Длинные пробки на светофорах могут уйти в прошлое благодаря новой системе искусственного интеллекта, разработанной исследователями Астонского университета. Система, первая в своем роде, считывает записи с камер в реальном времени и адаптирует сигналы светофоров для поддержания движения транспорта и уменьшая заторов.

В системе используется глубокое обучение с подкреплением, когда программа понимает, когда у нее что-то не получается, и пробует другой курс действий или продолжает совершенствоваться, когда она достигает прогресса. При тестировании система значительно превзошла все другие методы, которые обычно полагаются на фазовые переходы, разработанные вручную.

Исследователи создали современный фотореалистичный симулятор дорожного движения Traffic 3D, чтобы обучить свою программу работе с различными дорожными и погодными сценариями. Когда система была протестирована на реальном перекрестке, она впоследствии адаптировалась к реальным транспортным развязкам, несмотря на то, что полностью обучалась на симуляциях. Поэтому она может быть эффективной во многих реальных условиях.

Доктор Мария Чли, преподаватель компьютерных наук в Астонском университете, объяснила, что они «настроили это как игру по управлению дорожным движением. Программа получает «награду», когда машина проезжает перекресток. Каждый раз, когда машине приходится ждать, есть отрицательное вознаграждение. На самом деле мы не участвуем в процессе, мы просто контролируем систему вознаграждения».

В настоящее время основная форма автоматизации светофоров, используемая на перекрестках, зависит от магнитных индукционных петель; провод сидит на дороге и регистрирует проезжающие по ней автомобили. Программа считает это, а затем реагирует на данные. Поскольку искусственный интеллект, созданный командой Университета Астон, «видит» большой объем трафика до того, как автомобили проезжают через светофор, и принимает решение.

Доктор Джордж Вогиацис, старший преподаватель компьютерных наук в Астонском университете, говорит, что «причина, по которой мы создали эту программу на изученном поведении, заключается в том, что она может понимать ситуации, с которыми она раньше явно не сталкивалась, мы проверили это на физическом опыте. Пока существует причинно-следственная связь, компьютер в конечном итоге выяснит, что это за связь. Это чрезвычайно мощная система».

Программу можно настроить для просмотра любой транспортной развязки — реальной или смоделированной — и она начнет обучаться автономно. Системой вознаграждения можно манипулировать, например, чтобы побудить программу быстро пропускать машины скорой помощи. Но программа всегда обучается сама, а не запрограммирована конкретными инструкциями.