الذكاء الاصطناعي في السيارات ذاتية القيادة

لم تعد السيارات ذاتية القيادة مجرد فكرة مستقبلية؛ بل أصبحت واقعًا آخذًا في التحقق، مدفوعةً بالتطورات في الذكاء الاصطناعي (AI) للقيادة الذاتية. تعتمد هذه المركبات اعتمادًا كبيرًا على أنظمة الذكاء الاصطناعي المتقدمة، ولا سيما الرؤية الحاسوبية، لفهم العالم من حولها وتفسيره. وتمكّنها هذه التقنية من تحديد الأجسام، والتعرّف على إشارات المرور، والتنقل بأمان في البيئات المعقدة في الوقت الفعلي.

مع تجاوز القيمة السوقية العالمية للسيارات ذاتية القيادة 27 مليار دولار أمريكي في عام 2021، وتوقع نموها إلى ما يقارب 62 مليار دولار بحلول عام 2026، يتضح أن الذكاء الاصطناعي للقيادة الذاتية يرسم ملامح مستقبل النقل. في هذه المقالة، سنلقي نظرةً فاحصة على كيفية تطبيق الرؤية الحاسوبية في السيارات ذاتية القيادة، مع تناول تطبيقات رئيسية مثل اكتشاف المشاة، والتعرّف على إشارات المرور، وأنظمة الحفاظ على المسار، موضحين كيف تُحوّل هذه الابتكارات مستقبل القيادة.

دور الذكاء الاصطناعي في السيارات ذاتية القيادة#

يمكن للذكاء الاصطناعي أن يساعد السيارات ذاتية القيادة بدرجة كبيرة على فهم محيطها واتخاذ قرارات في الوقت الفعلي. لنستكشف كيف يساعد الذكاء الاصطناعي، من بين تطبيقاته العديدة، في اكتشاف المشاة والتعرّف على إشارات المرور، وهما عنصران أساسيان يعززان موثوقية القيادة الذاتية.

الذكاء الاصطناعي لاكتشاف المشاة#

تتطلب القيادة تركيزًا وانتباهًا مستمرين لما يحدث من حولك أثناء الجلوس خلف عجلة القيادة. ويمكن للذكاء الاصطناعي في السيارات ذاتية القيادة أن يساعد في عدد لا يُحصى من جوانب الاستخدام اليومي لسياراتنا. فعلى سبيل المثال، يمكن للذكاء الاصطناعي أن يؤدي دورًا مهمًا في الحفاظ على سلامة المشاة من خلال رصدهم والتنبؤ بحركاتهم. ووفقًا لـ "دراسة اكتشاف المشاة في السيارات ذاتية القيادة"، تبدأ هذه العملية بكاميرات السيارة المثبتة في جميع أنحاء المركبة لالتقاط رؤية شاملة للمحيط، بما في ذلك الطرق والأرصفة وممرات عبور المشاة. وتلتقط هذه الكاميرات باستمرار بيانات مرئية تساعد السيارة على "رؤية" المشاة، حتى في المواقف المزدحمة أو الصعبة.

يمكن بعد ذلك معالجة البيانات المرئية المُجمَّعة باستخدام نماذج الرؤية الحاسوبية مثل Ultralytics YOLOv8. ولتنفيذ ذلك، تتمثل الخطوة الأولى في استخدام اكتشاف الكائنات، الذي ينطوي على تحديد مواقع الكائنات المحتملة، مثل المشاة والمركبات وإشارات المرور، داخل الصورة. وبعد اكتشافها، ينتقل نموذج الذكاء الاصطناعي إلى الخطوة التالية، وهي التصنيف—أي تحديد ماهية كل كائن مكتشف فعليًا. وتُدرَّب النماذج على مجموعات بيانات ضخمة، مما يمكّنها من التعرّف على المشاة في أوضاع وظروف إضاءة وبيئات متنوعة، حتى عندما يكونون محجوبين جزئيًا أو أثناء الحركة.

في حين تتفوق بعض نماذج الرؤية الحاسوبية في الاكتشاف والتصنيف، تركز نماذج أخرى على مهام مثل التنبؤ بحركة المشاة المكتشفين. في هذه الأنظمة، بمجرد تصنيف جسم ما على أنه أحد المشاة، يخطو نموذج الذكاء الاصطناعي خطوة إضافية من خلال التنبؤ بحركته التالية. فعلى سبيل المثال، إذا كان شخص ما واقفًا عند حافة ممر عبور المشاة، يمكن للسيارة توقّع ما إذا كان قد يخطو إلى الطريق. وتُعد هذه القدرة التنبؤية بالغة الأهمية كي تستجيب المركبة في الوقت الفعلي من خلال إبطاء السرعة أو التوقف أو تغيير الاتجاه لتجنب أي خطر محتمل. ولجعل هذه القرارات أكثر ذكاءً، يمكن لأنظمة الذكاء الاصطناعي دمج البيانات المرئية الواردة من الكاميرات مع مدخلات من مستشعرات أخرى مثل LIDAR، ما يمنح السيارة فهمًا أشمل لمحيطها.

الشكل 1. يكتشف Ultralytics YOLOv8 أحد المشاة.

الذكاء الاصطناعي للتعرّف على إشارات المرور#

يُعد التعرّف على إشارات المرور، ويُختصر بـ TSR، جزءًا مهمًا آخر من السيارات ذاتية القيادة. فهو يساعد المركبة على التعرّف على إشارات الطريق والاستجابة لها في الوقت الفعلي، مثل إشارات التوقف، وحدود السرعة، والاتجاهات. ويضمن ذلك التزام السيارة بقواعد المرور، وتجنب الحوادث، وإتاحة رحلة سلسة وآمنة للركاب.

تتمثل صميم تقنية TSR في خوارزميات التعلم العميق التي تستخدم كاميرات السيارة لتحديد الإشارات. ويجب أن تعمل هذه الأنظمة في ظروف مختلفة، مثل المطر والإضاءة المنخفضة أو عندما تُرى الإشارة بزاوية. وتعتمد الأساليب الأقدم على تقنيات مثل تحليل شكل الإشارات ولونها، لكنها قد تفشل كثيرًا في المواقف المعقدة، مثل سوء الأحوال الجوية.

في الورقة البحثية "نهج قائم على Ultralytics YOLOv8 لاكتشاف إشارات المرور متعددة الفئات"، يصف المؤلفون استخدام نموذج YOLOv8 لتحديد مناطق الصور التي توجد فيها إشارات المرور. ودُرّب النموذج على مجموعة بيانات تتضمن صورًا لإشارات المرور في ظروف متنوعة، مثل الزوايا والإضاءة والمسافات المختلفة. وبمجرد أن يكتشف نموذج YOLOv8 المناطق التي تحتوي على إشارات المرور، فإنه يصنفها بدقة، محققًا دقة مذهلة بلغت 80.64%. ويمكن لهذه القدرات أن تساعد المركبات ذاتية القيادة على فهم ظروف الطريق من خلال تحديد إشارات المرور المهمة في الوقت الفعلي، مما قد يسهم في اتخاذ قرارات قيادة أكثر أمانًا.

الشكل 2. نموذج رؤية حاسوبية يكتشف إشارة مرور ويصنفها بدقة، ما يتيح التنقل الآمن للمركبات ذاتية القيادة. (المصدر: computervision.zone)

فوائد الذكاء الاصطناعي في السيارات ذاتية القيادة#

يغيّر الذكاء الاصطناعي تدريجيًا طريقة عمل السيارات ذاتية القيادة، فيجعلها أكثر أمانًا وكفاءة. وبفضل الخوارزميات الذكية والقدرة على معالجة البيانات بسرعة، تستطيع هذه السيارات رصد المخاطر، واتخاذ قرارات قيادة أفضل، بل وتقليل تأثيرها في البيئة. فيما يلي بعض الفوائد الرئيسية التي يقدّمها الذكاء الاصطناعي للسيارات ذاتية القيادة.

تحسين السلامة#

يستطيع الذكاء الاصطناعي تعزيز السلامة في السيارات ذاتية القيادة من خلال تمكينها من اكتشاف المخاطر والاستجابة لها في الوقت الفعلي. ووفقًا لتقرير صادر عن الإدارة الوطنية للسلامة المرورية على الطرق السريعة (NHTSA)، يعود سبب 94% من الحوادث الخطيرة إلى الخطأ البشري. ويتمتع الذكاء الاصطناعي بإمكانات للحد من هذه الحوادث من خلال الاستجابة بسرعة أكبر من السائقين البشر، مما قد يخفض معدلات الحوادث بنسبة 90% مع ازدياد تطور الأنظمة ذاتية القيادة.

انسيابية أكبر لحركة المرور وكفاءة استهلاك الوقود#

لا يساعد الذكاء الاصطناعي في اكتشاف الأجسام للمركبات ذاتية القيادة على تعزيز السلامة فحسب، بل يحسّن أيضًا انسيابية حركة المرور. وباستخدام الذكاء الاصطناعي، تستطيع هذه المركبات ضبط سرعتها، والحفاظ على مسافة مثلى، وتقليل الحاجة إلى الكبح أو التسارع المفاجئ، وكل ذلك يساعد على الحد من الازدحام المروري. كما تحسّن خوارزميات الذكاء الاصطناعي كفاءة استهلاك الوقود من خلال ضمان اتباع السيارات أكثر الطرق كفاءة، وتجنب التوقفات غير الضرورية، وإدارة استهلاك الوقود على نحو أفضل من السائقين البشر. ونتيجة لذلك، لا يحسّن الذكاء الاصطناعي تجربة القيادة فحسب، بل يسهم أيضًا في خفض الانبعاثات وتكاليف الوقود.

مستقبل السيارات ذاتية القيادة#

يدور مستقبل السيارات ذاتية القيادة حول تحقيق الاستقلالية من المستوى 5، ما يعني قيادة ذاتية بالكامل دون الحاجة إلى تدخل بشري، بصرف النظر عن البيئة أو الموقف. ولفهم الاتجاه الذي تتجه إليه التقنية، من المهم استعراض مستويات القيادة الذاتية الخمسة كما حددتها جمعية مهندسي السيارات (SAE):

• المستوى 0: دون أتمتة. يكون السائق البشري مسيطرًا بالكامل.
• المستوى 1: مساعدة السائق. تساعد الأنظمة الأساسية، مثل مثبت السرعة، في القيادة، لكنها تتطلب إشرافًا بشريًا.
• المستوى 2: أتمتة جزئية. تستطيع المركبة التحكم في التوجيه والتسارع معًا، لكن يجب أن يظل السائق منتبهًا ومستعدًا لتولي القيادة.
• المستوى 3: أتمتة مشروطة. تستطيع المركبة إدارة معظم مهام القيادة، لكن يلزم التدخل البشري في المواقف المعقدة.
• المستوى 4: أتمتة عالية. تستطيع السيارة قيادة نفسها في معظم البيئات والظروف، رغم أن وجود السائق قد يظل ضروريًا في الظروف القاسية.
• المستوى 5: أتمتة كاملة. تكون المركبة ذاتية القيادة بالكامل وقادرة على العمل في جميع الظروف دون أي مدخلات بشرية.

حاليًا، تعمل معظم المركبات المتاحة تجاريًا عند مستوى الاستقلالية 2، حيث تستطيع السيارة المساعدة في التحكم بالتوجيه والسرعة، لكنها لا تزال تتطلب بقاء السائق منتبهًا. وتُعد Mercedes-Benz من أوائل الشركات التي حققت الاستقلالية 3، التي تتيح للسائقين، في ظروف محددة، رفع أيديهم عن عجلة القيادة، وإبعاد أعينهم عن الطريق — والتأمل في محيطهم.

ومع ذلك، فإن بلوغ الاستقلالية 5—حيث تستطيع المركبات التنقل في جميع التضاريس، من المراكز الحضرية المزدحمة إلى الطرق الريفية النائية، دون خرائط أو تدخل بشري—يطرح تحديات كبيرة. وتشمل هذه التحديات تطوير ذكاء اصطناعي متقدم قادر على اتخاذ قرارات في الوقت الفعلي ضمن بيئات غير متوقعة، والتعامل مع الظروف الجوية المعقدة، وضمان السلامة في جميع سيناريوهات القيادة.

أهم النقاط المستخلصة#

يُعد الذكاء الاصطناعي مفتاح تحويل السيارات ذاتية القيادة إلى واقع أكثر رسوخًا. فهو يساعد هذه المركبات على اكتشاف الأجسام، والتعرّف على إشارات المرور، والبقاء في مساراتها، وباستخدام نماذج الرؤية الحاسوبية مثل YOLOv8، يساعد في إدارة حركة المرور وتحسين إدارة مواقف السيارات، ما يجعل القيادة أكثر أمانًا وسلاسة. وتتيح تقنيات مثل YOLO وCNNs للسيارات اتخاذ قرارات ذكية على الطريق. وفي الوقت الحالي، تعمل معظم السيارات ذاتية القيادة عند المستوى 2، حيث تساعد في القيادة لكنها لا تزال تحتاج إلى انتباه بشري، ويجري اختبار الاستقلالية من المستوى 3، التي تتيح القيادة دون استخدام اليدين لفترات محدودة.

يتمثل التحدي الكبير المقبل في بلوغ الاستقلالية من المستوى 5، حيث تستطيع السيارات قيادة نفسها في أي ظروف دون مساعدة بشرية. وسيتطلب ذلك مزيدًا من العمل للتعامل مع الأحداث غير المتوقعة وإنشاء أنظمة قادرة على اتخاذ قرارات في الوقت الفعلي في جميع المواقف. ومع تحسّن الذكاء الاصطناعي، تقترب السيارات ذاتية القيادة بالكامل أكثر فأكثر، حاملةً معها وعودًا بطرق أكثر أمانًا وتجربة قيادة أكثر راحة.

هل يثير الذكاء الاصطناعي فضولك؟ استكشف مستودعنا على GitHub للتعمق في مشاريع رائدة والتواصل مع مجتمعنا المتنامي. من إنجازات الرعاية الصحية إلى الابتكارات في القيادة الذاتية، نحن نقود مستقبل الذكاء الاصطناعي!