自動運転車と聞いて多くの人が思い浮かべるのは、人間の運転者が一切関与しない完全自動運転車だろう。実情はもっと複雑だ。車両の自動化には複数の段階があり、クルーズコントロールもその初期形態の一つだが、人工知能は車内でも機能し、運転者や同乗者の乗車をより安全にしている。AIは、騒がしい環境でも運転者が何をしようとしているのかを、唇の動きを読むことで車に理解させる技術も支えている。
シリコンバレーでは、自動運転車向けの最先端技術を開発する競争が繰り広げられている。「自動運転車について語るには、おそらく今は最もわくわくする時期の一つです」と、ウォートン校でオペレーション、情報、意思決定を教える教授のカーティク・ホサナガー氏は、最近シリコンバレーで開催されたAI Frontiersカンファレンスのパネルで語った。「10年前、自動運転車に関する取り組みの大半は、研究所やさまざまな教育機関で行われていました」。約5年前、試験走行をしていたのはGoogleと少数の企業だけだった。「今日では、活動が一気に活発化しています」と同氏は述べた。「カリフォルニア州だけでも、無人運転車の試験と運行を行う許可を得ている企業の数は、すでに30社から50社ほどに達しています」。
自動運転をめぐる競争では、世界的に米国と中国が先行している。自動車で有名なドイツと日本は後れを取っている。「決定的な違いはAIです」と、中国を拠点とする自動運転車企業、JingChiの共同創業者トニー・ハン氏は語る。「AIでは中国と米国がリードしています」。自動運転に関する規制でも、中国と米国が先行している。こうした強い関心を後押ししているのは、電気自動車の人気の高まり、UberやLyftなどの配車サービス企業を支えるシェアリングエコノミーの台頭、人工知能の進歩という三つの大きな潮流だ。同氏によれば、考えてみれば自動運転とは、ロボット運転者と電気自動車を組み合わせることにほかならない。
ハン氏によると、自動運転車企業の大半は、同氏が「レベル4のロードスター」と呼ぶものに適した技術を開発している。自動運転車の自動化には5段階ある。レベル1は最も簡易で、長年使われてきたクルーズコントロールが典型的な機能だ。レベル5は最も高度で、車両が完全自動運転となる。レベル4はその一段階下にあたる。高度に自動化された段階で、特別に囲われた区域や交通の流れの中など、特定の状況では運転者の介入や注意がなくても車が走行できる。
車内のAI
半導体メーカーNvidiaの自動車部門シニアディレクター、ダニー・シャピロ氏は、自動運転車技術の開発をテクノロジー企業が真剣に受け止めているのは、失敗した場合の影響が大きいためだと述べた。「これはNetflixのレコメンドエンジンではありません」と同氏はカンファレンスで語った。「AIは正確でなければなりません」。そのためには「桁外れの」計算能力と大量のコードが必要だとシャピロ氏は述べる。自動運転車のトランクには高性能コンピューターやGPUが搭載され、ディープラーニングによって入ってくるすべてのデータを解析し、前方の物体が人なのか、別の車なのか、消火栓なのかなどを判別している。
完全自動運転車が市場に登場するまでにはまだ時間がかかるとしても、AIはすでに車内を変えつつある。前方を向いたカメラは車内の人を識別し、運転者の目の位置を追跡して、居眠りや注意散漫の兆候を検知できる。さらに、運転者の唇の動きを読むこともできる。車外のセンサーやカメラは車内技術と連携し、安全性を高める。たとえば、別の車が赤信号を無視して進入しそうな場合、車は「交差交通に注意」と音声で警告する。また、運転者が車線変更をしようとしたときに知らせるため、「注意してください！オートバイが中央車線に近づいています！」といった音声を発することもできる。「完全な自動運転でなくても、守護天使のように運転者を守る機能が数多く登場するでしょう」とシャピロ氏は述べた。
実際、自動運転車企業の大きな目標の一つは、運転をより安全にすることだ。Uberのシニアエンジニアリングマネージャーで、カーネギーメロン大学の研究教授でもあるジェフ・シュナイダー氏によると、自動車事故の94％は人的ミスが原因だ。同氏は、事故につながるミスの半分は認識エラーによるものだと指摘した。運転者が注意を払っていなかったり、迫ってくるものに気づかなかったりするケースだ。残りの半分は判断ミスで、運転者が速度を出しすぎていたり、状況を誤解していたりする。
シュナイダー氏によると、自動運転車はこの二種類のミスに対処できる。センサー、レーダー、カメラ、Lidar（リモートセンシングシステム）などの機器を使えば、認識上の問題を軽減できる。車は周囲の物体などの3次元位置を把握し、高解像度の360度カメラ映像を取得し、物体の速度など関連データにもアクセスできる。一方、高度なコンピューターシステムが周囲の状況を分析し、適切な運転判断を下す。
精度を高める方法の一つは、システムに冗長性を組み込むことだ。たとえば道路標識が何らかの理由で見えなくなっても、自動運転車が混乱しないよう対策が講じられている。シュナイダー氏によると、車載地図がその場所に道路標識があることを車に知らせる。また、こうした車両には大量のデータを学習させ、雪、雨、みぞれ、洪水などさまざまな条件下で走行できるようにする。自動運転車企業は、まぶしい夕日の中を走るといった状況を学習させるため、コンピューターで生成した環境も利用する。Nvidiaのシャピロ氏は、「サーバーラックを使えば、わずか5時間で30万マイルを超える走行データを生成し、たった2日で米国内の舗装道路すべてを対象にアルゴリズムをテストできます」と述べた。
確かに、これらは車にとって複雑な課題だ。「コードを書く人の立場に立ってみてください」とシュナイダー氏は述べた。その人は、道路を横断する人、道路上のほかの車、看板、前方の交通標識、自動車、自転車、歩行者の各車線などを考慮しなければならない。「まさに大混乱です」。
安全とセキュリティ
完全自動運転車を夢物語と見る懐疑派には、自動運転車がどれほど進歩したかを振り返るとよいと、シュナイダー氏は述べた。早くも1980年代には、カーネギーメロン大学のNavLabプロジェクトが、バンにコンピューターやセンサーを搭載し、自動運転と運転支援に取り組んでいた。「何かよいことが起きるかもしれないから、とにかく映像を回し続けるのが決まりだった、ロボット工学の時代でした」と同氏は語った。1995年、同大学の「No Hands Across America」走行では、ピッツバーグから南カリフォルニアまでの行程の98％が自動運転で、70マイルの区間を人間の介入なしに走行したとシュナイダー氏は述べた。
2000年、同大学はオフロード車両へと取り組みを移した。ロードスターに新たに加わったのはGPSとLidarで、物体の位置を特定し、それを避けて走行しやすくなった。その7年後、自動運転車の競技会であるDARPAグランド・チャレンジでは、環境全体を再構築できる精度の高い地図の追加が大きな進展となった。「AIが一歩前進しました」とシュナイダー氏は語った。CMUがこの競技会で優勝した。同氏によると、この時期にGoogleも自動運転車の可能性に気づき、自動運転プロジェクトを開始した。それ以来、AI、機械学習、ディープラーニングはさらに進歩している。
それでも、消費者は自動運転車に乗ることに安心感を持てるだろうか。ピッツバーグとフェニックスでの自動運転車の試験走行におけるUberの経験からすると、一般の人々は乗車に前向きなようだとシュナイダー氏は述べた。当初はこうした車を怖がる人がいるのではないかとの懸念もあったが、「実際に分かったのは、まったく逆でした」と同氏は語った。たとえば、乗客は自動運転のUberを指定できないため、車に乗れることを期待して、配車を依頼しながら自動運転車を追いかける客もいた。
しかし、大衆向け自動運転車の開発に水を差しかねないのが、ビジネスモデルだ。現時点では、どこへ行くにもUberを利用するより、車を所有するほうが依然として経済的だ。「単純に数字を計算すれば、自分の車を所有するより費用が安いわけではありません」とシュナイダー氏は述べた。「自動運転車が実用化され、どこにでも走るようになれば……車を所有する意味はなくなるでしょう」。
