Appleは「Apple Car」に機械学習を使うことを計画しているが、これは現在のプロセッサでは、この技術なしでは重要な運転上の判断を自律的に行うには速度が足りないためだ。
Appleが期待されている「Apple Car」に機械学習（ML）を活用することは、同社のAI責任者であるジョン・ジャンナンドレア氏がその責任者に就任して以来、既に予想されていました。しかし今回、新たに公開された特許によって、MLがどのように活用されるのか、そしてなぜ必要なのかが明確に説明されました。
「強化学習を使用してさまざまなサイズのアクション空間を評価する」は、自動車が ML の恩恵を受けることに関係しています。自動車が自身の間違いから学習するというアイデアは少し怖いですが、これはむしろ、自動車がそのようなすべての自動車から蓄積されたデータを使用できるようになることに似ています。
これは、ハンドル操作時に極めて迅速な判断が求められることに起因しています。例えば、車線変更や衝突回避といった正しい判断であっても、迅速に行わなければ命に関わる可能性があります。
特許には、「比較的最近まで、利用可能なハードウェアとソフトウェアの制限により、車両の外部環境の関連側面を分析するための計算を実行できる最大速度は、人間の指示なしに重要なナビゲーションの決定を行うには不十分であった」と記されている。
「比較的最近まで」という表現は、ハードウェアとソフトウェアの性能が向上しているということを暗示しているように思われます。確かに向上していますが、Appleはそれでもまだ十分ではないと主張しています。
「しかしながら、今日の高速プロセッサ、大容量メモリ、および高度なアルゴリズムをもってしても、車両の環境についてタイムリーかつ合理的な判断を下すという課題は依然として大きな課題である」と続けている。
この特許では、「過度に悲観的な仮定にも、過度に楽観的な仮定にも基づかない」自律的な意思決定の複雑さについて言及されています。つまり、車は自動運転は可能かもしれませんが、単独で運転することは決してありません。つまり、他の車のドライバーの「予測不可能な行動」が要因となるのです。
さらに、現実世界はどんなテスト環境よりもずっと複雑であるため、Apple は「不完全またはノイズの多いデータ」がある場合でも自動運転の決定を下す必要があるとも指摘している。
17,000語を超える特許では、自動車の「行動空間」に関する状況が説明されています。行動空間とは、自動車が判断を下す必要がある時間と距離のことです。
「車両が数キロメートルまたは数マイルにわたって曲がることができない、ほぼ空の直線道路を走行している場合など、一部の状態では評価される動作の数は比較的少ない可能性があります。一方、車両が混雑した交差点に近づいている場合など、他の状態では動作の数ははるかに多くなります。」と特許は続けます。
意思決定の一例を示した特許の詳細
いずれの場合も、車両のシステムは車両周囲の「現在の環境状態」を判断する必要があります。その後、「実行可能な、あるいは実行可能な一連の行動」を特定する必要があるかもしれません。
行動の例としては、「左折する」や「車線変更する」などが挙げられます。少なくとも一部のケースでは、機械学習を活用して、車がそれぞれの可能な判断に数値や値を割り当て、最適な行動方針を決定するのを支援することができます。
「（例えば）強化学習モデルの複数のインスタンスまたは実行を車両で使用して、アクションのそれぞれの価値指標を取得することができ、その価値指標を使用して実行するアクションを選択できる」と特許には記されている。
この特許は、Martin Levihn 氏と Pekka Tapani Raiko 氏の 2 人の発明によるものです。
レヴィン氏のこれまでの関連研究には、別の自律的意思決定システムである車両用の「行動プランナー」の特許が含まれている。
