Τα αυτόνομα οχήματα έρχονται! Είναι γεγονός και είναι κάτι που δεν επιδέχεται αμφισβήτησης. Το πεδίο της αυτόνομης οδήγησης παρουσιάζει εντονότατη δραστηριότητα τα τελευταία χρόνια, με πολλές εταιρείες να ασχολούνται με αυτό, και όχι μόνο οι αυτοκινητοβιομηχανίες! Ακόμη και κολοσσοί της τεχνολογίας όπως η Apple και η Google ασχολούνται εντονότατα με την έρευνα στα αυτόνομα οχήματα, ενώ άλλες, όπως η Tesla, έκαναν την αρχή ξεκινώντας με συστήματα “υποβοήθησης”. Το ευρύ κοινό, όμως, και μαζί με τον απλό πολίτη και αρκετοί από τους ειδικούς, δεν πιστεύουν πως η εντελώς αυτόνομη οδήγηση είναι καν εφικτή! Αυτό, όμως, είναι ένα ζήτημα το οποίο απλώς θα αποδειχθεί στο άμεσο μέλλον. Ήδη έχουμε δει αρκετά πειραματικά οχήματα τα οποία, σε πειραματικό επίπεδο, μπορούν να οδηγήσουν τον εαυτό τους από σημείο σε σημείο, ακόμη και μέσα σε κανονικούς δρόμους κανονικών πόλεων.
Η δυσπιστία του κοινού, όμως, εν μέρει πηγάζει από το γεγονός πως δεν γνωρίζουν τον τρόπο που τα οχήματα αυτά λειτουργούν. Η άγνοια δημιουργεί φόβο και ο φόβος μεταφράζεται μονοσήμαντα σε άρνηση. Ενώ, όμως, οι αρχικές αντιδράσεις διατυπώνονταν ως “Είναι ασφαλές;” ή “Δεν το φοβάσαι;”, πλέον το κοινό έχει αρχίσει να εξοικειώνεται με την ιδέα και πλέον η πιο συχνή ερώτηση είναι “Πότε θα κυκλοφορήσουν;”
Η βασική τεχνολογία πίσω από τα συστήματα αυτόνομης οδήγησης είναι το Deep Learning, ένα παρακλάδι της Τεχνητής Νοημοσύνης (AI). Η τεχνολογία αυτή βασίζεται στην ενισχυτική εκμάθηση, χρησιμοποιώντας παραδείγματα οδήγησης από επιλεγμένους επαγγελματίες οδηγούς ασφαλείας, εικονικά δεδομένα τα οποία παράγονται από εξομοιωτές, αλλά και από δοκιμές σε πραγματικούς δρόμους. Η ενισχυτική εκμάθηση είναι ένα σύστημα το οποίο βασίζεται στην μάθηση μέσω (θετικής) εμπειρίας. Μια βασική παρανόηση των περισσοτέρων είναι το ότι τα συστήματα αυτά βασίζονται, όπως οι παραδοσιακές μέθοδοι προγραμματισμού, σε μια μεγάλη σειρά προκαθορισμένων κανόνων τύπου “if–then–else”. Από εκεί πηγάζουν πολλές περιπτώσεις δυσπιστίας, με πολύ συχνό “επιχείρημα” το “… και τι θα συμβεί αν …;” Στην περίπτωση του Deep Learning, αυτό δεν ισχύει, μιας και το σύστημα AI απλά θα αντιδράσει με βάση τις πρότερες εμπειρίες του, ακριβώς όπως θα έκανε και ένας οδηγός της κατηγορίας Homo Sapiens.
Πρακτικά, οι ερευνητές πηγαίνουν το σύστημα στη “σχολή οδηγών”, με σκοπό τελικά να δημιουργήσουν έναν εικονικό οδηγό ο οποίος θα έχει συσσωρευμένη εμπειρία πολλών εκατομμυρίων ωρών οδήγησης, υπό κάθε πιθανή και απίθανη συνθήκη, ο οποίος δεν θα κουράζεται ποτέ, δεν θα νυστάζει ποτέ, δεν θα είναι ποτέ μεθυσμένος ή υπό την επήρεια ουσιών, δεν θα θυμώνει ποτέ, δεν θα βιάζεται ποτέ. Και θα διαθέτει αντανακλαστικά καλύτερα κι από τον καλύτερο οδηγό Formula-1. Σε κάθε αυτοκίνητο. Παντού.
Τα συστήματα αυτά, μάλιστα, δεν βασίζονται στις περιορισμένες αισθήσεις που έχει ένας άνθρωπος, δηλαδή κυρίως στην όραση, και δευτερευόντως στην ακοή και την αφή, αλλά σε πάμπολλους αισθητήρες. Για την “όραση” διαθέτουν κάμερες και συστήματα Lidar (τύπος ραντάρ με laser), ενώ τα οχήματα εξοπλίζονται και με πολλούς άλλους αισθητήρες. Έτσι, το σύστημα αυτόνομης οδήγησης “γνωρίζει” ανά πάσα στιγμή την ταχύτητα, τον ρυθμό περιστροφής κάθε τροχού ξεχωριστά, τις στροφές του κινητήρα, το γκάζι και το φρένο, την επιτάχυνση σε κάθε γωνία του οχήματος σε έξι άξονες (τρεις θέσης και τρεις περιστροφής), ακόμη και την πίεση του κάθε ελαστικού! Παράλληλα, υπό έρευνα είναι και συστήματα επικοινωνίας μεταξύ οχημάτων, ώστε να γνωρίζουν και για τις συνθήκες του δρόμου σε κοντινή απόσταση!
Μπορεί για την ώρα τα αυτόνομα οχήματα να φαντάζουν μακρινά και ίσως επικίνδυνα, είναι όμως βέβαιο πως, σε λίγες δεκαετίες, οι άνθρωποι απλά θα μπαίνουν μέσα σε ένα τέτοιο όχημα με την ίδια σιγουριά (ίσως και αδιαφορία) που ανάβουν το φως πατώντας τον διακόπτη.