وقتی دادههای اقلیمی رانندگی خودروهای خودران را فریب میدهند
هوش مصنوعی شاید بتواند جاده را بخواند، اما گاهی در مه، برف، یا تابش مستقیم، زبان طبیعت را اشتباه تفسیر میکند. خودروهای خودران بر پایه داده آموزشیافته تصمیم میگیرند، اما وقتی اقلیم عوض شود، داده نیز خیانت میکند. این همان نقطهای است که الگوریتم سقوط میکند و واقعیت از پشت ابر بیرون میآید.
به گزارش خودران، الگوریتمهای رانندگی خودکار بر میلیونها کیلومتر داده آموزشی استوارند، اما این دادهها عموماً در شرایط آب و هوایی پایدار جمعآوری شدهاند. تغییر ناگهانی اقلیم، همانند یک شوک اطلاعاتی، ساختار پیشبینی سامانه را میشکند.
مطالعه منتشرشده در Nature Machine Intelligence (2025) نشان میدهد که عملکرد سیستمهای بینایی خودرو در شرایط غیرمنتظره نوری (مانند مه غلیظ یا انعکاس برفی) تا 57 درصد افت دقت در تشخیص اشیا را تجربه میکند. گزارش مشابهی از MIT CSAIL Lab بیان میکند که خودروهای خودران هنوز در تطبیق سریع با دادههای اقلیمی جدید ضعف دارند، زیرا مدلهای آنها فاقد حافظه بلندمدت اقلیمیاند.
به بیان ساده، «الگوریتم در تابستان آموزش دیده، اما در زمستان رانندگی میکند.»
هوش تطبیقی؛ امید تازه مهندسان خودران
در پاسخ به این بحران، پژوهشگران به سوی Adaptive Climate Learning رفتهاند؛ الگوریتمهایی که نهفقط از داده گذشته، بلکه از تفاوتهای محیط فعلی نیز یاد میگیرند. این سامانهها در لحظه میتوانند الگوهای نوری، بازتاب جاده خیس یا تراکم ذرات مه را بازشناسند و وزن دید بین حسگرها را تغییر دهند.
برای نمونه، در پروژه Wayve AdaptiveNet (2024)، خودرو از چندین حسگر بصری و حرارتی همزمان استفاده میکند و دقت تصمیمگیری در شرایط برفی تا 89 درصد بالا میماند. در سطح سختافزار نیز تراشههای مخصوص پردازش شرایط اقلیمی (Climate-Aware Chips) در حال توسعهاند تا بتوانند میزان اطمینان داده را در لحظه سنجش کنند.
در واقع، نسل جدید هوش مصنوعی در حال آموختن نوعی «هوایابی شناختی» است؛ نوعی توان ادراکی که اقلیم را نه دشمن، بلکه بخشی از داده زنده بداند.
از خطای دید تا خطای اعتماد؛ بُعد فلسفی ماجرا
وقتی خودرو در شرایط اقلیمی دچار اشتباه میشود، پرسش اخلاقی مهمی پیش میآید: مسئولیت با کیست؟ آیا تولیدکننده سیستم دید رایانهای باید پاسخگو باشد یا اپراتور شهری؟
برخی متخصصان حقوق فناوری در مقالهای از Harvard Technology Law Review (2025) معتقدند که خطاهای اقلیمی باید بهعنوان “پدیده طبیعی کدگذاریناپذیر” شناخته شوند؛ یعنی بخشی از ریسک پایهای استفاده از هوش مصنوعی در دنیای واقعی. این دیدگاه میتواند ساختار بیمه خودروهای خودران را تغییر دهد زیرا مالک خودرو دیگر صرفاً مسئول رفتار ماشین نیست، بلکه شریک ریسک دادههای ناقص نیز خواهد بود.
جمع بندی
سقوط الگوریتم زمانی رخ میدهد که طبیعت خارج از محدوده یادگیری ماشین رفتار کند. اما همانگونه که انسان از تجربه رانندگی در باران میآموزد، خودروهای آینده نیز با هوش تطبیقی خواهند آموخت که جهان همیشه شفاف و خشک نیست. نجات هوش راننده در شناخت نادقیقترین دادهها نهفته است.