آیا زیرساخت‌ها برای استفاده از هوش مصنوعی در ثبت تخلفات رانندگی آماده است؟

به گزارش پیوست، رئیس پلیس راهور تهران از برنامه‌ریزی برای بهره‌گیری از هوش مصنوعی به منظور برخورد با تخلفات رانندگی به خصوص تخلفات ساکن خبر داده و اعلام کرده با استفاده از ظرفیت هوش‌ مصنوعی این دوربین‌ها می‌توانند معابر را رصد و در صورت وقوع تخلف یا وضعیت غیرعادی نظیر تصادف موضوع را ثبت و اعلام کنند.

این در حالی است که برخی از کارشناسان این حوزه استفاده از هوش مصنوعی در تخلفات رانندگی یا پیشگیری از آن را بسیار هزینه‌بر می‌دانند و از نظر آنان استفاده از آن در شرایط فعلی جز با صرف هزینه زیاد امکان‌پذیر نیست از سوی دیگر برخی دیگر از کارشناسان معتقدند در شرایط فعلی هوش مصنوعی در پردازش اطلاعات در بخش‌های مختلف راهنمایی و رانندگی استفاده می‌شود و با تغییرات جزئی می‌توان آن را بهینه کرد.

محمد صبری،‌ مدیرعامل دیباران، درباره نبود زیرساخت‌های لازم سخت‌افزاری برای اجرای این طرح گفت: دو رویکرد در استفاده از هوش مصنوعی برای رصد تخلفات رانندگی وجود دارد. یک رویکرد استفاده از سامانه‌های نرم‌افزاری در کنار تجهیزات سخت‌افزاری است، بنابراین به دوربین‌های خاصی به نام «AI Camera» نیاز است و در بسته‌های نرم‌افزاری آن این قابلیت وجود دارد تا بتوانند برخی تخلفات رانندگان را تشخیص دهند. این روش دقت بالاتری دارد اما به دلیل وابسته بودن به تجهیزات سخت‌افزاری گران‌تر است. رویکرد دوم استفاده از دوربین‌های موجود است که در این صورت تنها بخش نرم‌افزاری استفاده می‌شود و احتیاجی به نصب و استقرار ندارد اما متاسفانه کارکرد آن به صورت مرکزی است و بنابراین استریم‌ها برای پردازش احتیاج به پهنای باند بالاتری دارد.

صبری گفت: برای تصویربرداری در این پروژه به دوربین‌های خاصی نیاز است که مجهز به پردازنده‌های گرافیکی باشند تا بتوانند بخش زیادی از پردازش‌ها را در لبه انجام دهند اما این تکنولوژی در ایران وجود ندارد یا در صورتی که علم آن وجود داشته باشد، تولید چنین دوربین‌هایی گران تمام خواهد شد. بنابراین اگر اجرای این پروژه در مقیاس بالا مد نظر است ترجیحاً باید از دوربین‌های خارجی استفاده کرد چراکه تولید دوربین‌هایی با پردازش گرافیکی بالا در لایه زیرساخت توجیه اقتصادی ندارد.

هوش مصنوعی به داده‌های واقعی احتیاج دارد

مدیرعامل دیباران در ادامه برای توضیح مسیر ورود هوش مصنوعی به حوزه راهنمایی و رانندگی گفت: برای پروژه‌های از این دست به یک شبکه عصبی عمیق نیاز است. در وهله اول توسعه‌دهندگان این تکنولوژی به مجموعه‌ای از داده‌های آموزشی برچسب‌دار احتیاج دارند. تخلفات رانندگی خواسته‌شده از هوش مصنوعی، نیازمند یک پایگاه داده واضح است تا هوش مصنوعی استفاده شده بتواند آنها را پردازش کند و به دقت مطلوبی برسد. به عنوان مثال حرکت بین لاین‌ها که یک تخلف رانندگی محسوب می‌شود باید به عنوان داده به وسیله دوربین‌های راهنمایی و رانندگی ضبط شود و برچسب تخلف داشته باشد. هوش مصنوعی می‌تواند این مسائل را یاد بگیرد و از آن استفاده کند.

در این پروسه، تهیه گزارش داده‌ها را پلیس باید انجام دهد چون ممکن است این داده‌ها به صورت عموم در دسترس نباشد. اگر پلیس نتواند در جمع‌آوری پایگاه داده‌ها موفق شود، باید بودجه‌ای بابت تهیه دیتا و برچسب‌گذاری آن در نظر بگیرد. مهم‌ترین بخش اجرای چنین پروژه‌هایی تهیه داده و برچسب‌گذاری آن است.

یکی از دلایلی که نمی‌توان این پروژه‌ها را عملیاتی کرد و صرفاً در حد تئوری خوب پیش می‌رود، نبود داده‌های لازم و واقعی است؛ به عنوان مثال اگر دوربینی در شرایط بد نور و آب و هوایی، ارتفاع دوربین و شرایطی از این قبیل قرار بگیرد، کارایی خود را از دست می‌دهد و در نهایت داده خوبی به دست نمی‌آید؛ اینها مشکلاتی هستند که به دوربین‌های فعلی وارد است. یکی از چالش‌های پلیس راهور در این پروسه، استفاده از محصول ازپیش تعیین‌شده است. این محصول مانند هوش انبارداری یا تجاری نیست و قطعاً از قبل موجود نخواهد بود و باید در دوره حداقل یک تا سه سال در صورت مشارکت پیمانکار، در تعامل با کارفرما تکمیل شود.

هوش مصنوعی در مقام پیشگیری از جرم

از نظر محمدباقر سجادی، نایب‌رئیس کمیسیون هوش مصنوعی نصر تهران، در حوزه هوش مصنوعی زیرحوزه‌ای به نام پردازش تصویر وجود دارد که راهنمایی رانندگی برای استفاده از هوش مصنوعی نیازمند آن است.

یکی از حوزه‌های مهم هوش مصنوعی، پردازش تصویر است که راهنمایی و رانندگی برای ورود به فناوری هوش مصنوعی باید از این حوزه بهره جدی بگیرد. پردازش تصویر با تحلیل و پیش‌بینی تصاویری که از دوربین‌های نظارتی ثبت و ضبط شده می‌تواند نقش زیادی در پیشگیری و رصد تخلفات ایفا کند. همچنین تحلیل داده‌های پایگاه‌های اطلاعاتی راهنمایی و رانندگی می‌تواند در کاهش تخلفات و اقدامات پیشگیرانه تاثیر بسزایی داشته باشد به طوری‌ که اطلاعات و دانشی را به ما ارائه می‌کند که دستیابی انسانی به آن سخت، زمان‌بر و پر هزینه است.

سجادی گفت: اولین مشکلی که در ورود هوش مصنوعی به حوزه راهنمایی و رانندگی می‌تواند باعث شکست این پروژه بزرگ شود، تبیین نکردن مساله و نبود سیاست‌گذاری‌های لازم است. باید توجه کرد هوش مصنوعی در اینجا به مثابه یک ابزار است که می‌توان به طرق مختلف از آن استفاده کرد بنابراین در نبود سیاست‌گذاری‌های صحیح نه‌تنها خدمات هوش مصنوعی به نفع مردم نخواهد بود بلکه موجبات نارضایتی مردمی را فراهم می‌کند که نتیجه آن اعتراضات و شکایات عمومی خواهد بود و مدتی بعد هم این فناوری کنار گذاشته می‌شود.

او ادامه می‌دهد: راهنمایی و رانندگی برای موفقیت علاوه بر سیاست‌گذاری صحیح و تهیه نقشه راه، باید به صورت موازی برنامه‌ای کوتاه‌مدت به عنوان پیروزی سریع تعریف کند و این برنامه بدون حضور جدی و موثر بخش خصوصی و متخصص هوش مصنوعی محکوم به شکست است. پیش‌بینی می‌کنم پس از ۶ ماه، تهیه نقشه راه و دوره پیروزی‌های سریع به پایان می‌رسد و بر اساس نتایج آن می‌توان از موفقیت پروژه بزرگ هوش مصنوعی در راهنمایی و رانندگی اطمینان حاصل کرد.

سجادی توضیح داد: بنده به این پروژه‌های پرچمدار که به صورت عمومی در رسانه مطرح می‌شود امیدوار نیستم زیرا معمولاً اهداف دیگری پشت آن وجود دارد. گاهی طرح چنین مسائلی جنبه خودنمایی دارد، گاهی جنبه پوشش‌دهی یک رانت دارد و… اگر این پروژه‌های با فناوری بالا (های‌تک) بخواهد توسعه یابد نیاز به برنامه‌ریزی صحیح دارد نه اعلام عمومی. متاسفانه ما این موضوع را حتی در بخش‌های تخصصی مانند معاونت علمی نیز شاهد هستیم که هدف از اعلام هوش مصنوعی منفعت کشور نیست و پشت ماجرا سیاست و راهبرد صحیحی وجود ندارد.

هزینه‌ای که اجرای این طرح دارد متعلق به سخت‌افزار نیست

علی عظیمی، فعال هوش مصنوعی، به طور کلی نظر بسیار متفاوتی داشت. او برای به‌کارگیریی هوش مصنوعی در راهنمایی و رانندگی نیازی به تکنولوژی‌های پیشرفته نمی‌دید. او گفت: عبارت هوش مصنوعی در این پروژه بسیار کلی است و در حال حاضر نیز از سیستم‌هایی مانند احراز هویت و پلاک‌خوانی استفاده می‌شود که در دوره‌ای هوش مصنوعی تلقی می‌شدند. هوش مصنوعی اکنون این امکان را دارد که حرکات غیرمعمول خودرو را ثبت و شناسایی کند که هر نوع تخلفی را شامل نمی‌شود و در دنیا از هوش مصنوعی در این حوزه تحت عنوان دستیار استفاده می‌شود. گمان می‌کنم استفاده از هوش مصنوعی در راهنمایی و رانندگی نیز با همین منظور باشد.

عظیمی توضیح داد: فکر می‌کنم این پروژه بار پردازشی بالایی ندارد و هزینه سنگینی ایجاد نمی‌کند. داخل دوربین، ماٰژول‌هایی اضافه می‌شود که می‌تواند نواحی خاصی را تخلف ارزیابی کند و بعد به سیستم پلاک‌خوان ارا‌ئه شود و نهایتاً خودرو متخلف شناسایی می‌شود. با ظرفیت فعلی کشور این‌ ایده عجیب به نظر نمی‌رسد اما ورود به این پروژه باید توجیه اقتصادی داشته باشد. مشخصاً انواع طیف تکنولوژی‌های شناسایی‌ اشیا در این پروژه کاربرد دارند و به این دلیل که یک دستور مشخص دارد و آن تعریف حالت‌های تخلف است، به تکنولوژی‌ای که نیازمند وارد کردن سخت‌افزار خاصی باشد احتیاج نداریم. هزینه‌ای که اجرای این پروژه خواهد داشت متعلق به نصب تکنولوژی نیست بلکه این هزینه متعلق به جمع‌آوری داده‌ها و کمیت و میزان گستردگی مناطق مد نظر است.

داوود ادیب، رئیس هیات مدیره انجمن شرکت‌های فناور هوش مصنوعی و اقتصاد دیجیتال ایران، نیز ورود هوش مصنوعی به حوزه راهنمایی و رانندگی را ناممکن ندانست و درباره اجرای این طرح از سوی راهنمایی و رانندگی گفت: این طرح قابل اجراست و اکنون نیز نمونه‌های متعددی در کشور اجرا شده است. با توجه به زیرساخت‌ها و متخصصانی که امروزه پلیس راهور در اختیار دارد مواردی از قبیل پیش‌بینی جرم، تحلیل داده‌ها، تحلیل محتوای صوتی، پروفایل‌سازی جامع، بررسی هویتی و جامع خودرو و به عبارتی هر اشیای متحرک، احراز هویت سرنشین‌ها، پاسخ به رویدادهای اضطراری، تقاطع‌گیری و تشخیص الگوهای مشکوک اگر همان‌طور که پیش‌بینی می‌شود در دستور کار این مجموعه قرار گرفته باشد، می‌تواند از سوی پلیس راهور عملیاتی و اجرا شود.

استفاده از هوش مصنوعی در رصد تخلفات رانندگی اصولاً یکی از رویکردهایی است که با توسعه هوش مصنوعی در جهان تحقق یافته و نه‌تنها پلیس بلکه تمام ارکان اجتماعی در حوزه‌های مختلف هدف‌گذاری کرده‌اند که از هوش مصنوعی استفاده و در این راستا سازمان‌های خود را به‌روزرسانی کنند.