人工智能來(lái)決定什么時(shí)候干預(yù)你的駕駛

當(dāng)你開(kāi)車(chē)的時(shí)候，你的人工智能特工能判斷什么時(shí)候和你說(shuō)話嗎？根據(jù)KAIST的研究小組，他們的車(chē)內(nèi)保護(hù)服務(wù)技術(shù)將判斷何時(shí)與您聯(lián)系以確保您的安全。

KAIST工業(yè)和系統(tǒng)工程系的Uichin Lee教授和他的研究團(tuán)隊(duì)開(kāi)發(fā)了人工智能技術(shù)，可以自動(dòng)檢測(cè)人工智能代理為司機(jī)提供談話服務(wù)的安全時(shí)刻。

他們的研究重點(diǎn)是解決汽車(chē)內(nèi)會(huì)話服務(wù)造成的潛在分心問(wèn)題。如果AI特工在不合適的時(shí)機(jī)與司機(jī)交談，比如在轉(zhuǎn)彎時(shí)，車(chē)禍就更有可能發(fā)生。

車(chē)載會(huì)話服務(wù)需要既方便又安全.然而，多任務(wù)的認(rèn)知負(fù)擔(dān)會(huì)對(duì)服務(wù)質(zhì)量產(chǎn)生負(fù)面影響。在特定的交通條件下，用戶往往更容易分心。為了應(yīng)對(duì)車(chē)載會(huì)話服務(wù)長(zhǎng)期存在的挑戰(zhàn)，研究小組引入了一種綜合認(rèn)知模型，既考慮了安全駕駛，也考慮了聽(tīng)覺(jué)-語(yǔ)言服務(wù)的表現(xiàn)，并對(duì)所有收集到的數(shù)據(jù)使用了機(jī)器學(xué)習(xí)模型。

這些單獨(dú)措施的結(jié)合能夠確定對(duì)話的適當(dāng)時(shí)刻和最適當(dāng)類(lèi)型的會(huì)話服務(wù)。例如，在提供簡(jiǎn)單的上下文信息(如天氣預(yù)報(bào))的情況下，僅考慮駕駛員的安全將是最合適的考慮因素。同時(shí)，當(dāng)傳遞需要司機(jī)響應(yīng)的信息，如“是”或“否”時(shí)，應(yīng)該考慮駕駛員安全和聽(tīng)覺(jué)-語(yǔ)言表現(xiàn)的結(jié)合。

研究小組開(kāi)發(fā)了一種基于導(dǎo)航應(yīng)用程序的車(chē)載會(huì)話服務(wù)原型，該應(yīng)用程序可用于實(shí)際駕駛環(huán)境中。該應(yīng)用程序還與車(chē)輛連接，以收集車(chē)內(nèi)OBD-II/CAN數(shù)據(jù)，如方向盤(pán)角度和制動(dòng)踏板位置，以及移動(dòng)性和環(huán)境數(shù)據(jù)，如連續(xù)車(chē)輛與交通流量之間的距離。

利用虛擬會(huì)話服務(wù)，研究小組收集了一個(gè)真實(shí)世界的駕駛數(shù)據(jù)集，其中包括1，388個(gè)交互和傳感器數(shù)據(jù)，來(lái)自29個(gè)與AI會(huì)話代理交互的驅(qū)動(dòng)程序?；跀?shù)據(jù)集的機(jī)器學(xué)習(xí)分析表明，可以正確地推斷出駕駛員中斷的時(shí)機(jī)，準(zhǔn)確率為87%。

團(tuán)隊(duì)開(kāi)發(fā)的安全增強(qiáng)技術(shù)預(yù)計(jì)將減少因車(chē)載通話服務(wù)引起的駕駛員分心。該技術(shù)可直接應(yīng)用于提供會(huì)話服務(wù)的當(dāng)前車(chē)載系統(tǒng)。它還可以擴(kuò)展并應(yīng)用于駕駛時(shí)由于使用智能手機(jī)而引起的駕駛員分心問(wèn)題的實(shí)時(shí)檢測(cè)。

李教授說(shuō)：“在不久的將來(lái)，汽車(chē)將主動(dòng)提供各種車(chē)載對(duì)話服務(wù)。這項(xiàng)技術(shù)肯定會(huì)幫助車(chē)輛安全地與司機(jī)互動(dòng)，因?yàn)樗梢韵喈?dāng)準(zhǔn)確地確定何時(shí)只使用汽車(chē)產(chǎn)生的基本傳感器數(shù)據(jù)提供會(huì)話服務(wù)?！?