आत्म-ड्राइविंग कारों को प्रशिक्षित करने के लिए इंटेल लैब्स 'ग्रैंड थेफ्ट ऑटो' का उपयोग करता है

सभी वीडियो गेम में से आप ड्राइवर के एड में किसी को दिखाते हैं, ग्रैंड थेफ्ट ऑटो उस सूची में सबसे ऊपर नहीं हो सकता है। लेकिन जर्मनी में इंटेल लैब्स और डार्मस्टेड यूनिवर्सिटी की एक टीम ने पाया है कि वस्तुओं की पहचान करते समय वीडियो गेम का उपयोग सटीकता का एक अनूठा स्तर देता है।

इस पत्र में अपने निष्कर्षों को प्रकाशित करने वाली टीम ने देखा कि खेल ने वास्तविक दुनिया के ड्राइविंग परिदृश्यों का सटीक अनुकरण किया। इस डेटा का उपयोग स्व-ड्राइविंग कारों द्वारा वास्तविक दुनिया में घूमने और सुरक्षित रूप से नेविगेट करने के लिए किया जा सकता है।

स्व-ड्राइविंग कार ऑब्जेक्ट पहचान डेटा का उपयोग "सीखने" में मदद करने के लिए करती है कि सड़क पर ड्राइविंग करते समय पैदल चलने वालों, लैम्पपोस्ट और दीवारों जैसी वस्तुओं की पहचान कैसे करें। आम तौर पर, कार निर्माता इस डेटा को कार के डैशबोर्ड से रिकॉर्ड किए गए वीडियो से बनाते हैं। वे ऑब्जेक्ट्स को मैन्युअल रूप से देखते हैं और पहचानते हैं, सिस्टम के साथ मशीन लर्निंग का उपयोग करके अंततः एक व्यापक विचार का निर्माण करता है कि प्रत्येक ऑब्जेक्ट कैसा दिखता है।

का उपयोग करते हुए ग्रैंड थेफ्ट ऑटो, हालांकि, टीम इस प्रक्रिया को अधिक प्रभावी ढंग से स्वचालित करने में सक्षम थी। टीम इन-गेम के समान वीडियो रिकॉर्ड कर सकती थी, लेकिन तेजी से संपत्ति की पहचान करने में सक्षम थी जो उन्हीं स्ट्रीट ऑब्जेक्ट्स का प्रतिनिधित्व करती थी। फोटोरिअलिस्टिक वर्चुअल वर्ल्ड का अर्थ है कि पहचानी गई वस्तुएं सिस्टम को वही सटीक विचार देती हैं जो वास्तविक दुनिया की वस्तुओं की तरह दिखती हैं।

कंप्यूटर स्वचालित रूप से मात्र सेकंड में वस्तुओं की पहचान करने में सक्षम है, एक प्रक्रिया जो सामान्य रूप से रिकॉर्ड किए गए वीडियो के साथ प्रति छवि लगभग दो घंटे लगती है। यहाँ कार्रवाई में प्रक्रिया है:

"कृत्रिम वातावरण के साथ, हम आसानी से प्रकाश और जलवायु सेटिंग्स में काफी भिन्नता के साथ बड़े पैमाने पर सटीक रूप से एनोटेट डेटा एकत्र कर सकते हैं," एलिरेज़ा शाफ़ेई, एक पीएच.डी. ब्रिटिश कोलंबिया विश्वविद्यालय के छात्र ने बताया एमआईटी प्रौद्योगिकी की समीक्षा.

शफेई ने अपने शोध को एक पेपर में प्रकाशित किया जो यह बताता है कि वीडियो गेम कंप्यूटर को दुनिया को देखने में मदद करने के लिए कैसे प्रशिक्षित कर सकते हैं। "हमने दिखाया कि यह सिंथेटिक डेटा लगभग अच्छा है, या कभी-कभी प्रशिक्षण के लिए वास्तविक डेटा का उपयोग करने से बेहतर है," उन्होंने कहा।

सेल्फ-ड्राइविंग कारों में बड़ी मात्रा में डेटा का उपयोग होता है, और इस तरह की तकनीकें चीजों को ऊपर रखने के लिए महत्वपूर्ण होंगी। एटी एंड टी ने एक नए 5 जी सेलुलर नेटवर्क का परीक्षण शुरू कर दिया है, जो सेल्फ-ड्राइविंग कारों को ध्यान में रखते हुए बनाया गया है, जो विलंबता से पीड़ित ड्राइवर रहित कारों से बचने के लिए मिशन-महत्वपूर्ण डेटा को प्राथमिकता दे सकता है। यह सब डेटा एक लागत पर आता है, हालांकि, जैसा कि शोधकर्ताओं ने चेतावनी दी है कि कारों को हैकिंग के लिए अतिसंवेदनशील हो सकता है। चालक रहित वाहन बड़े डेटा सेट के लिए नई संभावनाएं खोल रहे हैं, लेकिन यह सवाल है कि इसे कैसे संभालें यह सर्वोच्च प्राथमिकता होगी।