Amerikanci su prije nekoliko godina pobrojali da su tamošnji vozači izgubili 6,9 milijardi sati zarobljeni u prometu. Uz to, tijekom prometnih gužvi prosječni putnik potrošio je dodatne 72 litre goriva. Preračunato u novac, to je 160 milijardi dolara izgubljenog vremena i goriva svake godine.

Duboko učenje pojačanja

Dugi redovi ispred semafora mogli bi uskoro postati stvar prošlosti zahvaljujući novoj tehnologiji umjetne inteligencije koju su razvili istraživači sa Sveučilišta Aston u engleskom Birminghamu. Prvi sustav takve vrste skenira video snimke uživo i prilagođava svjetla na semaforu kako bi održao promet u pokretu i smanjio zastoje.

Metoda koristi duboko učenje pojačanja (deep reinforcement learning) u kojem softver prepoznaje kada ne radi dobro i pokušava novi pristup ili se nastavlja poboljšavati kada napreduje. Sustav je nadmašio sve druge pristupe u ispitivanju, koji često ovise o ručno dizajniranim faznim prijelazima. Neodgovarajuće vrijeme prometne signalizacije glavni je uzrok zastoja.

Nagrađivanje simulatora

Kako bi utrenirali svoj program, istraživači su izradili foto-realističan simulator prometa Traffic 3D i podučili ga kako se nositi s različitim prometnim i vremenskim scenarijima.

Testiran na stvarnom raskrižju, sustav se naknadno prilagodio stvarnim prometnim raskrižjima unatoč tome što je u potpunosti obučen na simulacijama. Stoga bi mogao biti učinkovit u mnogim uvjetima iz stvarnog svijeta. Program dobiva "nagradu" svaki put kad vozilo prođe kroz raskrižje,a kad dođe do zastoja slijedi mu kazna. 

Promet pod nadzorom

Trenutno  glavni oblik automatizacije semafora ovisi o petljama magnetske indukcije; žica leži na cesti i registrira automobile koji prolaze preko nje. Program ih broji i reagira na podatke.

Budući da UI istraživača sa Sveučilišta Aston "vidi" promet prije nego što automobili prođu kroz raskrižje, njihov sustav brže i bolje reagira. To podjednako vrijedi i za semafore i za prepreke na cestama.

Program može vidjeti bilo koje prometno čvorište, stvarno ili simulirano, i uči samostalno. Sustavom nagrađivanja može se i manipulirati kako bi program brzo propuštao vozila hitne pomoći. 

Istraživači se nadaju da sustav, opisan u zborniku radova 21. međunarodne konferencije o autonomnim agentima i sustavima s više agenata, već ove godine primijeniti i na stvarnim cestama.