Säännöt pitävät auton kurissa, kieli opettaa soveltamaan
Kun ihminen ajaa, hän tekee kahta asiaa yhtä aikaa. Hän noudattaa selkeitä sääntöjä – pysähtyy punaisiin ja pitää turvavälin – ja soveltaa niitä tilanteen mukaan. Sama ihminen osaa myös selittää matkakumppanilleen, miksi päätti odottaa risteyksessä tai vaihtaa kaistaa. Itseohjautuvat autot ovat tähän asti olleet hyviä lähinnä toisessa näistä kahdesta.
Alalla on pitkään vallinnut jako: joko autoa ohjataan kovakoodatuilla säännöillä tai päätökset annetaan oppivalle tekoälylle, joka löytää ratkaisunsa datasta mutta ei juuri kerro miksi. Nyt tutkijaryhmä ehdottaa, ettei valinnan tarvitse olla joko–tai. Uusi yhdistelmä lähestyy ajamista sekä sääntöinä että kielenä – ja tekee sen riittävän nopeasti tosiaikaan.
Työn ydin on kahdenlaisten ”ajosuunnittelijoiden” rinnakkaiselo. Ensimmäinen, RAD, on sääntöihin perustuva järjestelmä, joka on suunniteltu paikkaamaan aiemman menetelmän rakenteellisia puutteita. Toinen, LAD, valjastaa kieltä ymmärtävän tekoälyn ohjauspäätösten tueksi. LAD osaa tuottaa ajosuunnitelman erittäin nopeasti – noin 20 kertaa sekunnissa – ja haluttaessa myös kirjoittaa lyhyen tekstin siitä, mitä se on tekemässä ja miksi. Kun mukaan otetaan nämä sanalliset perustelut, vauhti on yhä käytännössä riittävä, noin 10 kertaa sekunnissa.
Jännite vanhan ja uuden välillä on selkeä. Ennen ajateltiin, että selkeät säännöt takaavat ennustettavuuden ja turvallisuuden, kun taas oppivat mallit tuovat mukautuvuutta mutta jäävät mustaksi laatikoksi. Tutkijoiden tulos vihjaa, että yhdistelmä voi olla parempi kuin kumpikaan yksin: säännöt hoitavat perustekemisen luotettavasti, kielipohjainen suunnittelija lisää joustavuutta ja kykenee samalla avaamaan päätöstensä perusteita.
Tutkimuksen todisteet tulevat kahdesta alan vertailusta. Sääntöpohjainen RAD saavutti näissä testeissä (nuPlan Test14-Hard ja InterPlan) parhaan tulostason omassa sarjassaan. Kieleen nojaava LAD puolestaan teki oppimismenetelmien puolella uuden ennätyksen samoissa kokeissa – ja vieläpä merkittävästi aiempia malleja pienemmällä viiveellä, noin kolminkertaisesti aiempia kielimalleihin perustuvia ajajia nopeammin. Lisäksi järjestelmän rakenne on ”keskeytettävä”: se voi vaihtaa suunnitelmaa lennosta, kun ympäristö muuttuu.
Miksi tällä on väliä tavalliselle tienkäyttäjälle? Yksi konkreettinen esimerkki auttaa. Ajatellaan tilannetta, jossa edellä ajava auto alkaa hidastaa epätavallisesti. Sääntöihin pohjautuva järjestelmä varmistaa heti turvavälin ja pitää auton omalla kaistallaan. Mutta mitä seuraavaksi? Onko syytä vaihtaa kaistaa vai odottaa? Kieleen perustuva suunnittelija voi jäsentää tilanteen sanallisesti – kuvata, että ”edessä on hidaste, vieressä on tilaa” – ja tehdä sen pohjalta sopeutuvan valinnan. Ihmiselle tämä kuulostaa arkipäiväiseltä harkinnalta; uutta on, että kone voi sekä toimia näin että kertoa päätöksestään ymmärrettävästi.
On myös käytännöllinen syy haluta sanat ratin taakse. Jos laite osaa kertoa, miksi se kiihdytti tai kieltäytyi kääntymästä, vika- ja vaaratilanteiden selvittely helpottuu. Selitys ei tietenkään yksin tee päätöksestä oikeaa, mutta se avaa oven laadunvarmistukseen ja vastuukysymysten käsittelyyn tavalla, johon puhdas numeropohjainen malli ei taivu.
Tämä ei tarkoita, että ongelmat olisivat ratkenneet. Tulokset perustuvat vertailutesteihin, eivätkä ne itsessään todista, miten järjestelmä pärjäisi monimutkaisessa todellisuudessa kaikkine yllätyksineen. Vaikka nopeus riittää paperin mukaan tosiaikaiseen ajamiseen, varsinainen tiekoe on eri asia kuin testisetti. Myös työn sisäinen kompromissi on näkyvä: kun malli kirjoittaa perustelunsa, päivitystahti puolittuu. Se voi olla täysin hyväksyttävä hinta, mutta sen vaikutus pitää mitata tilanteessa, jossa millisekunnit voivat merkitä paljon.
Lisäksi sääntöjen valinta ohjaa voimakkaasti sitä, miten auto käyttäytyy. RAD on rakennettu korjaamaan aiemman menetelmän rakenteellisia rajoitteita, mutta mikään sääntökokoelma ei ole täydellinen. Vastaavasti kielimalli voi olla joustava ja selittävä, muttei se tee siitä erehtymätöntä. Tutkijat itsekin korostavat, että säännöt ja kieli täydentävät toisiaan: toinen tuo toistettavuutta, toinen sopeutuvuutta. Kysymys kuuluu, missä kohtaa raja kulkee ja miten se piirtyy eri maiden liikennesäännöissä ja ajokulttuureissa.
Silti asetelma on lupaava. Jos itseohjautuva auto osaa hoitaa perustaidot sääntöjen varassa ja varata ”tilaa” kielelle silloin, kun tilanne muuttuu tai tarvitsee selitystä, kokonaisuus voi olla sekä turvallisempi että läpinäkyvämpi. Tässä mielessä RAD ja LAD ovat välineitä, eivät päämääriä: ne osoittavat, että kahden ajattelutavan yhdistelmä toimii ainakin niissä puitteissa, joissa sitä on mitattu.
Seuraava askel ei ole niinkään laskentakapasiteetin kasvattaminen kuin työnjaon hiominen. Mitkä päätökset kannattaa naulata säännöiksi, mitkä jättää kielelle – ja milloin ihmisen pitäisi päästä väliin? Ja ehkä tärkein kysymys meille muille: haluammeko, että auto ei vain aja vaan myös perustelee, miksi se ajoi juuri niin?
Tutkimuksen julkaisivat arXivissa Anurag Ghosh, Srinivasa Narasimhan, Manmohan Chandraker ja Francesco Pittaluga. Heidän työnsä viittaa siihen, että keskustelu itseajavien autojen turvallisuudesta ei ole vain antureita ja algoritmeja – se on myös kieltä.
Paper: https://arxiv.org/abs/2603.28522v1
Register: https://www.AiFeta.com
tekoäly liikenne automaatio tutkimus turvallisuus
