Esistono già delle auto di lusso in grado di imparare in quale posizioni preferisci il sedile e il volante e di modificarle automaticamente quando ti metti alla guida. La nuova generazione di auto sarà abbastanza intelligente da imparare come guidiamo e allertarci nelle situazioni in cui il nostro comportamento al volante potrebbe metterci in pericolo. Ricordate KITT (Knight Industries Two Thousand) della celebre serie Tv Supercar? Ecco, qualcosa del genere.
Esistono delle scuole di guida sicura dove i piloti imparano come prevedere ed evitare, quando possibile, oppure a gestire in maniera appropriata le situazioni di emergenza che con maggiore frequenza si possono verificare sulla strada. Perché le auto non dovrebbero poter fare la stessa cosa? Questa è la domanda che Florentin Wörgötter, professore di neuroscienze computazionali all’Università di Göttingen (Germania), e i suoi colleghi del programma di ricerca DRIVSCO, finanziato dall’Unione Europea, si sono posti tre anni fa. All’epoca la risposta fu immediata: facendo uso di sensori state-of-the-art, elaboratori d’immagine e algoritmi di apprendimento, l’auto intelligente può sicuramente essere costruita.
Oggi, il risultato di questo ambizioso programma è un veicolo prototipo dotato di un sistema che segue e registra ogni movimento della persona alla guida e associa quelle sequenze di azioni con ciò che “vede” lungo la strada percorsa; in altre parole impara come il conducente affronta normalmente tutte le situazioni di guida, ad esempio come percorrere una curva, mantenere la distanza di sicurezza o eseguire un sorpasso.
Grazie ai fanali anteriori infrarossi, alle videocamere stereo e all’avanzato sistema di elaborazione delle immagini, l’auto intelligente può realmente vedere (acquisire immagini della strada) meglio del suo guidatore umano, durante le ore notturne. Il prototipo ha già dimostrato il suo valore durante i test, avvertendo in anticipo la presenza di pericoli di cui il suo conducente non aveva ancora preso coscienza e a cui non si era ancora preparato a reagire.
Il programma di ricerca aveva lo scopo di progettare un sistema in grado di imparare a guidare durante il giorno, mettendo in relazione ciò che viene registrato dai sensori con il comportamento di guida delle persone. In questo modo, durante la notte, il sistema, come un abile copilota che conosce in anticipo il percorso da seguire, potrebbe ad esempio consigliare al guidatore di rallentare quando si sta avvicinando una curva pericolosa che ancora l’occhio umano non riesce a individuare. Il prototipo realizzato ha centrato l’obbiettivo ed è capace di far questo ed altro.
Visione computerizzata
Quando i ricercatori che si occupano di intelligenza artificiale si sono trovati di per la prima volta di fronte alla sfida di fornire alle macchine una “capacità visiva”, non avevano alcuna idea dell’enorme complessità insita nella soluzione di questo problema. Una sequenza visiva che ha perfettamente senso per il complesso sistema di acquisizione e interpretazione delle immagini costituito dagli occhi e dal cervello umani — ad esempio un tratto di carreggiata chiaramente definito e che curva in lontananza, con degli alberi e dei segnali stradali che scivolano via sui margini della strada e altri veicoli disseminati qua e là di fronte a noi e nelle corsie a fianco, alcuni fermi, altri che si muovono a velocità differenti nella nostra stessa direzione o in quella opposta — per un computer non rappresenta niente di più che un mare sconfinato di pixel colorati la cui configurazione è in continuo mutamento.
I ricercatori del programma DRIVSCO, nella progettazione del front-end visivo (interfaccia con i sistemi che producono i dati visivi in ingresso) del sistema, hanno tratto la loro ispirazione da quanto è stato scoperto negli ultimi anni riguardo alle modalità con cui l’area corticale visiva del cervello dell’uomo e di altri vertebrati esegue il processo di analisi delle immagini, dando un senso comprensibile e funzionalmente utile per l’organismo a quell’insieme di complessi pattern cromatici che danzano negli occhi imprimendosi sulla retina. Una caratteristica chiave del sistema è rappresentata dal costante meccanismo di feedback retroattivo tra le aree visive superiori e inferiori della corteccia cerebrale visiva.
Mentre guidiamo, le aree visive superiori, deputate all’immagazzinamento di sequenze complesse di immagini, come l’avvicinarsi di un’altra auto o un pedone che attraversa la strada, sono costantemente attive. Queste aree inviano segnali di feedback che interagiscono con altri segnali in ingresso riferiti alla percezione di caratteristiche più semplici e basilari delle immagini, come i margini, i colori, e il movimento, in cui sono coinvolte le aree visive inferiori. Quando si verifica una corrispondenza di segnali, ciascun oggetto salta fuori dallo sfondo, definito completamente dalle percezioni delle sue dimensioni, della sua posizione e del suo movimento.
Il meccanismo retroattivo di feedback, con moduli superiori che interagiscono continuamente con moduli inferiori adibiti all’analisi di caratteri più semplici, rappresenta l’efficace soluzione al problema estremamente difficile di distinguere oggetti indipendenti anche quando essi si stanno muovendo alla nostra stessa velocità.
Tempo di andare a scuola
Dopo aver dotato il prototipo di un avanzato sistema di acquisizione e interpretazione delle immagini, il gruppo di ricerca DRIVSCO si è impegnato nel rendere l’auto sufficientemente intelligente da poter imparare come si guida. L’idea era quella di rendere le auto capaci di apprendere registrando il comportamento di guida delle persone al volante e poi applicare gli insegnamenti per guidare in completa autonomia. Visto che la legge non consente l’utilizzo di auto che si spostano autonomamente, il prototipo realizzato si limita ad emettere dei segnali di allarme quando il conducente esita a mettere in atto la risposta adeguata ad una situazione di pericolo.
In un prossimo futuro però, l’auto potrebbe anche assistere materialmente la guida. Ad esempio, nel caso in cui il guidatore perda il controllo e si stia dirigendo fuori strada, il sistema potrebbe intervenire, dal punto di vista meccanico, rendendo più difficile proseguire in quella direzione e più facile prendere quella che riporta il mezzo in carreggiata.
Il sistema impara attraverso la costruzione di un enorme database di associazioni tra le varie situazioni di guida che registra attraverso i suoi sensori (ad esempio, effettuare una curva a velocità differenti) e il comportamento di guida adottato dal conducente, in termini di manovra e di cambiamenti di velocità. In pratica, il sistema registra una scena, la analizza e mette a confronto la sua dinamica con le operazioni effettuate dal guidatore. Questi cicli di apprendimento si ripetono 20 volte per secondo.
Esattamente come una persona che sta imparando a guidare, il sistema migliora le proprie prestazioni con il tempo. Dopo aver processato terabyte di informazioni, il prototipo DRIVSCO è diventato capace di prevedere in tempo reale e in maniera attendibile come un particolare guidatore avrebbe affrontato la maggior parte delle possibili situazioni di guida in autostrada e strade extraurbane. Le situazioni di guida che si possono verificare durante la circolazione in città sono ancora troppo complesse per essere gestite attraverso un sistema di questo tipo.
I ricercatori sono rimasti piacevolmente impressionati dal loro lavoro quando il sistema si è dimostrato capace di generalizzare ciò che aveva imparato e di applicarlo a strade mai percorse e situazioni di guida mai affrontate in precedenza. L’auto intelligente può persino imparare stili di guida individuali venendo così incontro alle esigenze sia di un’anziana nonnina che di un pilota professionista come Michael Schumacher. Questa versatilità e la possibilità di creare configurazioni personalizzate è estremamente interessante per le aziende produttrici di auto. Infatti il professor Wörgötter pensa che il sistema DRIVSCO abbia un alto potenziale di commercializzazione e si aspetta che verrà presto installato in larga scala sui veicoli di classe elevata.