Dalam langkah terobosan untuk keselamatan jalan raya, penyelidik Universiti Johns Hopkins telah membangunkan SafeTraffic Copilot, alat dipacu AI yang mampu meramalkan risiko kemalangan kereta dan memaklumkan langkah pencegahan.
Penyelidik Universiti Johns Hopkins telah mencapai pencapaian penting dalam keselamatan pengangkutan dengan pembangunan SafeTraffic Copilot, alat kecerdasan buatan termaju yang direka untuk meramal dan mengurangkan risiko kemalangan kereta di seluruh Amerika Syarikat.
Penemuan adalah diterbitkan dalam jurnal ilmiah Nature Communications.
"Kemalangan kereta di AS terus meningkat, walaupun berdekad-dekad tindakan balas, dan ini adalah peristiwa kompleks yang dipengaruhi oleh pelbagai pembolehubah, seperti cuaca, corak trafik dan tingkah laku pemandu," kata pengarang kanan Hao (Frank) Yang, seorang profesor kejuruteraan awam dan sistem di Johns Hopkins, dalam satu kenyataan berita. "Dengan SafeTraffic Copilot, matlamat kami adalah untuk memudahkan kerumitan ini dan menyediakan pereka infrastruktur dan penggubal dasar dengan cerapan berasaskan data untuk mengurangkan ranap."
SafeTraffic Copilot memanfaatkan Model Bahasa Besar (LLM), sejenis AI yang mahir dalam memproses, memahami dan belajar daripada data yang luas.
Model ini dilatih mengenai sumber data yang pelbagai, termasuk penerangan teks tentang keadaan jalan raya, data berangka seperti paras alkohol dalam darah, imej satelit dan fotografi di tapak. Reka bentuknya yang canggih membolehkannya menilai kedua-dua faktor risiko individu dan gabungan untuk kemalangan kereta, memberikan pemahaman yang bernuansa tentang cara elemen ini berinteraksi.
Gelung pembelajaran berterusan alat inovatif itu memastikan ketepatan ramalannya bertambah baik apabila lebih banyak data berkaitan ranap sistem diperkenalkan. Ciri unik ini menjadikan alat ini semakin dipercayai dari semasa ke semasa.
Para penyelidik juga boleh mengukur kebolehpercayaan setiap ramalan, memberikan ketepatan peratusan untuk senario dunia sebenar.
"Dengan merangka semula ramalan ranap sistem sebagai tugas penaakulan dan menggunakan LLM untuk menyepadukan data bertulis dan visual, pihak berkepentingan boleh beralih daripada statistik agregat kasar kepada pemahaman yang diperhalusi tentang perkara yang menyebabkan ranap sistem tertentu," tambah Yang.
SafeTraffic Copilot bertujuan untuk berfungsi sebagai aset yang tidak ternilai untuk penggubal dasar dan pereka pengangkutan, membolehkan mereka mengenal pasti kombinasi faktor risiko dan melaksanakan campur tangan berasaskan bukti. Cerapan alat ini boleh membimbing perancangan infrastruktur dan langkah keselamatan yang lebih berkesan, akhirnya menyelamatkan nyawa dan mengurangkan kecederaan di jalan raya Amerika.
"Daripada menggantikan manusia, LLM seharusnya berfungsi sebagai copilot - memproses maklumat, mengenal pasti corak dan mengukur risiko - manakala manusia kekal sebagai pembuat keputusan muktamad," tambah Yang.
Visi pasukan yang lebih luas termasuk menggunakan SafeTraffic Copilot sebagai templat untuk penyepaduan AI yang bertanggungjawab dalam bidang lain yang berisiko tinggi seperti kesihatan awam dan keselamatan manusia.
Memandangkan sifat kotak hitam model berasaskan LLM, para penyelidik terus meneroka cara untuk membuat keputusan yang dipacu AI telus, bertanggungjawab dan sejajar dengan nilai masyarakat.
"Tumpuan utama penyelidikan berterusan kami adalah untuk mencari cara terbaik untuk menggabungkan kekuatan manusia dan LLM supaya keputusan dalam domain berkepentingan tinggi bukan sahaja dipacu data, tetapi juga telus, bertanggungjawab dan sejajar dengan nilai masyarakat," tambah Yang.
Pengarang bersama kajian itu termasuk Hongru Du, penolong profesor di Universiti Virginia, bersama-sama dengan calon kedoktoran Johns Hopkins Yang Zhao, Pu Wang dan Yibo Zhao.
sumber: Johns Hopkins University