Technology

Auto (quasi) autonome

 By Andrea Signorelli

Anche solo pochi anni fa, domandare agli esperti dell’industria automobilistica quando sarebbero arrivate le auto a guida autonoma avrebbe ricevuto un’unica risposta: nel 2020. Era questo l’anno segnato sul calendario, il momento in cui avrebbero iniziato a circolare per le città macchine di questo tipo, capaci di districarsi da sole in mezzo al traffico e portarci a destinazione mentre noi, liberi dall’onere della guida, avremmo potuto fare dell’altro…

Il 2020 è arrivato, ma la diffusione delle auto autonome è ancora oggi limitata a quelle sperimentali – che accumulano migliaia di chilometri supervisionate da piloti umani – e ai software di assistenza alla guida come quello montato a bordo delle Tesla. Che cos’è andato storto e quand’è che la grande promessa delle self driving cars diventerà davvero realtà?
“Abbiamo sottovalutato le difficoltà”, ha ammesso il presidente di Ford Jim Hackett durante un incontro dello scorso aprile al Detroit Economic Club, esplicitando ciò che ormai è chiaro a tutti: i progressi in questo settore sono difficili, lenti e molto costosi. Talmente costosi che Ford e Volkswagen hanno recentemente annunciato che uniranno le forze nel tentativo di superare gli ostacoli, mentre Bryan Salesky – CEO di Argo, una delle più note startup del settore – ha ammesso che creare auto a guida autonoma in grado di andare ovunque è qualcosa “ancora molto in là nel futuro”.
Per un settore, come quello automobilistico, che ha investito miliardi di dollari nella promessa delle auto autonome,  e che pensava di avere di fronte a sé la prossima grande rivoluzione della mobilità, ciò rappresenta una vera e propria doccia fredda. Nessuno oggi osa più fare previsioni temporali, e chi accetta la sfida sposta l’avvento al 2030 o ancora più in là.

limiti-auto-guida-autonoma
Test di prova per la guida automatizzata condotto in una pista di Berlino (Reuters)

Un lungo apprendimento

Ma perché tutte queste difficoltà, visto che la tecnologia necessaria – radar, videocamere e sensori, oltre ai software di deep learning in grado di capire come reagire alle circostanze che si presentano durante il tragitto – è stata già tutta sviluppata? Per comprendere, è forse necessaria una fondamentale premessa. Tutti gli algoritmi di intelligenza artificiale, compresi quelli che hanno il compito di guidare, basano la loro conoscenza sulla statistica. Per capire come affrontare una situazione, o portare a termine un determinato compito, hanno bisogno di centinaia di migliaia, se non milioni, di dati relativi al lavoro da svolgere. Inoltre, prima di dare sufficienti risultati, devono sperimentare – attraverso la tecnica dei “tentativi ed errori” – migliaia e migliaia di volte.
È così, per esempio, che un algoritmo di riconoscimento immagini, impara a distinguere un gatto o a giocare a un videogioco. Mano a mano che prosegue nel suo addestramento, l’intelligenza artificiale scopre quali sono statisticamente le caratteristiche distintive di un gatto o la giusta reazione a una determinata situazione che si presenta nel gioco, finché non diventa capace di agire nel modo corretto in un’elevatissima percentuale di casi.
Ma quando si tratta di guidare per strada, è estremamente complicato individuare un pattern statistico che possa suggerire all’algoritmo quale sia la mossa giusta da compiere in una determinata situazione. Un conto è imparare a riconoscere i cartelli stradali e decifrare correttamente le indicazioni che riportano, tutto un altro paio di maniche è invece capire come destreggiarsi in città attraversate da pedoni che si comportano in maniera imprevedibile, da motorini che fanno lo slalom nel traffico, da biciclette in contromano e da automobili che fanno manovre improvvise e inaspettate.
In poche parole – come ha recentemente dimostrato uno studio – di fronte a eventi imprevisti, le intelligenze artificiali sono ancora in grande difficoltà.
“Le società si affidano ai big data perché è il sostegno che possiedono” – ha spiegato l’esperto di intelligenza artificiale Gary Marcus. “Ma non c’è alcuna prova che si possa mai arrivare al livello di precisione di cui abbiamo bisogno”.

limiti-auto-guida-autonoma
Inquadratura di un video ripreso da un'auto di Google con guida autonoma e stessa scena della strada in cui i dati sono visualizzati dall'auto stessa (Reuters)

Un mondo imprevedibile

Nel traffico cittadino per esempio, le incognite sono semplicemente troppe perché l’intelligenza artificiale possa ricondurle a un modello prevedibile. Una persona che sbuca all’improvviso dietro un tram deciderà di lasciare passare l’auto che sopraggiunge o proverà ad attraversare? E il motorino che sembra sul punto di tagliarci la strada cambierà all’ultimo secondo idea o lo farà davvero? “La casualità dei comportamenti non può essere gestita dalla tecnologia di oggi” – ha confermato il responsabile di Volvo per la guida autonoma Markus Rothoff.
C’è poi tutto l’aspetto legato a quelle che vengono chiamate “micro-manovre”: abilità che gli esseri umani affinano con il passare degli anni. Per esempio, quando vediamo davanti a noi una macchina che procede troppo lentamente, possiamo immaginare che stia cercando parcheggio e quindi lasciarle lo spazio necessario per fare marcia indietro e posteggiare. Se invece vediamo qualcuno che sbuca a un incrocio da sinistra, possiamo decidere di spostarci lievemente a destra nel caso in cui non si fermi esattamente dove sarebbe previsto (e dove quindi si aspetterebbe un algoritmo).
Noi esseri umani possiamo affrontare questi ostacoli facendo affidamento su esperienza e buon senso, e ciononostante sbagliamo in una gran quantità di casi (con esiti a volte tragici). I dati statistici, che rappresentano l’unica esperienza di cui sono dotati gli algoritmi di deep learning, si dimostrano invece all’altezza solo in ambienti rigidamente controllati, come può essere il caso di un aeroporto, o in cui si verifica un numero molto inferiore di incognite, come potrebbe essere (in futuro) il caso delle autostrade.

limiti-auto-guida-autonoma
L'auto a guida autonoma di Google coinvolta in un incidente stradale in Arizona (KTNV Channel 13 Las Vegas)

Strade alternative

A oggi inoltre, va considerato come le auto autonome, di fronte a un’incognita inattesa, reagiscano sempre nello stesso modo: inchiodare. Ovviamente, una vettura che frena bruscamente a ogni evenienza non calcolata non la rende un mezzo di piacevole trasporto. Più che a bordo di un’auto pilotata da un infallibile algoritmo, sembrerebbe di essere sempre trasportati da un guidatore alle primissime armi.
Tutto ciò era noto anche qualche anno fa. All’epoca, però, si pensava che i progressi del deep learning sarebbero stati sufficientemente rapidi da risolvere per tempo questi problemi e rispettare le tempistiche promesse. Le cose, invece, sono andate molto diversamente e soprattutto la guida cittadina si è dimostrata un ostacolo molto difficile da superare. Cosa dobbiamo quindi aspettarci per il futuro?
Prima di tutto, non si può escludere che le costanti innovazioni in materia di intelligenza artificiale riescano a superare le attuali problematiche. Un pioniere del deep learning come Yann LeCun sta lavorando proprio per rendere le intelligenze artificiali meno dipendenti da un’esorbitante mole di dati e in grado di apprendere in maniera più simile a quella degli esseri umani (i tempi, però, potrebbero essere ancora molto lunghi).
Altri esperti, come Andrew Ng, hanno invece proposto di ripensare le città: “saranno necessari dei cambiamenti infrastrutturali che rendano le città più facilmente controllabili e riconoscibili, e che sia i pedoni sia le persone al volante delle auto,capiscano meglio come si comportano i computer che guidano i veicoli”. In poche parole, non bisognerà solo continuare ad addestrare le macchine affinché imparino a circolare in mezzo agli esseri umani, ma sarà necessario rendere sempre più razionale e prevedibile il comportamento degli stessi cittadini; addestrandoli, in un certo senso, a convivere con le auto autonome (anche se la prospettiva può non essere particolarmente allettante).
Nel frattempo, dovremo accontentarci di “robo-taxi” autonomi che si muovono in ambienti semplici come aeroporti, campus o ospedali con assistenti alla guida sempre più sofisticati: capaci di frenare davanti a ostacoli improvvisi, di aggiustare la direzione nel caso si esca dalla propria corsia. Non saranno le self driving cars che ci saremmo aspettati, ma anche solo questo non è conquista da poco.

LEGGI ANCHE: La magia dell’IA di Eniday Staff

informazioni sull'autore
Andrea Signorelli
Milanese, classe 1982, scrive del rapporto tra nuove tecnologie, politica e società. Collabora con La Stampa, Wired, Esquire, Il Tascabile e altri. Nel 2017 ha pubblicato “Rivoluzione Artificiale: l’uomo nell’epoca delle macchine intelligenti” per Informant Edizioni.