จิตร์ทัศน์ ฝักเจริญผล เรื่อง
ภาพิมล หล่อตระกูล ภาพประกอบ
การแข่งขัน
ในปี 2004 สำนักโครงการวิจัยขั้นสูงกลาโหม (Defense Advanced Research Project Agency หรือดาร์ปา – DARPA) ได้ทดลองปรับเปลี่ยนรูปแบบการให้ทุนวิจัยเกี่ยวกับหุ่นยนต์และยานยนต์ขับเคลื่อนอัตโนมัติมาเป็นการจัดการแข่งขัน Grand Challenge ที่เสนอให้มหาวิทยาลัยและบริษัทต่างๆ รางวัลของการแข่งขันคือเงินหนึ่งล้านเหรียญ ในการแข่งขันครั้งแรก โจทย์คือให้แต่ละทีมสร้างรถยนต์ที่ขับเองโดยอัตโนมัติ ให้เดินทางข้ามทะเลทรายตามเส้นทางความยาว 240 กิโลเมตร แม้ว่าการแข่งขันครั้งแรกมีทีมที่เข้ารอบสุดท้าย 15 ทีม แต่ผลปรากฏว่ารถจากทีมมหาวิทยาลัยคาร์เนกีเมลลอนที่โด่งดังด้านการวิจัยเกี่ยวกับหุ่นยนต์ซึ่งสามารถขับไปได้ไกลที่สุด ทำระยะได้เพียง 11.78 กิโลเมตร หรือไม่ถึง 5% ของระยะทั้งหมด
การแข่งขันครั้งแรกจบลงด้วยความล้มเหลว ทั้งทีมที่เข้าแข่งและหน่วยงานให้ทุน อย่างไรก็ตาม ดาร์ปาก็ไม่ย่อท้อที่จะจัดการแข่งขันนี้อีกครั้งในปีถัดมาด้วยเงินรางวัลที่มากกว่าเดิม
การแข่งขันปี 2005 ยังคงรูปแบบที่ไม่ต่างจากการแข่งครั้งที่แล้วมากนัก รถยนต์ของแต่ละทีมจะต้องเดินทางข้ามทะเลทราย ผ่านทางความยาว 212 กิโลเมตร อย่างไรก็ตาม ในปีนี้ ทีมที่เข้าร่วมทำผลงานได้ดีกว่าในปีแรกมาก จากทีมที่เข้ารอบสุดท้าย 23 ทีม มีถึง 22 ทีมที่รถขับไปได้ไกลกว่า 11.78 กิโลเมตร ซึ่งเป็นระยะที่ดีที่สุดจากการแข่งขันปีที่แล้ว ยิ่งไปกว่านั้นยังมีอีก 5 ทีมที่รถยนต์สามารถขับเองมาจนถึงเส้นชัย ทีมที่ชนะเลิศเป็นทีมจากมหาวิทยาลัยสแตนฟอร์ด ที่รถใช้เวลา 6 ชั่วโมง 54 นาที ส่วนรถอีกสองคันจากทีมมหาวิทยาลัยคาร์เนกีเมลลอนเข้าเป็นที่ 2 และที่ 3 เวลาต่างกับรถคันที่ได้ที่หนึ่งแค่ประมาณ 10 นาที
ก่อนการแข่งขัน ดาร์ปาจะส่งข้อมูลเส้นทางให้ทุกทีมก่อนการแข่งขัน 2 ชั่วโมง ข้อมูลเหล่านี้ประกอบด้วยรายการของพิกัดบนเส้นทางทุกๆ ระยะ 72 เมตร ทีมที่เข้าแข่งสามารถใช้เวลาดังกล่าวในการเตรียมข้อมูลให้กับรถขับเอง หลายๆ ทีมจะใช้เวลาดังกล่าวในการใช้แผนที่ทางอากาศประกอบกับพิกัดเส้นทางเพื่อสร้างเส้นทางแบบละเอียดให้กับรถยนต์ของทีม การสร้างแผนที่โดยละเอียดนี้ทำให้ปัญหาหลักที่ต้องแก้เหลือแค่การควบคุมรถให้อยู่ตามเส้นทางแบบละเอียด อย่างไรก็ตามก็เป็นงานที่ต้องเร่งทำแข่งกับเวลาและใช้กำลังคนมาก
ทีมจากสแตนฟอร์ดมีแนวทางที่แตกต่างออกไป กล่าวคือทีม Stanley จะพยายามพัฒนารถยนต์ให้ขับเคลื่อนและวางแผนการขับระยะสั้นๆ ต่อเนื่องระหว่างพิกัดของเส้นทางได้เอง โดยใช้เทคนิคการเรียนรู้ด้วยเครื่อง (machine learning) ฝึกสอนให้รถยนต์บังคับพวงมาลัย คันเร่งและเบรก เพื่อให้ขับเคลื่อนไปเองไปตามเส้นทาง แนวทางนี้ได้กลายมาเป็นแนวทางหลักในการพัฒนารถยนต์ขับเองมาจนถึงปัจจุบันนี้
รถยนต์จะใช้ข้อมูลตำแหน่ง GPS ร่วมกับเซ็นเซอร์บนรถ ที่ประกอบด้วยเซ็นเซอร์แบบเลเซอร์ 5 ตัว (สำหรับสร้างภาพพื้นที่สามมิติระยะใกล้) กล้องถ่ายภาพ (สำหรับการวิเคราะห์เส้นทางระยะไกล) และระบบเรดาร์ (สำหรับตรวจจับสิ่งกีดขวางขนาดใหญ่) จากข้อมูลเหล่านี้ แทนที่ทีมพัฒนาซอฟต์แวร์จะเขียนโปรแกรมเฉพาะเจาะจงให้มีการบังคับพวงมาลัยหรือเหยียบเบรกตามเงื่อนไขต่างๆ ทีม Stanley เลือกที่จะสอนให้คอมพิวเตอร์สามารถหารูปแบบการบังคับรถได้เอง กล่าวคือทีมงานจะขับรถไปตามพื้นที่ที่ใกล้เคียงกับสนามแข่งเพื่อบันทึกข้อมูลจากเซนเซอร์ต่างๆ และวิธีบังคับรถของมนุษย์ ข้อมูลเหล่านี้ถูกนำมาฝึกสอนให้คอมพิวเตอร์พยายามบังคับรถให้ได้คล้ายกับมนุษย์เมื่อได้รับข้อมูลจากเซ็นเซอร์ต่างๆ ถ้าข้อมูลมีมากพอและถูกประมวลผลเบื้องต้นได้เหมาะสม ระบบปัญญาประดิษฐ์จะเรียนรู้การบังคับรถได้อย่างมีประสิทธิภาพ ในวันที่ปัญญาประดิษฐ์และการเรียนรู้ของเครื่องยังไม่เป็นที่พูดถึงอย่างมากมายเหมือนทุกวันนี้ ความสำเร็จของทีม Stanley ในการใช้แนวทางนี้จัดว่าเป็นหนึ่งในหมุดหมายสำคัญเลยทีเดียว
ภายหลังความสำเร็จนี้ DARPA เลยจัดการแข่งขัน Urban Challenge ในปี 2007 โดยโจทย์ในครั้งนี้มีสถานการณ์เป็นการสร้างรถขับเองที่สามารถขับในเมืองที่มีสัญญาณไฟ และมีรถยนต์คันอื่นๆ ด้วย ครั้งนี้ทีมที่ชนะเลิศเป็นทีมที่เกิดจากความร่วมมือระหว่างมหาวิทยาลัยคาร์เนกีเมลลอนและ GM ส่วนที่สองเป็นของมหาวิทยาลัยสแตนฟอร์ดที่ร่วมกับ Volkswagen
ผ่านมาสิบกว่าปี นักวิจัยด้านหุ่นยนต์ที่เกี่ยวข้องกับการแข่งขันทั้งสามครั้งนี้ได้กลายเป็นกำลังหลักของการพัฒนารถยนต์ขับเองในปัจจุบัน และหน่วยงาน DARPA ที่จัดการแข่งขันก็เป็นผู้กระตุ้นให้เกิดอุตสาหกรรมเทคโนโลยีรถยนต์อัตโนมัติที่พร้อมจะเปลี่ยนแปลงโลกอีกครั้ง (อินเทอร์เน็ตก็เป็นอีกหนึ่งในนวัตกรรมเปลี่ยนแปลงโลกที่เกิดจากการสนับสนุนของ DARPA)
ไปให้ถึงดวงจันทร์
ภายหลังการแข่งขันไม่นาน กูเกิลก็ริเริ่มโครงการลับเพื่อพัฒนารถยนต์ขับเอง โดยมีการสร้างทีมที่นำโดย Sebastian Thrun หัวหน้าทีม Stanley และนักวิจัยด้านหุ่นยนต์-ปัญญาประดิษฐ์จากทีมที่แข่ง Grand Challenge ของ DARPA หลายคน เช่น Chris Urmson หัวหน้าฝ่ายเทคนิคจากทีมคาร์เนกีเมลลอน และ Anthony Levandowski หนึ่งผู้เข้าแข่งขันที่ทำรถมอเตอร์ไซค์ขับเอง
การพัฒนาระบบรถยนต์ขับเองที่ทำงานในสภาพจริงนั้นแตกต่างจากการแข่งขันมาก ถ้านับเวลาตั้งแต่การแข่งขัน Grand Challenge ในปี 2005 ถึงเดือนกันยายนปี 2015 ที่มีการใช้งานรถยนต์ขับเองซึ่งมีแต่ผู้โดยสารบนถนนจริงครั้งแรก ก็นับว่าเป็นเวลากว่าสิบปีเลยทีเดียว
ทำไมการพัฒนารถยนต์ขับเองถึงได้ยากมากนัก? ให้ลองจินตนาการว่าเรากำลังขับรถบนถนนอันจอแจของกรุงเทพ นอกจากเราจะต้องบังคับรถให้ไปตามเส้นทางที่ต้องการแล้ว เรายังต้องดูสภาพของรถและผู้ใช้ถนนคนอื่นๆ หลายครั้งเราต้อง ‘เดาใจ’ ว่ารถคันหน้าจะตัดสินใจอย่างไร จะเลี้ยวออกซ้าย ออกขวาหรือไม่เป็นต้น ถ้าจะขับไปบนถนนจริงๆ รถยนต์ขับเองก็จำเป็นต้องทำการวิเคราะห์ดังกล่าวเช่นเดียวกัน
รถยนต์ขับเองส่วนใหญ่ต้องมีระบบคอมพิวเตอร์เพื่อแก้ปัญหาสองปัญหา คือ (1) ปัญหาการรับรู้สภาพแวดล้อม (perception) รถยนต์ต้องทราบว่าตนเองอยู่ตำแหน่งใด สิ่งกีดขวางต่างๆ อยู่ตำแหน่งใด บนถนนมีรถคันอื่น ยานพาหนะอื่นและคนที่เดินข้ามถนนอยู่ในตำแหน่งใด รถยนต์จะต้องแยกแยะระหว่างสิ่งกีดขวางที่ไม่ขยับ (รถยนต์ที่จอดไว้) กับสิ่งกีดขวางที่อาจจะเคลื่อนที่ได้ กล่าวคือรถยนต์จะต้องคาดเดาได้ว่าสิ่งที่เห็นอยู่ตอนนี้ ในอนาคตจะเปลี่ยนตำแหน่งไปอย่างไร นอกจากนี้สิ่งที่ท้าทายมากๆ คือไฟจราจรและป้ายจราจร บางครั้งไฟจราจรก็ไม่ชัดเจน มีหลายอัน มองด้วยกล้องแล้วก็กลืนไปกับภาพอื่นๆ
อีกปัญหาที่สำคัญก็คือ (2) ปัญหาการวางแผนและควบคุมรถ เมื่อได้ผลลัพธ์จากส่วนการรับรู้แล้ว ระบบในรถขับเองก็จะต้องวางแผนว่าจะเคลื่อนที่ไปจุดใดด้วยความเร็วเท่าใด ส่วนควบคุมรถก็จะต้องไปบังคับคันเร่ง พวงมาลัยหรือเบรก เพื่อให้ตัวรถขยับไปตามที่ต้องการ นอกจากนี้ในการพยายามแก้ปัญหาที่ 2 นี้ ต้องมีการรองรับความผิดพลาดและความคลาดเคลื่อนของผลลัพธ์จากปัญหาที่ 1 ด้วย
ระบบทั้งสองส่วนจะต้องทำงานประสานกันตลอดเวลา ขณะที่รถเคลื่อนตัว ส่วนรับรู้สภาพแวดล้อมก็จะต้องตรวจสอบสภาพรอบข้างตลอดเวลา อุบัติเหตุที่เกิดขึ้นกับรถยนต์ที่มีส่วนควบคุมอัตโนมัติหลายครั้งเกิดจากความผิดพลาดของส่วนรับรู้สภาพแวดล้อม เช่น รถเข้าใจว่าด้านข้างของรถบรรทุกสีขาวนั้นเป็นท้องฟ้า ทำให้วิ่งชนเข้าไปตรงๆ หรืออาจจะมองเส้นแบ่งเลนถนนผิดพลาด ทำให้ชนที่กั้นถนนเป็นต้น
ในระบบปัญญาประดิษฐ์โดยมากถ้ามีความถูกต้องระดับ 99% ก็มักจะเป็นที่น่าเชื่อถือแล้ว แต่เนื่องจากระบบปัญญาประดิษฐ์ในระบบรถขับเองต้องทำงานตลอดเวลา ถ้าระบบมีความผิดพลาดระดับ 1% ผู้ใช้อาจจะพบกับความผิดพลาดหลังจากใช้งานไม่กี่วัน ในปัจจุบันระบบรับรู้สภาพแวดล้อมแม้จะทำงานได้ดีมากๆ แต่ก็ยังพบความผิดพลาดประมาณ 1 ครั้งต่อการใช้งาน 10,000 ชั่วโมง ซึ่งถ้าเทียบกับคนแล้ว คนยังมีสถิติความปลอดภัยที่ดีกว่านับร้อยเท่า
เพื่อแก้ปัญหาการรับรู้ รถยนต์ขับเองจะใช้เซ็นเซอร์และกล้องจำนวนหนึ่ง เซ็นเซอร์สำคัญที่มีการพัฒนาขึ้นหลังการแข่ง Grand Challenge ก็คือ LIDAR ที่ใช้เลเซอร์กวาดไปมาเพื่อตรวจสอบระยะสิ่งกีดขวาง การกวาดเลเซอร์เป็นมุมต่างๆ จะทำให้สามารถสร้างภาพสามมิติของสิ่งกีดขวางรอบๆ ตัวรถได้ นอกจากนี้เพื่อช่วยในส่วนการรับรู้ ผู้พัฒนารถยนต์ขับเองหลายราย (ซึ่งรวมถึงโครงการของ Google ด้วย) ยังได้มีการสร้างแผนที่สามมิติของบริเวณที่รถยนต์จะวิ่งเตรียมไว้ล่วงหน้าด้วย แผนที่นี้จะช่วยวิเคราะห์ตำแหน่งของรถ รวมทั้งช่วยทำนายเหตุการณ์ในอนาคตด้วย เช่น ถ้าในแผนที่มีสิ่งกีดขวางอยู่ และสิ่งกีดขวางนั้นตรงกับสิ่งกีดขวางที่รถยนต์เห็น ก็เป็นไปได้สูงมากที่สิ่งกีดขวางนั้นจะไม่เคลื่อนที่เป็นต้น
โครงการลับนี้ได้พัฒนาต้นแบบรถยนต์ขับเองและได้มีการทดสอบบนถนนจริง (โดยมีนักพัฒนานั่งไปด้วย อาจจะทำท่าว่าขับรถ) เพื่อเก็บข้อมูลสำหรับฝึกสอนระบบปัญญาประดิษฐ์ จนกระทั่งเดือนกันยายน ปี 2015 ที่ได้มีการให้ผู้ใช้งานจริงนั่งรถยนต์ขับเองคนเดียว (ไม่มีผู้ดูแลรถ) เป็นครั้งแรก จุดนั้นคือจุดที่โครงการลับพร้อมถูกเปิดเผยต่อสาธารณะแล้ว
โครงการลับนี้คือหนึ่งในโครงการที่กูเกิลเรียกว่าเป็นโครงการมุ่งสู่ดวงจันทร์ (หรือ Moonshot) เมื่อไปถึงดวงจันทร์แล้ว โครงการนี้ก็เปลี่ยนเป็นบริษัท Waymo หนึ่งในผู้นำด้านเทคโนโลยีรถยนต์ขับเองในปัจจุบัน หัวหน้าทีม Sebastian Thrun ในปัจจุบันทำเว็บไซต์การเรียนออนไลน์ Udacity ที่มีคอร์สสอนการพัฒนารถยนต์ขับเองที่ดีที่สุด Chris Urmson ย้ายไปก่อตั้งบริษัทรถยนต์ขับเองชื่อ Aurora ส่วน Anthony Levandowski ออกไปก่อตั้งบริษัทรถบรรทุกขับเองชื่อ Otto ก่อนจะโดนซื้อไปโดยอูเบอร์ และมีเรื่องราวฟ้องร้องกับกูเกิล ล่าสุดเขาได้ก่อตั้งบริษัท Pronto ที่แสดงศักยภาพของเทคโนโลยี Copilot (ไม่ใช่รถยนต์ขับเอง) ผ่านการขับข้ามประเทศสหรัฐอเมริกาช่วงปลายปี 2018
สถานะปัจจุบัน
รถยนต์ขับเองและรถยนต์ที่มีระบบอัตโนมัติช่วยขับนั้นมีรูปแบบและความสามารถที่แตกต่างกันมาก ตั้งแต่รถที่มีระบบช่วยจอดรถ หรือระบบช่วยเบรกอัตโนมัติถ้าเจอสิ่งกีดขวางด้านหน้า ไปจนถึงในอนาคตที่อาจจะมีรถขับเองที่ผู้โดยสารไม่จำเป็นต้องสนใจสภาพรอบข้างรถ เพื่อความชัดเจน SAE International จึงได้แบ่งระดับความเป็นอัตโนมัติของการขับออกเป็น 6 ระดับ ดังนี้
ระดับอัตโนมัติที่ 0 คือรถยนต์ที่ระบบอัตโนมัติอาจมีการเตือน แต่ไม่มีช่วงเวลาที่มีการควบคุมรถ
ระดับอัตโนมัติที่ 1 ระบบอาจมีส่วนร่วมในการควบคุมรถบางครั้ง เช่น รถที่มีระบบควบคุมความเร็วอัตโนมัติ ระบบเข้าจอดอัตโนมัติ หรือระบบเบรกอัตโนมัติจัดเป็นรถในระดับนี้
ระดับอัตโนมัติที่ 2 รถจะขับเคลื่อนเองได้ แต่คนขับจะต้องพร้อมที่จะเข้าไปจัดการควบคุมรถตลอดเวลาถ้าระบบอัตโนมัติเกิดผิดพลาด หรือไม่รู้ว่าจะจัดการกับสถานการณ์ได้อย่างไร
ระดับอัตโนมัติที่ 3 จะอนุญาตให้คนขับละความสนใจจากการขับได้ รถจะสามารถจัดการกับเหตุการณ์ฉุกเฉินได้เอง แต่คนขับยังต้องพร้อมที่จะเข้ามาดูแลควบคุมรถบ้างเป็นบางครั้ง ถ้ามีการเรียกหาจากรถยนต์
ระดับอัตโนมัติที่ 4 รถจะขับเองได้ตลอดโดยสมบูรณ์ คนขับไม่จำเป็นต้องเข้าไปเกี่ยวข้องเลย อย่างไรก็ตาม รถอาจจะทำงานได้ในขอบเขตจำกัด เมื่ออกไปนอกขอบเขตนี้คนขับอาจจะต้องขับเอง หรือรถอาจจะจอดอัตโนมัติเป็นต้น
ส่วนระดับอัตโนมัติที่ 5 นั้น จะเป็นรถที่ไม่มีความจำเป็นที่มนุษย์จะต้องเข้าไปควบคุมเลย รถระดับนี้ไม่จำเป็นต้องมีพวงมาลัยหรือกระทั่งคันเร่งและเบรก
ในปัจจุบัน ความพยายามในการพัฒนารถขับเองนั้นมีเป้าหมายอยู่ที่ระดับ 2 (ขับเองแต่คนขับต้องใส่ใจพร้อมจะเข้าควบคุมรถตลอดเวลา) และระดับ 4 (ขับเองสมบูรณ์แบบ) เป็นหลัก
แม้ว่าหลายบริษัทจะเริ่มทดลองใช้รถขับเองบนถนนจริงมากขึ้นเรื่อยๆ การพัฒนารถยนต์ให้ได้ระบบอัตโนมัติระดับ 4 นั้นยังเป็นสิ่งที่ยากเย็นแสนเข็ญ ในปัจจุบันแทบไม่มีบริษัทใดกล้าประกาศเส้นตายหรือกำหนดการออกมา บริษัทที่ประกาศออกมาแล้ว เช่น Cruise ก็ต้องประกาศขอยกเลิก เพราะว่าเริ่มตระหนักถึงความซับซ้อนของการพัฒนารถระดับ 4 นั่นเอง หรือบริษัทเช่น Pronto ที่ร่วมก่อตั้งโดย Anthony Levandowski ก็ยังมีเป้าหมายที่จะพัฒนาระบบอัตโนมัติระดับ 2 ให้สมบูรณ์และใช้งานได้ทั่วไปแทนที่จะพัฒนาระบบระดับ 4
มีข้อยกเว้นแค่บริษัท Tesla ที่ระบบซอฟต์แวร์ในรถสามารถซื้อเพื่ออัพเกรดความสามารถได้ ในปัจจุบันน่าจะเหลือแค่บริษัท Tesla ที่ขายความสามารถของระบบขับเคลื่อนเองให้ผู้ใช้รถล่วงหน้าไปแล้ว ที่ยังพยายามยืนยันว่ารถยนต์ Tesla จะสามารถขับอัตโนมัติในระดับ 4 ได้เร็วๆ นี้ น่าสังเกตว่าระบบของ Tesla นั้นมีแค่กล้องและเรดาร์เท่านั้น (แน่นอนว่ามนุษย์เป็นเครื่องพิสูจน์ว่าสิ่งที่สามารถขับรถได้โดยใช้แค่ภาพนั้นมีอยู่จริง แต่ผู้เชี่ยวชาญมากมายให้ความเห็นว่าระบบปัญญาประดิษฐ์ในปัจจุบันน่าจะยังไม่มีความสามารถระดับนั้น) อย่างไรก็ตาม เป็นไปได้ที่จะมีการอัพเกรดระบบเซ็นเซอร์ให้ผู้ใช้ที่ซื้อความสามารถขับอัตโนมัติไปแล้วด้วย ถ้าระบบซอฟต์แวร์พัฒนาได้ทัน
การพัฒนาระบบที่ซับซ้อนเช่นรถยนต์ขับเองนั้น ไม่สามารถทำได้ด้วยวิธีการค่อยๆ พัฒนาและปรับปรุงทีละขั้น Sterling Anderson จาก Aurora Innovation ได้กล่าวเปรียบเทียบไว้ว่า “เราไม่สามารถเดินทางไปถึงดวงจันทร์ได้โดยการสร้างบันไดไปทีละขั้น” การพัฒนารถขับเองนั้นเปรียบได้กับการสร้างจรวดไปยังดวงจันทร์ที่ต้องมีการเตรียมระบบพื้นฐานและพัฒนาองค์ประกอบหลายอย่างที่อาจดูไม่จำเป็นสำหรับการบินไปมาระยะใกล้ๆ แต่จะเป็นกุญแจสำคัญในการไปให้ถึงดวงจันทร์ได้
ในการพัฒนารถยนต์ขับเองนั้นจะต้องมีการพัฒนาโครงสร้างพื้นฐานสำหรับระบบฝึกสอนรถยนต์ ต้องมีการพัฒนาระบบเก็บข้อมูลเพื่อนำข้อมูลที่ได้จากการขับรถยนต์จริงมาเพื่อทดสอบกับซอฟต์แวร์ปัญญาประดิษฐ์รุ่นต่างๆ การขับรถออกถนนจริงก็ล้วนเต็มไปด้วยความเสี่ยง ยิ่งไปกว่านั้นระบบจะเรียนรู้ได้ดีก็ต่อเมื่อรถยนต์เจอสถานการณ์ที่ซอฟต์แวร์ปัญญาประดิษฐ์เดิมตัดสินใจแตกต่างจากมนุษย์ ทีมงานที่พัฒนารถยนต์ขับเองต้องพยายามหาจุดสมดุลระหว่างการให้รถยนต์เก็บข้อมูลและพบสถานการณ์ต่างๆ กับการไล่ตรวจสอบและแก้ไขปัญหา เพื่อเข้าใจถึงสาเหตุว่าทำไมรถยนต์จึงตัดสินใจผิดพลาด
อีกปัญหาที่อาจจะไม่เกี่ยวข้องกับด้านเทคโนโลยีโดยตรงมากนักในการพัฒนาระบบอัตโนมัติระดับ 2 ก็คือว่าแม้ว่าระบบจะถูกพัฒนามาเพื่อช่วยเหลือคนขับ การที่รถยนต์สามารถขับเคลื่อนได้เองในกรณีทั่วไป มักจะทำให้คนขับเริ่มมีความมั่นใจกับรถมากเกินความสามารถของรถยนต์ และอาจจะไม่ใส่ใจกับรถตลอดเวลา เมื่อเกิดเหตุฉุกเฉินขึ้น คนขับอาจจะไม่สามารถรับมือสถานการณ์ได้ทัน หรือบางครั้งอาจจะไม่ทันเห็นคำแจ้งเตือนของรถยนต์เลยด้วยซ้ำ
ปัญหานี้นอกจากจะพบในรถยนต์ขับเองแล้ว ในเครื่องบินที่มีระบบ autopilot ที่ดีขึ้นเรื่อยๆ ก็มีปัญหานี้เช่นเดียวกัน บางครั้งเมื่อได้รับคำเตือนให้มาจัดการสถานการณ์ ด้วยความซับซ้อนของระบบ นักบินเลยเข้าใจสถานการณ์ผิดจนทำให้แก้ปัญหาไปผิดทางและทำให้เกิดอุบัติเหตุได้ ด้วยปัญหานี้ทำให้หลายบริษัท เช่น Waymo ประกาศว่าจะต้องพัฒนาระบบอัตโนมัติระดับ 4 เท่านั้น เพื่อตัดปัญหาที่เกิดจากธรรมชาติของมนุษย์นี้
ความท้าทาย
ความเป็นไปได้ของรถยนต์ขับเองก่อให้เกิดคำถามที่น่าสนใจหลายประการ
คำถามแรกนั้นเกี่ยวกับอาชีพ รถยนต์ขับเองจะเป็นนวัตกรรมที่ช่วยลดอุบัติเหตุบนท้องถนน เพิ่มโอกาสให้คนเดินทางไปไหนมาไหนได้อย่างมีอิสระมากขึ้น ประหยัดขึ้น เรากำลังจะเปลี่ยนไปสู่โลกใหม่อันน่าทึ่ง แต่พร้อมๆ กันนั้น เรากำลังจะไปสู่โลกที่งานของบางคนจะหายไป
การมาถึงของรถยนต์ขับเองอาจจะมีหลายระลอก คนขับรถบรรทุกขนาดใหญ่บนทางหลวงที่ขับเป็นระยะยาว อาจจะเป็นกลุ่มแรกที่โดนผลกระทบ เนื่องจากการขับรถระยะยาวมีค่าใช้จ่ายคนขับที่สูง ในขณะที่ถนนหลวงเส้นหลักมักไม่มีรถราจอแจทำให้การพัฒนาระบบทำได้ง่ายกว่าการขับรถในเมืองใหญ่ คนขับรถเหล่านี้อาจจะต้องหางานใหม่ โดยอาจจะไปขับรถระยะใกล้ในเมืองซึ่งมีรายได้น้อยกว่า หรือต้องหาอาชีพรูปแบบอื่นทำ นี่เป็นหนึ่งในอีกหลากหลายอาชีพที่อยู่ในกลุ่มเสี่ยงที่จะถูกทดแทนด้วยเครื่องจักรและปัญญาประดิษฐ์ สังคมมนุษย์จะรับมือกับการเปลี่ยนแปลงนี้อย่างไร
คำถามที่สองเกี่ยวข้องกับปัญหาการตัดสินใจเชิงคุณค่า รถยนต์ขับเองมีศักยภาพที่น่าทึ่ง เมื่อเกิดอุบัติเหตุเป็นไปได้ที่รถยนต์จะคำนวณผลได้ผลเสียจากการตัดสินใจต่างๆ แม้ว่ามีเวลาแค่เสี้ยววินาทีที่จะตอบสนอง ในช่วงเวลานั้นรถอาจจะชั่งใจระหว่างการหักเลี้ยวและทำให้คนขับเสียชีวิต กับการที่วิ่งหลบไปอีกทางเพื่อรักษาชีวิตคนขับแต่ชนคนอื่นๆ ทำให้เสียชีวิตอีกจำนวนมาก ในช่วงเวลาดังกล่าวรถยนต์ควรจะต้องตัดสินใจอย่างไร คำถามเชิงปรัญญานี้ทำให้เห็นความสลับซับซ้อนที่มาจากศักยภาพในการคำนวณที่เหนือมนุษย์ของปัญญาประดิษฐ์
แต่ในทางปฏิบัติ ไม่มีบริษัทหรือผู้พัฒนาทีมใดที่จะรอให้มีการตอบคำถามเชิงปรัชญานี้จนพอใจแล้วค่อยไปพัฒนาระบบที่ทำงานสอดคล้องกับคำตอบนั้น เป้าหมายของทีมพัฒนา ไม่ได้ต้องการระบบที่สมบูรณ์แบบ ในขั้นแรกสิ่งที่ต้องการคือระบบรถยนต์ขับเอง ที่มีความปลอดภัยมากกว่ามนุษย์เท่านั้น เพื่อที่จะเริ่มดำเนินธุรกิจรถให้บริการในรูปแบบต่างๆ
คำถามที่สามเกี่ยวข้องกับความปลอดภัยจากการคุกคามของแฮกเกอร์ผู้ไม่ประสงค์ดี เช่นเดียวกับระบบคอมพิวเตอร์ทั่วไป ระบบรถยนต์ขับเองก็มีความเสี่ยงจากการถูกเจาะเข้าระบบเพื่อสร้างความเสียหาย โดยอาจจะเป็นการเข้าทำลายหรือควบคุมระบบโดยตรง หรือการใช้จุดอ่อนจากระบบเซ็นเซอร์ทำให้สามารถหลอกให้รถยนต์เข้าใจสภาพแวดล้อมที่ผิดพลาดได้ ในอนาคตที่รถยนต์ขับเองมีจำนวนมากขึ้น ก็ย่อมมีความเสี่ยงจากการที่รถจำนวนมากบนท้องถนนจะถูกเข้าควบคุมและบังคับให้เกิดเหตุการณ์ไม่พึงประสงค์ต่างๆ นานา
สุดท้าย คำถามที่สี่เกี่ยวกับเรื่องการกำกับดูแล สำหรับคนที่ไม่ได้อยู่ในส่วนพัฒนารถขับเอง สิ่งที่ต้องสนใจก็คือการพัฒนาระบบกฎหมายและกฎเกณฑ์การกำกับดูแลตรวจสอบให้เข้มแข็งพอ ที่จะทำให้การใช้ถนนนั้นปลอดภัยกับผู้ใช้ถนนทั่วไปและผู้ใช้รถยนต์ขับเอง พร้อมๆ กับเปิดโอกาสให้มีการพัฒนาและทดสอบนวัตกรรมระบบรถยนต์ขับเองบนถนนจริงเพื่อให้เทคโนโลยีรถยนต์ขับเองพัฒนาถึงจุดที่สามารถใช้ได้จริงอย่างทั่วถึงและก่อให้เกิดประโยชน์ต่อสังคมโดยรวม
เอกสารอ่านเพิ่มเติม
- The WIRED Guide to Self-Driving Car
- DARPA Grand Challenge. บทความบน Wikipedia
- คลิปการบรรยายหัวข้อ Winning the DARPA Grand Challenge โดย Sebastian Thrun
- บทความโดย Waymo. On the road with self-driving car user number one. บทความเล่าถึงเหตุการณ์ที่ Waymo พาคนโดยสารนั่งไปคนเดียวเป็นครั้งแรกที่เมืองออสติน
- ระดับของความอัตโนมัติ อ่านเพิ่มที่บทความบน Wikipedia
- เกี่ยวกับปัญหา Trolley Problem กับรถยนต์ขับเอง
- บทความ What Can the Trolley Problem Teach Self-Driving Car Engineers? โดย Aarian Marshall ที่ WIRED
- บทความ Should a self-driving car kill the baby or the grandma? Depends on where you’re from โดย Karen Hao ที่ MIT Technology Review
- บทความ The three challenges keeping cars from being fully autonomous โดย Karen Hao ที่ MIT Technology Review
- บทความ 5 big challenges that self-driving cars still have to overcome โดย Brad Plumer ที่ Vox
- Podcast Autonocast พอดคาสต์เกี่ยวกับอนาคตของการขนส่ง