Algorytmy naśladują mózg. Przełom w widzeniu aut autonomicznych

Współczesne samochody autonomiczne radzą sobie doskonale w pełnym słońcu. Potrafią wtedy z ogromną precyzją rozpoznawać znaki drogowe oraz pieszych. Problem pojawia się jednak w trudnych warunkach pogodowych. Gdy zapada zmrok lub drogę spowija gęsta mgła, standardowe systemy wizyjne często stają się bezradne. Naukowcy z Uniwersytetu w Walencji opracowali jednak nowe algorytmy, które mogą zrewolucjonizować ten sektor. Zamiast budować potężniejsze komputery, postanowili oni skopiować sposób, w jaki pracuje ludzki mózg.

„Regulacja głośności” w naszych głowach

Kluczem do sukcesu okazał się mechanizm, który neurobiolodzy nazywają normalizacją dzielącą (ang. divisive normalisation). Możemy to sobie wyobrazić jako automatyczny system regulacji głośności sygnału wizualnego. W naszym mózgu neurony nie pracują w izolacji, lecz stale współpracują, aby dostosować czułość wzroku do otoczenia. Gdy patrzymy na słabo oświetlony obiekt, na przykład czarny samochód w nocy, sąsiednie komórki nerwowe wzmacniają słaby sygnał. Dzięki temu dostrzegamy detale ukryte w mroku. Z kolei przy oślepiającym świetle mózg wycisza sygnał, aby zapobiec olśnieniu.

Klasyczne systemy wizyjne AI do tej pory pomijały tę biologiczną inspirację, skupiając się na szybkości i czystej mocy obliczeniowej. Badacze zmodyfikowali jednak popularne algorytmy, dodając warstwy symulujące tę współpracę neuronów. Zmusili oni sztuczne systemy do komunikacji i adaptacji do środowiska w czasie rzeczywistym. W rezultacie pojazdy zaczęły postrzegać świat w sposób znacznie bardziej zbliżony do ludzkiego wzroku. Pozwala to na stabilną pracę nawet wtedy, gdy widoczność drastycznie spada.

Przełomowe wyniki w symulatorach

Aby sprawdzić skuteczność nowej metody, naukowcy przeprowadzili serię rygorystycznych testów. Wykorzystali do tego bazy danych z realnej jazdy w europejskich miastach, nocne ujęcia ze Szwajcarii oraz zaawansowane symulatory jazdy. Wyniki były jednoznaczne. Standardowe modele w trudnych warunkach traciły zdolność odróżniania pojazdów od budynków czy samej jezdni. Natomiast algorytmy wyposażone w mechanizmy inspirowane biologią radziły sobie o ponad 20% lepiej od swoich klasycznych odpowiedników.

Co ważne, nowe rozwiązanie nie wymagało milionów dodatkowych zdjęć treningowych ani ogromnej mocy serwerów. System po prostu lepiej wykorzystywał dane, które już posiadał. Komputer zaczął wyłapywać i wzmacniać detale samochodów ukrytych w gęstej mgle, które wcześniej były dla niego niewidoczne. Dzięki temu jazda stała się znacznie bardziej stabilna i przewidywalna, niezależnie od kaprysów pogody.

Przyszłość autonomicznego transportu

Budowa zaufania do pojazdów bezzałogowych to jedno z największych wyzwań współczesnej technologii. Bezpieczeństwo pasażerów i pieszych musi być gwarantowane w każdych warunkach, a nie tylko w idealne, słoneczne dni. Badania z Walencji pokazują, że natura przez miliony lat ewolucji rozwiązała już wiele problemów, z którymi dziś boryka się technika. Podsumowując, nowe algorytmy udowadniają, że klucz do bezpiecznych aut autonomicznych może leżeć w naśladowaniu procesów biologicznych, a nie w gromadzeniu coraz większych ilości danych.

Przeczytaj także: Jak młodzi używają ChatGPT?

Opracowanie na podstawie: theconversation.com

Last Updated on 14 maja, 2026 by Karolina Bandulet