自動運転とは人間ではなく人工知能（AI）が車を運転することです。自動運転技術はこの数年で大きく進化を遂げ、一部では既に実用化が始まっています。自動運転の進化は、人工知能の進化と切り離すことが出来ません。両者は具体的にどのような関係を持っているのか、自動運転が抱える課題はどこにあるのか確認していきましょう。
▼もしAIを使った開発を検討している場合は、Automagica Labで無料の開発相談をしてみませんか？
目次
自動運転と人工知能の関係性
車が公道を走っていると、様々な不測の事態が起こります。子どもや動物が飛び出してきたり、対向車が中央線を乗り越えてきたり、思いも寄らない障害物が道路に立ち塞がったり。多少の予測は出来ても、いつ何時何が起こるか分からないのが自動車の運転です。人工知能の力を借りることなく人間の力で運転プログラムを組もうとしても、自動車運転中に起こり得る全てのケースを網羅しそれに備えるプログラムを組むのは非常に困難です。パターン化されたプログラムは柔軟な思考を行うことができないため、いざパターン外のことが起こっても対応できず、自動運転の場合それが事故に繋がる可能性も高くなります。トレーニングされた人工知能であれば、トレーニングを根拠にした分析や予測を行うことができるので、初めて遭遇するようなケースでも正しく認識して回避することができるのです。
状況を元に最適な判断を下すためには、人工知能も人間のように柔軟な思考を行う必要があります。そのために行われるのが「学習」です。例えば自動車に搭載されたセンサーが捉えた物体が「人間」なのか「車」なのか、人間が特徴を入力して判断する学習を膨大な回数繰り返すと、人工知能は新規の画像であっても推論を働かせて正しい判断を行えるようになります。また、人間による特徴の入力工程を省いた深層学習（ディープラーニング）は、人工知能が自ら判断のための特徴を見つけ出し、推論して区別することができるようにするためのものです。人間と同じように思考して判断する、この人工知能の働きによって画像認識の精度はどんどん向上していくことが考えられています。
画像認識の向上によって適切な状況判断が出来るようになれば、車両をどのように制御すべきか判断、意思決定ができるようになります。これも人工知能が行います。区画線を越えそうになったら車両を横方向に制御する、信号機が赤ならば縦方向に制御して減速・停止を行う。通常はドライバーが自分の頭で認識、判断していることを人工知能が代わって行うようになるのです。そのためには、瞬時の判断が可能な高性能人工知能が必要になります。
自動運転の課題
人工知能の進化によって自動運転は現実の技術となり、その精度は今後も増していくと考えられています。しかし人工知能による自動運転には課題も存在します。
不完全知覚問題
自動運転では自動車に搭載されたセンサーやカメラ、レーダーなどを使って人工知能が判断する画像を取得しますが、これらの機器は実は限られた情報しか計測できません。そのため、あらゆる状況全てを完全に識別することは不可能です。そこから生まれる読み違い、適切な制御の不実行は、人工知能特有の「不完全知覚問題」と呼ばれています。人工知能の間違った認識が事故を起こしたケースも既に報告されています。またこの人工知能の「認識の不完全性」は、自動運転に対する不信感の元にもなっています。
切り替え問題
自動運転は0～5の6段階によってレベル付けされており、各レベルに応じて運転タスクの主体や走行領域が設定されています。レベル0での人間による運転が、レベル3になるとシステム主体のものへと代わり、人間はシステムの介入要求時にのみ対応することになります。このシステムから人間に運転主体が切り替わる際に起こるのが「切り替え問題」です。急な運転の引き継ぎをシステムに要求されても、人間側が安全に対応できないかもしれない、という課題です。切り替わりを予測し余裕を持って人間の運転に移行するのが理想ですが、人工知能の深層学習は推論過程がブラックボックス化されてしまうため、判断根拠を人間に上手く伝えられず、人間側も咄嗟に対応できないという事態は容易に予測されます。
法律問題
法律に関する課題ももちろん存在します。従来は事故が起こればその責任は運転していた人にあり、賠償責任の設定も明確でした。しかし自動運転の車が事故を起こした場合、その責任はどこになるのでしょうか。車両の故障、人工知能の判断ミス、信号機やセンサーなど公共インフラ側の故障や不整備など、従来では考えられないような様々な事故原因が考えられます。それに対応するためには法律の見直し、修正が必須となります。
自動運転と人工知能の未来
自動車運転は今後も進化していく
人工知能による自動運転には課題が残っていますが、この課題を他の新しいテクノロジーと組み合わせることで解決しようとする試みも始まっています。その一つがエッジコンピューティング技術の応用によるデータ処理の分散化です。エッジコンピューティングとは、コンピューターネットワークの周辺（エッジ）部分でデータを処理するネットワーク技術のことで、従来のクラウドコンピューティングに対応する形で活用されています。
クラウドコンピューティングでは、全ての情報をクラウドに集約し、クラウド上にある高性能サーバーでデータ処理を行っています。これに対してエッジコンピューティングでは、ネットワーク端末のIoTデバイスや、その周辺領域に配置されたサーバーで加工や分析を行い、処理が終わったデータのみをクラウドに送信します。不要な通信を避けることで、通信遅延やネットワーク負荷低減を狙った技術です。このエッジコンピューティングが、自動運転にも活用されつつあります。
人工知能による自動運転でも、処理の重いタスクはクラウドにデータ送信をして処理を行い、その結果を車側が受信するというクラウド方式が検討されています。しかしクラウドに情報量の多いデータを送信するには、膨大な通信料が必要になります。また、データをクラウドに送り処理をして車側が受け取る、という流れが完了するまでの時間も必要になります。衝突回避のような事態が発生すれば、瞬時の判断が要求されるのが運転手です。通常のオフィス業務では気にも止めないコンマ何秒の遅れが、大きな事故に繋がってしまう可能性も十分考えられるのです。
クラウド方式で起こり得るこうした課題に対応するために活用を検討されているのがエッジコンピューティングです。データ収集元となる車の近くにデータ処理や分析を行うサーバーを設置することで、クラウドへのデータ送信にかかる遅延をカットし、リアルタイムでのデータ処理を行います。また、エッジサーバーで前処理を行えばクラウドサーバーへの負荷も減り、同時に通信料も大きく削減できます。クラウドサーバーとエッジサーバーで処理を分散することで、自動運転技術は今後ますます進化、最適化することが考えられています。
今後も発展する自動運転と人工知能の関係
自動運転と人工知能は切っても切り離せない関係で、運転に必要な情報の認識からそれを元にした判断、行動までを人工知能が行います。今後人工知能の進化と共に、自動運転の精度も向上していくことが考えられています。ただし、自動運転には課題も多いです。その課題を解決するために人工知能以外の技術を組み合わせる動きも既に始まっています。
