BRIAN Scassellati: Welcome naar de CS50 AI video-serie. Mijn naam is Scas. En vandaag, gaan we zijn praten over zelf-rijden auto's. Nu, ik ben een beetje beschaamd om toe te geven dat wanneer Ik was een kind een groot deel van mijn jeugd draaide rond David Hasselhoff. Nu, dit was voordat hij betrokken was in zoiets America's Got Talent, of betrokken als badmeester in Baywatch, of zelfs voordat hij een soort van geschiedenis had als een popster in Duitsland. 

In mijn jeugd, David Hasselhoff was de acteur in een bijrol op een bekende tv- serie genaamd Knight Rider. En ik zeg dat hij de acteur in een bijrol, want echt de ster van deze show werd een auto, een Trans Am naam Kit, die kon rijden door zelf. Kit was geweldig. Het kan met je praten. 

Het zou oplossen. Het zou allemaal rijden over de plaats. Het had ook lasers en raketten. Dus het was een fantastische voertuig te beginnen. 

Maar dit was de wetenschap fictie van de tijd, autonome auto's die beslissingen te kunnen maken, die kunnen rijden langs de weg. En op elk punt in een van deze gebeurtenissen David Hasselhoff zou in de problemen en de auto zou beginnen rijden en gaan en hem te redden. Dat was onze science fiction. 

Zelfs in slechts de laatste 30 jaar, dat science fiction is gegaan van op televisie en op het scherm in de werkelijkheid, in commerciële producten. Vandaag gaan we praten over hoe het is dat autonome voertuigen zijn echt om te gaan en te rijden en om te kunnen absoluut geweldig dingen. Maar laten we beginnen met de geschiedenis. 

Omdat deze zelfrijdende auto's niet uit het niets komen. En inderdaad, het eerste zelf-rijden auto's, de echt eerste invloedrijke onderzoeksprojecten, kwam uit een project genaamd Navlab. Navlab was een project dat overspannen bijna twee decennia aan de Carnegie Mellon Universiteit. 

En zij bouwden een verscheidenheid van verschillende voertuigen die begon op zoek zoals kleine minibusjes, dat waren Humvees, die uiteindelijk gewoon waren sedans, en minivans, zelfs stadsbussen. En deze verschillende apparaten hebben sensoren in hen, had computational systemen in hen, dus dat ze konden sturen en remmen, en versnellen autonoom Alle op zichzelf. Nu, deze systemen zeer primitieve bij de start. 

En ze ingeroepen zeer specifieke wegmarkeringen. Dus de meest indrukwekkende systeem dat ze hadden gebouwd was onderdeel van Navlab vijf. En in 1995, dit voertuig, het was minivan, reed van Pittsburgh naar San Diego, bijna 3000 mijl. En 98% van de tijd, de enige ding regelen van de stuurinrichting was de computer. 

98% van de tijd was volledig autonoom als het reed bijna van kust tot kust. Nu, dat is ongelooflijk indrukwekkend. En als we denken dat, er is veel voor ons om te overwegen. 

Welke soorten sensoren werd gebruikt? Wat voor beslissing was het echt te maken? Wat was dat andere 2% van de tijd? 

We gaan proberen te bereiken een aantal van deze problemen vandaag. En als we kijken naar hen, we gaan proberen om te ontdekken wat het is dat de structuur eronder en hoe de berekening direct rijden deze toepassingen. Nu, Navlab was een enorm succes. En het was de basis van al onze moderne gedachten over autonome voertuigen. 

Maar zelf rijden auto's niet echt uitgegroeid tot een bekende en populaire totdat in 2005 DARPA, als onderdeel van hun grote uitdaging inspanning, samen een programma om te proberen bouwen van een autonoom voertuig. En zij maakten dit een uitdaging. Ze zetten een $ 2 miljoen prijs daar met het idee dat sommige echt slim onderzoek team zou langs komen en in staat om dit $ 2.000.000 prijs te claimen. 

Nu, de prijs was niet makkelijk te krijgen zijn. Om het te krijgen prijs, zou u om een ​​voertuig te bouwen die zonder menselijke tussenkomst was in staat om 150 mijl te rijden Natuurlijk door het ruige terrein van de woestijn. En dat was een stuk taak. 

En op het moment, mensen dachten dat ze waren echt gek om dit te doen. Dus de eerste vergadering van de grote uitdaging was in 2004. En uit die 150 mijl natuurlijk de verst, het beste team dat ze hadden, ging ongeveer 11 mijl voor het systeem volledig is mislukt. 

Nu, om u een idee te geven hoe moeilijk dat is, dat 11 mijl werd gezien als een absoluut fenomenaal succes. Maar DARPA wilde meer. En dus ze boden deze zelfde prijs het volgende jaar. 

En slechts een jaar later, de technologie had gevorderd tot het punt waar niet één systeem kon de cursus, maar vijf verschillende robot auto's klaar die cursus. De snelste klaar 132 mijl in minder dan zeven uur. Dat was een robot met de naam Stanley. 

Stanley werd gebouwd door de Stanford racing team. En zoals je kunt zien op boven, had een aantal van verschillende sensoren op het kap, op de top van het voertuig, en al heel. Door een combinatie van camera's, infrarood, en regelmatig licht, met behulp van radar en sonar aan boord, met behulp van laser afstandsmeters op te sporen obstakels, dit voertuig kon om te navigeren over zeer ruw terrein autonoom besturing, autonoom breken, autonoom aanbrengen van het gas. 

Dat was een echte prestatie. Vandaag zien we dat dit gebeurt zelfs als een grotere schaal. Velen van jullie hebben gehoord van Google zelf-rijdende auto. En deze voertuigen hebben ingelogd op 1.2 miljoen mijl in de laatste paar jaar, zonder menselijke tussenkomst dan ook. 

In feite, telkens dat de Google-auto betrokken bij enige vorm van ongeval, het is ofwel omdat het werd geparkeerd, of omdat sommige menselijke was zo geïnteresseerd in wat het deed dat ze liep in de auto. Dus met al deze systemen, we zien deze complexiteit in opkomst. En in deze korte tijd, we hebben verdwenen uit het rijk van de wetenschap fictie commerciële realiteit. 

Dus laten we beginnen te nemen deze systemen apart. Laten we proberen te begrijpen hoe het komt dat ze werken, wat doen ze eigenlijk doen. Om dat te doen, gaan we gebruik van dezelfde soorten vaardigheden dat we hebben gesproken over in de klas. Wanneer u een probleem te zien, wat we gaan proberen te doen is om te proberen om het te ontleden. 

Begin met de eenvoudigste vormen dat we kunnen. En dan bouwen buiten van die eenvoudige vorm. Dus dat brengt ons bij de vraag, wat is de eenvoudigste vorm van autonome rijden? Op welk punt is een computer eigenlijk de controle over mijn auto? 

Nu, kan het antwoord u daar verrassen. Omdat bijna ieder voertuig verkocht vandaag in de VS of Europa of overal eigenlijk gedeeltelijk een autonoom voertuig. Met behulp van systemen zoals anti-spui remmen, Deze systemen zijn zeer autonoom. 

Dat wil zeggen, als ik stap op de break, wat ik doe is dat ik ben gevraagd de auto Neem nu breken. Ik ben eigenlijk niet direct intensivering op iets dat geldt het remblok aan de rotor. En het hele punt van de anti-lock remmen dat op een bepaald punt langs de weg Ik zal in staat zijn om af te drukken op de pauze. 

Maar de auto zal herkennen dat het wiel slipt. En het zal dat break signaal wurgen, zodat de rem niet opsluiten. Deze anti-lock remsystemen zijn, op een bepaalde manier, het nemen van beslissingen voor je. 

En echt, zij zijn degenen die zijn belast met het remsysteem. Je maakt een verzoek. Maar je bent niet echt onder controle. 

Dus we kunnen proberen om dit te erkennen en break it down in de samenstellende delen. En we konden denken over het als een beetje van pseudo-code. Dat wil zeggen, terwijl ik intensivering op de rem, terwijl ik het uitoefenen van druk het rempedaal anti-lock remsysteem continu controleren te zien is elk van deze wielen slippen. 

En het gebruik van een aantal interne sensoren binnen de auto, ze detecteren of of niet het wiel is eigenlijk stoppen of dat het gaat glijden. En als het schuiven, de anti-lock remsystemen ontkoppelt de remmen, en dan laat het gaan. En wanneer de wielen stoppen glijden, is opnieuw toegepast hen. 

Dat wil zeggen, ik ben het maken van een verzoek. Ik ben intensivering op de rem. Maar de werkelijke breken wordt beslist door dit kleine stukje software. Dus echt, al onze auto's zijn al autonome voertuigen. 

Nu, dat is niet wat we denken als we denken aan autonome voertuigen. Wij denken over auto's waar ik kan neem mijn handen weg van het wiel, en we kunnen gewoon laten gaan. Nu, dat gebeurt niet op een grote schaal overal nog vandaag. 

Maar er zijn stukjes dat beginnen in het bedrijfsleven komen. Sinds 2003, Toyota, en na dat vele andere fabrikanten, iedereen van Ford en Lincoln naar Mercedes Benz, is het aanbieden van een soort intelligente parkeerhulp. Dat wil zeggen, er sensors in de auto, kenmerkend ultrasone sensoren kort range detectie van obstakels, die in staat zijn om te herkennen waar zijn Er zijn auto's, voertuigen, mensen, elk type obstakel rondom het voertuig. 

U druk op een knop op het dashboard en vraag de auto, dan kunt u parkeren nu. Je school een aanvraag. Het autonoom systeem neemt dan over en gebruik van deze sensors kan de wagen wijzen naar een bepaalde parkeerstand. In sommige modellen is er een parallel parkeren versie en een back-naar een plek versie. 

En elk van deze verschillende toepassingen roept een ander stukje software. Nu dat software is niet iets vreemds of is niet iets dat je kan niet begrijpen dit punt. Het is gewoon volgende Deze sensorsignalen. 

Als er iets te dicht aan de linkerkant en ik heb ruimte aan de rechterkant, dan zal ik een beetje te sturen, zodat ik dan kan naar rechts. Veel van de vroege parkeersystemen zou de stuurhoek controleren, maar vereisen de gebruiker, de menselijke bestuurder, daadwerkelijk stap op het gaspedaal of stap op de pauze. Modernere systemen daadwerkelijk te controleren die volledig zelf. 

Dus bijvoorbeeld in een Mercedes S-klasse voertuig rechts Nu, kunt u trekken langs, waar u wilt parkeren, op een knop drukt, en het zal het park parallel voor u zonder uw handen op het stuur of je voeten op de pedalen. Nu deze systemen vertrouwen op de sensors dat zij bouwen in deze voertuigen vandaag. En of we gebruiken deze sensoren voor het opsporen van mogelijke obstakels en waarschuwen de gebruiker of dat we gebruiken deze sensoren een obstakel te detecteren, en dan automatisch weg te sturen, dat is slechts een kwestie van software. 

In feite, slechts een paar weken geleden, Tesla, die is bouwt fantastisch voertuigen met al deze sensoren daarin jaren Nu, gaf een software-update. En dat de software-update toegestaan de voertuigen voor het eerst om een ​​automatische rijden in te voeren meer, een automatische piloot noemden ze het. Deze automatische piloot mag het voertuig botsingen detecteren en automatisch te breken, om een ​​ander voertuig te volgen dat is aan de voorkant ervan, aanpassing snelheid, te blijven binnen de rijstroken, te kijken met camera's, zowel infrarood- en zichtbare licht, en om te kunnen te zeggen of niet je drijven uit je rijstrook of niet, past het stuur op de juiste wijze, en zelfs van rijstrook veranderen wanneer de gebruiker signalen. 

Al deze verschillende functies werden gewoon een kwestie van een software-update. Dat wil zeggen dat al deze gebruikers op een ochtend wakker deze nieuwe software in hun voertuigen. Omdat de sensorsystemen waren er al. 

Nu, in al deze gevallen, we zien deze software gebaseerde systemen steeds steeds vaker. Ze zijn daar in commerciële producten al. En de toekomst is dat we zullen meer van dat zien. 

In feite, alleen deze jaar, Freightliner was in staat om een ​​autonome vrachtwagen onthullen, een autonome trekker oplegger, dat ze legaal zijn testen onderweg in Nevada. Deze voertuigen, weer, volgen een vooraf bepaalde route. Ze blijven binnen hun rijstrook. 

Ze versnellen en vertragen reactie obstakels of het verkeer. En ze zelfs een aantal van de gehoorzamen andere subtiliteiten van de weg. Al deze systemen zijn steeds complexer. 

Maar ze zijn nog steeds niet helemaal autonoom. Ze zijn nog steeds niet vrij alles te doen. Dat wil zeggen, ze zijn nog steeds die een menselijke bestuurder aanwezig te zijn sommige hoog niveau beslissingen. 

En één van de dingen die we gaan zien in de komende vijf jaar zijn verschillende wettelijke en ethische vragen die rond de software gebouwd voor deze onbemande auto's. Hoe komt het dat een onbemande auto zou reageren als het omgeven door een groep mensen? Wat gebeurt er als de driverless auto slippen onderweg en je kunt sturen naar een menigte van 10 personen of een menigte van 7 personen? Wat moet de auto te doen? 

In al deze gevallen is er een rijke diverse vragen gesteld worden. En ze zijn niet alleen de software vragen, juridische vragen, ethische vragen, filosofische vragen. En zij zijn degenen die wij als gemeenschap zal moeten aanpakken. 

Dus ik zal u met een laatste dacht, deze van Randall Munroe, van XKCD, één van mijn favoriete strips. Het is niet alleen dat we gaan zien deze voertuigen worden gebouwd en wordt ontworpen software. Maar we gaan om mensen te zien proberen om ze te exploiteren ook. 

Hoe gaat het te zijn wanneer iemand kan, via Wi-Fi, het downloaden van een patch of upload een virus op uw auto? Wat voor dingen zal er dan gebeuren? Deze is een beetje speelser van een voorbeeld. Maar dit zijn de vragen we gaan om te gaan met snel. 

Dank voor het samenvoegen van mij. Ik hoop dat je hebt genoten. En we zien je volgende keer.