باحثون يستخدمون الذكاء الاصطناعى لتحسين خرائط GPS

ابتكر باحثون فى معهد ماساتشوستس للتكنولوجيا MIT نموذجًا جديدًا لإثراء الخرائط الرقمية يسمى RoadTagger يستخدم صور الأقمار الصناعية لتحديد ميزات الطرق فى الخرائط الرقمية، مما قد يساعد فى تحسين التنقل عبر نظام تحديد المواقع العالمى GPS، وجرى شرح النموذج فى ورقة قدمت فى مؤتمر جمعية النهوض بالذكاء الاصطناعي.

وعادة ما يتم إنشاء خرائط نظام تحديد المواقع العالمى GPS بواسطة شركات كبرى مثل جوجل، التى ترسل مركبات مزودة بكاميرات تجول ضمن الأحياء لالتقاط الفيديو والصور الخاصة بطرق المنطقة، لكن هذه العملية باهظة التكلفة، كما أن الحفاظ على هذه الخرائط محدثة يستغرق وقتًا طويلاً.

وتبعًا إلى أن التكاليف المرتفعة، يتم تجاهل بعض أجزاء العالم، ولا تظهر هناك إلا بيانات نظام تحديد المواقع العالمى GPS الأساسية فقط، ويتمثل أحد حلول هذه التحديات فى إيجاد نموذج تعليم آلى مرتبط بصور الأقمار الصناعية، والتى يسهل الحصول عليها وتحديثها بانتظام إلى حد ما، وذلك فى سبيل تحديد ميزات الطريق تلقائيًا.

لكن المشكلة هى أن صور الأقمار الصناعية للطرق غالبًا ما تكون غامضة بسبب أشياء مثل الأشجار والمبانى، مما يجعل الأمور أكثر صعوبة بالنسبة لعنصر التعلم الآلى، وهنا يأتى دور الابتكار الجديد من معهد ماساتشوستس للتكنولوجيا.

ويستخدم النموذج الجديد مزيجًا من بنية الشبكة العصبونية للتنبؤ تلقائيًا بعدد الممرات وأنواع الطرق (السكنية أو السريعة) وراء العوائق، وتمكن النموذج فى الاختبارات ضمن الطرق المعزولة من حساب أرقام الممرات بدقة تصل إلى 77%، ويمكنه أن يستنتج أنواع الطرق (السكنية أو السريعة) بدقة 93%.

ويخطط الباحثون أيضًا لتمكين RoadTagger من التنبؤ بميزات أخرى، مثل أماكن وقوف السيارات وممرات الدراجات، ويأملون أن يتم استخدامها فى يوم من الأيام لمساعدة البشر على التحقق من صحة التعديلات المستمرة على الطرق بسرعة.

وقال سام مادن Sam Madden، المؤلف المشارك وأستاذ فى قسم الهندسة الكهربائية وعلوم الحاسب EECS وباحث فى مختبر علوم الحاسب والذكاء الاصطناعى CSAIL: "معظم الخرائط الرقمية المحدثة هى لأماكن تهتم بها الشركات الكبرى، وفى حال كنت فى أماكن لا يهتمون بها كثيرًا، فأنت فى وضع غير مؤات فيما يتعلق بجودة الخريطة. وأضاف: "هدفنا هو إنشاء خرائط رقمية عالية الجودة، بحيث تكون متاحة فى أى بلد".