引進來台的自動化小巴,到底AI在哪裡?經過拆解,發現它的人工智慧架構,一共有四層。
最底層的第四層,是基本的車輛運動管理,包括車輛加減速、停止、轉彎等。好像大腦去控制人的雙腳要往哪裡走,跑多快。
往上的第三層決策層與第二層感知層,則是小巴主掌著像人們走路時使用的所有感官知識,如用眼睛看前面是否有行人?在台北、高雄的試行,就是為了訓練這兩層的AI。
試行時,讓車子上的光學雷達當眼睛,去「看」這條路上360度的所有空間,每分每秒送回雲端上的大腦,以便記憶走過的路。進而用演算法,逐一辨別哪些是路上偶然出現的事物,例如路人、單車。至於一直都會遇到的東西,例如電線桿,則會讓演算法輸入。研判出天天走這條路,最好的行車捷徑與停靠點。
至於隨機出現的路人、來車,有另一套辦法來因應。人類駕駛意識到意外發生時,從看見到踩下煞車一般需要0.6~0.8秒,而小巴搭配充足的感測器監控360度的動態,毫無死角。反應的時間也是以毫秒(千分之一秒)計算,其實比起人類駕駛反應更可靠、更快,不太需要擔心。
試行不斷學習 可應用長照
但真的會讓小巴背後電腦,覺得有挑戰的是:掉在車窗前的是無害的樹葉?還是車?得讓電腦一直看,知道哪個有害、哪個沒害,需要時間培養。若沒培養好,小巴遇到每件事都煞車。
最上面第一層的管理層,則包括了車隊管理、車聯網、大數據分析、票務、隨選叫車等。此部分仍發展階段,也是台灣新創團隊或政府,未來可合作的地方。
例如,可以發展類似Uber的叫車服務,讓偏鄉獨居老人,只要App一叫,小巴就到,還可以在車上推薦生活商品等。