طور فريق بحثي من كلية الهندسة بجامعة «نيويورك تاندون»، طريقة جديدة للسيارات ذاتية القيادة للتعلم من بعضها البعض دون مشاركة البيانات الخام، ما يسمح للسيارات بتحسين مهارات القيادة الخاصة بها بناءً على تجارب الآخرين، حتى لو لم تلتق أبداً بشكل مباشر على الطريق.
وطور الباحثون نظاماً يسمى «Cached-DFL»، يسمح لكل سيارة بتدريب نموذج الذكاء الاصطناعي الخاص بها محلياً ومشاركته مع الآخرين.
وبحسب الدراسة التي تم عرضها في المؤتمر السنوي الـ39 للذكاء الاصطناعي التابع للجمعية الأمريكية للذكاء الاصطناعي، فإنه عندما تقترب سيارتان من مسافة 100 متر، تتبادلان نماذج الذكاء الاصطناعي المدربة بدلاً من البيانات الخام.
كما يمكن لكل سيارة أيضاً تمرير النماذج التي تلقتها من لقاءات سابقة، وبهذه الطريقة، تنتشر المعرفة مثل تفاعل متسلسل، ما يساعد المركبات على التعرف على ظروف الطريق بما يتجاوز بكثير تجربة القيادة الخاصة بها.
ويمثل هذا الأمر نقلة نوعية في مجالات توظيف الذكاء الاصطناعي في ميادين وقطاعات النقل، خاصة وأنه دقيق ومضمون في نتائجه.
