Guida autonoma e intelligenza artificiale: il problema della regionalità

Ultimo aggiornamento: 2019/11/03 20:45.

Oggi molte aziende stanno tentando di insegnare la guida autonoma a un’intelligenza artificiale usando grandi masse di dati: fai vedere alla IA milioni di foto o di scansioni LIDAR di oggetti, per esempio semafori, le dici “questi sono semafori” e continui a farlo finché non li riconosce tutti con altissimo tasso di successo in ogni condizione di luce, disposizione e orientamento. Il problema è che il mondo non è tutto uguale.

Le regole del traffico variano da paese a paese. La segnaletica varia. Il cartello dei 50 km/h italiano è diverso da quello francese e da quello svizzero, tanto per fare un esempio, e il sorpasso/superamento a destra è consentito in alcuni paesi ma in altri no, per non parlare di quelli squinternati che guidano a sinistra e affrontano le rotatorie a rovescio. Servirebbero quindi dataset di apprendimento separati per ogni paese e descrizioni software di regole differenti per i singoli codici della strada nazionali.

Inoltre gli stili di guida degli umani variano, non solo da paese a paese ma da città a città, come ben sa un palermitano che guida a Napoli o un milanese che guida a Zurigo. Un’auto con IA deve agire in modo diverso a seconda della disciplina e dell’aggressività degli automobilisti e dei pedoni: un’IA pensata per la tranquilla e ordinata Olanda sarebbe paralizzata dal terrore nel traffico romano (e dovrebbe oltretutto adattarsi quando l’auto si sposta da una regione all'altra). Quindi servirebbero dataset estremamente granulari, distinti e localizzati.

Ma per crearli con il metodo usato per esempio da Tesla, ossia far circolare le auto, registrare tante immagini, etichettarle inizialmente a mano e poi far fare il resto all’IA, verificando man mano successi e insuccessi e osservando cosa fanno i guidatori umani (il cosiddetto shadow mode), servirebbero tante auto per ogni singola regione. 

Esempio concreto: Tesla ha attivato da poco il riconoscimento dei coni di delimitazione delle corsie per lavori stradali. Ma l'addestramento a riconoscerli è basato principalmente su dataset americani. Riconoscerà i coni italiani di delimitazione delle corsie, che sono più piccoli?

Please @elonmusk @karpathy @Tesla keep high attention to this case. AP, on 2019.32.12.3, still doesn’t recognize the little cones used in Italy to close an highway lane, so NoA ask to use the adiacent lane.... pushing you in front of the incoming traffic! @TeslaOwnersIT #AP2 pic.twitter.com/TOidJxW8NF

— Rosario Pingaro (@rpingar) October 28, 2019

[2019/11/03 20:45: dopo la pubblicazione iniziale di questo articolo, è emerso che il tweet citato qui sopra si riferisce a un altro problema di riconoscimento, riferito alle corsie. Il principio generale, comunque, resta valido]


Intendiamoci: gli attuali sistemi di guida assistita (non autonoma) si comportano egregiamente e sono straordinariamente utili in condizioni semplici, come i viaggi in autostrada. Ma nelle situazioni complesse, come i cantieri o il traffico cittadino, crollano miseramente. Per questo si raccomanda, forse mai a sufficienza, di non fidarsi ciecamente degli attuali sistemi e di non portarli oltre i loro limiti ben circoscritti.

Insomma, il problema è più complicato di quel che molti pensano. Un’AI di guida totalmente autonoma, nel caos delle strade reali e dei codici della strada incoerenti e differenti, è un incubo da realizzare e testare. Tenetene conto nella guida, se avete l’Autopilot di Tesla o dispositivi simili, e nell'acquisto, se state pensando di comprare un'auto con AI.

Ci sarebbe una possibile soluzione: riscrivere i codici della strada per renderli uguali in tutto il mondo e riprogettare la viabilità di conseguenza. Un’altra soluzione sarebbe separare il traffico autonomo da quello umano, con corsie/strade distinte e su misura. In ogni caso servirà uno sforzo enorme e un grandissimo dispendio di intelligenza naturale, risorsa ahimé scarsissima, ma si salveranno migliaia di vite.


Questo articolo vi arriva gratuitamente e senza pubblicità grazie alle donazioni dei lettori. Se vi è piaciuto, potete incoraggiarmi a scrivere ancora facendo una donazione anche voi, tramite Paypal (paypal.me/disinformatico), Bitcoin (3AN7DscEZN1x6CLR57e1fSA1LC3yQ387Pv) o altri metodi.