Al meer dan veertig jaar proberen computer-wetenschappers auto’s zelfstandig te laten rijden. Tot voor kort leek dat een onmogelijke opgave: te moeilijk. Verkeerssituaties zijn complex, veranderen elk ogenblik en er zijn eindeloos veel variaties denkbaar. Hoe werd het vroeger tevergeefs aangepakt, en waarom is het nu ineens wel mogelijk?
Stap 1: De omgeving begrijpen (perceptie)
Mensen gebruiken hun ogen (en soms hun oren, denk aan sirenes) om te zien wat er op de weg gebeurt. Zelfrijdende auto’s doen dat met camera’s, soms ondersteund door radar en lidar (een soort laser-scanner). Maar alleen beelden verzamelen is niet genoeg—dat betekent nog niet dat de auto begrijpt wat hij ziet.
Bovendien kunnen het honderden dingen tegelijk zijn die de camera’s waarnemen: sommige statisch (vaststaand, zoals verkeersborden), andere dynamisch (bewegend, zoals voetgangers of fietsers). Denk bij een kruispunt aan: rijstroken, verkeersborden, zebra- en fietspaden, stoplichten, voetgangers, fietsers, andere auto’s. Soms ook regenplassen, kuilen, of wegwerkzaamheden met afzettingen. En wat te denken van borden als “inrijden verboden, ma-vr, 6–8 uur”?
Stap 2: Beslissingen nemen (planning)
De auto moet dan bepalen wat hij moet doen: gasgeven, remmen, sturen, richting aangeven, enzovoort. Een deel daarvan is controle over het rijden: op welke rijstrook, met welke snelheid. In ieder geval moet de auto botsingen vermijden en veilig de bestemming bereiken. Dit vraagt om heel veel slimme keuzes in allerlei situaties.
(Lees verder onder afbeelding)
Vroeger: alles handmatig programmeren (Software 1.0)
Voordat kunstmatige intelligentie (AI) bestond, probeerden programmeurs alles zelf te coderen. Ze schreven regels om bijvoorbeeld een stopbord te herkennen in een afbeelding: een stopbord is dan een verzameling rode en witte puntjes in een bepaalde vorm. Maar als bijvoorbeeld het bord verkleurd was, of deels bedekt door een uitgroeiende struik, kon de computer-software het missen.
Ook het plannen van rijgedrag was een enorme klus—voor elke mogelijke situatie moest een aparte regel worden geschreven. Een gigantische beslisboom met “als dit, dan dat”. Dat werd te complex en werkte nooit echt goed.
Nu: leren van data (Software 2.0)
Tegenwoordig gebruiken we een nieuwe aanpak: Software 2.0. In plaats van code schrijven, gaat de software zelf leren van grote hoeveelheden gegevens, de data. Dit heet ‘machine learning’, een vorm van AI. De auto leert bijvoorbeeld met duizenden videobeelden een stopbord te herkennen.
In plaats van dat programmeurs alles zelf coderen, gebruiken ze nu slimme systemen die zélf leren van data. Die herkennen patronen en kunnen daarmee beslissingen nemen—ook in situaties die ze nog niet eerder hebben gezien! Ze herkennen bijvoorbeeld alle stopbord variaties, inclusief dat de auto vóór de bijbehorende streep moet stoppen!
Als je zo’n systeem genoeg voorbeelden geeft en voldoende rekenkracht om te trainen, wordt het steeds beter. Deze software is flexibel en past zich goed aan bij moeilijke taken in onduidelijke situaties. Hoe meer data, hoe slimmer het systeem.
Een nog verder gaande methode is ‘supervised learning’: de software krijgt voorbeelden mét het juiste antwoord erbij. Zo leert hij uit patronen het gewenste gedrag. Handmatig programmeren is zo niet meer nodig—de software leert het zelf.
Anekdote: Stopbordgedrag
Bij een stopbord moet je officieel volledig stoppen voordat je weer mag doorrijden. Maar als de weg leeg is, kruipt bijna iedereen langzaam door tot de streep en geeft dan gas. U stopt waarschijnlijk ook niet—let maar eens op.
Toen Tesla zijn AI trainde met videobeelden van echte bestuurders, nam die dit menselijk gedrag over: langzaam kruipen in plaats van 100% stoppen. Realistisch, maar niet volgens de regels. De autoriteiten verboden het, dus moest Tesla op zoek naar beelden van bestuurders die wél netjes stopten. Geen makkelijke klus, want slechts zo’n 1 op de 100 chauffeurs doet dat echt.
Een mooi voorbeeld van ‘supervised learning’: de AI leert van voorbeelden—maar dan wel de juiste.
(Lees verder onder afbeelding)
Mens tegen machine: wie rijdt er beter?
Waarom denken we eigenlijk, dat mensen beter kunnen autorijden dan machines? Mensen zijn namelijk verschrikkelijk slechte bestuurders. Jaarlijks vallen er meer dan 26.000 verkeersdoden in Europa, waarvan de meeste door menselijke fouten. Dat staat gelijk aan twee keer per week een volle Boeing 737-MAX crash, zonder overlevenden. In de VS is het nog dramatischer: 40.000 doden per jaar, zelfs twee keer zoveel per hoofd van de bevolking.
Mensen zijn slimme wezens, maar als het op autorijden aankomt, zijn we niet bepaald betrouwbaar. We raken makkelijk afgeleid—door onze telefoon, een gesprek, of vermoeidheid. Machines hebben daar geen last van. Ze blijven gefocust en kunnen razendsnel informatie verwerken en beslissingen nemen. Een zelfrijdend systeem maakt wel 15 beslissingen per seconde. Dat is veel sneller dan een mens ooit zou kunnen.
Mensen leren autorijden vooral door ervaring. Hoe vaker we rijden, hoe beter we worden. Jonge bestuurders hebben snelle reflexen, maar krijgen toch vaker ongelukken doordat ze nog de ervaring missen om écht veilig te rijden. De zelfrijdende auto leert sinds AI ook van ervaring—maar dan op veel grotere schaal en veel sneller. Het is alsof je de rijervaring van miljoenen mensen in één keer in het hoofd van een 18-jarige stopt.
Hoewel er wereldwijd veel wordt beweerd—vaak uit commerciële motieven—bestaat er nog geen systeem dat volledig zelfstandig kan rijden zonder menselijke supervisie. Meestal rijdt de auto prima zelf, maar de bestuurder moet alert blijven. Niet alle situaties worden goed afgehandeld, en soms is ingrijpen nodig. De auto waarschuwt dan meestal, maar niet altijd.
Sinds de introductie van de eerste AI-getrainde auto’s, ca. anderhalf jaar geleden, is er elk kwartaal flinke vooruitgang geboekt. Naar verwachting rijdt de auto eind volgend jaar beter dan de gemiddelde mens. In de VS gebruiken al honderdduizenden mensen deze technologie. Ondanks dat het systeem nog niet perfect is, ligt het aantal ongelukken nu al 10 tot 15 keer lager dan bij menselijk rijden—omdat de auto meer dan 99% van de tijd foutloos functioneert.
We staan aan het begin van een nieuw tijdperk: dat van autonome voertuigen—auto’s die als robots zelfstandig kunnen rijden. Dit zal ingrijpende gevolgen hebben voor onze mobiliteit, de inrichting van steden, het soort werk dat we doen, en zelfs voor onze ideeën over bezit en vervoer.
Eerdere in deze serie
Introductie en een video van een zelfrijdende auto
