Машины будущего смогут подстраивать свое поведение под людей, и даже под конкретные черты их характеров. Беспилотные автомобили известны своей осмотрительностью. Это, разумеется, основа разработки. И отчасти поэтому весь «штат» беспилотников Google попал лишь в одну незначительную аварию за 6 лет и более 1,4 миллиона миль, преодоленных в автономном режиме.
Но именно эта разборчивость также подливает масла скептицизму среду тех, кто считает, что самоуправляемые машины не готовы разделить дороги с живыми водителями. Потому что люди, помимо того что сами ужасно водят, так еще и непредсказуемы. Чтобы как-то ориентироваться, они полагаются на всевозможные сигналы: зрительный контакт на светофорах, жесты (в том числе и контрпродуктивные) руками.
Ну а поскольку у беспилотных автомобилей нет ни рук, ни глаз, они ничего такого делать не могут. И вместо этого они просчитывают погрешность для мер предосторожности. Простой пример, где такой подход может обернуться против робота, — обычный перекресток из четырех направлений. Люди в ожидании зеленого сигнала светофора иногда подъезжают понемногу вперед. Или останавливаются за стоп-линией. Или подрываются в ненужный момент, а затем снова резко тормозят. Такое поведение очень распространено, но до сих пор вводит в ступор робота, которому нужно расценивать его как неподвижное.
Это могло бы стать огромной проблемой для беспилотных автомобилей. А впрочем, может, и не станет.
Здесь скорее вопрос конструктивных особенностей, нежели работы компьютерных специалистов для определения местоположения и построения маршрута из пункта А в пункт Б.
“Робототехники в основном думают над тем, как заставить машину выполнять задачу, и это, очевидно, самое главное”, — говорит Анка Драган, инженер в Berkeley и глава Interactive Autonomy and Collaborative Technologies. — “Но в моей лаборатории наша главная задача — как изменятся эти алгоритмы, когда роботы окажутся в реальном мире. Как им предстоит сосуществовать с людьми, общаться с ними”. Другими словами, автоматизированные системы учатся подстраивать свое поведение под людей. Что, без сомнения, сложно даже для нас самих! Потому что это основано на многочисленных наслоениях жизненного опыта и интуиции.
“Как робот решает, какие действия совершить? Как вы оцениваете положение дел в мире, когда этот мир содержит в себе и самих людей, и их внутренние миры, планы, намерения, а также — их представления о роботах?” — спрашивает Драган.
Для начала, автоматизированные системы полагаются на модели человеческого поведения, основанные на схематичных и приблизительных обобщениях, например, что люди обычно ценят комфорт и эффективность своей коммуникации с окружающей средой. Подобные модели рождаются на базе наблюдения за людьми и также учитывают, что люди стремятся попасть в точку назначения как можно быстрее. Но они также действуют таким образом, чтобы избежать столкновений, например, дать дорогу другому транспортному средству, которое идет на опасное сближение.
“Вы так же точно выстраиваете сценарий своих действий, как и робот, активно размышляете об обстановке на дороге и о своих действиях. Изучая, как на трассе себя ведут живые люди, машина косвенно учится и сама”, — поясняет Драган. Подобный способ обучения — это как раз то, что помогает разрешить дилемму перекрестков с четырьмя направлениями движения. В ходе одного эксперимента Драган с коллегами научила алгоритм наблюдать водителей на автомагистрали, а затем протестировала новые “знания” в других сценариях.
И на перекрестке робот не просто ждал, пока другие автомобили начнут движение, но, к удивлению исследователей, он смог сигнализировать о своих намерениях живому водителю. “Наш беспилотник делает кое-что классное и даже немного противоречащее интуиции. Он немного сдает назад и таким образом провоцирует человека первым проехать, потому что он не движется вперед. Поэтому опасность столкновения очень низкая, по сравнению с тем механизмом, который не предпринимает никаких шагов вообще”.
Урок, который получил робот во время езды по шоссе, заключается в том, что люди обычно ускоряются, когда между их машиной и другими средствами передвижения много места. И тогда алгоритм вычислил, что подтолкнуть другую машину начать движение можно, если освободить больше пространства. “Он смог применить эту модель поведения на ситуацию с перекрестком. На шоссе, понятно, он не стал бы сдавать задом, но на пересечении дорог это верное решение”.
Конечно, это применимо не всегда. Достаточно искушенная программа знает, что реверсивное движение может быть не обязательным, если беспилотный автомобиль встречается с другим таким же — тогда, возможно, машины могли бы установить беспроводную связь и обменяться данными о намерениях. Или, если бы беспилотник мог на основании поведения других предсказывать, что другим транспортным средством управляет человек, которому не нужно дополнительных стимулов, чтобы проехать первым. Или, разумеется, если движение назад могло бы привести к риску столкновения.
Более широкое применение подобной технологии заключается в том, что людя, например, не продумывают каждый абсурдный сценарий на дороге, а значит, и робота нужно программировать соответственно — впрочем, эта задача в любом случае была бы невыполнима. (Просто учтите все те странные вещи, которые случалось наблюдать операторам во время тестовых поездок автомобилей Google: человека, играющего на саксофоне прям за рулем, женщина, преследующая индюшку, вооружившись шваброй. Что подумает робот — и, что гораздо важнее, что он станет делать — если встретится с подобными переходами или водителями?)
Роботы, которые учатся на опыте, позволяют инженерам не прописывать вручную в коде алгоритмы для ситуаций, которые никто не смог бы даже предположить. Но обучаемая машина также означает понимание, что не все живые водители будут реагировать одинаково и что по микро-движениям можно предположить, будет ли человек действовать тем или иным способом (например, ускорится ли он, если его пропустить, или подвинется в сторону, чтобы пропустить едущую сзади машину). Подобный уровень осведомленности мог бы сыграть ключевую роль в достижении более широкого социального принятия беспилотных автомобилей.
“Я уж и не вспомню, кто сказал мне это много лет назад, но однажды кто-то пошутил: как только искусственный интеллект заработает, вы уже больше не сможете называть его искусственным”, — говорит Джули Ша, глава подразделения Интерактивной робототехники в Институте технологий Массачусетса. Другими словами, как только концепция беспилотных автомобилей себя оправдает, они станут просто_автомобилями (или водителями).
Если пойти еще дальше, во всем этом есть парадокс, который отражает в целом направление развития современных роботов. Чем более разнообразные цели решают машины, тем лучше они смогут подстраиваться под различные типы людей — и в конечном счете, под каждый индивидуальный характер.
Так, например, робот Pepper от SoftBank, гуманоид, разработанный для коммуникации с людьми, считается также первым механизмом, способным распознавать человеческие эмоции. Чтобы люди действительно могли принять тот факт, что роботы входят буквально во все сферы нашей жизни, им предстоит очень чутко понимать потребности человека. “Если робот-помощник хочет выполнить свое предназначение, то объем необходимой вам помощи будет зависеть от ситуации и от вашей личности”, — поясняет Драган.
Именно поэтому механизмы столь разные по своему внешнему виду: некоторые разработаны для ухода за людьми, тогда у них будут, к примеру, мягкие и уютные тела, а не экзоскелеты.
В итоге, когда машины будут взаимодействовать с людьми, их можно будет настраивать в зависимости от того, кто находится рядом с ними. И есть ли рядом вообще живые существа.