Nowoczesne technologie umożliwiają dzisiaj konskruowanie samochodów autonomicznych (Self-driving cars) wyposażonych w czujniki i nawigację, a także wykorzystujących systemy blockchain. XAIN – „eXpandable AI Network” to projekt badawczy Uniwersytetu w Oxfordzie i Imperial College w Londonie, prowadzony przez Leif-Nissen Lundbaka, będącego dziś dyrektorem generalnym i prof. Michaela Hutha, obecnego dyrektora technicznego.
XAIN AG, dzięki wykorzystaniu nowoczesnych rozwiązań, zapewnia większe bezpieczeństwo przechowywania zdobywanych danych, co jest porządane w projektach nowoczesnych firm.
W 2017 roku XAIN wygrał Porsche Innovation Contest, co ostatecznie doprowadziło do współpracy z producentem tych samochodów.
Ma ona na celu poprawę komfortu jazdy i bezpieczeństwa, dzięki zastosowaniu sztucznej inteligencji.
Wykorzystanie technologii blockchain, opracowanej pierwotnie dla branży finansowej, jest tu innowacją.
Zobacz również: Sztuczna inteligencja i blockchain – co wyniknie z połączenia dwóch potężnych technologii?
Zakładając, że pojazdy bezzałogowe muszą umieć dostosowywać się do zachowań poszczególnych kierowców, a także dysponować dokładną nawigacją, działającą w czasie rzeczywistym, należy przygotować odpowiednie algorytmy, przetwarzające duże ilości danych.
Nowoczesne pojazdy autonomiczne muszą zatem monitorować zachowanie kierowcy, które później jest poddawane analizie.
Pojawiły się więc obawy związane z bezpieczeństwem gromadzenia i przechowywania takich indywidualnych danych.
Firmy zajmujące się sztuczną inteligencją uspokajają, że wszelkie zbierane dane są anonimowo gromadzone, bezpiecznie przechowywane i zapisywane w modelu.
Pojawiające się jednak ostatnio sytuacje, związane np. z bezpieczeństwem przechowywania danych (zdjęć) smartfonów w aplikacji FaceApp, służącej do rozpoznawania twarzy, pokazują, że stosowane dotychczas zabezpieczenia są niewystarczające.
XAIN w celu ochrony prywatności stosuje więc Federated Machine Learning (FedML), gdzie dane przechowywane są w oddzielnych modelach sztucznej inteligencji, agregowane i wykorzystywane potem w procesie uczenia.
Wyzwaniem jest tu maksymalne uproszczenie procesu szkolenia, co zapewni bezpieczeństwo uzyskanych danych.
Zobacz również: Deepfake a sztuczna inteligencja i blockchain
Oprócz tego, że FedML upraszcza proces szkolenia i zapewnia bezpieczeństwo danych, to jeszcze znacząco obniża koszty całego przedsięwzięcia.
Aplikacja ANDY obsługująca modele szkoleniowe technologii FedML XAIN jest systemem automatycznego przetwarzania faktur przedmiotów.
Po raz pierwszy użyto tu systemów rozproszonych do analizy działania sterowników.
Firma zapewnia, że system jest zgodny z przepisami dotyczącymi ochrony danych (RODO).
Nie tylko Porsche, ale także inni producenci samochodów samojezdnych, m.in. General Motors, BMW i Daimle, również wykorzystują w swoich badaniach technologie rozproszone.
Porsche planuje zastosować model sztucznej inteligencji, aby pomóc kierowcom w:
- dostosowywaniu prędkości do aktualnych warunków panujących na drodze
- planowaniu serwisu i konserwacji
- podniesieniu świadomości zagrożeń drogowych
- dynamicznej regulacji warunków panujących wewnątrz samochodu, w zależności od tego, kto prowadzi samochód
- poprawie widoczności wszystkich pojazdów na drodze
- planowaniu jazdy (asystent korków, zautomatyzowane parkowanie)