Yapay zekâ destekli otonom araçların sürüş kararlarını insan anlayabileceği şeffaf kavramlara dönüştüren yeni bir teknoloji geliştirildi. Massachusetts Teknoloji Enstitüsü (MIT) ve otonom araç şirketi Motional araştırmacıları tarafından tasarlanan CW-Net yöntemi, derin öğrenme modellerinin karmaşık iç süreçlerini ‘yaklaşan duran araç’ veya ‘bisikletliye yakınlık’ gibi somut ve anlaşılır kavramlara çeviriyor.
Bu sistem, aracın neden fren yaptığını veya belirli bir yörüngeyi neden seçtiğini gerçek zamanlı olarak açıklığa kavuşturarak sürücülerin ve yolcuların durumsal farkındalığını artırıyor. Araştırmacılar, yöntemin aracın orijinal sürüş performansını etkilemeden, yapay zekanın karar mantığını neden-sonuç ilişkisiyle tutarlı şekilde ortaya koyduğunu belirtiyor. Özel pistlerde gerçekleştirilen testlerde, sistemin sunduğu açıklamaların güvenlik görevlilerinin araç davranışlarını daha isabetli tahmin etmesine yardımcı olduğu görüldü. Uzmanlar, bu şeffaflığın otonom araç güvenliğinin ve kullanıcıların bu teknolojiye duyduğu güvenin artmasında kritik rol oynayacağını ifade ediyor. Çalışmanın bulguları Nature dergisinde yayımlandı.
