eddie-k’s エコカー blog

環境にやさしい!地球にやさしい! 自動車新技術やレースなどの情報ブログ 【毎日更新!】

● 研究開発が着々と進む自動運転技術、AIによる加速で完全自動化のクルマはどうなる?

f:id:eddie_k1967:20190405213849j:plain

【出展・日本経済新聞社

■「自動運転車の実用化は間近」は、大いなる錯覚

現在、人工知能(AI)技術として最も進んでいるのは自動運転技術です。既に運転サポート・アシスト機能としての提供が始まっており、世界の自動車メーカー各社がしのぎを削って開発を進めています。

当然、日本においても、国内経済の柱となる自動車産業の将来を左右する技術のため、経済産業省が当初は2030年代を目標としていたレベル4(完全自動運転)の実現を、地域限定ではあるが2020年に前倒し、自動運転車を巡る社会課題の解決にも積極的に取り組む姿勢を打ち出しています。

このように導入に向けた機運は急速に高まっていることから、すぐにでも自動運転車が公道を走り出すかのように思ってしまう。これが大いなる錯覚で、自動運転はそんなに簡単には実現できないものなのです。結論から言えば、技術的観点からは"ホント"、実用・商用化の観点からは"ウソ"なのですね。

 

f:id:eddie_k1967:20190405214655j:plain

 

■研究開発が加速するAI、AI技術による完全自動運転車は

AIは古くからあるが、実は自動運転技術の歴史も古いのです。高速道路などで一定速度を維持するためのオートクルーズ機能など、運転サポートとしての自動運転技術は1990年代から存在していました。現在の自動ブレーキなどの運転アシスト・サポートについても、一定のルールに基づく自動化であるため、現在のAIを使った技術とは言い難いものです。

そのため、AIの試みとして取り上げるべき自動運転は、機械学習を用いた完全自律走行型の技術であり、日本や米国で定義する分類で言えばレベル3やレベル4を指す。実は、こうしたAIによる自動運転技術の開発も、現在のAIブームよりも以前から行われていたのです。

AIによる自動運転技術の開発に向けた明確な発端は、2000年代後半のグーグルの取り組みです。グーグルは当時のCEO(最高経営責任者)であったラリー・ペイジ氏の着想を基に、自動運転車開発のプロジェクトを始めたと言われており、すぐにその活動が広く知られるようになりました。

 

f:id:eddie_k1967:20190405215306j:plain

 

しかし、自動運転の実用化までの道のりが長いこともあって、2010年代になるとROS(ロボティクス・オペレーティング・システム)というバズワードに変わり、自動車だけでなく人間の作業を代替するロボット全般に対するソフトウエア技術として認知されるようになりました。そうしたROSブーム、ロボットブームの最中でも、米グーグルや自動車メーカー各社は水面下で自動運転車の開発を進めていました。

2015年10月にはトヨタ自動車が走行実験を開始しました。これを皮切りに自動運転車の技術開発を明らかにし、関連した技術を巡る提携や買収にも乗り出している。さらに2016年1月に、AI研究のための新会社TRI(トヨタ・リサーチ・インスティテュート)をシリコンバレーに設立し、5年間で10億ドルもの投資も実施する計画なのです。

他の企業も自動運転車の開発を加速している。グーグルが事実上、自社単独での自動走行運転車の開発を断念したこともあり、ホンダはグーグルと技術提携し、完全自動運転の共同研究を始めたのです。日産自動車も2017年1月に、現在、逮捕中のカルロス・ゴーン氏が日本での完全自動運転車の走行実験を始めることを明らかにし、海外でもドイツのダイムラーBMW、米フォード・モーターなどが、相次いで技術開発状況を公表しています。

 

f:id:eddie_k1967:20190405214742j:plain

 

■トラックで190kmの完全自動運転

このように自動運転は、既に長い年月をかけ多額の資金を投じて研究開発が進められており、膨大な実験データが蓄積されています。現在においても、年々投資額を増やしつつ開発が進められ、ますますデータ蓄積が進んでいるのです。

米国では、各地で実証実験を行うための公道使用許可も下りた。5万本のビールを運ぶトラックで120マイル(190km)に及ぶ完全自動運転に成功したとのニュースは記憶に新しいものです。日本でも通行止めをした道路ではあるが、2016年11月に初めての公道実験が行われています。2017年に入り、国家戦略特区の枠組みの活用などにより公道実験を可能とするような動きも表面化してきています。技術的視点だけで言えば、既に平均的なドライバーより事故率が低く、経産省の掲げた目標の達成も現実的であると想定できます。

 

f:id:eddie_k1967:20190405215359j:plain

 

完全自動運転車の効果は大きく、自動車の運転は必ず人間が拘束される業務であり、自動車自体は稼働可能であったとしても待機時間や休憩時間を考慮する必要がある。そのため人件費がコスト要因として大きい。鉄道などと異なり小回りが利くため陸路の輸送手段としての市場規模が大きいため、単に効率化の観点だけでみても非常に大きい効果が期待できます。

高価値化の視点からも意義が大きいのです。不注意や酒酔いなどのヒューマンエラーによる事故の減少だけでなく、高齢化や過疎化が進んでいる日本では、地方での交通手段の不採算化や交通サービスの撤退や減少による利便性の低下、近年急増している高齢者の自動車事故などの社会問題の解決にも大きく寄与するはずです。

 

f:id:eddie_k1967:20190405214243j:plain

 

■法整備などが進まないとAIは学習できない

このように研究開発が進み、経済的、社会的にも大きな効果が期待されるため、完全自動運転車は今やAIの旗手と言えます。そうした期待値の高まりにより、自動車メーカーやIT(情報技術)企業も開発計画を"前のめり"気味に発表し、世間も今すぐにでも実用化するかのように錯覚しています。だが、世界においても日本においても、実用化、そして商用化はまだまだ先と言わざるを得ないのが現状なのです。

なぜなら、技術的問題だけが商用化のハードルではないからです。発生率をどんなに低く抑えられたとしても、事故は決してゼロにはならない。事故につながる切迫した事態に対してどのようなアクションをすべきなのか、その事故の倫理的、法的な責任の所在はどこに存在するのか、という点についての法制度の整備が必要となるためです。

 

f:id:eddie_k1967:20190405214211j:plain

 

機械学習はあくまで過去のデータ、すなわち既に起きたことから学習する機能であり、今までに無いケースには対応できないため、様々な切迫した事態における交通法規などに基づく対処をAIに学習させる必要が生じます。

しかし、非常事態や切迫した事態について、AIが学習できるだけのサンプル数を実験によって確保することは極めて困難です。なぜなら、事故につながるような切迫した事態を公道で試すことが許可されることはあり得ず、サーキットなどの実験場でその環境を作り出すことも、精度を担保するための試行を重ねることも、途方もないコストが生じます。

 

f:id:eddie_k1967:20190405220016j:plain

 

現実的な手段としては、人間があらかじめ定義・プログラミングする方法が選ばれる可能性が高いが、それにも大きな問題があります。定義するためには、切迫した事態における選択の優先順位を設定する必要があり、事故に巻き込まれる人間も点数化できるのであれば、設定が可能となりますが、そもそも人間を点数化することなどできないものです。

人間の点数化が困難であることの例を挙げてみましょう。あなたが家族と自動運転車に乗っていて、ある街に差し掛かった際に、道路の右側に学校帰りの子供たちが列をなして歩いている、左側にはお年寄りがたくさん花見をしているという状況設定をつくる。

 

f:id:eddie_k1967:20190405215505j:plain

 

もしその時、目の前を走行する大きなトラックが急ブレーキを踏んだとしよう。もはや、今から急ブレーキをかけても衝突は避けられない状況となった場合、衝突したら自分や家族に生命の危険が及ぶ。とはいえ、衝突を避けるためにはハンドルを切らねばならず、子供たちとお年寄りのどちらかに突っ込みそれぞれ生命の危険が及ぶ。そんな切迫した事態で自動運転車はどのような対応を取るのでしょうか。

「被害人数の少ない方法を取るべき」、「未来ある子供たちを優先するべき」、「他人を巻き込まずトラックにそのまま衝突をすべき」、など様々な判断があるでしょう。どの判断を下したとしても、それが正しく、悪いとは一概に言えない。たぶん、このブログ読者の皆さんも意見が割れることでしょう。

 

f:id:eddie_k1967:20190405215550j:plain

 

どの判断を是とするかは、世界中のどの国でも裁判という形で個別事象を検証する方法が採られており、社会的なコンセンサスは取れていない。社会的なコンセンサスが取れていないということは、点数化ができないことを意味します。点数化ができない以上、人間による設定もできないということになってしまうのです。

人間が悩むことは、AIだって悩んでしまうのは言わずもがなです。人間の点数化も含めた選択の優先順位が機械学習における評価基準になる。仮に試行を繰り返したとしても、評価基準が無いなら、機械学習では答えを出せない。つまり、いずれにせよ人間の点数化は避けては通れないことになる。

だが、それぞれの人間の価値を把握・点数化して、究極の選択ができるAIができあがるとしよう。もし、未来にこのようなAI時代を迎えてしまうことには、ちょっと怖い気がしてしまうのです。

 

f:id:eddie_k1967:20190405215131j:plain


■国ごとに学習をさせればコストが飛躍的に上昇

機械学習をさせる場合は、さらに課題がある。当然ではあるが、国ごとに文化や道徳、倫理概念が異なる。そのため、大枠としてはほぼ同様な交通法規であっても、先ほど例示したような切迫した事態における判断の妥当性は、国ごとに異なってしまう。米国では薬局で購入できる薬が、日本では使用が禁止されている。それと同様の事が起こるわけだ。

倫理的な面にまで踏み込んでグローバルで統一するためには、各国の法改正だけでは済まない。難易度の高い国家間の調整が必要となる。それをできないなら、AIに学習させる試行を国ごとに実施しなければならないことを意味し、国別に学習する試行量を確保する必要が生じるため、学習に対するコストが飛躍的に上昇してしまうだろう。

 

f:id:eddie_k1967:20190405215237j:plain

 

倫理的、法的責任の所在についても根深い問題がある。事故が起きた場合、運転に関与していない自動車の所有者や搭乗者に責任が及ぶことには違和感があるはずです。だからと言って、PL法(製造物責任法)を拡張して自動車メーカーに責任を負わせると、自動車メーカーは大きな賠償リスクを負うことになり、販売を自粛する可能性が高い。

損害保険を適用させるとなると、今度は保険料を誰が支払うのかという問題が生じる。自動車損害賠償責任保険自賠責)の拡大で対応すると、所有者の負担が増すことになる。

 

f:id:eddie_k1967:20190405215725j:plain

 

こうした問題は当然、自動車メーカーも行政も子細に把握している。そのため経産省も、2020年代の実現目標を「自動運転車だけが走る閉じた環境での実用化」にとどめている。オープンな公道での実用化は、社会(国民)の理解を前提に、抜本的な法改正を行わない限り不可能と言わざるを得ないでしょう。

まだまだ自動運転に関する「ハードル」はさまざまで、数も多く、高く険しいものがあるのです。しかし、着実にその歩は進んでおり、乗り越えているのです。自動車を愛するものの一人としては、期待して待つしかないのですね。

 

f:id:eddie_k1967:20190405215754j:plain

 

 

【 NVIDIA AIカー DEMO の動画はこちら 】

https://www.youtube.com/watch?v=bcC3H-BuI18

 

 

【 自動運転タクシー実験開始 の動画はこちら 】

https://www.youtube.com/watch?v=TpBiXRlUotc

 

 

 f:id:eddie_k1967:20190406132340p:plain f:id:eddie_k1967:20190406132357p:plain
   

 

  

           ← 購入はこちら