آیا خودروهای خودران پیر میشوند؟
در جهان امروز، خودروهای خودران دیگر با فلز و روغن پیر نمیشوند؛ بلکه با داده. همانگونه که موتورهای کلاسیک با گذشت زمان قدرت خود را از دست میدادند، هوش مصنوعی ناوگان خودران نیز در اثر فرسودگی داده و Drift الگوریتمی دچار کاهش دقت، خطاهای پیشبینی و تصمیمهای نادرست میشود. پرسش بزرگ مهندسی امروز این است: آیا باید برای خودروهای خودران دوره سرویس نرمافزاری تعریف کنیم تا از پیری دیجیتال آنها جلوگیری شود؟

به گزارش خودران، در خودروهای خودران، مغز تصمیمگیرنده مجموعهای از شبکههای عصبی عمیق است که بر پایه میلیونها کیلومتر داده رانندگی آموزش دیده است. این دادهها از محیطهای واقعی و شبیهسازیشده، حسگرها، دوربینها و نقشههای ابری به دست میآیند. اما همانطور که قطعات مکانیکی با زمان فرسوده میشوند، دادههای عملکردی نیز با تغییر محیط، فناوری و رفتار انسان دچار انحراف میشوند؛ پدیدهای که مهندسان از آن با نام Data Drift یاد میکنند.
هر خودروی خودران برای تصمیمگیری در مورد عبور از چراغ، تشخیص عابر یا تخمین سرعت خودرو مقابل، بر الگوهای پیشین متکی است. وقتی محیط تغییر کند—برای مثال طراحی خطکشی خیابانها، نوع لباس افراد یا سبک رانندگی محلی—مدل هوش مصنوعی که چند سال پیش آموزش دیده، دیگر با واقعیت همخوان نیست. نتیجه، کاهش دقت و افزایش خطا در تصمیم لحظهای است؛ همان چیزی که میتوان آن را پیری دادهای خودرو نامید.

در مطالعات آزمایشی شرکت Waymo و Cruise، مشخص شد که پس از حدود دو سال فعالیت مستمر، نرخ خطای تصمیم در تقاطعهای شلوغ تا ۲۳ درصد افزایش مییابد، مگر آنکه مدلها با دادههای تازه بازآموزی شوند. این رشد خطا لزوماً نشانه نقص سختافزار نیست، بلکه ناشی از تغییرات زنده محیط شهری است. به همین دلیل، خودروسازان بزرگ اکنون فرآیندی با عنوان Data Refresh Cycle تعریف کردهاند؛ چیزی شبیه سرویس دورهای نرمافزاری.
تحلیل اقتصادی نیز وجه جالبی دارد. داده همان سرمایه دیجیتال است؛ خودروهای جدیدتر با دادههای تازهتر دقیقترند و بنابراین ارزش بازار بالاتری دارند. در مقابل، خودروهای قدیمیتر—even اگر از نظر فنی سالم باشند—بهدلیل کاهش کیفیت داده و ناکارآمدی الگوریتم بهصورت مجازی فرسوده تلقی میشوند. این روند به ایجاد بازار ثانویه نرمافزار خودرو انجامیده است، جایی که شرکتها نسخههای جدید مدل هوش رانندگی خود را به خریداران قدیمی عرضه میکنند.
در ایران، ورود خودروهای نیمهخودران هنوز در سطح آزمایشی است، اما اهمیت نگهداری داده در زیرساخت شهری از همین امروز مطرح میشود. اگر نقشه، علائم یا رفتار رانندگان در طول زمان تغییر کند و سیستمهای هوش مصنوعی بهروزرسانی نشوند، حتی ناوگان داخلی آینده با تأخیر یادگیری روبهرو خواهد شد. این همان شکاف فناورانه است که کشورهای پیشرو با چرخه بازآموزی و سرویس نرمافزاری منظم از آن عبور کردهاند.
پیری خودروهای خودران دیگر مربوط به پوسیدگی مهمات مکانیکی نیست؛ مربوط به فرسایش اطلاعاتی است. دنیای خودران، اگر بدون نوسازی داده ادامه یابد، پیر میشود؛ بیصدا، ولی خطرناک. آینده تعمیرگاهها نه با چکش و آچار، بلکه با بازآموزی هوش مصنوعی رقم خواهد خورد.



