自動運転について
Computation Technologyによる人工知能システムの開発は現在多岐な分野にわたっています。ドローン、顔認識ゲートシステム、画像診断システム、ロボットによる対話システムなどこれらのシステムは人の介在を行うことなく、飛行、診断、判定などの行動を自律的に行うことができます。
Booze Allen Hamilton社のKirk Brone氏の論考を基調にして、自動運動について自分なりの備忘録を記述しておきます。
自律システム(Autonomous system)の定義
Kirk Brone氏はAutonomous Manufacturingを引用にして自動化運転システムの概念を自律的システムに適用することで見解をまとめています。この中でAutonomous systemsは、イギリス工業生産の中で将来の潜在的成長を担う最重要Technologyの一つとして位置付けられており、学習、順応・習得、そして行動をコントロールし、生産性、信頼性、柔軟性や付加価値を高めることで先進的な生産プロセスの構築を行うものです。将来の生産と品質保持を維持するため持続性、効果性、柔軟性を備えたAutonomous Systemを融合するスマートシステムの実現を行うことが理想とされています。
システム実現のために多くの課題が産業界の多岐にわたる分野で挙げられており、将来必要とされる具体的機能はそれぞれの分野で異なります。
一方で、__Autonomy(自律的)__はシステムでの自己認識、自己コントロールの能力を有し、__Autonomous Manufacturing Systems__がより先進的な認知機能を備えたシステムであることが述べられています。
自律システム(Autonomous system)の特徴
ここで、自律システム(Autonomous system)の特徴は、
- 多岐にわたる外部からの入力が受信可能
- 意思決定、戦略的計画を自身で完結可能な機能を備え持っている
- 人の行動を代替かつ補完出来る機能を有すること
- 人と共存可能であり、かつハイブリッドな意志決定や通信・会話の確立、人の行動モデルの構築が可能であること
- 適切なロジックで自己学習、行動反応を行い、人に劣らない先進的な学習能力を有すること
- 外部からの変化する情報を受け取り行動し、より複雑なモデルを自身で構築可能であること
- インテリジェントなセンサーシステムを搭載することで感度(掴み方、組み立て方など)が調整可能である
と列挙されています。
自動運転エンタープライズシステムの概念について
自動運転システムでは、車が単体で稼働して走行することもありますが、基本的には車を全体的にコントロールするエンタープライズシステムの存在が必要になります。例えば、他人の車と情報を交換・交信したり、スマートシティにおける路上信号システムとの交信による自動交通制御、スマートグリッドとの連携においての電気自動車への電力供給の管理を行うことで、単体の車がより広域なエンタープライズシステムに内包化するべきであるとされます。
ここでは、自律システムの特徴を適用した後、自動運転エンタープライズシステムの特徴と定義がどのようになるのか簡潔に紹介されています。
| 特徴 | 内容 | アナリティクス | 行動様式上での位置付け |
|---|---|---|---|
| センシング・ストリーミング | 多数のセンサーからの情報入力 | Descriptive Analytics(主に過去データからの分析) | Passive(受動的な行動) |
| 反応 | 入力信号に対応した行動 | Diagnostics Analytics(リアルタイムで入力されるデータに対応した分析) | Reactive(反射的な行動) |
| 学習・アジャイル | 過去・現在、そして全体から取得したデータから学習を構築 | Predictive Analytics(次に何が起こるかについての分析) | Proactive(自発的行動) |
| 連想最適化 | 最適な意志決定のための知見を深めるため多くのデータを取得 | Perspective Analytics(予想モデルを超えた領域からの行動予想) | Predictive Reactive(予見される反射行動) |
| 意思決定・行動 | 意志決定のため全てのデータを活用、最小リスクと最大効果を求める | Coginitive Analytics(Next Best Actionのための認知行動) | Sense-Making for NBA(最善行動のめのセンシング) |
近年では、Databaseや配信データなどを用いた従来のデータ分析を超えた先進的な分析手法が新たに開発されたことで、自動運転のエンタープライズシステム上で発生する事象の分析に大いに役立っています。特に__Perspective Analytics__は、過去データからデータパターンや行動様式を予想するばかりでなく、これらパターンからは予想不可能であった予想結果や、過去データにはかつて現れることのなかったデータパターンを取得することが可能になり、どのように行動することで最善の結果・結論を得ることができるかについて深い洞察力を備えることが可能となっています。
さらに,__Coginitive Analytics__では人工知能の領域に踏み込むことで、正確なタイミングで正確な意志決定の判断を下すことが可能となっています。Neural NetwrokおよびDeep Learningの分析手法を駆使することで正解で緻密な解を導き出すことが可能となっています。
これら重要な要素を備えることで現在官邸が定義を行なっている自動運転システムのレベル４の実現に向かうことが可能となることでしょう。
参考文献
https://mapr.com/blog/safe-driving-self-driving-enterprise
https://www.epsrc.ac.uk/newsevents/pubs/autonomous-manufacturing-workshop-report/
https://www.digitalartsonline.co.uk/features/hacking-maker/humanising-autonomy-what-we-actually-need-from-self-driving-cars/
https://www.kantei.go.jp/jp/singi/it2/senmon_bunka/detakatsuyokiban/dorokotsu_dai1/siryou3.pdf