自動運転市場

自動運転市場は年々拡大し、自動運転技術も飛躍的な進歩を遂げている。しかし、人間のドライバーが初めて直面する状況でもこれまでの経験を応用して判断を下せるのに対し、自動運転システムは予めインプットされたデータの範囲内でしか対応できないという課題が残されていた。 この課題に対し、生成AIの一種であるLLM（大規模言語モデル）を活用し、AI自身に直接判断させるという新たな自動運転技術のアプローチが注目を集めている。

自動運転の情報処理技術は、人間の脳の動きと異なる

自動運転の研究は、2010年代にAIの一種であるDNN（ディープニュートラルネットワーク）が登場したことにより大きく前進した。DNNで様々な運転シナリオの画像やビデオを処理することで、障害物などの重要な要素を識別できるようになるのだ。 現在自動運転の設計に最も広く採用されているのは、DNNを活用した「感知・思考・行動」というフレームワークだ。まず車のセンサーデータをDNNによって処理し障害物を特定（感知）、次に障害物の軌道を予測し（思考）、最後に車の次の動作を決定（行動）する。 このアプローチは、システム内のエラーや不具合の修正がしやすいといった利点がある一方で、人間の運転の背後にある脳のメカニズムとは根本的に異なるものだ。 脳の機能についてはまだ未解明な点が多いものの、多くの研究により、人間の「感知」と「行動」は、前後関係のプロセスではなく、相互に関連したものであることがわかっている。つまり、人間は行動に必要な範囲にフォーカスした形で、環境自体を認識するということだ。 たとえば交差点で左折する準備をする際、人間のドライバーの意識は、「曲がる」という行動に関連する、特定の環境と障害物を感知することに集中する。それとは対照的に、現行の自動運転の「感知・思考・行動」のアプローチでは、直近の行動意図とは関係なく、シナリオ全体を感知→思考→行動の順に処理していく。

従来の自動運転アプローチでは未知の状況への対応が困難

人間とのもう1つの重大な違いは、DNNは蓄積された学習データに依存しているということだ。「前方に人が飛び出してきたら停止」「信号機がある場合、その指示に従って停止」など、予め想定されたシナリオ別に行動が設定されている。そのため、運転シナリオがわずかでも未知の変化をすれば、システムがエラーとなったり、重要な情報を見逃したりする危険性がある。 これまではその防止策として、発生頻度の限りなく低いイレギュラーケースも含めた膨大なトレーニングデータをDNNに学習させ、「未知の状況を無くす」という方法が取られてきた。 しかし、実際の運転環境には限りなく多くの複雑さと変動性があり、すべての可能性をカバーすることは不可能だ。「感知・思考・行動」プロセスのようなデータ主導型アプローチでは、「未知」への対処という困難を乗り越えられなかったのだ。 では人間はなぜ未知の状況に対処できるのか。それは人間が運転中に無意識に働かせている「常識」によるものだという。ここでいう常識とは、これまでの人生経験から得られた世の中についての一般的な知識や予測、人間の行動に関する直感的な理解などを指す。 この常識を働かせることによって、ドライバーは歩行者や自転車利用者、他のドライバーの行動を解釈、予測し、初めて直面する状況でも適切な判断と行動を行うことができるのだ。