Будущее машины: На каких автомобилях мы будем ездить через 10 лет |

Содержание

Читать онлайн «Автоутопия. Будущее машин», Джон Бентли – ЛитРес

Перевод оригинального издания

Jon Bentley

AUTOPIA: THE FUTURE OF CARS

Печатается при содействии литературных агентств David Higham Associates и The Van Lear Agency LLC

Введение

Почему автомобили важны

Автомобиль был изобретен около 130 лет назад, и с тех самых пор он имеет необычайный успех по всему миру. Он не только повлиял на людей почти во всех уголках планеты, но и изменил многие сферы человеческой жизни. Сейчас по дорогам мчатся примерно 1,3 миллиарда машин. К 2035 году их, вероятно, станет более 2 миллиардов (а такие показатели превышают темпы роста населения Земли). Автомобиль кардинально изменил характер расселения людей, структуру городов и поселков, а также трудовую деятельность сотен миллионов жителей планеты.

Машина не просто помогает добраться из точки А в точку Б. Она оказывает заметное психологическое влияние на человека от рождения и до самой смерти. Через пару недель после того, как мне исполнилось 17, я сдал на права и испытал невероятное ощущение свободы, которое способен подарить только автомобиль. Вдруг у меня появился способ оказаться где угодно с минимальными усилиями. Я, как и многие водители до и после меня, воспользовался открывшимися возможностями для путешествий, работы и, конечно, устройства личной жизни.

Кто-то может заметить, что сейчас получение водительских прав не имеет того же значения, что в конце 1979-х годов. Но я прекрасно помню, как моя 17-летняя дочь вернулась с первой самостоятельной поездки и сказала, что никогда прежде не чувствовала себя такой свободной. Я также помню огорченное и разочарованное выражение лица престарелой матери после моих слов о том, что пора отказаться от самостоятельного вождения из-за прогрессирующей болезни Альцгеймера. И она оказалась в тупике, причем не только в топографическом смысле.

Как часто бывает с вещами, машины обладают удивительной способностью вызывать у владельцев привязанность и любовь. Автомобили могут побороться за место в сердце с кошкой или собакой, ведь у них, как и у наших питомцев, есть свои очаровательные особенности. Рев мотора, набор скорости, богатое разнообразие чувств, которые дарят управление автомобилем и вхождение в поворот, а еще тактильные ощущения от приборов на панели управления, способа открытия и закрытия дверей, сопротивления педалей газа и сцепления. Все это создает основу для отношений между водителем и машиной, которые дарят настоящее чувство удовлетворения.

Выбор автомобиля многое говорит о человеке. В Великобритании 1990-х годов торговый представитель, который разъезжал на служебном автомобиле, переживал из-за того, написано на крышке багажника L или GL. Это едва ли не прописывалось в должностной инструкции. Лихачи, любившие тюнинговать свои машины, с особым рвением и вниманием сравнивали технические характеристики VW Golf GTI и Peugeot 205 GTi. Но психологическое влияние машины оказывают не только на отдельного человека. У владения автомобилем есть и социальная составляющая. Участники гонок со столкновениями на подержанных машинах, члены клуба любителей спортивных ретроавтомобилей, поклонники маслкаров и обладатели компактных Austin Allegro – все они входят в растущую сеть групп автовладельцев. Люди заводят знакомства по всему миру исходя из того, что они владеют тем или иным автомобилем.

Последние 50 лет мы наблюдаем золотой век машин, которые прошли путь от неисправного изобретения до явления, распространившегося по всему миру и определяющего жизненный уклад человека. Но суждено ли этому измениться? То, что широкие массы владеют автомобилем, не только изменило мир к лучшему, но и повлекло за собой серьезные негативные последствия. Врачи рассказывают о том, как в 1960-е годы травматологические отделения оказались переполнены. Прежде спокойные субботние вечера превратились в кровавую вакханалию. Вскоре поводами для беспокойства стали загрязнение среды и истощение ресурсов. В последнее время общественной критике подверглись двигатели внутреннего сгорания из-за их влияния на изменение климата. Длинный список из менее существенных проблем включает в себя заторы и агрессию на дорогах, уничтожение сельской идиллии ради постройки дорог и прокладывания туристических маршрутов. И не будем забывать, что поиск места для парковки – тот еще кошмар, который с каждым годом становится все страшнее.

Может, автомобили перестанут быть источником свободы и возможностей и превратятся в дорогой анахронизм, который будет отнимать слишком много времени и денег? Неужели машина стала в тягость человеку, живущему в век, когда население городов значительно уплотнилось?

Есть надежда, что еще не все потеряно. У большинства современных автомобилей до сих пор четыре колеса, и ездят они на органическом топливе, но это не значит, что мы не стали свидетелями невероятных прорывов в вопросах скорости, безопасности, качества и, разумеется, оборудования. И хотя технологии в основе своей остаются прежними на протяжении десятков лет, сведущие люди из отрасли настаивают на том, что мы находимся в шаге от революции.

Я пишу эту книгу, чтобы познакомиться с такими новаторскими идеями и попробовать угадать, куда они могут привести в будущем. Я изучу сложности, которые стоят за успешной разработкой технологий на основе искусственного интеллекта. Они должны заменить водителей везде – от фур с автоматизированным управлением до автомобилей, способных распознавать то, что происходит за углом. Я рассмотрю возможные варианты питания автомобилей будущего и постараюсь узнать, смогут ли электромобили справиться с ограничениями дальности поездки и медленной зарядкой. Я выясню, сможет ли водород полностью раскрыть свой потенциал и правда ли стоит так очернять дизельные двигатели.

Я поговорю с конструкторами автомобилей разных поколений и узнаю, как машинам будущего удастся сохранить свою привлекательность и скорость. Я выясню, станут ли машины еще безопаснее или новые технологии превратят их в непредсказуемое смертельное оружие из-за того, что хакеры воспользуются брешами в системе. Если автомобиль встает на совершенно новый путь изменений, то что будет с существующими машинами? Особенно с ретроэкземплярами, о которых с такой любовью заботятся миллионы энтузиастов? Наконец, я рассмотрю несколько маловероятных сценариев развития событий в отношении личного транспорта, а также будут ли автомобили востребованы в условиях жесткой конкуренции.

Мне повезло, и вся моя карьера была связана с двумя увлечениями родом из детства: машинами и технологиями. Я 15 лет работал над культовой телепрограммой Top Gear, большую часть времени в качестве продюсера. Один день был интереснее другого. Помню, как, сидя в Porsche 959, разогнался до 300 км/ч на автобане недалеко от Штутгарта и при этом не нарушил закон. А еще как сидел за рулем Ferrari 911 (первой в моей жизни) и первые поездки на целом ряде автомобилей, которые сегодня считаются классикой – например, Jaguar XK120 и D-Type или Aston Martin DB4 и 6. Как-то раз я ехал с Аланом Кларком за рулем его Rolls-Royce «Серебряный призрак» по итальянской части Альп.

Всю жизнь меня интересовали не только машины, но также оборудование и технологии. Я собирал радио, чинил телевизоры, занимался пленочной фотографией (в том числе проявкой и печатью) и игрался с компьютерами с тех пор, как они появились. В последнее время я веду программу «Круче не придумаешь». Это самая популярная британская передача о технологиях и электронике широкого потребления.

Доктор Ян Робертсон, руководитель отдела международных продаж в BMW, в июне 2017 года сказал: «На протяжении 100 лет автомобильная промышленность делала одно и то же. В ближайшие 5–7 лет она кардинально изменится. Мы наблюдаем переломный момент в отрасли, которая оценивается в 2 триллиона долларов в год». Это невероятно волнующий, но и вместе с тем крайне важный этап. Покупатели больше не выстраиваются в длинную очередь за новым автомобилем, как это было в 1960-е годы с Ford Mustang. Вместо этого они разбивают палаточный лагерь у магазина Apple, чтобы купить новенький айфон. Если автомобиль хочет сохранить свои позиции, ему нужно развиваться.

Сейчас слова «подключенный», «автономный» и «безотходный» слышатся отовсюду. Из беседы с конструктором Jaguar Land Rover я узнал, что все машины будущего, которые разрабатываются в их студиях, оснащены аккумуляторами и автопилотом. Но действительно ли наши любимые компании выбрали правильный путь? Или наше желание рулить все же возьмет верх? Хватит ли нам терпения ездить на автомобилях с аккумуляторами? Конечно, сложно представить, что человечество полностью откажется от машин. Но автомобильной отрасли пора наверстать упущенное, ведь мы живем в мире, где технологии сменяют друг друга довольно быстро. Давайте начнем, пожалуй, с самого обсуждаемого и перспективного из нововведений – автономности, или с автомобилей на самоуправлении.

Глава первая

Подключенные и автономные

Расцвет робомобилей

Ярко-красный Golf GTI ловко маневрирует между дорожными конусами на пределе своих возможностей. Автомобиль идеально входит в крутой поворот на большой скорости, меня отбрасывает влево, и мы продолжаем разгоняться. Меня так и кидает из стороны в сторону, пока водитель управляет автомобилем на испытательной трассе VW недалеко от Вольфсбурга. Меня восхищает, насколько он умел.

Еще удивительнее то, что водитель – это не живой человек. Вообще-то его и вовсе не было рядом. Руль, педали газа и тормоза приходили в движение сами по себе, будто по взмаху волшебной палочки. И речь идет не о робомобиле от Google. Все это происходило в 2006 году, когда технологии самоуправления еще не набрали такой популярности. Можете представить, почему это произвело на меня большое впечатление.

Удивительно, но история беспилотных автомобилей началась много лет назад. На протяжении десятилетий ученые стремились раз и навсегда устранить проблему смертности на дорогах. Вместо человека, которому свойственно ошибаться, управление должны были взять на себя умные технологии. До недавнего времени такие стремления оставались лишь на страницах научной фантастики. В жизни все упиралось в недостаточное развитие технологий и высокую стоимость. Но теперь невозможное становится возможным благодаря мощности компьютеров, искусственному интеллекту, машинному обучению и современным датчикам.

Впервые автомобиль без водителя проехал по улицам Нью-Йорка в 1925 году, и контролировался он с помощью радиоуправления. Изобретатель Фрэнсис Гудина снабдил новенький Chandler радиоприемником и установил специальный механизм на рулевую колонку. Он реагировал на сигналы радиопередатчика машины, ехавшей следом. В статье современников, опубликованной в New York Times, говорилось, что автомобиль перемещался так, «будто за рулем сидел призрак».

Демонстрация прошла неудачно. После неуверенного проезда по Бродвею автомобиль едва разошелся с пожарной машиной и врезался в автомобиль с журналистами, которые освещали мероприятие. Полицейские приказали Гудине прекратить эксперимент. Еще интереснее то, что Гарри Гудини, чья фамилия звучит практически так же, как и фамилия изобретателя, был недоволен попытками последнего и обвинил его в «незаконном использовании имени в коммерческих целях». Известный иллюзионист ворвался в компанию Гудины Houdina Radio Control Co. и устроил там беспорядок. Впоследствии за этот проступок его привлекли к ответственности.

Затем об автономности заговорили на Всемирной выставке 1939 года в Нью-Йорке. В павильоне General Motors впервые представили «магические автострады» в рамках проекта «Футурама».

Шкала автономности
Общество автомобильных инженеров выделяет 6 уровней автоматизации.
Уровень 0 Без автоматизации.
Уровень 1 Базовый уровень автоматизации, при котором автоматикой управляется лишь один аспект вождения. Это может быть возвращение в центр полосы или адаптивный круиз-контроль, но не обе технологии сразу.
Уровень 2 Одновременное управление несколькими функциями. Например, возвращение в центр полосы и адаптивный круиз-контроль.
Уровень 3 Так называемая условная автоматизация, когда автомобиль контролирует функции, важные для безопасности, но все равно требуется участие водителя: он должен внимательно следить за дорогой, чтобы при необходимости взять управление на себя. Этот уровень автоматизации может использоваться при низкой скорости движения, например в пробках.
Уровень 4 Автомобиль полностью автономен, но на ограниченном пространстве. Например, роботакси в пределах одного жилого комплекса. Машинам этого уровня не нужны педали и руль. (Шутники замечают, что лошади – это автономное транспортное средство четвертого уровня.)
Уровень 5 Полная автономность. Автомобиль берет на себя все управление и не нуждается в специальной дорожной разметке и других знаках. Он способен самостоятельно перемещаться по любой территории. «Водители» могут вздремнуть или заняться своими делами.

Проект – детище дизайнера Нормана Бела Геддеса. В его городе будущего в дороги встроены электромагнитные установки и системы наведения. Подобные встроенные дорожные системы также лежали в основе экспериментов по управлению автомобилями американской компании RCA, занимающейся электроникой. Все началось в 1953 году с автомобильных моделей, а к 1958 году перешло на настоящие машины. Датчики в переднем бампере принимали сигналы от кабеля, проложенного под дорогой, благодаря чему машина узнавала о ремонтных работах и пробках. Система также управляла педалью тормоза и при необходимости перестраивала автомобиль на другую полосу. В компании считали, что беспилотные автомобили станут привычным явлением к 1975 году. Через пару лет британская правительственная организация «Лаборатория дорожных исследований» (сейчас – «Лаборатория транспортных исследований») представила прототип беспилотного Citroen DS, который работал по тому же принципу. В организации также были уверены, что к 1970-м годам на дорогах появится отдельная полоса для беспилотников. Подобные заявления звучали крайне оптимистично.

Первое по-настоящему автономное транспортное средство появилось в Японии в 1977 году, но выпускать его на дорогу было слишком рано. Автомобиль полагался не на электронику под дорогой, а на огромный компьютер, который занимал большую часть панели управления и пола под ногами пассажира. Он по крупицам собирал информацию об обстановке на дороге, которую получал от встроенных камер. Благодаря этому автомобиль мог следовать по белой разметке на асфальте. Правда, лишь на скорости, сравнимой со скоростью пешехода – около 30 км/ч. Тем не менее это было первое транспортное средство, которое вышло за пределы нулевого уровня шкалы автономности, разработанной американской организацией «Общество автомобильных инженеров» (сейчас носит название SAE International).

Немецкий инженер аэрокосмических систем Эрнст Дикманнс вывел скорость и искусственный интеллект на новый уровень, создав беспилотную машину на базе фургончика Mercedes. В 1986 году прототип VaMoRs успешно прошел испытания, а через год самостоятельно проехал по автобану на скорости более 90 км/ч. После этого эксперимента общеевропейская исследовательская организация EUREKA запустила собственный проект PROMETHEUS (Программа европейского дорожного движения с наибольшей эффективностью и беспрецедентной безопасностью). Бюджет проекта составил 749 миллионов евро. Исследователи из Мюнхенского университета разработали технологии с использованием камер, программное обеспечение и средства компьютерной обработки информации. Все это использовали в двух внушительных робомобилях – VaMP и VITA-2, которые были основаны на модели Mercedes S-класса. В 1994 году автомобили самостоятельно проехали почти 1000 километров по оживленному шоссе недалеко от Парижа. Их скорость достигала 130 км/ч. Через год стрелка спидометра показывала уже 170 км/ч по пути из Мюнхена в Копенгаген. Отрезок в 157 километров автомобили проехали без участия человека.

В то время многие производители стали добавлять ограниченные возможности по автономному вождению. Но все они были нацелены лишь на помощь водителю и точно не могли самостоятельно справиться с множеством опасностей, которые постоянно встречаются на дороге. Вскоре ситуация изменилась, ведь на рынке появился новый игрок – вооруженные силы США. В начале 2000-х годов военные спонсировали соревнования DARPA Grand Challenges. Там главный приз в миллион долларов получала команда инженеров, которым удавалось создать автомобиль, способный быстрее остальных пройти 240 километров полосы препятствий. Несмотря на то, что на первых соревнования в 2004 году никто не добрался до финиша, это привлекло внимание к теме и подстегнуло разработки. В следующем году финишировали пять машин, а команда из Стэнфордского университета завоевала первое место и приз в 2 миллиона долларов.

Стэнфордская команда привлекла внимание популярной технологической компании Google. Остальное всем известно. В 2010 году представители Google объявили, что в компании втайне разрабатывали и испытывали системы беспилотного управления автомобилями. Цель – сократить число аварий на дорогах вдвое. Главой проекта, который впоследствии переименуют в Waymo, стал Себастьян Трун, руководитель Стэнфордской лаборатории искусственного интеллекта. Себастьян хотел вывести беспилотники на рынок к 2020 году.

В первый испытательный парк вошли шесть машин Toyota Prius и одна Audi TT. В машины были установлены датчики, камеры, лазеры, специальные радиолокационные GPS-технологии. Автомобили могли взаимодействовать со средой, а не просто ехать по намеченному маршруту. Система отслеживала опасности и распознавала объекты (пешеходов, велосипедистов и другие машины) на расстоянии нескольких сотен метров. Водитель-испытатель все время находился в автомобиле, чтобы при необходимости взять управление на себя.

Исследования Google породили всплеск интереса к теме. Именитые компании увеличили инвестиции в технологическую и автомобильную отрасли, а вместе с тем возросло и число стартапов. По данным Брукингского института, американского аналитического центра, на разработку беспилотных автомобилей в период с 2014 по 2017 год было потрачено 80 миллиардов долларов. Возможно, это станет крупнейшей ошибкой капиталистов, по сравнению с которой финансовый пузырь «Компании Южных морей», тюльпанная лихорадка и ипотечный кризис в США покажутся довольно разумными.

Как обычно, оценки того, когда автомобили станут полностью автономными, оказались слишком амбициозными. Можно разобраться в причинах такого расхождения с реальностью, если посмотреть, как должны работать эти чудеса техники.

Чувство дороги

Дивный новый мир поистине умных машин требует разнообразных приборов, с помощью которых автомобиль пытается получить точное представление об окружающей обстановке.

Самыми дорогими и эффектными датчиками, которые производят специально для беспилотных машин, являются лидары (от англ. LiDAR, Light Detection and Ranging — обнаружение и определение дальности с помощью света). Обычно их устанавливают на крыше. Эти системы посылают невидимые лазерные лучи малой мощности, которые, отражаясь от объектов, позволяют создать подробную и точную трехмерную карту окрестностей. Поле обзора может достигать 360 градусов. За счет мощных лазеров лидары пригодны для использования при любом освещении.

Ученые измеряют расстояние с помощью лазеров еще с 1960-х годов. Тогда группа ученых из Массачусетского технологического института (МТИ) вычислила точное расстояние до Луны, измерив время, за которое свет долетает туда и обратно. В автомобилях лазеры впервые установили в 2007 году в ходе эксперимента компании Velodyne, производившей звуковое оборудование. Пять машин, на которые установили принципиально новые датчики, удачно справились с ориентированием в смоделированных условиях города.

В 2016 году лидар стоил около 75 000 долларов на автомобиль. К 2019 году его цена упала до 7500 долларов за флагманскую модель. Но стоимость должна стать еще ниже. В компании Ford рассчитывают, что лидар будет стоить приблизительно 500 долларов. Сейчас на большинстве автомобилей установлен один лидар, который создает панораму в 360 градусов или поворачивая всю систему лазеров, или быстро вращая зеркала. Многие исследователи считают, что главное условие для снижения стоимости – создание твердотельных конструкций, где вращающиеся элементы сведены к минимуму или вовсе отсутствуют.

От зеркал получится отказаться, если заменить их на фазированные решетки, в которых используется ряд лазерных передатчиков. Когда все передатчики срабатывают одновременно, луч идет по прямой. Но если сместить фазы сигналов, то луч отклонится вправо или влево. Лидар на основе вспышки – другое возможное решение. По принципу действия он напоминает фотоаппарат. Устройство выпускает один луч, который рассеивается и подсвечивает сразу всю область.

Слежение за дорогой с помощью лазеров.

Лидары становятся меньше и дешевле.

Затем сеть из крошечных датчиков регистрирует свет, который возвращается с разных сторон. Лидары такого типа хороши, потому что моментально охватывают всю область, но в то же время из-за этого появляется шум и картина становится менее четкой.

Но это не единственная проблема. Когда на большинстве автомобилей будут установлены лидары, они начнут создавать помехи друг для друга. Обычно система запускает прямой лазерный луч и использует сверхточные часы. Если лазеры на других машинах будут действовать в той же области, это нарушит их нормальную работу. Скептики также беспокоятся о том, справится ли система с плохими погодными условиями. Наконец, чтобы не нанести вред зрению человека, используются лазеры относительно малой мощности. Дальность луча равна примерно 150 метрам. Для ускорения и лавирования в потоке автомобилей нужен луч длиной по крайней мере 300 метров. Производители лидаров работают над увеличением частоты лазерного излучения, за счет которого получится усилить мощность. Благодаря этому луч будет простираться дальше видимого диапазона спектра. Вероятно, при совершенствовании системы удастся справиться и с другими недостатками. Технология уже неплохо работает в снег и дождь, а еще показывает хорошие результаты в избегании помех.

Лидар помогает машине «видеть» на коротких расстояниях, но для длинных дистанций требуется другое решение. И здесь на первый план выходят радары. На многих новых автомобилях уже установлены радиолокационные датчики, которые используются для адаптивного круиз-контроля, контроля слепых зон и автоматической системы аварийного торможения. Их поле обзора составляет примерно 10 градусов, а стоимость относительно невысока – от 80 до 120 фунтов стерлингов за сенсор.

Главным преимуществом радаров традиционно считают способность воспринимать расстояние и скорость. Радар может измерить скорость на большом расстоянии. Это технология, которая отлично себя показала. Радар может распознать даже то, что находится за предметом. Его волны относительно длинные, поэтому появляются дифракция и отражение. За счет этих явлений можно «увидеть», что скрывается за другими объектами. На YouTube есть видео, снятое внутри движущейся машины, где показано, как информация с радиолокационного датчика приводит в действие систему автоматического экстренного торможения. Впереди не было ничего необычного, но через полсекунды машина перед нами врезалась в другую. Радар на нашем автомобиле смог распознать, что впереди резко затормозила вторая машина от нас. Благодаря этим данным сработали тормоза и аварию удалось предотвратить.

Основной недостаток радаров, из-за которого их необходимо дополнять другими датчиками, – это невозможность восприятия в деталях. Все кажется размытым. Радары не могут отличить пешехода от велосипедиста, хотя способны распознать, движутся эти люди или нет. Лидар в Waymo может не только отличить одного от другого, но и указать, в какую сторону они направляются. Ультразвуковые датчики используются для определения позиции объектов, которые расположены близко к транспортному средству. Чаще всего они встречаются в виде датчиков парковки, издающих звуковые сигналы.

Их изобрели в 1970-е годы, а первой моделью машины массового производства, на которую их установили, стала Toyota Prius 2003 года. Такие датчики работают на расстоянии всего метров 10, но при этом они отличаются низкой стоимостью и оказываются крайне полезны при маневрировании на низкой скорости или в плотном потоке.

Камеры с высоким разрешением – важный элемент оснащения беспилотного автомобиля. Они используются для распознавания светофоров, дорожной разметки, уличных знаков и других объектов, которые содержат зрительные ориентиры, но не более того. Камеры, в отличие от лидаров, различают цвета, а также разницу в текстуре. Если установить несколько камер, получится определить расстояние до предметов. Но чем дальше объект, тем менее точен расчет, поэтому для вождения на высокой скорости это не подходит. Стоимость камеры относительно невелика – 150 фунтов стерлингов на автомобиль, но стоит учитывать, что ее работа зависит от условий освещения и видимости. Инфракрасное излучение способно в какой-то степени решить эту проблему.

Можно подумать, что для передвижения крайне важно наличие GPS. Но эта система работает точно лишь на расстоянии нескольких метров и не всегда исправно: сигнал прерывается рядом с высокими зданиями и в тоннелях. Именно поэтому использование GPS в автономных автомобилях носит ограниченный характер. Однако в сочетании с другими датчиками она может быть полезной. В МТИ, к примеру, сконструировали беспилотный Prius, который неплохо ориентируется на дороге с помощью лишь GPS, лидара и акселерометров.

Будущее уже подъезжает

Время от времени крупные автопроизводители выкатывают диковинные концепт-кары, которые мало похожи на машины «для сегодняшнего использования». Прототипы наглядно демонстрируют, как концерны видят будущее мира автомобилей.

Разумеется, не все идеи находят буквальное воплощение. К примеру, реактивные двигатели на американских концептах 1950-х годов так и не стали реальностью. Однако многие концептуальные вещи прошлых лет – те же мониторы и переход на электротягу, – вошли в обиход.

Подгонный метр

По мнению дизайнеров и инженеров Audi, в дни грядущие роскошный автомобиль будет поражать не только числом опций, но и возможностями трансформации. Именно об этом говорит нашумевший концепт Skysphere. Прототип создан по мотивам родстера из 1930-х годов, но изюминка в том, что Skysphere может быть не только родстером.

Фото: Audi.com

Skysphere продемонстрирует технологию изменения длины колесной базы: концепт в буквальном смысле может раздвигаться и сдвигаться, увеличивая длину кузова с 4,94 до 5,19 метра. Соответственно, одним легким движением родстер превращается в купе класса «гран-туризмо» (GT), а у водителя создается ощущение, что он владеет сразу двумя автомобилями.

При этом в режиме GT машина становится полностью автономной – до такой степени, что даже руль и педали уходят в недра передней панели. Автопилот реализуется не только продвинутым искусственным интеллектом, но и адаптивной подвеской, которая получает данные о дорожном покрытии со спутников. Впрочем, для технофобов сохраняется возможность в любой момент вернуться в ручной режим управления.

Дополняет все эти удивительные фишки могучий мотор на 632 лошадиные силы. Он, конечно же, электрический. Агрегат способен разгонять машину с места до 100 км/ч всего за четыре секунды. Пока ускорение происходит лишь в теории: все-таки это концепт-кар. Но задумки у Audi, без сомнения, интересные.

Фото: Audi.

Данные с потолка

Еще дальше в своих фантазиях пошли специалисты Lexus, представившие концепт LF-30. Премиальная японская марка давно использует дизайнерскую идею веретена, которая отсылает к «швейным» корням материнской Toyota. Обычно фирменную форму можно увидеть на решетках радиаторов моделей Lexus. Однако LF-30 целиком сделан по образу веретена.

Действительно, причудливые футуристичные линии отдаленно напоминают нехитрый предмет. Но сильнее поражает обширная площадь остекления кузова и огромные двери, поднимающиеся вверх, а затем сдвигающиеся вперед. Притом дверей всего две, а мест в салоне – четыре, но за счет размера створок легко сесть и на передний, и на задний ряд.

Фото: sebastienmauroy.com

В Lexus считают, что взаимодействие водителя и автомобиля должно быть максимально простым. Этой цели служит крупный штурвал, на котором сосредоточено управление всеми функциями и опциями. Перед глазами – проекционный дисплей и «гармошка» сенсорного экрана. Согласно задумке дизайнеров, так водитель сохраняет концентрацию и меньше устает.

Притом дополнительную информацию можно брать прямо… с потолка! В него интегрирован экран с технологией дополненной реальности. На него выводится много интересного: от карты звездного неба до более привычной навигации.

Между прочим, в концепте воплощена мечта всех любителей тонировки: затемнение стекол регулируется с помощью электроники. Никакой больше пленки!

Фото: sebastienmauroy.com

Силовой агрегат у концепта тоже интересный. Если в упомянутом Audi предусмотрен один электромотор, то у Lexus их сразу четыре – по одному на каждое колесо. Инженеры говорят, что так и КПД выше, и тяга увереннее. К тому же машина по желанию водителя может быть передне-, задне- или полноприводной. Мощность не названа, но заявленный разгон до сотни занимает всего 3,8 секунды.

И, наконец, самая любопытная фишка LF-30 – он оснащен роботом-помощником. Небольшой дрон способен, например, донести сумку от дверей дома до багажника. Наверняка, робот получит и другие любопытные функции к 2030 году – именно тогда, по прогнозам Lexus, подобные машины появятся на дорогах.

Гостиная на колесах

У вдумчивых шведов несколько иное видение будущего. В противовес Lexus, они ориентируются на упрощение линий и форм с одновременным получением максимального внутреннего объема. Потому концепт Volvo Concept Recharge – не родстер или купе, а что-то среднее между кроссовером и минивэном. Выглядит не ошеломительно, зато практично.

Фото: пресс-служба Volvo

Автомобиль хвастает широкими распашными дверями в духе Rolls-Royce. Салоны всех концептов обычно минималистичны, но скандинавы довели идею почти до аскетизма. Передняя панель – непривычно узкая и компактная, а кресла напоминают мебель из Ikea. Все это не просто так, а ради получения бесценных кубических сантиметров пространства в салоне.

Давно ушедшие из индустрии выдвижные фары получили у шведов новое прочтение. Горизонтальные сегменты днем остаются узкими, а ночью раздвигаются вширь и освещают путь широким пучком света.

Сосредоточившись на уютном внутреннем мире концепта, в Volvo не стали углубляться в технические детали. Инженеры лишь отмечают, что к 2025 году технологии позволят сократить процесс быстрой зарядки электромобиля наполовину. Значит, у моделей с двигателями внутреннего сгорания будет оставаться все меньше преимуществ.

Volvo была бы не Volvo, если бы не задумалась о безопасности. Помимо привычных систем, концепт подразумевает получение данных о поездках от других автомобилей. Анализ этой информации позволит автопилоту «учиться на чужих ошибках» и снизить потенциальную аварийность.

Фото: пресс-служба Volvo

Мечта геймера

Безопасность, динамика, простор в салоне? Что за скука! Китайцы из MG (ранее это была британская компания) предлагают автомобиль, который позволяет максимально приятно проводить время за видеоиграми. Притом можно как использовать машину в качестве симулятора, так и играть на ходу.

Концепт-кар Maze имеет почти полностью прозрачный салон: роль крыши, дверей и окон выполняет огромный колпак, откидывающийся назад. Внутри нет ни руля, ни педалей, ни привычных нам клавиш – только два кресла и тачскрин, через который можно управлять всеми функциями авто.

Но самое интересное в Maze происходит за пределами интерьера. В концепт внедрили голографический проектор, создающий перед автомобилем огромный экран, словно парящий в воздухе. С его помощью можно забавляться играми, а эффект от виртуальных приключений будет дополнен физическими ощущениями: кресла подвешены на роботизированных кронштейнах.

Заявлено даже, что игры в Maze могут использовать окружающие локации за счет технологии дополненной реальности. То есть действие какого-нибудь шутера будет происходить там, где вы припаркуете автомобиль.

Понятно, что такой гаджет на колесах приводится в действие электромотором. Ни мощность, ни емкость батарей не указана – да и кому она интересна в этом случае? О серийных перспективах речи тоже не идет, но китайцы намекают: в ближайшем будущем время в поездках можно будет коротать играми. Главное, чтобы автопилоты к тому времени стали по-настоящему надежны и безопасны.

Какими будут машины будущего?

Если мы оглянемся в прошлое, то увидим, что машины будущего будут следовать той же парадигме, что и предыдущие промышленные революции, производя больше при меньших затратах.

Станок для лазерной резки Danobat

Однако в этой Четвертой революции, революции Индустрии 4. 0, мы столкнулись с машинами, которые через Интернет вещей связаны с облачными платформами, так что данные обрабатываются, анализируются и хранятся . Тот, в котором инструменты реализации, такие как искусственный интеллект, большие данные и машинное обучение, будут анализировать эти данные, предлагая ответы на различные уровни производства, помогая людям принимать более эффективные решения.

Чтобы это работало, машинам необходимо понимать друг друга и общаться. Существует ряд протоколов, но в отрасли производства листового металла еще не было достигнуто соглашение по установлению стандарта, и иногда нам приходится работать единица за единицей, чтобы машины могли взаимно понимать друг друга. В любом случае эволюция мира инженерии позволяет создавать коммуникационные услуги между различными системами, что делает технологии, лежащие в их основе, более прозрачными.

Тем не менее, решающим аспектом будет не протокол связи, понимаемый как основа, на которой машина публикует информацию, а скорее публикация услуг, предлагаемых машиной. Идея состоит в том, чтобы машина предлагала данные, отвечающие на конкретные вопросы, и разрешала любые проблемы, которые могут возникнуть в системе. Подход будет отличаться, если программное обеспечение для программирования машин (CAM) общается с машиной, если общается система управления производством (MES) или если общается система управления техническим обслуживанием.

Чтобы справиться с этими проблемами, MES должна быть вертикализована, чтобы понимать услуги, предлагаемые машиной, и как лучше всего их использовать, чтобы она могла организовать производство на заводе с видением общей картины. Что касается CAM, задача будет заключаться в том, чтобы узнать, на что будут похожи новые архитектуры. Их базовая архитектура не претерпела изменений за последние 40 лет: они опирались на параметризацию машины, импортеров САПР, механизированное учебное проектирование и, наконец, создание программы числового управления для промышленного управления. Эта структура и все, что с ней связано, в настоящее время пересматривается, и поэтому еще неизвестно, сможем ли мы решать проблемы более эффективно с точки зрения машины и способом, прозрачным и автоматизированным для систем, позволяющим более специализированные решения. быть построенным. В конечном счете, программное обеспечение для программирования должно сосредоточиться на определении того, что нужно клиенту в отношении стоимости, сроков, качества и других аспектов, связанных с производством, т. Е. Сосредоточиться на функции MES. В конце концов, тенденция направлена на создание систем, которые предлагают полную общую совместимость, где нет необходимости в специальной интеграции.

Машины будущего должны быть полностью автономными, без простоев и должны работать эффективно. Таким образом, расположение данных и систем, которые позволяют давать ответы для принятия решений или которые рассчитывают инструкции для машины, должны размещаться везде, где может быть обеспечено вышеуказанное условие. Таким образом, как было сказано в начале этой статьи, чтобы иметь возможность использовать технологические возможности решения проблем, доступные благодаря Индустрии 4.0, мы должны перенести некоторые процессы в облако, чтобы максимально использовать его возможности. Уже предпринимаются инициативы по изучению вопроса о том, какая часть данных должна находиться на машине, какие данные должны быть в локальных или частных сетях, а какая часть должна быть в облаке. Эта гибридная архитектура гарантирует более высокую производительность и, в то же время, большую способность более эффективно решать проблемы.

В конечном счете, машины будущего будут умными благодаря инструментам Индустрии 4.0, которые перемещают процессы в облако, повышая эффективность и производительность, что приведет к снижению затрат на умные фабрики.

Как выглядит будущее машинного обучения — 2022 год и далее — День первый: услуги по разработке ИИ, компания по разработке приложений Как выглядит будущее машинного обучения

Время чтения: 5 минут чтения

Машинное обучение (МО) настолько универсально и мощно, что это одна из самых захватывающих технологий нашего времени. Его использует Amazon, его использует Netflix, его использует Facebook, и этот список можно продолжать и продолжать.

Но, как и в случае со всеми другими разрекламированными технологиями, в отношении машинного обучения также существует множество заблуждений. В этой статье мы обсудим будущее машинного обучения и его значение во всех отраслях.

Машинное обучение работает на принципах компьютерных алгоритмов, которые рефлекторно учатся через испытания и опыт. ML — это приложение искусственного интеллекта, которое позволяет программным приложениям прогнозировать результаты с максимальной точностью. Важно создавать компьютерные программы и помогать компьютерам запоминать их без вмешательства человека.

Машинное обучение играет важную роль в сфере предприятий, поскольку оно позволяет предпринимателям понимать поведение клиентов и функционирование бизнеса. В настоящее время ведущие компании, такие как Google, Amazon, Facebook, Tesla и многие другие, эффективно используют эти технологии, в результате чего машинное обучение стало основной операционной частью функционирования.

Читайте также: 10 тенденций машинного обучения, которые помогут вашему бизнесу расти

Будущее машинного обучения исключительно захватывающее. В настоящее время почти каждый распространенный домен работает с приложениями машинного обучения. Назовем несколько таких отраслей: здравоохранение, поисковая система, цифровой маркетинг и образование.

ML может быть оспорено как заслуга предприятия или организации, поскольку задачи, которые в настоящее время выполняются вручную, в будущем будут полностью выполняться машинами. Машинное обучение становится величайшим благословением ИИ для человечества для эффективной реализации целей.

В областях компьютерного зрения и обработки естественного языка (NLP) совершаются прорывы, которые никто не мог предсказать. Мы видим и то, и другое в нашей жизни: распознавание лиц в наших смартфонах, программное обеспечение для языкового перевода, беспилотные автомобили и так далее. То, что может показаться научной фантастикой, становится реальностью.

Сегодня машинное обучение занимает такое важное место в нашей жизни, что трудно представить себе будущее без него. Вот наши прогнозы развития машинного обучения в 2022 году и далее.

Машинное обучение может быть преобразовано и обновлено квантовыми алгоритмами. Квантовые вычисления позволяют выполнять одновременные операции с несколькими состояниями, обеспечивая более быструю обработку данных.

Машинное обучение с помощью Quantum может улучшить анализ данных и получить более глубокое понимание. Такая повышенная производительность может помочь предприятиям и предприятиям получить лучшие результаты, чем с помощью более традиционных методов машинного обучения.

Пока нет коммерчески готовой модели квантового машинного обучения. Однако крупные технологические компании инвестируют в эту технологию, и появление систем квантового машинного обучения не за горами.

Читайте также: Что произойдет, если объединить блокчейн и машинное обучение?

AutoML или автоматизированное машинное обучение автоматизирует процесс применения алгоритмов машинного обучения для выполнения реальных задач. AutoML упрощает процесс, чтобы помочь бизнесу применять сложные модели и методы машинного обучения, не будучи экспертом в области машинного обучения.

AutoML использует более широкую аудиторию для использования машинного обучения, что указывает на его потенциал для изменения технологического ландшафта. Например, чтобы быстро найти алгоритмы, которые могут использовать специалисты по обработке и анализу данных, или определить, были ли пропущены какие-либо алгоритмы.

Вот некоторые этапы разработки и развертывания модели машинного обучения, которую может автоматизировать AutoML:

Предварительная обработка данных — С помощью AutoML предварительная обработка данных улучшает качество данных, помогает очищать данные путем преобразования неструктурированных данных в структурированные данные и данные. сокращение и т. д.
Разработка функций — Использование алгоритмов AutoML для помощи в создании более адаптируемых функций на основе входных данных.
Извлечение функций — AutoML использует различные наборы данных для создания новых функций, которые улучшат результаты и уменьшат размер данных.
Выбор функций — AutoML разумно выбирает для обработки только полезные функции или наборы данных.
Оптимизация гиперпараметров и выбор алгоритма — AutoML автоматически выбирает наилучшие гиперпараметры и алгоритмы.
Развертывание и мониторинг модели — AutoML развертывает системы на основе платформы и отслеживает производительность системы с помощью информационных панелей.

Фармацевтическая промышленность и здравоохранение
Машинное обучение имеет практически бесконечное количество применений в здравоохранении и фармацевтической промышленности. Сегодня индустрия здравоохранения генерирует огромные объемы данных и помогает оптимизировать административные процессы в больницах, картировать и лечить инфекционные заболевания и персонализировать лечение. Применение методов машинного обучения в сфере здравоохранения может в значительной степени способствовать улучшению прогнозов и методов лечения.

Каждый день появляются и развиваются новые болезни. Таким образом, машинное обучение в здравоохранении становится одной из самых полезных и эффективных систем для раннего выявления и диагностики этих заболеваний. Многие генетические и раковые заболевания нелегко обнаружить или распознать, но с ними может справиться машинное обучение. Промышленность надеется, что будущее медицинских технологий теперь будет зависеть от машинного обучения, потому что с его помощью идентификация и диагностика заболеваний станут проще и безошибочнее.

Разработка лекарств требует много времени и средств. С помощью наборов данных о структуре лекарственных соединений алгоритмы машинного обучения могут прогнозировать их влияние на различные клетки и гены, а также обнаруживать возможные побочные эффекты. Машинное обучение может сократить время тестирования лекарств, что приводит к ускорению процесса вывода лекарств на рынок.

Читайте также: Как носимые устройства меняют отрасль здравоохранения

Производственный сектор
Обрабатывающая промышленность находится на ранней стадии внедрения технологии машинного обучения в свои бизнес-процессы. Современные производственные технологии начинают включать машинное обучение на протяжении всего производственного процесса, алгоритмы прогнозирования используются для адаптивного планирования технического обслуживания машин, а не по фиксированному графику.

Microsoft, GE, Bosch, Siemens, NVIDIA Fanuc и Kuka среди других отраслевых гигантов уже вкладывают значительные средства в производство ИИ с подходами машинного обучения для ускорения каждой части производства.

Модели машинного обучения могут улучшить почти все аспекты бизнеса, от маркетинга до продаж и обслуживания. В обрабатывающей промышленности рост Интернета вещей и беспрецедентные объемы данных, которые он отбрасывает, открыли многочисленные возможности для использования машинного обучения. Машинное обучение обеспечивает прогнозный мониторинг, а алгоритмы машинного обучения прогнозируют поломки оборудования до того, как они произойдут, и планируют своевременное техническое обслуживание.

Помимо многих других преимуществ, использование машинного обучения в производственном секторе может снизить затраты, улучшить контроль качества и улучшить управление цепочками поставок.

Автомобилестроение
Tesla, Honda и Waymo входят в число производителей автомобилей, изучающих возможность использования технологии автономного вождения в своих автомобилях. Производители уже представили автомобили с частичной автоматизацией, полностью автономные транспортные средства еще находятся в разработке. Машинное обучение — одна из основных технологий, которая может помочь воплотить эти мечты в реальность.

Машинное обучение в автомобильной промышленности — это не только беспилотные автомобили. Чтобы добиться успеха, автопроизводители и другие компании автомобильной экосистемы должны быстро адаптироваться к меняющейся среде, принимая вызовы и открывая возможности, используя силу данных.
Нынешнее поколение транспортных средств — это программные, генерирующие данные подключенные устройства, открывающие возможности для новых наборов данных и услуг. Автомобильная наука о данных касается не только самоуправляемых автомобилей. Наука о данных и технологии машинного обучения могут помочь автопроизводителям сохранить конкурентоспособность за счет улучшения всего, от исследований до проектирования производства и маркетинговых процессов.