Yapay zeka artık insanların hareketini tahmin edebiliyor

Otonom araçların güvenliği ve performansı konusunda yeni bir çığır açan OmniPredict sistemi, yapay zekanın insan davranışını anlama ve öngörme konusundaki yeteneklerini bir adım ileri taşıyor. Texas A&M Üniversitesi ve KAIST'in ortak çalışmasının ürünü olan bu sistem, şehir sokaklarının karmaşık ve öngörülemeyen ortamında araçların daha akıllı kararlar almasını sağlıyor.

Yapay zeka insan niyetini nasıl okuyor?

Geleneksel otonom araç sistemleri, yayaları hareketli pikseller olarak algılayıp sadece hareket vektörlerini tahmin etmeye çalışırken, OmniPredict tamamen farklı bir yaklaşım benimsiyor. Bu sistem, bir kameranın gördüğü görüntüyü sahnenin daha geniş bağlamıyla birleştirerek, yayaların muhtemel davranışlarını tahmin ediyor. Bir yayanın tereddüt edip etmeyeceği, kaldırımdan ineceği, karşıya geçeceği veya geri çekileceği gibi kritik kararları önceden hesaplayabiliyor.

Çok modlu büyük dil modelini yaya tahmin döngüsüne ilk kez getiren OmniPredict, duruşu, bakışı ve hareket ipuçlarını tanıyan gelişmiş bir motor olarak çalışıyor. Aynı zamanda bu sinyalleri bağlamsal faktörlerle karşılaştırıyor. Yol düzeni, araç yaklaşımı, kısmi tıkanmalar ve sosyal ipuçları gibi unsurlar, sistemin gerçek zamanlı davranışsal tahminler üretmesine yardımcı oluyor. Bu sayede yapay zeka, sadece ne olduğunu görmekle kalmıyor, neden olduğunu da anlayabiliyor.

Srikanth Saripalli, çalışmanın ortak yazarı olarak, bu yeni modelin önemini şöyle açıklıyor: "Şehirler öngörülemezdir. Yayalar öngörülemez olabilir. Yeni modelimiz, makinelerin sadece neler olduğunu görmediği, insanların muhtemelen ne yapacağını da öngördüğü bir geleceğe bir bakış sunuyor." Bu yaklaşım, yapay zekanın insan davranışını daha derinlemesine analiz etmesini mümkün kılıyor.

Geleneksel sistemlerin sınırları ve OmniPredict'in üstünlüğü

Klasik otonom araç sistemleri, büyük veri setleri üzerinde eğitilmiş görme ağlarına dayanıyor. Bu ağlar nesneleri sınıflandırmak ve izlemek için tasarlanmış, ardından son yörüngelerden hareketi tahmin eden ayrı bir modüle devrediliyor. Ancak bu yaklaşım, eğitim verilerinin dışında kalan durumlarda başarısız oluyor. Hava değişiklikleri, beklenmedik şekilde davranan insanlar, nadir olaylar ve bir şehir caddesinin kaotik unsurları, en sofistike görme tabanlı sistemleri bile muhtemelen etkileyebiliyor.

OmniPredict bu kırılganlığı algılamayı akıl yürütmeyle birleştirerek ele alıyor. Görsel girdiler, yaya geçidinin nerede olduğu, bir yayanın park edilmiş bir minibüs tarafından yarı tıkanıp tıkanmadığı veya birinin araca doğru bakıp bakmadığı gibi bağlamsal tanımlayıcılarla eşleştiriliyor. Daha sonra, sürüş alanına uyarlanmış çok modlu bir büyük dil modeline aktarılıyorlar. Bu model, sadece hareket vektörlerini tahmin etmek yerine, sahneyi zaman içinde gelişen bir dizi insan niyeti olarak yorumluyor.

Pratik açıdan, bu yaklaşım OmniPredict'in "sohbet ederken kaldırımın yakınında durmak" ile "caddeye adım atmak için öne doğru ağırlık kaydırmak" arasında ayrım yapmasını sağlıyor. Ayrıca ipuçları kare kare değiştikçe tahminini anında ayarlayabiliyor. Bu dinamik uyum, şehir sokaklarının değişken doğasında kritik bir avantaj sunuyor.

Yapay zekanın öngörü yeteneği neden bu kadar önemli?

İnsanlar göz teması kurar, beden dilini okur ve olasılıkları değerlendirir. Eğer o kişi hızlanırsa, o bebek arabası dönerse, o bisikletli sallanırsa, insanlar buna göre tepki verirler. Otonom araçların da benzer bir öngörü katmanına ihtiyacı var. Aksi takdirde, aşırı frenleme, tereddüt etme veya kendi tehlikelerine neden olan ani manevralar yapma riski ortaya çıkıyor.

Saripalli, bu konuda şunları vurguluyor: "Daha güvenli otonom araç işletimi, daha az yaya ile ilgili olay ve tepki vermekten tehlikeyi proaktif olarak önlemeye geçiş için kapıları açıyor." Bu geçiş, sadece teknik bir ilerleme değil, aynı zamanda toplumun otonom araçlara olan güvenini artıracak bir adım. Bir yaya geçidinde dururken aracın muhtemel bir sonraki hamlenizi zaten hesaba kattığını bilmek, psikolojik açıdan da rahatlatıcı olabilir.

Daha az gergin karşı karşıya kalma, daha az kıl payı kurtulma ve caddeler daha özgürce akabilir. Hepsi araçların sadece hareketi değil, en önemlisi güdüleri anlaması sayesinde mümkün hale geliyor. Bu, otonom araçların toplum tarafından daha kolay kabul görmesini sağlayabilir.

OmniPredict'in test sonuçları ve performansı

Araştırmacılar, bu akıl yürütme ağırlıklı yaklaşımın genelleşip genelleşmediğini ölçmek için OmniPredict'i en zorlu yaya davranışı kıyaslamalarından ikisi olan JAAD ve WiDEVIEW üzerinde değerlendirdiler. Dikkat çekici bir şekilde, bu veri setleri için özel ince ayar yapmadan, model yüzde 67 doğruluk sağladı. Bu sonuç, en son teknoloji temel çizgileri yaklaşık yüzde 10 oranında geride bıraktı.