Immagina di essere su un aereo con due piloti, uno umano e un copilota computerizzato. Entrambi hanno le “mani” sui controller, ma cercano sempre cose diverse. L’umano può governare se entrambi prestano attenzione alla stessa cosa. Ma il computer prende rapidamente il sopravvento se l’uomo si distrae o si perde qualcosa.
Un pilota e un copilota in una cabina di pilotaggio – foto associativa. Credito immagine: Jan Huber tramite Unsplash, licenza gratuita
Scopri Air-Guardian, un sistema copilota sviluppato dai ricercatori del MIT Computer Science and Artificial Intelligence Laboratory (CSAIL).
Mentre i piloti moderni sono alle prese con un assalto di informazioni provenienti da più monitor, soprattutto durante i momenti critici, Air-Guardian agisce come un copilota proattivo; una partnership tra uomo e macchina, radicata nella comprensione dell’attenzione.
Ma come determina esattamente l’attenzione? Per gli esseri umani utilizza il tracciamento oculare e per il sistema neurale si basa su qualcosa chiamato “mappe di salienza”, che individuano dove è diretta l’attenzione. Le mappe fungono da guide visive che evidenziano le regioni chiave all’interno di un’immagine, aiutando a cogliere e decifrare il comportamento di algoritmi complessi.
Il sistema copilota Air-Guardian identifica i primi segnali di potenziali rischi attraverso questi indicatori di attenzione, invece di intervenire solo durante violazioni della sicurezza come i tradizionali sistemi di pilota automatico.
Le implicazioni più ampie di questo sistema di copilota vanno oltre l’aviazione. Simili meccanismi di controllo cooperativo potrebbero un giorno essere utilizzati nelle automobili, nei droni e in uno spettro più ampio di robotica.
Aereo della Virgin Orbit – foto illustrativa. Credito immagine: Tmedia1 via WikimediaCC BY-SA 4.0
“Una caratteristica interessante del nostro metodo è la sua differenziabilità”, afferma Lianhao Yin, postdoc del MIT CSAIL, autore principale di un nuovo articolo su Air-Guardian.
“Il nostro livello cooperativo e l’intero processo end-to-end possono essere addestrati. Abbiamo scelto specificamente il modello di rete neurale causale a profondità continua per le sue caratteristiche dinamiche nella mappatura dell’attenzione. Un altro aspetto unico è l’adattabilità. Il sistema Air-Guardian non è rigido; può essere regolato in base alle esigenze della situazione, garantendo una partnership equilibrata tra uomo e macchina.
Nei test sul campo, sia il sistema pilota che quello copilota hanno preso decisioni basate sulle stesse immagini grezze durante la navigazione verso il waypoint di destinazione. Il successo di Air-Guardian è stato misurato in base ai premi cumulativi guadagnati durante il volo e al percorso più breve verso il punto di destinazione. Il guardiano ha ridotto il livello di rischio dei voli e ha aumentato il tasso di successo della navigazione verso i punti target.
“Questo sistema rappresenta l’approccio innovativo dell’aviazione incentrata sull’uomo e abilitata all’intelligenza artificiale”, aggiunge Ramin Hasani, affiliato di ricerca del MIT CSAIL e inventore delle reti neurali liquide.
“Il nostro utilizzo di reti neurali liquide fornisce un approccio dinamico e adattivo, garantendo che l’intelligenza artificiale non si limiti a sostituire il giudizio umano ma lo integri, portando a una maggiore sicurezza e collaborazione nei cieli.”
La vera forza di Air-Guardian è la sua tecnologia fondamentale. Utilizzando un livello cooperativo basato sull’ottimizzazione che utilizza l’attenzione visiva degli esseri umani e della macchina e reti neurali liquide a tempo continuo (CfC) in forma chiusa note per la sua abilità nel decifrare le relazioni causa-effetto, analizza le immagini in arrivo per informazioni vitali.
A complemento di ciò c’è l’algoritmo VisualBackProp, che identifica i punti focali del sistema all’interno di un’immagine, garantendo una chiara comprensione delle sue mappe di attenzione.
Un aeroplano. Credito immagine: Tobias Rehbein tramite Pixabay, licenza gratuita
Per la futura adozione di massa del sistema copilota proposto, è necessario perfezionare l’interfaccia uomo-macchina. Il feedback suggerisce che un indicatore, come una barra, potrebbe essere più intuitivo per indicare quando il sistema di guardia prende il controllo.
Air-Guardian annuncia una nuova era di cieli più sicuri, offrendo una rete di sicurezza affidabile per quei momenti in cui l’attenzione umana vacilla.
“Il sistema Air-Guardian evidenzia la sinergia tra competenze umane e apprendimento automatico, promuovendo l’obiettivo di utilizzare l’apprendimento automatico per supportare i piloti in scenari difficili e ridurre gli errori operativi”, afferma Daniela Rus, professoressa di elettricità di Andrew (1956) ed Erna Viterbi Ingegneria e Informatica al MIT, direttore del CSAIL e autore senior dell’articolo.
“Uno dei risultati più interessanti dell’utilizzo di una metrica dell’attenzione visiva in questo lavoro è la possibilità di consentire interventi più precoci e una maggiore interpretabilità da parte di piloti umani”, afferma Stephanie Gil, assistente professore di informatica all’Università di Harvard, che non è stata coinvolta nello studio. lavoro.
“Ciò mostra un ottimo esempio di come l’intelligenza artificiale può essere utilizzata per lavorare con un essere umano, abbassando la barriera per ottenere la fiducia utilizzando meccanismi di comunicazione naturale tra l’essere umano e il sistema di intelligenza artificiale”.
Scritto da Rachele Gordon
Da un’altra testata giornalistica. news de www.technology.org
