အဘယ်ကြောင့်ဆိုသော် သင့်တွင် ကိုယ်တိုင်မောင်းနှင်နိုင်သော ကားမရှိသေးပါသနည်း။ ဤ အပိုင်း ၂ ပိုင်းတွဲသည် လက်ကျန်ပြဿနာကြီးများကို ရှင်းပြသည်။

လူတွေက “ငါ့ကိုယ်တိုင်မောင်းတဲ့ကားက ဘယ်မှာလဲ” လို့ မေးလေ့ရှိပါတယ်။ "ငါ့မှာဘာလို့မရှိဘူး၊ ဘယ်တော့လာမှာလဲ" လူတော်တော်များများက ဆယ်ကျော်သက် 20 နှောင်းပိုင်းလောက်က ကားတစ်စီးပေးမယ်လို့ ကတိပေးထားကြပြီး နောက်ကျနေပြီ၊ လွန်ခဲ့တဲ့ဆယ်စုနှစ်တွေလောက်ကပြောနေကြတဲ့ ကားပျံတွေလို လာမှာမဟုတ်ဘူးလို့ ခံစားရတယ်။

ဤဆောင်းပါးနှစ်ပုဒ်တွဲတွင် (တွဲပါဗီဒီယိုများနှင့်အတူ) ယနေ့ စက်ရုပ်ကားမစီးဖြစ်နိုင်သည့် အဓိကအကြောင်းရင်းများနှင့် မည်သည့်အချိန်တွင် ဖြစ်ပွားနိုင်သည်ကို ကြည့်ကြပါစို့။ နည်းပညာဆိုင်ရာ၊ ဥပဒေရေးရာနှင့် လူမှုရေးဆိုင်ရာ အဓိကပြဿနာများကား အဘယ်နည်း၊ နှင့် အမှန်တကယ် ပိတ်ဆို့သူများမဟုတ်သည့် မည်သည့်ပြဿနာများလဲ။

ကျွန်ုပ်တို့အများစုအတွက်၊ ဤကားများသည် မကြာမီ ဤနေရာသို့ မရောက်နိုင်ပါ။ ၎င်းတို့သည် ကမ္ဘာတဝှမ်းတွင် နှစ်စဉ် တစ်နှစ်လျှင် တစ်သန်းကျော် သေဆုံးစေသော ယနေ့ခေတ် ယာဉ်မတော်တဆမှု၏ အပိုင်းတစ်ပိုင်းကို ရှောင်ကြဉ်ရန် ကတိပေးထားသည်။ ၎င်းတို့သည် ကျွန်ုပ်တို့၏ဘဝကို ပိုမိုလွယ်ကူစေပြီး သယ်ယူပို့ဆောင်ရေးဆိုင်ရာ အခြေခံမူများကို ပြန်လည်ရေးသားပေးမည်ဖြစ်သည်။ ထိုသို့လုပ်ဆောင်ရာတွင်၊ ကျွန်ုပ်တို့နေထိုင်ရာမြို့၏ သဘောသဘာဝအပြင် စွမ်းအင်မှ လက်လီရောင်းချခြင်းအထိ အခြားစက်မှုလုပ်ငန်း ဒါဇင်ပေါင်းများစွာကိုလည်း ပြန်လည်ရေးသားမည်ဖြစ်သည်။ နေ့စဉ်နဲ့အမျှ ဒီအရာတွေကို လမ်းမပေါ်ထွက်ဖို့ နှောင့်နှေးကြန့်ကြာပြီး ကားမမောင်းသင့်တဲ့လူတွေရဲ့ လက်ချက်ကြောင့် ထောင်နဲ့ချီပြီး သေကုန်လိမ့်မယ်။ နေ့တိုင်း ကြန့်ကြာနေတယ်။

ဟုတ်ပါတယ်၊ အဲဒါကခက်တယ်။

ရှင်းရှင်း လင်းလင်းပြောရလျှင် “ဒါက အရမ်းကြာတယ်” ဆိုတဲ့ အကြီးမားဆုံး အကြောင်းပြချက်က ခက်ပါတယ်။ လုပ်ဆောင်ခဲ့ဖူးသမျှ အကြီးကျယ်ဆုံး ဆော့ဖ်ဝဲ သုတေသန ပရောဂျက်များထဲမှ တစ်ခု။ ၎င်းသည် ဖောက်ထွင်းဝင်ရောက်သည့်ဆော့ဖ်ဝဲလ်သာမကဘဲ အထူးအမြောက်အမြားကို ကိုင်တွယ်ဖြေရှင်းခြင်းနှင့် ကမ္ဘာနှင့်၎င်း၏အရေးအကြောင်းများကို ပုံဖော်ခြင်းအတွက် ပေါင်းပင်များတွင် အသေးစိတ်လုပ်ဆောင်မှုများစွာ လိုအပ်ပါသည်။ အချိန်ဇယားအတိုင်း ပေးပို့နိုင်သည်ဟု တွေးထင်သူ မည်သူမဆို မှားယွင်းပြီး ယခင်က ဆော့ဖ်ဝဲလ်တွင် အလုပ်မလုပ်ဖူးပါ။ ကားကုမ္ပဏီများသည် 2020 ခုနှစ်ကဲ့သို့ ရက်စွဲများကို ဖယ်ထုတ်လိုက်သောအခါ၊ ယင်းတို့သည် မျှော်လင့်ချက်များ၊ ကြိုတင်ခန့်မှန်းမှုများမဟုတ်ပဲ၊ အချို့သော နည်းပညာကုမ္ပဏီများက အမှန်တကယ် နုတ်ထွက်လိုက်သည်မှာ အံ့ဩစရာပင်။ အောင်မြင်မှုများလိုအပ်သော နှစ်ရှည်ပရောဂျက်များကို တိကျစွာ မခန့်မှန်းတတ်ပါ။

လွန်ခဲ့သော နှစ်ပေါင်းများစွာက ပြုလုပ်ခဲ့သော ဤကဲ့သို့သော ခမ်းနားသော ပရောဂျက်အတွက် ခန့်မှန်းချက်များ မမှန်ကန်ပါက ဆော့ဖ်ဝဲလ်နောက်ခံရှိသူ မည်သူမျှ တုန်လှုပ်သွားမည်မဟုတ်ပါ။ ထို့ကြောင့် ၎င်းတို့သည် အကောင်းမြင်သော မျှော်လင့်ချက်များကို မဖြည့်ဆည်းနိုင်သော်လည်း အရာများသည် "အချိန်ဇယား" ၏နောက်၌ ရှိနေမည်မဟုတ်ပေ။ ၎င်းသည် သေးငယ်သော အဆင့်များဖြင့် လုပ်ဆောင်နေသည်ဟု ဆိုလိုသည်။

အကြီးမားဆုံး blocker သည် ၎င်းကို အမှန်တကယ်ပြုလုပ်ခြင်းမဟုတ်သော်လည်း (ဥပမာ။ လုံခြုံအောင်ပြုလုပ်ခြင်းဖြစ်သည်) သို့သော် သင်ပြုလုပ်ပြီးကြောင်းသိထားပါ။

သင် အမှန်တကယ် ဘေးကင်းကြောင်း သက်သေပြပါ။

ပထမဆုံး နည်းပညာ ရည်မှန်းချက်က အဲဒါကို ဖြစ်အောင်လုပ်ဖို့ပါ။ ဘေးကင်းစွာ မောင်းနှင်နိုင်သော ကားတစ်စီးဖြစ်အောင်၊ အဲဒါက ကြီးမားတဲ့ အောင်မြင်မှုတစ်ခု၊ ဒါပေမယ့် အနည်းဆုံး မြို့အနည်းငယ်မှာ ကုမ္ပဏီအနည်းငယ်က အဲဒါကို ဖယ်ထားပြီးသားပါ။ ဖီးနစ်မြို့၏ လွယ်ကူသောလမ်းများပေါ်တွင် Waymo ကဲ့သို့သော ကုမ္ပဏီများက သာမန်လူသားများထက် ပိုမိုဘေးကင်းစွာ မောင်းနှင်ခြင်းကို လုပ်ဆောင်ခဲ့ကြသည်။ အဲဒါက “ခက်တဲ့အပိုင်း” ဆိုပေမယ့် ပိုခက်တဲ့အပိုင်းကတော့ ဘေးကင်းရေးဆိုတာ ဘာလဲ၊ အဲဒါကို တိုင်းတာပြီးတော့ မင်းလုပ်ခဲ့တာကို သက်သေပြနေတာ။ သင့်ကိုယ်သင်၊ သင့်ဘုတ်အဖွဲ့၊ သင့်ရှေ့နေများ၊ ပြည်သူများနှင့် အစိုးရကိုပင် သက်သေပြရန် လိုအပ်သည်။ Moderna Covid ကာကွယ်ဆေးသည် 2020 ခုနှစ် ဖေဖော်ဝါရီလတွင် အဆင်သင့်ဖြစ်သကဲ့သို့ ပထမလူကို မထိုးသတ်မီတွင် ကမ္ဘာသည် 10 လကြာစောင့်ဆိုင်းခဲ့ရပြီး ပထမလူများကို ပစ်သတ်ခြင်းမပြုမီ လူတစ်သန်းခန့် သေဆုံးခဲ့ရသည်။ သူတို့လုပ်ကြောင်း သက်သေပြရန် ကျွန်ုပ်တို့ စောင့်မျှော်နေပါသည်။

လုံခြုံရေးကို တိုင်းတာဖို့က တော်တော်ခက်ပါတယ်။ လူသားယာဉ်မောင်းများသည် အသေးအဖွဲမှအစ သေဆုံးသည်အထိ အမျိုးအစားအားလုံး၏ ယာဉ်တိုက်မှု မည်မျှရှိသည်ကို ကျွန်ုပ်တို့ သိပါသည်။ အမေရိကန်နိုင်ငံတွင် မိုင် 80 သန်းတိုင်း သို့မဟုတ် နာရီပေါင်း 2 သန်းခန့် မောင်းနှင်ပြီး သေဆုံးမှုများရှိသည်။ “မိုင်ပေါင်း တစ်ဘီလီယံလောက် မောင်းပြီး လူသားတွေ ဒီလောက်ဝေးဝေး မောင်းရင် သေမယ့်လူ ဒါဇင်ထက်နည်းတဲ့ လူတွေကို သတ်မရအောင် ဆော့ဖ်ဝဲလ်ဗားရှင်းတိုင်းကို စမ်းသပ်လို့ မရပါဘူး။” ဗားရှင်းအသစ်တိုင်းကို မပြောနဲ့ တကယ့်လမ်းတွေပေါ်မှာ တစ်ခါတည်းမောင်းဖို့ မဖြစ်နိုင်တဲ့အကွာအဝေးပါပဲ။ ကျွန်ုပ်တို့သည် များစွာလျော့နည်းမောင်းနှင်နိုင်ပြီး dings နှင့် အသေးစားပျက်ကျမှုများကို ရေတွက်နိုင်သည် - အမှန်တော့ ဒါက အနည်းဆုံး ဖြစ်နိုင်တာကြောင့် အခုအချိန်အထိ ကျွန်တော်တို့ ရှာဖွေတွေ့ရှိထားတဲ့ အကောင်းဆုံးပါပဲ - ဒါပေမယ့် အဲဒါက စက်ရုပ်တွေရဲ့ ဒဏ်ရာနဲ့ အတူတူပဲလားဆိုတာ မသေချာပါဘူး။ လူတွေနဲ့လုပ်တယ်။

အများစုက သမားရိုးကျ ကားစက်မှုလုပ်ငန်းကို စတင်ကြပါတယ်။ ၎င်းတို့သည် ယုံကြည်စိတ်ချရပြီး သတ်မှတ်ချက်နှင့်အညီ သေချာစေရန်အတွက် ၎င်းတို့၏ယာဉ်များ၏ အစိတ်အပိုင်းတစ်ခုစီကို စမ်းသပ်ကြသည်။ အစိတ်အပိုင်းများကို စနစ်များဖြင့် ပြုလုပ်ရန် ကြိုးစားသော်လည်း အရာများ ပိုမိုရှုပ်ထွေးလာသောအခါ အဆိုပါ နည်းစနစ်သည် ခက်ခဲလာသည်။ ၎င်းကို functional safety ဟုခေါ်သည် - အစိတ်အပိုင်းများနှင့် စနစ်များသည် ချို့ယွင်းချက်ကင်းစင်ပြီး သိထားသော ဖြစ်နိုင်ခြေရှိသော ကျရှုံးမှုများကို ကိုင်တွယ်ဖြေရှင်းနိုင်မည်နည်း။

မကြာသေးမီက ၎င်းကို စနစ်အဆင့်တစ်ခုအထိ တွန်းလှန်ရန် ပိုမိုအားထုတ်ခဲ့ပြီး "ရည်ရွယ်ထားသော လုပ်ဆောင်နိုင်စွမ်း၏ ဘေးကင်းမှု" ကို စမ်းသပ်ရန် ကြိုးစားခဲ့သည်။ SOTIF ဖြင့်၊ အဖွဲ့များသည် ပြဿနာများနှင့် အစိတ်အပိုင်းများ ချို့ယွင်းမှုများနှင့် မျှော်လင့်ထားသည့် အလွဲသုံးစားမှုများဖြင့် စနစ်တစ်ခုလုံး ဆက်လက်လည်ပတ်နေဦးမည်ဟု အာမခံပါသည်။ ၎င်းတွင် စနစ်တစ်ခုလုံး သို့မဟုတ် ၎င်း၏အစိတ်အပိုင်းများ၊ သို့မဟုတ် လမ်းများပေါ်တွင် တိုက်ရိုက်စမ်းသပ်ခြင်းထက် ပိုမိုလွယ်ကူပြီး အန္တရာယ်ကင်းသော "ကွင်းအတွင်းရှိ ဟာ့ဒ်ဝဲ" သရုပ်ဖော်ခြင်း ပါဝင်ပါသည်။

သရုပ်သကန်စမ်းသပ်ခြင်းသည် မတူညီသော အခြေအနေများစွာတွင် စနစ်တစ်ခုကို စမ်းသပ်နိုင်စွမ်းကို ပေးဆောင်သည်။ ဘယ်သူမဆို မြင်ဖူး၊ ကြားဖူး၊ ဒါမှမဟုတ် အိပ်မက်မက်ဖူးတဲ့ ဘယ်အရာမဆို - အဲဒီအရာတွေအားလုံးရဲ့ ရာနဲ့ချီတဲ့ ကွဲပြားမှုတွေနဲ့။

စမ်းသပ်ရန်အခက်ခဲဆုံးအရာဖြစ်ကောင်းဖြစ်နိုင်သော်လည်း သင်အသိချင်ဆုံးအရာမှာ မမြင်ဖူးသောအခြေအနေများကို စနစ်တစ်ခုက မည်မျှကောင်းမွန်စွာတုံ့ပြန်နိုင်မည်နည်း။ မျှော်လင့်ထားသည့် အခြေအနေအားလုံးနီးပါးတွင် ယာဉ်သည် ကောင်းမွန်စွာလုပ်ဆောင်နိုင်သည်ကို သိရှိရန် ပြိုင်တူစစ်ဆေးမှုကို ဖန်တီးနိုင်သော်လည်း၊ လူ့စိတ်၏ မှော်စွမ်းရည်သည် မမြင်ဖူးသော ပြဿနာများကို ကိုင်တွယ်ဖြေရှင်းနိုင်သည့် စွမ်းရည်ဖြစ်သည်။ AI တွေက ဒါကိုလုပ်နိုင်ပေမယ့် သူတို့လောက်တော့ မကောင်းပါဘူး။ နောက်ဆုံးတွင်၊ နေ့စဉ်၊ လက်တွေ့ကျပြီး အန္တရာယ်ရှိသော အခြေအနေများကို ရရှိရန် နည်းလမ်းတစ်ခုကို ကျွန်ုပ်တို့ မျှော်လင့်ပါသည်။ ယနေ့တွင် သင့်ကားသည် မည်သူမဆိုတွေးဖူးသမျှကို ကိုင်တွယ်ရန် အစီအစဉ်ဆွဲထားသော်လည်း တကယ့်ရွှေစံနှုန်းမှာ တခါမှမမြင်ဖူးသော အခြေအနေအသစ် 20 ခုကို နေ့စဉ်ထုတ်ကာ အများစုကို ကိုင်တွယ်ဖြေရှင်းနိုင်သည်ကို ရှာဖွေနိုင်မည်ဖြစ်သည်။ လူသားများပင်လျှင် ၎င်းတို့အားလုံးကို မကိုင်တွယ်နိုင်ပါ။ အဲဒါကတဆင့် မြင်နိုင်မယ်လို့ မျှော်လင့်ပါတယ်။ Safety Pool ပရောဂျက်ကမ္ဘာ့စီးပွားရေးဖိုရမ်၊ Deepen.AI နှင့် University of Warwick တို့နှင့်အတူ စတင်ကူညီပေးခဲ့သည်။

သရုပ်ပြမှုအားလုံးနှင့်ပင် သင်သည် လမ်းပေါ်တွင် တိုက်ရိုက်စမ်းသပ်ရန် လိုအပ်သည်။ တကယ့်ကမ္ဘာကြီးကို ကောင်းကောင်းကိုင်တွယ်နိုင်တယ်ဆိုတာ မပြထားတဲ့ကားကို ဘယ်သူမှ အသုံးချမှာ မဟုတ်ပါဘူး။ စျေးကြီးသော်လည်း စက်ရုပ်လုပ်ငန်းလည်ပတ်မှုကို ကြီးကြပ်ရန် လူသားဘေးကင်းရေး ယာဉ်မောင်းများကို အသုံးပြုသည့်စနစ်သည် အမှန်တကယ် ကောင်းမွန်သော ခြေရာခံမှတ်တမ်းရှိပြီး သာမန်လူသားမောင်းနှင်မှုထက် အများပြည်သူကို အန္တရာယ်ဖြစ်စေမည်မဟုတ်ပေ။

စက်မှုလုပ်ငန်းတွင်၊ ကုမ္ပဏီတိုင်းသည် ဘေးကင်းရန် မည်ကဲ့သို့ မြှုပ်နှံထားသည်ကို ဖော်ပြရန် သူ့ဘာသာသူ ကျရောက်နေသည်။ အန္တရာယ်ကင်းသော ယာဉ်တစ်စီးဖန်တီးရန်မှာ ၎င်းတို့၏အလုပ်ဖြစ်သည်၊ သို့သော် တာဝန်ရှိသူများနှင့် အများပြည်သူတို့ ကျေနပ်စေရန်အတွက် ယင်းကြေငြာချက်များကို ပြုလုပ်ကြသည်။ ရယ်စရာကောင်းတာက လူအများစိတ်ဝင်စားတာက အလုံခြုံဆုံး စက်ရုပ်တွေကို ဖန်တီးဖို့မဟုတ်ဘဲ၊ အလုံခြုံဆုံးလမ်းများ. Robocars များသည် ပိုမိုလုံခြုံသောလမ်းများကို ယူဆောင်လာပေးသည့် ကိရိယာတစ်ခုဖြစ်ပြီး ၎င်းတို့သည် ဤနေရာသို့ မြန်မြန်ရောက်လေလေ ၎င်းတို့သည် ယင်းကို ပိုမိုမြန်ဆန်စွာ လုပ်ဆောင်နိုင်လေလေဖြစ်သည်။ အရာရှိများသည် လမ်းအန္တရာယ်ကင်းရှင်းရေးကို အလေးအနက်ထား၍ အလုံးစုံတိုးတက်စေရန်အတွက် ၎င်းတို့၏တာဝန်ကို ထမ်းဆောင်ပါက၊ ကုမ္ပဏီများကို ဘေးကင်းစေရန် ဝေးဝေးမသွားစေရန် တွန်းအားပေးခြင်းဖြစ်ပြီး ဘေးကင်းသောနည်းပညာကို အလျင်မြန်ဆုံး ဖြန့်ကျက်ခြင်းအပေါ် အာရုံစိုက်ခြင်းဖြစ်သည်- ဖြန့်ကျက်မှုနည်းပါးနေချိန်တွင် ဘေးကင်းကြောင်း သက်သေပြရန် လျော့နည်းလုပ်ဆောင်နေသော်လည်း၊ ၊ ၎င်းကိုပိုမိုမြန်ဆန်စေသည်။ ဒါပေမယ့် လူ့အဖွဲ့အစည်းက အမှားအယွင်းတွေနဲ့ အန္တရာယ်တွေကို တုံ့ပြန်တဲ့နည်းကြောင့် သူတို့ ဘယ်တော့မှ လုပ်မှာမဟုတ်ဘူး။

ဘေးကင်းရေး၏ ဒုတိယအစိတ်အပိုင်းမှာ ဆိုက်ဘာလုံခြုံရေးဖြစ်သည်။ ဒီကားတွေကို သိမ်းပိုက်ဖို့ ကြိုးပမ်းမှုတွေမှာ ကြံ့ခိုင်ဖို့ လိုအပ်တယ်။ အချို့သောလူများသည် ဆိုက်ဘာလုံခြုံရေးအကြောင်း မပြောလိုကြသော်လည်း မော်တော်ယာဥ်လုပ်ငန်း၏ အတိတ်သမိုင်းမှာ ကောင်းမွန်လှသည်တော့မဟုတ်ပေ။ ထိုသို့လုပ်ဆောင်ခြင်းသည် လုံခြုံသောအလေ့အကျင့်များနှင့် ကိရိယာများသာမကဘဲ ကျွမ်းကျင်သောဦးထုပ်ဖြူဟက်ကာအဖွဲ့တစ်ဖွဲ့မှ အားနည်းချက်များကို ရှာမတွေ့မချင်း ပြင်ပမှရှာဖွေသည့် “အနီရောင်အဖွဲ့” ဟုခေါ်သည့်လည်း ပါဝင်ပါသည်။ အခြားအရေးကြီးသောကိရိယာတစ်ခုမှာ ချိတ်ဆက်မှုကို လျှော့ချခြင်း သို့မဟုတ် လုံခြုံရေးလူများက “တိုက်ခိုက်မှုမျက်နှာပြင်များ” ဟုခေါ်သည်။ စက်မှုလုပ်ငန်းရှိ အများအပြားသည် ၎င်းတို့စိတ်ကူးယဉ်ထားသည့် “ချိတ်ဆက်ထားသောကား” ကို အစွဲအလမ်းကြီးပြီး အလိုအလျောက်မောင်းနှင်ခြင်းကဲ့သို့ ကြီးမားသောတော်လှန်ရေးအတွက် ချိတ်ဆက်မှုကို လွဲမှားနေကြသည်။ အဝေးကနေ မဟုတ်ဘူး။ ချိတ်ဆက်မှုအချို့ လိုအပ်သော်လည်း ၎င်းကို အချိန်တိုအတွင်း အသုံးပြုသင့်ပြီး စစ်မှန်သောတော်လှန်ရေးသည် လုံခြုံစွာနေနိုင်မည်ဖြစ်သည်။

စမ်းသပ်ခြင်းအတွက် အကြီးမားဆုံးစိန်ခေါ်မှုများထဲမှတစ်ခုမှာ robocar အဖွဲ့များအားလုံး၏ စက်သင်ယူမှုကို ကျယ်ပြန့်စွာအသုံးပြုခြင်းပင်ဖြစ်သည်။ Machine learning သည် အလွန်အစွမ်းထက်သော AI ကိရိယာတစ်ခုဖြစ်ပြီး အများစုမှာ ၎င်းသည် မရှိမဖြစ်လိုအပ်သည်ဟု ယူဆကြသော်လည်း ဆုံးဖြတ်ချက်များချသော်လည်း မည်သူမျှ အပြည့်အဝနားမလည်နိုင်သည့် “black box” tools များကို ထုတ်လုပ်လေ့ရှိသည်။ စနစ်တစ်ခု အလုပ်လုပ်ပုံ သို့မဟုတ် အဘယ်ကြောင့် ပျက်ကွက်သည် သို့မဟုတ် မှန်ကန်သောအရာကို သင်မသိပါက၊ ၎င်းကို စမ်းသပ်ပြီး အတည်ပြုရန် ခက်ခဲသည်။ ဥရောပတွင်၊ ၎င်းတို့သည် အဆင့်အချို့တွင် AI အားလုံးကို “ရှင်းပြနိုင်” ရန် တောင်းဆိုသည့် ဥပဒေများကို ပြုလုပ်နေကြသော်လည်း machine learning network အများအပြားသည် ရှင်းပြရန် အလွန်ခက်ခဲပါသည်။ အဲဒါက ကြောက်စရာကောင်းတယ်၊ ဒါပေမယ့် သူတို့က အရမ်းအစွမ်းထက်တဲ့အတွက် ငါတို့လက်လျှော့မှာမဟုတ်ဘူး။ ရှင်းပြနိုင်သောစနစ်အဖြစ် စမ်းသပ်ရာတွင် နှစ်ဆပိုမိုလုံခြုံသော black box နှင့် ရင်ဆိုင်ရနိုင်ပြီး၊ ရွေးချယ်မှုတစ်ခုခုကို နှစ်သက်သူများအတွက် ဆွဲဆောင်မှုရှိသော အကြောင်းပြချက်များရှိပါသည်။

အနာဂတ်ကိုခန့်မှန်း

စက်ရုပ်ကို ကင်မရာများ၊ ရေဒါများ၊ LIDAR လေဆာများနှင့် အခြားအရာများကဲ့သို့သော အာရုံခံကိရိယာများဖြင့် ဖုံးအုပ်ထားသည်။ အာရုံခံကိရိယာများသည် ဟာ့ဒ်ဝဲ၏ ဆွေးနွေးအများဆုံး ကဏ္ဍဖြစ်ကောင်းဖြစ်နိုင်သော်လည်း အမှန်တကယ်တွင် အာရုံခံကိရိယာများသည် သင်သိလိုသည်များကို လုံးလုံးမပြောပြတတ်ပါ။ အဲဒါက အာရုံခံကိရိယာတွေက မင်းကို အခုဘယ်မှာရှိလဲဆိုတာ ပြောပြပေမယ့် အဲဒါကို မင်း သိပ်ဂရုမစိုက်ဘူး။ အနာဂတ်မှာ ဘယ်အရာတွေဖြစ်မယ်ဆိုတာ သင်ဂရုစိုက်ပါ။ အာရုံခံကိရိယာများမှ အချက်အလက်များသည် အနာဂတ်ကို ကြိုတင်ဟောကိန်းထုတ်ရန် တကယ့်ပန်းတိုင်ဆီသို့ သဲလွန်စတစ်ခုမျှသာဖြစ်သည်။ တစ်စုံတစ်ခုသည် မည်သည့်နေရာနှင့် မည်မျှမြန်စွာရွေ့လျားနေသည်ကို သိရှိခြင်းသည် ကောင်းမွန်သောအစပြုမှုတစ်ခုဖြစ်သော်လည်း ၎င်းသည် မည်သည့်နေရာတွင်ရှိမည်ကို သိရှိရန် အရေးကြီးပါသည်။ လမ်းမပေါ် သို့မဟုတ် အနီးရှိ အရာဝတ္တုအများစုသည် ပဲ့ထိန်းစနစ်မဟုတ်ပါ - လူသားသည် တာဝန်ခံပြီး လမ်းကြောင်းပြောင်းနိုင်သည်။ ထို့ကြောင့် ယနေ့ခေတ် သုတေသန၏ အဓိက နယ်ပယ်များထဲမှ တစ်ခုသည် လမ်းပေါ်ရှိ အခြားသူများ အထူးသဖြင့် လူသားများ ဘာလုပ်မည်ကို ခန့်မှန်းရာတွင် ပိုကောင်းလာပါသည်။ ၎င်းသည် ကားမောင်းသည့်အမူအကျင့်ကို သိရှိခြင်းမှ လမ်းထောင့်တွင်ရပ်နေသော လူကူးမျဉ်းကျားသည် လမ်းဖြတ်ကူးတော့မည် သို့မဟုတ် ဝဘ်ကို လှိုင်းစီးနေသလားဟု အဖြေရှာခြင်းအထိ ပါဝင်သည်။

များစွာသောအဖွဲ့များသည် တိုးတက်မှုများစွာရှိသော်လည်း ယနေ့ခေတ် စက်ရုပ်များသည် အခြားလူများကို ကြိုတင်ဟောကိန်းထုတ်ခြင်းထက် လူတွေပိုကောင်းကြောင်း ထွက်ပေါ်လာသည်။ အထူးသဖြင့် အလုပ်များသောမြို့များကဲ့သို့ ပိုမိုရှုပ်ထွေးသောပတ်ဝန်းကျင်များတွင် လုပ်စရာစာရင်းရှိ အဓိကပြဿနာများထဲမှတစ်ခုဖြစ်သည်။ အနာဂတ်ကို ကြိုတင်ဟောကိန်းထုတ်ခြင်းတွင် သင့်ကိုယ်ပိုင်လှုပ်ရှားမှုများနှင့် အခြားသူများ၏ ခန့်မှန်းထားသော လှုပ်ရှားမှုများအပေါ် အခြားသူများ မည်သို့တုံ့ပြန်မည်ကို ခန့်မှန်းခြင်းလည်း ပါဝင်သည်။ လမ်းကြောပေါင်းစည်းခြင်း သို့မဟုတ် အကာအကွယ်မရှိသော ဘယ်ဘက်အကွေ့သည် အပေးအယူနှင့် ကခုန်ခြင်းတစ်ခုဖြစ်ပြီး စက်ရုပ်များသည် ၎င်းတို့လုပ်ဆောင်ပုံကို တိုးတက်စေရန် အဆက်မပြတ်ကြိုးစားနေမည်ဖြစ်သည်။

အာရုံခံမှု ပိုမြန်တယ်။

အာရုံခံကိရိယာများသည် စစ်မှန်သောပန်းတိုင်အတွက် နည်းလမ်းတစ်ခုသာဖြစ်နိုင်သော်လည်း ၎င်းတို့ပိုကောင်းလေလေ ထိုအနာဂတ်ကို သင်ခန့်မှန်းနိုင်လေဖြစ်သည်။ အသင်းများသည် အာရုံခံကိရိယာများကို လျင်မြန်စွာပြုလုပ်ရန် အာရုံခံကိရိယာများနှင့် ခန့်မှန်းချက်များကို ပိုမိုမြန်ဆန်စေရန်အတွက် ရှာဖွေနေဆဲဖြစ်သည်။ အရေးကြီးတာက အရာဝတ္ထုတွေရဲ့ ရွေ့လျားနှုန်းကို သိဖို့ပါပဲ။ Radar က သင့်အား ဘောင်များစွာကို မကြည့်ဘဲ ကင်မရာများနှင့် အဟောင်း LIDAR များသည် မလုပ်ပါ။ အချို့သော LIDAR အသစ်များသည် သင့်အား အမြန်နှုန်းနှင့် အကွာအဝေးကို ပြောပြနိုင်သည်။ ဖရိမ်များစွာကို ကြည့်ခြင်းမှာ ဖရိမ်ယူခြင်းကဲ့သို့ အနည်းဆုံး အချိန်ယူရသော်လည်း များသောအားဖြင့် ပို၍များသည်။

ပြဿနာဖြစ်နိုင်တဲ့ အခြေအနေတစ်ခုမှာ ပိုကြီးတဲ့ယာဉ်နောက်က အဝေးပြေးလမ်းမကြီးကို ရွေ့နေတာပါပဲ။ ထိုယာဉ်၏ရှေ့တွင် ပခုံးပေါ်တွင် ရပ်ထားသော ထရပ်ကားတစ်စီးသည် လမ်းကြားထဲသို့ ကပ်နေသည်ကို မြင်ယောင်ကြည့်ပါ။ မတော်တဆမှုတွေ၊ အရေးပေါ်ယာဉ်တွေနဲ့ ကြုံရတာများတယ်။ ရုတ်တရက် အတားအဆီးကို ရှောင်ဖို့ ညာဖက်ကို ဖြတ်သွားတဲ့ ယာဉ်ကြီးဟာ ရပ်တန့်သွားတဲ့ ထရပ်ကားကို ပထမဆုံးအကြိမ် တွေ့လိုက်ရပါတယ်။ မင်းမှာ ဘရိတ်အုပ်ဖို့ အချိန်အများကြီးမရှိဘူး၊ မင်းသွားစရာနေရာတောင် မရှိနိုင်တော့ဘူး။ ဗီဒီယိုဘောင် 3 ခုကို ကြည့်ရမယ်ဆိုရင် ဒါဟာ တကယ်မရွေ့ဘူးဆိုတာ သိဖို့ဆိုရင် ဒါဟာ တစ်စက္ကန့်ရဲ့ 1/10 ပုံ အလဟဿဖြစ်နိုင်သလို ဒါက အရေးကြီးတဲ့ အခြေအနေတစ်ခုပါ။ ထို့ကြောင့် အသင်းအများအပြားသည် ထိုအနားသတ်ကိုရရန် နည်းလမ်းများကို ရှာဖွေနေကြပြီး ၎င်းတို့သည် လေဆာဖြင့်ထိသမျှ၏အမြန်နှုန်းကိုသိရှိရန် "Doppler" ကိုတိုင်းတာနိုင်သော LIDAR များတွင် အများစုကို တွေ့ရှိခဲ့ကြသည်။ ရေဒါများသည် အရှိန်ကိုလည်း သိသော်လည်း ကမ္ဘာကြီးသည် ရေဒါကို ရောင်ပြန်ဟပ်နေသော ရပ်ထားသော အရာဝတ္ထုများနှင့် ပြည့်နေပြီး ဘေးရှိ ရပ်ထားသော အစောင့်အကြပ်မှ ရပ်တန့်ထားသော ယာဉ်ကို ပြောပြရန် ခက်ခဲသည်။

ရှည်လျားသောလမ်းကို ယူခြင်း။

ကျွန်တော် အတိုချုံးပြောရမယ့် အကြောင်းရင်းကတော့ နာမည်ကြီးအသင်းတစ်ခုဖြစ်တဲ့ Tesla ပါ။TSLA
အဆင်သင့်မဖြစ်သေးတာက ပြဿနာကို ပိုခက်အောင် တမင်တကာ ကြိုးစားနေကြတာပါ။ အဖွဲ့တိုင်းက ကွန်ပျူတာအမြင်ကို အပြင်းအထန်အသုံးပြုနေကြသော်လည်း Tesla သည် ၎င်းကို 2016 ခုနှစ်မှ ကွန်ပျူတာအမြင်နှင့် ကင်မရာများသာ လုပ်ဆောင်စေလိုပါသည်။ အခြားအဖွဲ့အများစုသည် ပိုမိုကောင်းမွန်သော ကင်မရာများ၊ LIDAR၊ ရေဒါနှင့် မြေပုံများကို ၎င်းတို့၏ toolbox သို့ ပေါင်းထည့်ကြသည်။ Tesla သည် ၎င်းကို စျေးပိုသက်သာစွာ လုပ်ဆောင်နိုင်သည့် မျှော်မှန်းချက် အောင်မြင်မှုကို လိုချင်သည်။ ထိုအပိုကိရိယာများအားလုံးကို အာရုံထွေပြားစေသည်ဟု ဆိုကြသည်။ သို့သော် အခြားစက်မှုလုပ်ငန်းအားလုံးက ၎င်းကို ကုန်ကျစရိတ်ပိုကြီးပါက Tesla သည် သူ့အလိုလို နစ်နာနေသည်ဟု ထင်မြင်လာစေရန် ကိရိယာအားလုံးကို မြန်မြန်ဆန်ဆန် ပြီးမြောက်အောင် လုပ်ဆောင်လိုကြသည်။ ယခုအချိန်အထိ၊ ထုတ်ကုန်၏အရည်အသွေးပေါ်အခြေခံပြီး - Tesla FSD သည်ပြိုင်ပွဲမပြီးသေးသော်လည်းအခြားအရာများသည်မှန်ကန်သည်။

အဲဒါက အပိုင်းတစ်။ အပိုင်းနှစ်တွင် လမ်းများနိုင်ငံသားကောင်းတစ်ဦးဖြစ်ခြင်း၊ စက်ရုပ်ကားများကို နေရာတိုင်းတွင် တစ်ကြိမ်တည်းမဟုတ်ဘဲ မြို့တစ်မြို့၌ အဘယ်ကြောင့် တစ်ကြိမ်တည်းတပ်စွဲထားသနည်း၊ နှင့် ပိုမိုများပြားသော လောကီထောက်ပံ့ပို့ဆောင်ရေးဆိုင်ရာ ပြဿနာများကို ရှုမြင်သုံးသပ်ရာတွင် စီးနင်းသူအား ခေါ်ယူခြင်းကဲ့သို့သော စီးပွားရေးပုံစံများ၊ အပလီကေးရှင်းများ၊ နှင့် အစိုးရများနှင့် ပြည်သူများအား သင့်အား လက်ခံစေစဉ်တွင် ဘေးကင်းရေး အတွက် အလွန်အမင်း စိုးရိမ်ပူပန်ခြင်း။ ငါလုပ်ဆောင်နေသည့်အချက်အချို့ကိုလည်း စာရင်းပြုစုထားသော်လည်း လက်တွေ့အသုံးချရန်အတွက် ပိတ်ဆို့သူများမဟုတ်ပေ။ လာမယ့်ရက်တွေမှာ အပိုင်းနှစ်ကို ရှာကြည့်လိုက်ပါ။

2022 တွင် ၎င်းတို့မရှိသော သို့မဟုတ် စက်ရုပ်တွင် မစီးရခြင်းမှာ ဖွံ့ဖြိုးတိုးတက်မှုသည် အချိန်ဇယားထက်နောက်ကျနေသည်ဟု အချို့က ယူဆကြသည်။ လက်တွေ့တွင်၊ လေးနက်သောအချိန်ဇယား၊ မျှော်လင့်ချက်များသာမရှိခဲ့ဘဲ၊ အမှန်တကယ်တွင်၊ ဤပြဿနာများစာရင်းသည် အကောင်းမြင်မှုကို ဖြစ်စေသည်၊ အကြောင်းမှာ ကျန်ပြဿနာများသည် ယေဘူယျအားဖြင့် လွယ်ကူသည်ဟု ထင်ရသောကြောင့်ဖြစ်သည်။ အများစုကို ကိုင်တွယ်ဖြေရှင်းရန် ခက်ခဲသော အလုပ်နှင့် ငွေကြေး၊ အောင်မြင်မှုများ လိုအပ်သည်။

အပိုင်းနှစ်ကို ဗီဒီယိုနှင့် စာသားပုံစံဖြင့် စောင့်မျှော်ကြည့်ရှုပါ။

သင်သည် ဤစာမျက်နှာတွင် သို့မဟုတ် ဗီဒီယိုစာမျက်နှာတွင် မှတ်ချက်များထားခဲ့နိုင်သည်။