Boğaziçi ve Oxford üniversitelerinden otonom araçlar üzerine yeni proje
Boğaziçi Üniversitesi Bilgisayar Mühendisliği Öğretim Üyesi Dr. Turan: "Otonom araçların her türlü yol ve hava koşullarında güvenli bir sürüş gerçekleştirebilmesi için geliştirilmiş yapay zeka modelleri elde etmek üzerinde çalışıyoruz." dedi.
30.12.2022 11:58:00
Boğaziçi Üniversitesi Bilgisayar Mühendisliği Öğretim Üyesi Dr. Mehmet Turan'ın öncülüğünde Oxford Üniversitesi iş birliğiyle gerçekleştirilen proje kapsamında, otonom araçların her türlü zorlu ve karmaşık yol koşullarında güvenli bir sürüş sunmasını mümkün kılacak çalışmalar yapılıyor.
Dr. Mehmet Turan, otonom araçlardaki yapay zeka çalışmalarına ve Nature Machine Intelligence dergisinde yayınlanan makalelerine ilişkin AA muhabirinin sorularını yanıtladı.
Yapay zekanın son yıllarda büyük mesafeler kat ettiğini ve bu alanda özellikle son on yılda çok ilginç gelişmeler yaşandığını dile getiren Dr. Mehmet Turan, diğer yandan günümüzdeki en gelişmiş haliyle bile ele alındığında yapay zekanın birçok yönden insan beyninin halen çok gerisinde olduğunu söyledi.
Turan, insan zekasının akıl yürütme, analiz yapma, sonuç çıkarma, karar verme gibi üst düzey işlevsellikleri veya tümden gelim gibi yöntemleri kullanarak daha önce karşılaşmadığı türden durumlarda çözüm üretebilme yetisi düşünüldüğünde, yapay zekanın bu noktalarda insan beyninin çok gerisinde olması sebebiyle otonom araçların hala yollarda yaygın ve güvenilir bir şekilde yer alamadığını ifade etti.
Kara ulaşımında sürücünün daha önce karşılaşmadığı türden sayısız istisnai durumların mevcut olduğunu ve bu durumlarla her an karşılaşılma ihtimali olduğunu belirten Turan, "Otonom sürüş için yapay zeka algoritmalarının eğitilmesi esnasında tüm istisnai durumları kapsayacak bir veri havuzu oluşturmak imkânsız. Çünkü istisnai durum diye tabir ettiğimiz şeyin bir sınırı yok. Bu noktada yapay zekanın genelleme kabiliyetinin devreye girmesi gerekiyor. Fakat başta da belirttiğim gibi günümüz yapay zekası bildiklerinden bu çıkarımları yapıp, çok farklı, istisnai durumlarda çözüm üretebilecek yetiye de henüz sahip değil. Dolayısıyla insanoğlunun yaklaşık bir asırdır peşinden koştuğu tam otonom sürüş hayalleri bir türlü gerçekleşemiyor. Ben şahsen önümüzdeki 10-15 yıl içinde de bu hayallerin gerçeğe dönüşme olasılığının çok düşük olduğunu düşünüyorum." şeklinde konuştu.
Dr. Mehmet Turan, otonom araçlardaki yapay zeka çalışmalarına ve Nature Machine Intelligence dergisinde yayınlanan makalelerine ilişkin AA muhabirinin sorularını yanıtladı.
Yapay zekanın son yıllarda büyük mesafeler kat ettiğini ve bu alanda özellikle son on yılda çok ilginç gelişmeler yaşandığını dile getiren Dr. Mehmet Turan, diğer yandan günümüzdeki en gelişmiş haliyle bile ele alındığında yapay zekanın birçok yönden insan beyninin halen çok gerisinde olduğunu söyledi.
Turan, insan zekasının akıl yürütme, analiz yapma, sonuç çıkarma, karar verme gibi üst düzey işlevsellikleri veya tümden gelim gibi yöntemleri kullanarak daha önce karşılaşmadığı türden durumlarda çözüm üretebilme yetisi düşünüldüğünde, yapay zekanın bu noktalarda insan beyninin çok gerisinde olması sebebiyle otonom araçların hala yollarda yaygın ve güvenilir bir şekilde yer alamadığını ifade etti.
Kara ulaşımında sürücünün daha önce karşılaşmadığı türden sayısız istisnai durumların mevcut olduğunu ve bu durumlarla her an karşılaşılma ihtimali olduğunu belirten Turan, "Otonom sürüş için yapay zeka algoritmalarının eğitilmesi esnasında tüm istisnai durumları kapsayacak bir veri havuzu oluşturmak imkânsız. Çünkü istisnai durum diye tabir ettiğimiz şeyin bir sınırı yok. Bu noktada yapay zekanın genelleme kabiliyetinin devreye girmesi gerekiyor. Fakat başta da belirttiğim gibi günümüz yapay zekası bildiklerinden bu çıkarımları yapıp, çok farklı, istisnai durumlarda çözüm üretebilecek yetiye de henüz sahip değil. Dolayısıyla insanoğlunun yaklaşık bir asırdır peşinden koştuğu tam otonom sürüş hayalleri bir türlü gerçekleşemiyor. Ben şahsen önümüzdeki 10-15 yıl içinde de bu hayallerin gerçeğe dönüşme olasılığının çok düşük olduğunu düşünüyorum." şeklinde konuştu.
"Sürücüyü tamamen devreden çıkaran sistemler için halen aşılması gereken ciddi sorunlar var"
Tam otonom araçlar için akademik ve endüstriyel çalışmaların tüm hızıyla devam ettiğini aktaran Dr. Mehmet Turan, "Fakat seviye beş olarak tanımlanan tam otomatik ve sürücüyü tamamen devreden çıkaran sistemler için halen aşılması gereken ciddi sorunlar mevcut. Otonom sürüş teknolojisine Tesla ve Google gibi dev teknoloji firmaları öncülük ediyor olsa da günümüzde otonom sürüş teknolojisi kısıtlı alanlarda küçük kapsamlı uygulamalara sıkışmış durumda. Araştırmacılar olarak önde gelen şirketler ve araştırma kurumları tarafından 2020 yılına kadar dünya genelinde yaygın bir şekilde kullanılması öngörülen otonom araçların neden hala göreceli olarak küçük ölçekli deneme programlarında olduğu sorusunu sorgulamaya devam ediyoruz." dedi.
Genel kanının aksine asıl sorunun yapay zeka mimarileri ve donanımsal eksikliklerden ziyade, yol, trafik ve hava koşullarındaki karmaşık, çok değişken durumlar ve bu durumlarda aracın otonom sürüş sağlayan akıllı yazılımının bu değişiklikleri analiz edip, en doğru aksiyon planını saliseler içinde oluşturup uygulayabilmesinde saklı olduğuna dikkati çeken Turan, söyle devam etti:
"Örneğin, yola aniden bir yaya çıktığını düşünün ya da yolda bir tadilat sebebiyle şeridin iptal olmaya başladığını ya da öndeki iki aracın aniden kaza yaptığını ve arkadan gelen araç için tehlike arz ettiklerini düşünün…Ya da örneğin, aniden bastıran kar yağışı, yoğun sis gibi faktörlerden dolayı sensörlerin görüş mesafesinin kısaldığını düşünün, geliştirdiğimiz yapay zeka, sensörlerden gelen verilerden hangilerine daha çok güvenecek, hangilerini daha az dikkate alacak veya daha önce hiç karşılaşmadığı bir durum olduğunda, 'Eski öğrendiklerinden yola çıkarak bu yeni durumda güvenli şekilde sürüşünü devam ettirebilecek mi?' gibi sorular baş gösteriyor. Kısacası otonom sürüş sanıldığı kadar kolay bir teknoloji değil ve sorunun tam olarak çözüme ulaştırılması uzun yıllar alacağa benziyor."
Genel kanının aksine asıl sorunun yapay zeka mimarileri ve donanımsal eksikliklerden ziyade, yol, trafik ve hava koşullarındaki karmaşık, çok değişken durumlar ve bu durumlarda aracın otonom sürüş sağlayan akıllı yazılımının bu değişiklikleri analiz edip, en doğru aksiyon planını saliseler içinde oluşturup uygulayabilmesinde saklı olduğuna dikkati çeken Turan, söyle devam etti:
"Örneğin, yola aniden bir yaya çıktığını düşünün ya da yolda bir tadilat sebebiyle şeridin iptal olmaya başladığını ya da öndeki iki aracın aniden kaza yaptığını ve arkadan gelen araç için tehlike arz ettiklerini düşünün…Ya da örneğin, aniden bastıran kar yağışı, yoğun sis gibi faktörlerden dolayı sensörlerin görüş mesafesinin kısaldığını düşünün, geliştirdiğimiz yapay zeka, sensörlerden gelen verilerden hangilerine daha çok güvenecek, hangilerini daha az dikkate alacak veya daha önce hiç karşılaşmadığı bir durum olduğunda, 'Eski öğrendiklerinden yola çıkarak bu yeni durumda güvenli şekilde sürüşünü devam ettirebilecek mi?' gibi sorular baş gösteriyor. Kısacası otonom sürüş sanıldığı kadar kolay bir teknoloji değil ve sorunun tam olarak çözüme ulaştırılması uzun yıllar alacağa benziyor."
"Geliştirdiğimiz yapay zeka algoritması, tamamlayıcı bir yazılım görevini üstleniyor"
Bu sorunları aşabilmek için kendi araştırma gruplarınki çalışmalara ve Nature Machine Intelligence dergisinde yayınlanan çalışmaya değinen Dr. Mehmet Turan, şunları kaydetti:
"Otonom araçların her türlü yol ve hava koşullarında güvenli bir sürüş gerçekleştirebilmesi için aracın seyir sırasında karşılaşabileceği zorlayıcı ve karmaşık senaryolar için özel olarak geliştirilmiş ve eğitilmiş yapay zeka modelleri elde etmek üzerinde çalışıyoruz. Bu tür zorlayıcı senaryolarla karşılaştıklarında, tecrübeli sürücülerin uyguladıkları çözümleri denetimli öğrenme eşliğinde yapay zeka algoritmalarına kazandırmaya çalışıyoruz. Bir noktada kendi kendine öğrenebilen yani denetimsiz yapay zeka yaklaşımları önem kazanıyor çünkü denetimli öğrenme dediğimiz teknik, çoğu zaman yüksek hacimli, elle etiketlenmiş veri havuzlarına ihtiyaç duyuyor ve yüzbinlerce saatlik veriyi elle etiketlemek çok büyük iş gücü ve büyük bütçe gerektiriyor.
Bunun için yapay zeka araştırmaları son yıllarda, bir denetleyici olmadan kendi gözlemlerinden öğrenebilen yapay zeka algoritmaları üzerinde daha çok durmaya başladı. Mesela, bizim geliştirdiğimiz ve ilgili dergide yayınlanan çalışmadaki yapay zeka modeli, otonom araçların kötü hava koşullarında konumlandırılmasında karşılaşılan sorunlarını çözmek için öz-denetimli öğrenme metodunu kullanıyor. Bu çalışmamızda kamera, radar, ve lidarın farklı hava şartlarındaki ortaya çıkan güçlü yanlarını kullanabilmek ve zayıf yönlerini ekarte etmek için geometrik farkındalığı olan bir sensör füzyonu tekniği geliştirdik. Geliştirdiğimiz yapay zeka algoritması, kötü hava koşullarında aracın emniyet ve güvenilirliğini artırmak için tamamlayıcı bir yazılım görevini üstleniyor ve araca zorlu koşullarda hassas konumlandırma kabiliyeti sunuyor. Konumlandırma kabiliyetinin iyileşmesiyle birlikte rota planlama, hareket tahmini, durumsal farkındalık ve çarpışma önleme gibi hayati işlevler de daha güvenilir hale geliyor."
"Otonom araçların her türlü yol ve hava koşullarında güvenli bir sürüş gerçekleştirebilmesi için aracın seyir sırasında karşılaşabileceği zorlayıcı ve karmaşık senaryolar için özel olarak geliştirilmiş ve eğitilmiş yapay zeka modelleri elde etmek üzerinde çalışıyoruz. Bu tür zorlayıcı senaryolarla karşılaştıklarında, tecrübeli sürücülerin uyguladıkları çözümleri denetimli öğrenme eşliğinde yapay zeka algoritmalarına kazandırmaya çalışıyoruz. Bir noktada kendi kendine öğrenebilen yani denetimsiz yapay zeka yaklaşımları önem kazanıyor çünkü denetimli öğrenme dediğimiz teknik, çoğu zaman yüksek hacimli, elle etiketlenmiş veri havuzlarına ihtiyaç duyuyor ve yüzbinlerce saatlik veriyi elle etiketlemek çok büyük iş gücü ve büyük bütçe gerektiriyor.
Bunun için yapay zeka araştırmaları son yıllarda, bir denetleyici olmadan kendi gözlemlerinden öğrenebilen yapay zeka algoritmaları üzerinde daha çok durmaya başladı. Mesela, bizim geliştirdiğimiz ve ilgili dergide yayınlanan çalışmadaki yapay zeka modeli, otonom araçların kötü hava koşullarında konumlandırılmasında karşılaşılan sorunlarını çözmek için öz-denetimli öğrenme metodunu kullanıyor. Bu çalışmamızda kamera, radar, ve lidarın farklı hava şartlarındaki ortaya çıkan güçlü yanlarını kullanabilmek ve zayıf yönlerini ekarte etmek için geometrik farkındalığı olan bir sensör füzyonu tekniği geliştirdik. Geliştirdiğimiz yapay zeka algoritması, kötü hava koşullarında aracın emniyet ve güvenilirliğini artırmak için tamamlayıcı bir yazılım görevini üstleniyor ve araca zorlu koşullarda hassas konumlandırma kabiliyeti sunuyor. Konumlandırma kabiliyetinin iyileşmesiyle birlikte rota planlama, hareket tahmini, durumsal farkındalık ve çarpışma önleme gibi hayati işlevler de daha güvenilir hale geliyor."
"Yapay zekayı yüzbinlerce saatlik zorlu rota ve trafik senaryolarına tabi tutuyoruz"
Dr. Mehmet Turan, otonom araçların önündeki kara yolculuğunun karmaşık ve modellemesi imkansız yapısının getirdiği sorunların çözümü için gerçeğe yakın simülasyon ortamları oluşturduklarını ve yapay zekaya, tecrübeli sürücülerin bu tür durumlardaki reaksiyonlarını, yaklaşım tarzlarını öğrettiklerini bildirdi.
Kurdukları simülasyon ortamlarından yüzbinlerce saatlik veri topladıklarını ve bu veri havuzlarıyla gelişmiş yapay zeka modellerini eğittiklerini dile getiren Turan, "Ayrıca yine bu kurduğumuz simülasyon ortamlarında, yapay zekayı yüzbinlerce saatlik zorlu rota ve trafik senaryolarına tabi tutuyoruz ve yapay zekayı bu sürüşleri esnasında bir takım ödül-ceza mekanizmaları uygulayarak, sefer sırasında kritik hatalar yapmadan sürüşü gerçekleştirmeyi öğrenmeye zorluyoruz." diye konuştu.
Kurdukları simülasyon ortamlarından yüzbinlerce saatlik veri topladıklarını ve bu veri havuzlarıyla gelişmiş yapay zeka modellerini eğittiklerini dile getiren Turan, "Ayrıca yine bu kurduğumuz simülasyon ortamlarında, yapay zekayı yüzbinlerce saatlik zorlu rota ve trafik senaryolarına tabi tutuyoruz ve yapay zekayı bu sürüşleri esnasında bir takım ödül-ceza mekanizmaları uygulayarak, sefer sırasında kritik hatalar yapmadan sürüşü gerçekleştirmeyi öğrenmeye zorluyoruz." diye konuştu.
"Önümüzde uzun ve zorlu bir yol var"
Konuya ilişkin örnek senaryoları paylaşan Mehmet Turan, sözlerini şöyle tamamladı:
"Örneğin, yapay zeka bir yayaya çarptığında çok büyük bir ceza puanı alıyor. Kırmızı ışıkta geçtiğinde, yaya geçidinde durmadığında ya da kavşakta karşı aracın geçiş üstünlüğünü ihlal ettiğinde yine büyük cezalar alıyor. Bu hataları yaptıkça cezalandırılan yapay zeka, zamanla bu hataları yapmamayı öğreniyor. Milyonlarca kere gerçekleşen bu deneme-yanılma süreçleri sonunda belli başarı oranlarına ulaştığımızı söyleyebilirim. Ama hala yolun başındayız, çalışmaların önce simülasyon ortamında sıfır hataya yakın bir duruma gelmesi sonra da gerçek dünya koşullarında aynı seviyelere ulaşması gerekiyor. Bu da önümüzde uzun ve zorlu bir yolun olduğuna işaret ediyor."
