Apple souhaite utiliser le machine learning sur l’Apple Car, car les processeurs actuels ne sont pas assez rapides pour prendre indépendamment des décisions clés pendant la conduite.
Le fait qu’Apple souhaitait tirer parti de l’apprentissage automatique (machine learning) sur l’Apple Car semblait déjà clair lorsque l’entreprise a choisi John Giannandrea, le responsable de l’intelligence artificielle de l’entreprise, à la tête du projet de conduite autonome. Désormais, un nouveau brevet confirme ces intentions.
Le système est lié au fait que les décisions prises au volant doivent être extrêmement rapides. Même une décision correcte, par exemple sur un changement de voie ou sur l’évitement d’une collision, peut être fatale si elle n’est pas prise rapidement. « Jusqu’à relativement récemment », indique le brevet, « en raison des limitations du matériel et des logiciels disponibles, la vitesse maximale à laquelle les calculs pouvaient être effectués pour l’analyse des aspects pertinents de l’environnement extérieur du véhicule était insuffisante pour permettre des décisions de navigation sans intervention humaine ».
Cependant, même les processeurs actuels et ceux attendus dans les années à venir peuvent ne pas suffire : « Même avec les processeurs rapides d’aujourd’hui, les grandes mémoires et les algorithmes avancés, la tâche de prendre des décisions opportunes et sensées concernant l’environnement du véhicule reste un défi important. »
Le brevet témoigne de la complexité du processus de prise de décision lors de la conduite autonome, car les voitures ne conduiront jamais seules compte tenu du fait qu’il y aura toujours un comportement imprévisible des conducteurs d’autres voitures. De plus, le monde réel est beaucoup plus encombré que n’importe quel environnement de test, donc Apple note également que les décisions de conduite autonome sont actuellement prises en présence de données incomplètes.
En plus de 17 000 mots, le brevet décrit des situations liées à « l’espace d’action » de la voiture. C’est le temps et la distance dans lesquels la voiture doit prendre ses décisions. « Dans certains états, comme lorsque le véhicule roule sur une autoroute rectiligne en grande partie vide sans possibilité de tourner pendant plusieurs kilomètres, le nombre d’actions à évaluer peut être relativement faible ; dans d’autres situations, comme lorsque le véhicule s’approche d’un carrefour bondé, le nombre d’actions pourrait être beaucoup plus important ».
Dans tous les cas, les systèmes de la voiture doivent déterminer l’état actuel de l’environnement autour du véhicule. Pour cette raison, il peut être nécessaire d’identifier « un ensemble correspondant d’actions réalisables ou proposées qui peuvent être prises ». Une action peut être « tourner à gauche » ou « changer de voie ». Au moins dans certains cas, l’apprentissage automatique peut être utilisé pour aider la voiture à attribuer un nombre ou une valeur à chaque décision possible et ainsi déterminer le meilleur plan d’action.
Sera-ce le cœur de la conduite autonome d’Apple ?
