Η Τεχνητή Νοημοσύνη στο Τιμόνι: Το Μέλλον των Μεταφορών Είναι Ήδη Εδώ

Η τεχνητή νοημοσύνη (AI) έχει ήδη αρχίσει να αναδιαμορφώνει ριζικά τον τρόπο που αντιλαμβανόμαστε και χρησιμοποιούμε τις μεταφορές. Από την πρόβλεψη της κυκλοφορίας μέχρι την αυτόνομη οδήγηση, η τεχνολογία μεταβαίνει από τον ρόλο του βοηθητικού εργαλείου σε εκείνον του κεντρικού παράγοντα λήψης αποφάσεων.

Στην Ευρώπη, ερευνητικά κέντρα και πανεπιστήμια επενδύουν συστηματικά στην ανάπτυξη ευφυών συστημάτων μεταφορών (Intelligent Transport Systems – ITS), με στόχο τη βελτιστοποίηση της κινητικότητας, την ενίσχυση της οδικής ασφάλειας, τη μείωση των εκπομπών και την εξυπηρέτηση του πολίτη μέσα από έξυπνες υποδομές.

Από την πρόβλεψη κυκλοφορίας στην κατανόηση της οδηγικής συμπεριφοράς

Οι σύγχρονες εφαρμογές τεχνητής νοημοσύνης αξιοποιούν δεδομένα από αισθητήρες, κινητά τηλέφωνα, κάμερες και συστήματα GPS για να εκπαιδεύσουν μοντέλα πρόβλεψης που μπορούν να αναγνωρίσουν μοτίβα κυκλοφορίας, να εντοπίσουν ανωμαλίες, να υπολογίσουν καθυστερήσεις και να προτείνουν εναλλακτικές διαδρομές σε πραγματικό χρόνο.

Παράλληλα, αναπτύσσονται αλγόριθμοι που μελετούν την ανθρώπινη οδηγική συμπεριφορά, αναλύοντας δεδομένα όπως ταχύτητα, απόσταση από άλλα οχήματα, μοτίβα πέδησης και αντιδράσεις σε εξωτερικά ερεθίσματα. Τα μοντέλα αυτά έχουν διττό σκοπό: αφενός να ενισχύσουν την ασφάλεια εντοπίζοντας επικίνδυνες πρακτικές και αφετέρου να τροφοδοτήσουν τα αυτόνομα συστήματα με «ανθρώπινη» αντίληψη του δρόμου.

Σε αρκετές περιπτώσεις, χρησιμοποιούνται προσομοιωμένα δεδομένα σε εικονικά περιβάλλοντα οδήγησης για την εκπαίδευση και τη δοκιμή αυτών των μοντέλων χωρίς τους κινδύνους και τις αβεβαιότητες του πραγματικού κόσμου.

Αυτόνομη οδήγηση: από την αντίληψη στην απόφαση

Η ανάπτυξη αυτόνομων οχημάτων αποτελεί ίσως το πιο φιλόδοξο στοίχημα του τομέα. Τα οχήματα αυτά βασίζονται σε ένα συνδυασμό αισθητήρων (LiDAR, κάμερες, ραντάρ), τεχνικών αντιληπτικότητας (perception) και συστημάτων λήψης αποφάσεων (decision-making) που τους επιτρέπουν να «κατανοούν» το περιβάλλον τους και να δρουν με βάση αυτό.

Κομβικός παράγοντας είναι η δυνατότητα αυτών των συστημάτων να αντιδρούν κατάλληλα σε πολύπλοκες, αβέβαιες ή και ηθικά διφορούμενες καταστάσεις — για παράδειγμα, σε ένα δίλημμα όπου η αποφυγή ενός εμποδίου μπορεί να δημιουργήσει νέο κίνδυνο.

Στο πλαίσιο αυτό, υιοθετούνται μέθοδοι που βασίζονται σε μεθόδους αποτίμησης του ρίσκου πριν από τη λήψη της κάθε απόφασης, όπως την Failure Mode and Effects Analysis – FMEA), μια προσέγγιση που επιτρέπει την ιεράρχηση των πιθανών σφαλμάτων και των επιπτώσεών τους, με στόχο την ενίσχυση της αξιοπιστίας των συστημάτων απόφασης.

Foundation models και γενικευμένη ευφυΐα για την οδήγηση

Τα τελευταία χρόνια, η έρευνα στρέφεται και προς τα λεγόμενα foundation models, δηλαδή μεγάλα, γενικά μοντέλα τεχνητής νοημοσύνης που μπορούν να προσαρμόζονται σε πολλές και διαφορετικές εργασίες. Πρόκειται για μοντέλα που έχουν τη δυνατότητα να «μαθαίνουν» οδηγική συμπεριφορά, αναγνώριση αντικειμένων, πρόβλεψη κινήσεων και πλοήγηση σε ένα ενιαίο, πολυτροπικό πλαίσιο.

Η ενσωμάτωση δεδομένων από πολλαπλές πηγές (κάμερες, χάρτες, σήματα CAN bus, αισθητήρες κίνησης) επιτρέπει σε αυτά τα μοντέλα να λειτουργούν αποτελεσματικά ακόμα και σε σύνθετα, αστικά περιβάλλοντα. Ταυτόχρονα, η χρήση «προτροπών» (prompts) δίνει τη δυνατότητα στους σχεδιαστές να καθοδηγούν τη συμπεριφορά του οχήματος — για παράδειγμα, επιλέγοντας «συντηρητική» ή «επιθετική» οδήγηση ανάλογα με τις συνθήκες.

Η προσέγγιση end-to-end, όπου το μοντέλο λαμβάνει αισθητηριακά δεδομένα και παράγει απευθείας εντολές ελέγχου του οχήματος, δοκιμάζεται επίσης με εντυπωσιακά αποτελέσματα, αν και ακόμα θεωρείται πρόωρη για πλήρη υιοθέτηση.

Ασφάλεια, ηθική και κοινωνική ευθύνη

Πέρα από την τεχνική αρτιότητα, η ανάπτυξη συστημάτων AI για τις μεταφορές οφείλει να λάβει υπόψη της την κοινωνική και ηθική διάσταση. Ποιος αποφασίζει σε περίπτωση σύγκρουσης; Πώς διασφαλίζεται ότι η τεχνολογία εξυπηρετεί όλους τους πολίτες ισότιμα, χωρίς διακρίσεις ή αποκλεισμούς;

Σε ευρωπαϊκά ερευνητικά έργα, αναπτύσσονται εργαλεία ευαίσθητα στην ισότητα, που εξετάζουν πώς οι διαφορετικές κοινωνικές ομάδες (π.χ. γυναίκες, ηλικιωμένοι, ΑμεΑ) επηρεάζονται από τις τεχνολογικές παρεμβάσεις στον δημόσιο χώρο και στις μετακινήσεις. Ταυτόχρονα, ερευνητές μελετούν τον αντίκτυπο των αυτόνομων οχημάτων στη διαμόρφωση των πόλεων και τη χωρική κατανομή των υποδομών.

Η σύνδεση της τεχνητής νοημοσύνης με την ψυχική υγεία είναι μια άλλη ανερχόμενη τάση: ενσωματωμένα συστήματα σε οχήματα ή πλατφόρμες κινητικότητας μπορούν να εντοπίζουν σημάδια κόπωσης, στρες ή σύγχυσης, προσφέροντας έγκαιρη παρέμβαση για την προστασία του οδηγού και των επιβατών.

Έρευνα με ευρωπαϊκό αποτύπωμα και ελληνική συμμετοχή

Η Ευρώπη διατηρεί ισχυρή παρουσία στην έρευνα γύρω από τις ευφυείς μεταφορές, με πληθώρα έργων στο πλαίσιο του Horizon Europe, της Chips Joint Undertaking (JU), του EIT Urban Mobility και άλλων πλαισίων. Πανεπιστήμια και ερευνητικά κέντρα από την Ελλάδα συμμετέχουν ενεργά στην προσπάθεια αυτή, αναπτύσσοντας τεχνολογίες αιχμής και συνεργαζόμενα με τη βιομηχανία, την τοπική αυτοδιοίκηση και διεθνείς φορείς.

Η εστίαση σε ζητήματα διαφάνειας, ηθικής και κοινωνικού οφέλους δίνει στον ευρωπαϊκό ερευνητικό χώρο μια διακριτή ταυτότητα σε σχέση με άλλες περιοχές του πλανήτη, όπου η αγορά κινεί ταχύτατα τις εξελίξεις αλλά συχνά χωρίς επαρκή δημόσιο έλεγχο.

Η τεχνητή νοημοσύνη στις μεταφορές δεν είναι πλέον φουτουριστικό όραμα. Είναι ήδη παρούσα στους δρόμους, στα οχήματα και στις υποδομές. Το μεγάλο στοίχημα είναι να τη διαμορφώσουμε με τρόπο που να υπηρετεί τον άνθρωπο, να ενισχύει την ασφάλεια και να συμβάλλει σε έναν πιο βιώσιμο και προσβάσιμο κόσμο.

*Γιώργος Δημητρακόπουλος, Καθηγητής, Τμήμα Πληροφορικής και Τηλεματικής, Αντιπρύτανης Ερευνας και Καινοτομίας, Χαροκόπειο Πανεπιστήμιο