Non sappiamo se e e quando Apple lancerà il suo progetto di guida autonoma, ma qualcosa ci sentiamo di anticiparla. Primo: la rivoluzione della guida autonoma non sarebbe mai stata resa possibile senza l'introduzione delle tecnologie di Machine Learning con cui sono nati prodotti tipo ChatGPT. Secondo: gli equilibri attuali cambieranno drasticamente e ridefiniranno i pesi massimi dell'industria automobilistica. Infine, mia nipote di 10 anni probabilmente non dovrà imparare a guidare perché, al raggiungimento della maggiore età, le auto si guideranno da sé.

La guida autonoma è una delle sfide più ambiziose e promettenti del settore automobilistico. Si tratta di una tecnologia che permette alle auto di muoversi senza l'intervento del guidatore, sfruttando sensori, radar, GPS e intelligenza artificiale. Le auto a guida autonoma promettono di migliorare la sicurezza stradale, riducendo gli incidenti causati da errori umani, di aumentare la mobilità delle persone anziane o con disabilità, e di ottimizzare il traffico e il consumo di carburante. Tuttavia, la guida autonoma presenta anche delle sfide e dei risvolti etici e normativi. Per esempio, come si comporteranno le auto a guida autonoma in situazioni complesse o impreviste, come i centri storici delle città o le strade di montagna? Chi sarà responsabile in caso di sinistro? Come si tutelerà la privacy dei passeggeri? Come si integreranno le auto a guida autonoma con le altre forme di trasporto? Queste sono alcune delle domande che dovranno essere affrontate prima che la guida autonoma diventi una realtà diffusa e accessibile a tutti.

In un bellissimo thread su Twitter, l'esperto di AI Oliver Cameron racconta brevemente l'evoluzione della guida autonoma degli ultimi anni, spiegando cosa è cambiato nell'approccio di base. Solo 7 anni fa, racconta, le auto a guida autonoma erano "fortemente basate su regole, con un uso limitato del Machine Learning" che era utilizzato principalmente per il rilevamento degli oggetti. In una giornata ideale, con condizioni perfette e senza imprevisti, le auto guidavano da sé in modo pressoché perfetto. Ma posizionando la stessa auto in uno scenario dinamico e complesso, incidenti ed errori diventavano inevitabili.

Un'intelligenza artificiale basata solo regole, in altre parole, non era sufficiente.

Poi, nel 2016, sono nati i primi progetti a guida autonoma Open Source. Non più codice chiuso e proprietario, quindi, ma un codice aperto a cui migliaia di ingegneri da tutto il mondo potevano contribuire. L'obiettivo era di accelerare lo sviluppo di auto a guida autonoma basate su ML, ed ecco perché le aziende hanno deciso di rendere disponibili i propri dati. La condivisione era l'unico modo per superare l'impasse, con uno sforzo globale fatto coi contributi delle migliori menti del pianeta.

I Primi Rapidi Progressi

Inspired by work from @nvidia, one challenge we set was to train ML models that could predict the correct steering angle of a car from solely a camera image.

No lidar or radar allowed. Just end-to-end ML.

51 teams contributed, with dozens of encouraging ML models generated. pic.twitter.com/2hQnBg8lid

— Oliver Cameron (@olivercameron) May 15, 2023

Una delle prime sfide fu quella di addestrare un modello di Machine Learning (ML o apprendimento macchina) per prevedere l'angolo di svolta del veicolo, basandosi soltanto sulle immagini della videocamera; niente scanner LiDAR né radar: solo immagini visive, come farebbe un occhio umano. Ma cosa si intende esattamente con "addestrare un modello di Machine Learning"?

Il Machine Learning (ML) è una branca dell'intelligenza artificiale che si occupa di creare sistemi in grado di apprendere autonomamente da dei dati, senza essere esplicitamente programmati. L'obiettivo è quello di far sì che il sistema possa migliorare le sue prestazioni nel compiere un determinato compito, come ad esempio riconoscere delle immagini, classificare dei testi o guidare in città, senza una programmazione specifica. È un po' come mettere il computer dentro un simulatore, e dirgli di provare tutte le combinazioni possibili di eventi, finché non raggiunge l'obiettivo finale.

Per realizzare un sistema di ML, occorre prima di tutto definire il problema da risolvere e scegliere un algoritmo (o un insieme di algoritmi) che possa essere adatto a risolverlo. Un algoritmo è una sequenza di istruzioni che il sistema segue per elaborare i dati e produrre dei risultati. Tuttavia, scegliere un algoritmo non basta per ottenere un sistema di ML funzionante ed efficace. Occorre infatti anche fornire all'algoritmo dei dati da cui possa apprendere le relazioni tra le variabili di input e quelle di output. Questa fase è nota come addestramento del modello di ML.

Un modello di ML è dunque la "conoscenza acquisita" dal sistema, generato dall'algoritmo; ed è fatta di formule matematiche, di strutture di parametri o di pesi e contrappesi che determinano il comportamento del sistema. Questo processo è estremamente costoso perché richiede tantissimo potere computazionale e tempi molto lunghi, ma la potenza dei sistemi di cui disponiamo la rende di fatto possibile. Basta letteralmente un Mac con una scheda video decente per poter addestrare i propri modelli.

L'addestramento del modello dunque è una fase cruciale nel processo di sviluppo di un sistema di Machine Learning.

Negli step successivi sono integrati scanner LiDAR e radar per aiutare l'algoritmo a prendere decisioni ancora più precise e informate. E fu subito chiara una cosa: il Machine Learning era necessario per aumentare le prestazioni delle auto a guida autonoma. Tutto, dalla percezione visiva alla pianificazione dei controlli, doveva passare dal precedente sistema basato su regole predefinite dall'uomo a modelli ML.

La macchina programma se stessa meglio di come farebbe l'uomo.

A Che Punto Siamo?

Se solo 7 anni fa, la tecnologia basata su regole portava al blocco del veicolo in incroci complessi e attraversamenti pedonali, ora il Machine Learning permette di guidare un'auto in modo automatico per tutto il giorno in città super caotiche come San Francisco. Ed ecco perché Cameron non ha dubbi: non ci sarà più bisogno che gli uomini guidino le automobili. Il Machine Learning sostituirà gli autisti umani, con un profilo di sicurezza e affidabilità nettamente superiore. E alla fine, il codice che regola tutto non sarà scritto dall'uomo, ma dalla macchina creata dall'uomo.

E questo è solo l'inizio. Un esempio di quello che accadrà molto presto. Ma questa tecnologia non è solo ChatGPT e guida autonoma: l'intelligenza artificiale è destinata a rivoluzionare molti altri settori delle attività umane, inclusi istruzione, finanza, difesa, edilizia, energia, intrattenimento, ingegneria aerospaziale e molto altro. L'AI cambierà il mondo. E non tra 100 anni, né tra 50. Non è una di quelle fumose profezie. Parliamo di pochi anni: il cambiamento è già in atto. Ecco perché i bambini di oggi, probabilmente, non prenderanno mai la patente: non ne avranno bisogno.

Ricordo ancora quando Giulia, in braccio al padre e neppure due anni d'età, premeva con insistenza sul videocitofono nel tentativo di cambiare schermata. Era piccola ma era nata nell'epoca dei Touch Screen: per lei, tutti gli schermi rispondevano al tocco. Allo stesso modo, è ragionevole aspettarsi che tra una decina d'anni, quando raggiungerà la maggiore età, sarà già iniziata la transizione ai veicoli autonomi. Non per moda o per fighetteria, ma perché più sicuri e affidabili. Perché saranno il futuro. E intendiamoci: non sarà un processo che avverrà dall'oggi al domani, soprattutto nel nostro arretrato paese. Ma il cambiamento sarà progressivo e inesorabile e, nel giro di pochi decenni, prendere la patente diventerà sempre più desueto e di nicchia.

Per quanto concerne Apple, sappiamo che ha iniziato a lavorare sui veicoli autonomi nel 2014 e che ha sviluppato un software di guida autonoma chiamato “Project Titan”. Nel 2021, ha firmato un accordo con Hyundai-Kia per la produzione di un veicolo completamente autonomo. Tuttavia, il progetto è stato rimandato o fortemente ridimensionato a causa di problemi interni. Al momento non ci sono notizie ufficiali su quando il veicolo sarà disponibile sul mercato, anche se lo sviluppo procede ancora.

L'impressione è che prima o poi qualcuno imbroccherà la formula magica; e -cosa ancora più importante- non è detto che sia un big dell'industria come BMW, Tesla, Apple o Google. L'uovo di Colombo potrebbe inventarlo un'anonima start-up che lavora nell'ombra e che potrebbe imporsi in futuro come standard per l'industria.

Cosa Cambia con la Guida Autonoma?

Con la tecnologia a guida autonoma, cambierà tutto. La guida autonoma è la capacità di un veicolo di muoversi senza l'intervento umano, sfruttando sensori, algoritmi e intelligenza artificiale. Si tratta di una tecnologia che ha già fatto grandi progressi negli ultimi anni, grazie a progetti come quello di Google, Tesla e Uber, che hanno testato le loro auto su strade pubbliche in diverse condizioni.

I vantaggi della guida autonoma sono molteplici. Innanzitutto, si potrebbe ridurre il numero di incidenti stradali che ogni anno causano milioni di morti e feriti in tutto il mondo. Le auto a guida autonoma sarebbero infatti in grado di reagire più velocemente e in modo più sicuro alle situazioni impreviste, evitando collisioni e rispettando le regole del traffico. In un mondo in cui la viabilità è gestita tutta da intelligenza artificiale, dopotutto, si ridurrebbero molto anche le casistiche dovute a distrazione o errore umano.

Inoltre, si potrebbe migliorare l'efficienza e la sostenibilità dei trasporti, riducendo le emissioni di CO2, il consumo di carburante/energia e il tempo perso nel traffico. Le auto a guida autonoma potrebbero infatti comunicare tra loro e ottimizzare i percorsi e le velocità, formando delle reti intelligenti di mobilità. Infine, si potrebbe aumentare il benessere e la qualità della vita delle persone, che potrebbero dedicare il tempo della guida ad altre attività, come lavorare, studiare o rilassarsi.

Ma non è tutto rose e fiori. Prima di tutto, e qui tentiamo di disinnescare le critiche principali a questo articolo, si tratta di una tecnologia complessa e costosa, che richiede una grande capacità di sviluppo e innovazione da parte delle aziende e dei ricercatori. E un portafoglio generoso da parte degli utenti. Ma in questo senso car-sharing e le soluzioni di condivisione dei veicoli potrebbero fare la differenza. Dopotutto, (anche se molti non la pensano così) abbiamo bisogno di spostarci rapidamente, capillarmente e in sicurezza, non di possedere un'auto

Inoltre, si pone il problema della sicurezza informatica, ovvero del rischio che le auto a guida autonoma possano essere hackerate o manipolate per compiere illeciti. E che succede in caso di incidente o di danno a terzi? Chi sarebbe il colpevole: il proprietario dell'auto, il produttore o il software? Infine, si deve considerare l'impatto sociale ed economico che la guida autonoma avrà sul mercato del lavoro e sulle abitudini delle persone. Che succederà quando migliaia di posti di lavoro saranno sostituiti dalle auto a guida autonoma?

Tag: Guida Autonoma