ĝi estas ke la strukturo sube kaj kiel la kalkulado estas rekte stirante tiuj aplikoj. Nun, Navlab havis muchísimo sukceso. Kaj estis la bazo de ĉiuj niaj modernaj pensoj pri aŭtonomia veturiloj. 

Sed memo-veturanta aŭtoj ne vere fariĝi konata kaj populara ĝis en 2005 DARPA, kiel parto de ilia grandioza defio penon, kunmeti programon por provi konstrui aŭtonoman veturilo. Kaj ili faris tiun defion. Ili metis $ 2 milionoj premion tie ekstere kun la ideo ke iuj vere inteligenta esploroj teamo venus kune kaj esti povis pretendi tiu $ 2 milionoj premion. 

Nun, la premio ne estis tuj estos facile akiri. Por akiri la premion, vi havus konstrui veturilon kiu sen homa interveno povis veturi 150 kilometrojn Kompreneble tra la malglata tereno de la dezerto. Kaj tio estis multe taskon. 

Kaj en la momento, la homo pensis ke Ili estis vere freneza farante tion. Do la unua kunveno de la grandioza defio estis en 2004. Kaj el tiu 150 mejla kurso, la fora, la plej bona teamo kiun ili havis, rondiris 11 mejloj antaŭ la sistemo malsukcesis tute. 

Nun, por doni al vi ideon de kiom malfacila tio estas, ke 11 mejloj estis vidita kiel absoluta fenomena sukceso. Sed DARPA volis pli. Kaj tiel ili proponis tiun saman premion al la sekva jaro. 

Kaj nur unu jaron poste, la teknologio havis avancis al la punkto kie ne nur unu sistemo estis kapabla kompletigi la kurson, sed kvin malsamaj roboto aŭtoj finis tiun kurson. La plej rapida unu finita 132 mejloj en sub sep horoj. Tio estis roboto nomita Stanley. 

Stanley estis konstruita de la Stanford Racing Team. Kaj kiel vi povas vidi en la supro, ĝi havis numeron de malsamaj sensores supren sur la kapuĉo, supre sur la pinto de la veturilo, kaj ĉiuj dum. Uzante kombinaĵon de ĉambroj, transruĝa, kaj regula lumo, uzante radaro kaj sonaro sistemoj surŝipe, uzante lasero gamo buscadores detekti obstakloj, tiu veturilo povis navigi super tre kruda tereno aŭtonome direkto, aŭtonome rompanta, aŭtonome aplikante la gaso. 

Tio estis vera atingo. Hodiaŭ, ni vidas ĉi tiu okazante kiel granda skalo. Multaj el vi jam aŭdis pri Google mem-veturanta aŭto. Kaj tiuj veturiloj ensalutinta super 1.2 milionoj mejloj en la lastaj kelkaj jaroj, neniu homa interveno whatsoever. 

Fakte, ĉiufoje ke la Google aŭto havas estis implikita en iu speco de akcidento, ĝi estas ĉu tio estis ĉar ĝi estis parkita, aŭ ĉar iu homa estis tiel interesata en kio faris ke ili kuris en la aŭto. Do kun ĉiuj el tiuj sistemoj, ni vidas tiun kompleksecon emerĝantaj. Kaj en ĉi tiu tre mallonga tempodaŭro, ni malaperis el la regno de scienco fikcio por komerca realaĵo. 

Do ni komencu preni tiuj sistemoj dise. Ni provu kompreni kial ili laboras, kion ili vere faras. Por fari tion, ni tuj uzi la sama specoj de kapabloj ke ni raportis en klaso. Kiam ajn vi vidas problemon, kion ni tuj provos fari estas provi malkomponi ĝin. 

Starti kun la plej simpla formas ke ni povas. Kaj tiam konstrui eksteren de tiu simpla formo. Do kiu kondukas nin al la demando, kio estas la plej simpla formo de aŭtonoma veturanta? En kio punkto estas komputila vere en kontrolo de mia aŭto? 

Nun, la respondo eble surprizos vin tie. Ĉar preskaŭ ĉiu veturilo vendita hodiaŭ en Usono aŭ Eŭropo aŭ ie ajn fakte estas parte aŭtonoma veturilo. Uzante sistemojn kiel anti-seruro bremsoj, tiuj sistemoj estas vere aŭtonomaj. 

Tio estas, kiam mi tretis la paŭzo, kion mi faras estas mi demandanta la aŭto bonvolu rompi nun. Mi ne vere rekte paŝanta sur io ke aplikas la bremso kuseneto al la rotoro. Kaj la tuta punkto de anti-seruro bremsoj estas ke ĉe iu punkto en la vojo Mi povos premi malsupren sur la paŭzo. 

Sed la aŭto rekonos ke la rado sxanceligxas. Kaj ĝi akcelilo ke paŭzo signalo, por ke la bremsoj ne enfermi. Tiuj kontraŭ-seruro bremsoj sistemoj estas, en maniero, farante decidojn por vi. 

Kaj vere, ili estas tiuj kiuj komisias de la sistemo de bremsita. Vi farante peto. Sed vi fakte ne en kontrolo. 

Do ni povus provi rekoni tion kaj rompi ĝin malsupren en la komponanto partoj. Kaj ni povus pensi pri ĝi kiel iomete da _pseudocode_ kodon. Tio estas, dum mi estas tretante la bremso, dum mi apliki premon al la bremso pedalo, anti-seruro bremsoj sistemo estas kontrolanta senĉese vidi estas ĉiu el tiuj radoj glitanta. 

Kaj uzante iuj internaj sensores ene la aŭto, ili estas eltrovanta ĉu aŭ ne la rado estas reale haltante aŭ ĉu ĝi estas glitanta. Kaj se ĝi estas deslizante, la kontraŭ-seruro bremson sistemoj disengages la bremsoj, kaj tiam lasas lin iri. Kiam la radoj halti glitante, ĝi reapplies ilin. 

Tio estas, mi faras peton. Mi tretas la bremson. Sed la fakta dispecigo estas estanta decidis per tiu malgranda peco de programaro. Do vere, ĉiuj niaj aŭtoj estas Jam aŭtonomaj veturiloj. 

Nun, tio ne estas kion ni pensas pri kiam ni pensas pri aŭtonomaj veturiloj. Ni pensu pri aŭtoj kie mi povas prenu mian manon for de la rado, kaj ni povas simple lasi ĝin iri. Nun, tio ne okazas en grandioza skalo ĉie ankoraŭ hodiaŭ. 

Sed estas pecoj de ke tio estas komencantaj veni en la komerca sektoro. Ekde 2003, Toyota, kaj sekvante ke multaj aliaj fabrikantoj, cxiu de Ford kaj Lincoln al Mercedes Benz, estis proponante iu tipo de inteligenta parkadejo helpi. Tio estas, ekzistas sensiloj en la aŭto, tipe ultrasonaj sensores por mallonga gamo detekto de obstakloj, ke estas kapabla de rekoni kie ekzistas aŭtoj, veturiloj, homoj, ajna tipo de obstaklo ĉirkaŭ la veturilo. 

Vi tiam premi butonon sur la paŭzostreko kaj demandi la aŭto, bonvolu parki nun. Vi emisii peton. La aŭtonoma sistemo tiam prenas super kaj uzante tiuj sensores kapablas gvidi la aŭton en aparta parkado pozicio. En iuj de ĉi tiuj modeloj, ekzistas paralela parkado versio kaj subtenanta en loko versio. 

Kaj ĉiu el tiuj malsamaj aplikoj elvokas alian pecon de programaro. Nun, ke programaroj eble io stranga aŭ ne estas ion ke vi ne povas kompreni en ĉi tiu punkto. Ĝi simple sekvante tiuj Sensilo signaloj. 

Se estas io por proksime sur la maldekstra flanko kaj mi havas spacon sur la dekstra, poste mi stir iomete, por ke mi povas movi super al dekstre. Multaj el la fruaj parkado sistemoj kontrolus la direktilrado angulo, sed postulas la uzanto, la homa ŝoforo, efektive treti la akcelilon aŭ tretas la paŭzo. Pli modernaj sistemoj efektive rego ke tute aparte. 

Do ekzemple, en Mercedes S Klaso veturilo dekstra Nun vi povas tiri kune kie Vi ŝatus parki, premi butonon, kaj tio paralela parko por vi sen la manoj sur la rado aŭ viajn piedojn sur la pedaloj. Nun ĉiuj tiuj sistemoj fidi al la sensiloj ke ili estas konstruantaj en tiuj veturiloj nuntempe. Kaj ĉu ni uzu tiujn sentilojn por detekti eblajn obstaklojn kaj alarmi la uzanton aŭ ĉu ni uzu tiuj sensores por detekti obstaklon, kaj tiam aŭtomate stir for, tio estas nur afero de programaro. 

Fakte, nur kelkaj semajnoj, Teslo, kiu estas konstruadon fantazia veturiloj kun ĉiuj tiuj sensores en ili dum jaroj nun, emisiis programaro ĝisdatigon. Kaj ke programaro ĝisdatigo permesis la veturiloj unuafoje eniri aŭtomata kondukado pli, aŭtomatan piloton ili nomis. Tiu aŭtomata piloto permesis la veturilo detekti koliziojn kaj aŭtomate rompi, sekvi alian veturilon jen antaŭ ĝi, trafaj rapido, resti ene de la lenoj, rigardi kun ĉambroj, ambaŭ infraruĝa kaj videbla lumo, kaj povi diri ĉu aŭ ne vi drivanta el via lane aŭ Ne, ĝustigi la stirado taŭge, kaj eĉ ŝanĝi reloj kiam la uzanto signaloj. 

Ĉiuj ĉi tiuj malsamaj karakterizaĵoj estis nur demando de softvara ĝisdatigo. Tio estas, ĉiuj tiuj uzantoj vekiĝis unu matenon trovi ĉi tiu nova programaro disponebla en liaj veturiloj. Pro la sentilo sistemoj estis jam tie. 

Nun, en ĉiu el tiuj kazoj, ni vidas tiujn programaro bazitaj sistemoj igante pli kaj pli ofta. Ili estas tie ekstere en komercaj produktoj jam. Kaj la estonteco estas ke ni estas tuj vidos pli de tio. 

Fakte, ĝuste tio jaro, Freightliner estis povis senvualigi aŭtonoma kamiono, aŭtonoma traktoro tráiler, ke ili estas elprovanta laŭleĝe survoje en Nevado. Tiuj veturiloj, denove, sekvi antaŭdeterminita itinero. Ili restas ene de sia leno. 

Ili akcelas kaj decelerar en respondo al obstakloj aŭ trafiko kondiĉoj. Kaj ili eĉ obei iujn de la aliaj niceties de la vojo. Ĉiuj el tiuj sistemoj estas pli kaj pli kompleksa. 

Sed ili estas ankoraŭ ne tute aŭtonoma. Ili estas ankoraŭ ne tute faranta ĉion. Tio estas, ili estas ankoraŭ postulanta homa ŝoforo ĉeesti fari iu alta nivelo decidoj. 

Kaj unu el la aĵoj kiuj ni estas tuj vidos en la venontaj kvin jaroj Estas vario de jura kaj etikaj demandoj kiuj ĝiras ĉirkaŭ la programaro estanta konstruita por tiuj driverless aŭtojn. Kiamaniere oni driverless aŭto devus respondi se ĝi estas ĉirkaŭita de grupo de homoj? Kio okazas se la driverless aŭto glitante sur la vojo kaj vi povas stiri al amaso el 10 personoj aŭ amaso de 7 personoj? Kion la aŭto faras? 

En ĉiuj tiuj kazoj, ekzistas riĉa diversaj demandoj esti demandita. Kaj forestas nur programaro demandojn, juraj demandoj, etikaj demandoj, filozofiaj demandoj. Ili estas tiuj pri kiuj ni kiel komunumo devos trakti. 

Do mi lasas vin kun unu lasta pensis, ĉi tiu de Randall Munroe, de XKCD, unu el miaj preferataj bildstrioj. Ĝi estas ne nur ke ni tuj vidos tiuj veturiloj konstruata kaj esti desegnitaj per programaro. Sed ni tuj vidos personoj provas ekspluati ilin ankaŭ. 

Kial tuj estos kiam iu povas, super Wi-Fi, elŝuti diakilo aŭ alŝuti viruson al via aŭto? Kiajn aferojn okazos tiam? Ĉi tiu estas iom iom pli ludema de ekzemplo. Sed jen estas la demandoj ni tuj trakti baldaŭ. 

Dankon pro aliĝanta min. Mi esperas ke vi ĝuis ĝin. Kaj ni vidos vin proksima fojo.