Η τεχνητή νοημοσύνη και τα συστήματα αυτόνομης κίνησης είναι το τεράστιο στοίχημα των αυτοκινητοβιομηχανιών για το μέλλον. Σίγουρα, και η ηλεκτροκίνηση περιλαμβάνεται στις επενδύσεις των εταιριών, αλλά εδώ έχουμε ήδη χειροπιαστά αποτελέσματα και προβλήματα με δεδομένες λύσεις. Με το AI και τα αυτόνομα οχήματα όμως, είναι σαν ολόκληρος ο κλάδος να πηγαίνει ψηλαφώντας τις συνθήκες. Μια αναγκαστική κατεύθυνση στο στυλ του «βλέποντας και κάνοντας», καθώς προκύπτουν απρόβλεπτα ζητήματα στην πορεία.
Αυτό ακριβώς, η έκπληξη και η έλλειψη προβλεψιμότητας, συνιστά και το μεγαλύτερο πρόβλημα των ηλεκτρονικών. Σύμφωνα με έρευνα του Automotive News, τα συστήματα AI των αυτόνομων οχημάτων αδυνατούν να προσαρμόζονται, άρα και να αντιδρούν, σε σενάρια που δεν έχουν προβλεφθεί κατά τον προγραμματισμό τους. Οι λεγόμενες «ακραίες περιπτώσεις», οι οποίες πολύ σπάνια θα εμφανιστούν κατά τη διάρκεια της οδήγησης. Αλλά όταν θα εμφανιστούν, οι αντιδράσεις πρέπει να είναι οι δέουσες. Εδώ έρχεται να εντοπιστεί το κύριο μειονέκτημα της τεχνητής νοημοσύνης έναντι του ανθρώπινου παράγοντα: το ένστικτο.
Πέρσι έλαβε χώρα ένα τέτοιο ακραίο περιστατικό στην Αμερική, όταν ένα αυτοκίνητο χτύπησε μια γυναίκα και την πέταξε πάνω σε διερχόμενο robotaxi. Πολύ δύσκολα να τύχει τέτοιο σκηνικό, αλλά η φυσιολογική αντίδραση ενός οδηγού σε κάτι τέτοιο θα ήταν η άμεση ακινητοποίηση του οχήματος. Το αυτόνομο Chevrolet Volt όμως, δεν έκανε αυτό. Στην αδυναμία του να αναγνωρίσει το τί συνέβαινε, επιχείρησε να κάνει σταδιακά στην άκρη μέχρι να βρει διαθέσιμο άνοιγμα και να σταματήσει. Κίνηση που είχε ως αποτέλεσμα να παρασύρει και να περάσει από πάνω (!) την άτυχη γυναίκα, η οποία ευτυχώς τη γλίτωσε με τραύματα. Το αυτοκίνητο κινήθηκε για περίπου 7 μέτρα και ταχύτητα περίπου 12 χλμ., μέχρι τελικά να αντιληφθεί πως έπρεπε να ακινητοποιηθεί.
Ένα εξέχον μέλος του Ινστιτούτου Ηλεκτρολόγων και Ηλεκτρονικών Mηχανικών (Institute of Electrical and Electronics Engineers/IEEE) εκφράζει την προφανή και αυτονόητη ανησυχία: «Τι γίνεται όταν ένα τέτοιο σύστημα δει κάτι διαφορετικό, από αυτό που έχει προγραμματιστεί να κάνει; Πεθαίνει κόσμος;» αναρωτιέται ο Phil Koopman, που είναι και καθηγητής στο πανεπιστήμιο Carnegie. «Ολόκληρο το concept της διαδικασίας εκμάθησης των μηχανών έχει βασιστεί στην αντιμετώπιση καταστάσεων, που στραβώνουν». To κρίσιμο ζήτημα, λοιπόν, είναι η τεχνητή νοημοσύνη όχι μόνο να μαθαίνει κατόπιν εορτής, αλλά να προσαρμόζεται στις συνθήκες. Πότε θα επιτευχθεί ένα τέτοιο επίπεδο τεχνητής ενσυναίσθησης; Άγνωστό. Το σίγουρο, όμως, είναι πως ο άνθρωπος όχι μόνο δεν υστερεί, αλλά κατά περίσταση αποδεικνύεται πιο έξυπνος από την τεχνολογία.
