تجمع Annotell مبلغ 24 مليون دولار أمريكي للتكنولوجيا التي تختبر أنظمة إدراك المركبات ذاتية القيادة لتحسين طريقة عملها

مع تقدم صناعة السيارات ببطء على طريق المركبات ذاتية القيادة، نشهد ظهور شركات ناشئة تهدف إلى سد بعض الثغرات التقنية في الأنظمة ذاتية القيادة كما هي موجودة اليوم. وفي آخر التطورات، أنوتيل، وهي شركة ناشئة من السويد تصنع برامج لتقييم أداء قدرات إدراك الأنظمة المستقلة، وكيفية تحسين ذلك، تعلن اليوم أنها جمعت 24 مليون دولار لتوسيع أعمالها.

يشبه دانييل لانجكيلد، المؤسس المشارك والرئيس التنفيذي لشركة Annotell، ما تفعله الشركة بـ "اختبار الرؤية للسيارات، حتى يتمكنوا من الحصول على رخصة القيادة الخاصة بهم، تمامًا كما قد تخضع لاختبار لتحديد ما إذا كنت لائقًا للقيادة". قال في مقابلة. "تساعدك منصة Annotell على فهم أداء النظام والارتقاء به. نحن نرشد عملائنا حول كيفية تحسينه." وهذا يعني أن منتجات Annotell تشمل التحليلات التي تختبر وتقيس جودة بيانات الشركة، وإنتاج "الحقيقة الأرضية" لتحسين مجموعات البيانات تلك.

وأضاف أن الهدف ليس الكمال بل القدرة على التنبؤ، وهو أمر لا يقل أهمية بالنسبة للمنصات شبه المستقلة (على سبيل المثال، أنظمة مساعدة السائق المتقدمة) الموجودة بالفعل اليوم كما هو الحال بالنسبة للسيارات ذاتية القيادة بالكامل والتي يأمل الكثيرون في تصنيعها للمستقبل. "قد لا يكون النظام على حق دائمًا، ولكن عليك أن تعرف ما يمكنه فعله وما لا يمكنه فعله، من أجل استخدام النظام بأمان."

تتم قيادة الجولة من السلسلة A بشكل مشترك بواسطة Metaplanet - رأس المال الاستثماري الإستوني الذي يرأسه المؤسس المشارك لـ Skype جان تالين والذي استثمر مؤخرًا أيضًا في سينسيشيب تكنولوجيز وكان من أوائل الداعمين لشركة DeepMind التي استحوذت عليها Google - وNordicNinja - وهي مستثمرة في مجال التكنولوجيا العميقة مدعومة من اليابان. كما شارك الداعمون السابقون Ernström & Co وSessan AB. جمعت شركة Annotell ومقرها جوتنبرج الآن 31 مليون دولار، ولم تكشف عن التقييم، ولكن في بعض السياق، يشمل عملاؤها عددًا من أكبر شركات صناعة السيارات في العالم، ومورديها الرئيسيين، وشركات السيارات ذاتية القيادة الكبيرة.

تعتبر الفجوة في السوق التي تتطلع Annotell إلى سدها فجوة حرجة للغاية: فالأنظمة الذاتية مبنية على مجموعات ضخمة من بيانات القيادة والتعلم الآلي المستخدمة لمعالجة تلك المعلومات من أجل "تعليم" تلك المنصات أساسيات القيادة.

وباستخدام الرؤية الحاسوبية، تستطيع هذه الأنظمة بدورها التعرف على الأضواء الحمراء، أو السيارة المتوقفة، أو متى يجب الانعطاف، وما إلى ذلك. والمشكلة هي أن استجابات هذه الأنظمة تعتمد على البيانات التي تم تغذيتها بها. لا تستطيع الأنظمة الذاتية عادة "الاستدلال" والقيام بالقفزة لتقرر كيفية الاستجابة لمتغير غير معروف، مثل تلك التي ستواجهها السيارة حتما في العالم الحقيقي.

قال لانجكيلد: "التعلم الآلي سيء في معالجة الأشياء النادرة ولكنها مهمة".

قال لانجكيلد، الذي شارك في تأسيس Annotell مع أوسكار بيترسون - وكلاهما فيزيائيان متخصصان في التعلم العميق - إنه واجه هذه المشكلة عندما كان يعمل سابقًا في شركة مختلفة، وهي شركة استخبارات التهديدات الناشئة Recorded Future، حيث تم تكليفه بجمع بيانات استخباراتية لتغذيتها. وتعليم المنصة كيفية تحديد التهديدات بشكل أفضل. يركز المتسللون الخبيثون بشكل محدد على إيجاد الثغرات لإنشاء نقاط الضعف، مما أدى فعليًا إلى قلب الكثير من العمل الذي سيفعله فريقه لتحديد الأنماط للتخفيف من الهجمات المستقبلية.

وقال: "لقد سلط الضوء على القيود التي تواجهني في التعلم الآلي بالقوة الغاشمة عندما تقوم بعمل بالغ الأهمية".

تواجه أنظمة القيادة الذاتية الكثير من نفس المشكلة، ولكن الأمر الأكثر أهمية هو التصرف الصحيح، لأسباب ليس أقلها أن هناك حياة على المحك إذا حدث خطأ ما. وهذا يؤدي أيضًا إلى المزيد من مستويات السلامة والرقابة التي تحتاج الشركات إلى اجتيازها لطرح منتجاتها في السوق، وكسب ثقة المستهلكين وبالتالي شرائها واستخدامها.

وقال: “لكي يثق الناس في التعلم الآلي والذكاء الاصطناعي، علينا أن نأخذ السلامة على محمل الجد”. "هناك فرق كبير بين تقديم توصية خاطئة بشأن خدمة الأفلام وتشغيل علامة توقف أو الاصطدام بشخص ما. ونحن أيضا نأخذ ذلك على محمل الجد. ولهذا السبب أردنا التركيز على المشكلة”. وفي الوقت نفسه، تشير الطبقات الإضافية لتنظيم السلامة أيضًا إلى حالات استخدام محددة وفرص سوقية لشركة Annotell: لا يقتصر الأمر على تحسين الأنظمة لعملائها فحسب، بل يتعلق أيضًا بإنشاء مجموعة من البيانات التي يمكن للوكالات والمنظمين الاعتماد عليها أيضًا لتقديم منتج معين التخليص الذي سيتم استخدامه.

يعد نهج Annotell لاستكمال ما يمكن أن يعلمه التعلم الآلي للأنظمة تقدميًا مثل الأنظمة المستقلة اليوم: فهو يختبر جزئيًا ويضفي الطابع الرسمي على قيود الأنظمة التي ليست مصممة بطبيعتها لتكون مستقلة تمامًا (هذه هي الأنظمة التي لدينا اليوم للمساعدة ، وليس استبدال السائقين). وبمرور الوقت، قال إن الاستقلالية الكاملة قد تتضمن أيضًا أنواعًا أخرى من مناهج الذكاء الاصطناعي، مثل الشبكات الافتراضية التي تُستخدم لبناء خوارزميات الاستدلال السببي. (كانت شركة ناشئة غير رسمية في مجال الذكاء الاصطناعي قمنا بتغطيتها الأسبوع الماضي أكثر دراماتيكية، ادعاء أن الذكاء الاصطناعي السببي كان الأمل الوحيد في أن تصبح القيادة الذاتية حقيقة واقعة، على الرغم من أنها حتى ذلك الحين تعتبر قفزة كبيرة وستستغرق الكثير من الوقت لتؤتي ثمارها.)

ومع ذلك، في الوقت الحالي، تركز الشركات الناشئة تقنيتها على سلامة الأنظمة التي تتمتع بأي درجة من الاستقلالية المضمنة بالفعل، وهي فرصة هائلة.

وقال جان تالين من Metaplanet، في بيان: "إن ضمان السلامة هو العائق الرئيسي عندما يتعلق الأمر بالنشر التجاري للمركبات ذاتية القيادة، وقد حققت Annotell تقدمًا كبيرًا في فترة زمنية قصيرة". "لقد أعجبنا برنامجهم وكذلك الفريق الذي قام ببنائه، ويسعدنا أن نكون معهم في هذه الرحلة."

المصدر: https://techcrunch.com/2022/02/02/annotell-raises-24m-for-tech-that-tests-autonomous-vehicle-perception-systems-to-improve-how-they-work/