Sztuczna inteligencja wkracza do świata motoryzacji
NissanOd momentu założenia firmy 90 lat temu Nissan utrzymuje się w ścisłej światowej czołówce w dziedzinie innowacji technologicznych, a prowadzone właśnie prace nad wykorzystaniem sztucznej inteligencji są tego doskonałym przykładem. Odpowiedzią na dynamicznie zmieniające się potrzeby klientów i społeczeństw są prekursorskie badania nad sztuczną inteligencją (AI) prowadzone przez Yokohama Lab – centrum badawcze, w którym sztuczna inteligencja wkracza w spektakularny sposób do świata motoryzacji.
Czym jest Yokohama Lab
Yokohama Lab to ośrodek badawczy położony w prefekturze Kanagawa w Japonii, w którym prowadzone są badania nad możliwościami wykorzystania sztucznej inteligencji w produkcji samochodów. Nowoczesna sztuczna inteligencja, oparta na dużych zbiorach danych, doskonale radzi sobie z analizą i przetwarzaniem informacji w cyberprzestrzeni. Trzeba jednak pamiętać, że finalne produkty, czyli samochody, istnieją i funkcjonują w świecie rzeczywistym. Zatem celem, jaki stawiają przed sobą specjaliści z Yokohama Lab, jest wyjście poza świat wirtualny poprzez wykorzystanie wyników uzyskanych dzięki sztucznej inteligencji do zastosowań w świecie realnym.
Jak sztuczna inteligencja zmieni produkcję samochodów?
Nie jest już tajemnicą, że sztuczna inteligencja może być wykorzystywana w wielu dziedzinach, w tym w pracach badawczo-rozwojowych, produkcji pojazdów, a nawet przy tworzeniu projektów. Zespół centrum badawczego Yokohama Lab nieustannie stara się znaleźć odpowiedź na pytanie, czy sztuczna inteligencja rzeczywiście może okazać się skuteczną receptą na problemy, z którymi codziennie zmagają się projektanci i inżynierowie.
Jednym z przykładów, pozwalającym skłaniać się ku twierdzącej odpowiedzi na to pytanie, jest model predykcyjny dla aerodynamiki, który przyczynił się do znacznego skrócenia czasu potrzebnego na wykonanie niezbędnych obliczeń.
Czym jest aerodynamika?
Mówiąc najprościej, aerodynamika to sposób, w jaki powietrze opływa poruszający się w nim obiekt. Jednym z podstawowych pojęć stosowanych w aerodynamice jest opór powietrza, czyli siła wywierana przez powietrze na czoło obiektu. Tak zwaną pozycję aero, z maksymalnie obniżoną sylwetką przybiera się między innymi podczas jazdy rowerem pod wiatr. Na tym właśnie polega zmniejszanie oporu powietrza – to kwestia, która ma kluczowe znaczenie w motoryzacji, ponieważ znacząco wpływa zarówno na zasięg pojazdu, jak i komfort samej jazdy.
Obecnie osiągi aerodynamiczne analizowane są na podstawie serii skomplikowanych i powtarzalnych obliczeń wykonywanych przez komputery o potężnej mocy obliczeniowej. Obliczenia dostarczają prognoz w zakresie osiągów aerodynamicznych i ilustrują przepływy powietrza. Stanowią one jedną z technik symulacji wykorzystywanych w produkcji samochodów.
Aby osiągnąć dokładniejsze wyniki za pomocą symulacji, wymagana jest ogromna liczba skomplikowanych obliczeń. Obliczenia te mogą wymagać pracy setek potężnych komputerów przez kilka dni.
Jak wyjaśnia Kei Akasaka, ekspert w dziedzinie aerodynamiki wspomaganej komputerowo: – W dzisiejszych czasach bardzo trudno jest szybko zareagować na nagle zmieniające się koncepcje projektantów, którzy wprowadzają do projektu niewielkie zmiany, i chcą natychmiast wiedzieć, jaki będą miały one wpływ na aerodynamikę.
MOŻE ZAINTERESUJE CIĘ TAKŻE
Czy sztuczna inteligencja może rozwiązać ten problem?
Akasaka zwrócił się do Yokohama Lab z zapytaniem: – Czy możemy rozwiązać ten problem za pomocą sztucznej inteligencji?.
Uruchomiono wspólny projekt mający na celu opracowanie modelu predykcyjnego, który byłby w stanie szybko oszacować współczynnik oporu powietrza samochodu z wykorzystaniem uczenia głębokiego sztucznej inteligencji. Niestety szybko napotkano poważny problem. Tego rodzaju szkolenie modelu sztucznej inteligencji wymaga bowiem ogromnej ilości danych, często przetwarzanych przez dziesiątki milionów komputerów. Tymczasem większość danych pochodzących ze starych symulacji została usunięta, a te które pozostały, okazały się nieprzydatne do uczenia maszynowego.
Chen Fangge, analityk danych, wyjaśnia, w jaki sposób rozwiązano ten problem. – Przeliczyliśmy wszystko od samego początku. Jednocześnie ustaliliśmy zasady zapisywania danych specjalnie na potrzeby uczenia maszynowego podczas symulacji i określiliśmy wymagania dotyczące przechowywania danych. Zebranie wystarczającej ilości danych do wykorzystania przez model sztucznej inteligencji zajęło nam ponad rok.
Niestety ilość zgromadzonych danych okazała się niewystarczająca do osiągnięcia pożądanej dokładności. Konieczne było przyjęcie innego podejścia.
Chen wyjaśnia: – Wraz ze wzrostem ilości danych poprawia się dokładność, ale jednocześnie zwiększa się zależność od samych danych. Aby temu zaradzić, wspólnie z Akasaką zaczęliśmy eksperymentować i skupiliśmy się na szkoleniu modelu z wykorzystaniem połączonych informacji, takich jak równania dynamiki płynów i inne prawa fizyczne w połączeniu z linią nadwozia pojazdu.
Skrócenie czasu symulacji do kilku sekund
W ramach przeprowadzonego badania sztuczna inteligencja była w stanie radykalnie skrócić czas trwania symulacji – uczyła się związku między linią nadwozia samochodu a jego osiągami aerodynamicznymi na podstawie dużej ilości danych. Z pomocą tej technologii projektanci i inżynierowie mogą istotnie skrócić cykl badań nad nowymi projektami.
Coś, co w przeszłości zajmowało co najmniej kilka dni, czyli przewidywanie osiągów aerodynamicznych nowego samochodu na podstawie jego projektu, można teraz wykonać w ciągu zaledwie kilku sekund. Oczekuje się, że doprowadzi to do stworzenia jeszcze bardziej innowacyjnych linii nadwozia, które będą odzwierciedleniem idealnej równowagi między designem a aerodynamiką.
Źródło: Nissan
