走行距離は、自動運転車（AV）にとって常に重要な指標でした。走行距離が長いほど、学習データも増えます。今日のAV開発企業は、データに対する飽くなき欲求を抱えています。走行すればするほど、自動運転ソフトウェアはより多くの運転をこなせるようになります。
このデータは、AV開発企業にとって常に重要な競争優位の源泉でした。そのため、（そのほとんどが）シリコンバレーにあるオフィスの外に共有されることは、ほとんどありませんでした。
しかし、それも今までの話です。
閉ざされた扉から公開データセットへ
過去1年半の間に、自動運転技術をリードする複数の開発企業が、公道走行データセットの公開を始めました。それ以前は、データ収集に多大な資源を要するため、学術コミュニティが利用できる小規模なデータセットはごくわずかしかありませんでした。
公開データセットの提供は、学術研究者が自動運転技術を実験・研究し、この分野のイノベーションを加速させるための有効な方法です。しかし見落とされがちなのは、データ共有こそが、自動運転車の聖杯とも言うべき安全性の実現に欠かせない可能性があるという事実です。
関係者間での協力とデータ共有を促進することは、適切な安全基準策定の基礎であり、米国道路交通安全局（NHTSA）による自動運転車に関する任意のガイダンスの中核的な重点事項の一つでもあります。データ共有と安全性は表裏一体です。その理由を、二つの前提から見ていきます。
第一に、自動運転車に関して社会が最優先すべき目標は安全性です。この技術は、（理想的には）毎年米国の道路だけで発生している4万人の死亡者数をゼロに近づけることを約束しています。自動運転車の大規模な普及に先立ち、安全性は確実に保証されなければなりません。
第二に、大規模な共有を最も優先的に促進したいのは、運転シナリオです。運転シナリオとは、運転中に発生する状況のストーリーと、そのすべての境界条件および環境条件を指します。例えば、特定の高速道路区間で、強い雨の中、ある速度で車が別の車の前に割り込む状況などが該当します。
共有は思いやり
こうした運転シナリオの共有は、それほど物議を醸すものではないはずです。なぜなら、これは特定の企業の知的財産や中核技術基盤に深く結びついたデータではないからです。収集には時間と労力がかかるだけです。
しかし、このデータを大規模に共有すれば、プラスの外部効果が生まれる一方、共有を拒むことは逆の効果をもたらします。各企業が、より広範で豊富な大規模なデータセットを用いて独自のソフトウェアを訓練・検証できるため、共有された大規模な安全データと運転シナリオのプールを活用すれば、業界全体が大きな恩恵を受けられます。一方で、データを囲い込み独占すれば、各企業は固有のデータ不足から生じる特異な状況への対応力が低下します。こうした企業がこれまでデータを強く守ってきたのは、「企業秘密」という口実の裏に、競合他社による世界の理解を阻害したいという思惑があるからです。
もちろん、市場に最初に参入することは大きな優位性です。しかし最終的には、自動運転システム（ADS）が成功するためには、すべてのメーカーが車両を道路に走らせる前に満たさなければならない安全基準の体系が必要になります。競争優位は、設計、顧客体験、ビジネスモデルにおいて見出されるべきであり、基本的な安全性においてではない、と私たちは考えます。
考慮すべきもう一つの外部効果は、共有されたデータプールを用いてアルゴリズムを訓練することで、異なるADS同士の連携能力が向上しうるという点です。危険または複雑な状況では、世界に対する基礎的な理解や、それを説明するための言語が異なると、解釈の違いが生じかねません。その結果、各メーカーにとって状況を解決することがより複雑になり、同時に技術全体の安全性が低下します。
最後に、包括的な運転シナリオの共有プールを構築することは、信頼性、透明性、堅牢性を備えた自動運転車の安全基準を策定するための第一歩であり、それが規制への道を開くことになります。共通かつ共有された媒体、すなわち「測定尺度」を確立しない限り、満たすべき意味のある安全基準値を設定することはほぼ不可能です。規制当局、政策立案者、そして当局は、道路上で実際に何が起きているのかを理解し、実データに基づいて判断を下す必要があります。そのためには、第三者機関によって一元化、体系化、調整されることが望ましいでしょう。
そして最後に、共有データプールの創設は、透明性に向けた大きな一歩となり、自動運転車に対する社会的信頼と受容に大きな影響を与えるものです。自動運転技術に対する現在の全体的な信頼の欠如を考えると、これは明確かつ差し迫ったニーズです。
共有データによる安全プール実現への道筋
このようなデータ共有の取り組みを推進するには、共通の運転シナリオ記述言語の特定や、世界を標準的に記述するための共通分類体系の決定、そしてすべての参加者の利益を最大化する適切なインセンティブ制度の構築など、技術面および運用面での課題が伴います。
当社は、Deepen AIにおいて、私たちはこれらの課題に取り組み、安全データと運転シナリオの共有データベースを実現するための計画策定に尽力してきました。AV安全データプロジェクト（世界経済フォーラムと共同主導しています）のおかげで、私たちは安全プールを立ち上げます。これは、自動運転技術の主要な関係者間で運転シナリオを共有する、インセンティブ型の仲介プラットフォームです。詳細は今後数週間にわたって公表していく予定です。それまでの間、ぜひご参加ください。安全で信頼性が高く、堅牢な自動運転の実現に向けた私たちの使命に、ぜひご協力をお願いします。
民間企業やその他の関係者間の協力は、この業界においてかつてないほど重要になっています。Cruiseやダイムラーなどの主要企業は、依然として存在する重大な技術的課題のため、すでに自動運転車の展開時期を延期しています。エンジニアや業界リーダーは、自律性の実現には個々の企業の枠を超えた協力が必要になるかもしれないと認識し始めています。さらに、近年自動運転業界を襲った事故や死亡事故を考えると、安全性への注目はかつてないほど高まっており、他のいかなる要素よりも安全性を優先すべきだという共通認識があります。
業界として協調して取り組み、より安全で利便性の高い交通手段を実現すべき時が来ています。データを共有することは、この目標を達成するための最初の基本的な一歩です。
