با ظهور سیستم‌های رانندگی خودکار سطح ۳، رانندگان این امکان را پیدا می‌کنند که در حین رانندگی به انجام وظایف ثانویه بپردازند. این امر، در حالی که آسایش و بهره‌وری را افزایش می‌دهد، می‌تواند منجر به کاهش هوشیاری و درک راننده از خطرات بالقوه شود. در شرایط اضطراری، سیستم رانندگی خودکار با دادن هشداری به راننده، از او می‌خواهد که کنترل خودرو را دوباره به دست گیرد. این فرایند، به دلیل زمان محدود برای واکنش و بار شناختی سنگین، چالش‌های جدی ایجاد می‌کند. مقاله‌ای که در اینجا به بررسی آن می‌پردازیم، راهکاری نوآورانه برای این مشکل ارائه می‌دهد.

مقاله “دستیار راننده: ترغیب رانندگان به تعدیل وظایف ثانویه به کمک مدل‌های زبانی بزرگ” به بررسی امکان استفاده از مدل‌های زبانی بزرگ (LLM) برای کمک به رانندگان در حفظ تمرکز بر شرایط جاده می‌پردازد. این مقاله با رویکردی «انسانی‌محور» سعی در ارائه توصیه‌های اقناعی و موثر دارد. اهمیت این تحقیق در این است که به طور مستقیم به یکی از چالش‌های کلیدی سیستم‌های رانندگی خودکار سطح ۳ می‌پردازد: حفظ آمادگی راننده برای مداخله در شرایط اضطراری.

رانندگی خودکار سطح ۳ به این معنی است که خودرو می‌تواند در شرایط خاصی به طور کامل رانندگی را بر عهده بگیرد، اما همچنان نیاز است که راننده در صورت لزوم کنترل را به دست گیرد. تصور کنید راننده‌ای در بزرگراه در حال استفاده از رانندگی خودکار سطح ۳ است و مشغول خواندن ایمیل‌های خود شده است. ناگهان، سیستم تشخیص می‌دهد که یک مانع در جاده وجود دارد و نیاز به مداخله سریع راننده دارد. اگر راننده به اندازه کافی هوشیار نباشد، ممکن است نتواند به موقع واکنش نشان دهد و این می‌تواند منجر به تصادف شود.

این مقاله توسط وی شیانگ، موچن لی، جی یان، مانلینگ ژنگ، هانفی ژو، منگیون جیانگ و لینگیون سان به رشته تحریر درآمده است. نویسندگان این مقاله در زمینه‌های مختلفی از جمله تعامل انسان و رایانه (HCI) و هوش مصنوعی (AI) تخصص دارند. این تخصص‌ها به آن‌ها اجازه داده است تا با دیدگاهی جامع به این مسئله بپردازند و راهکاری مبتنی بر فناوری ارائه دهند که هم کاربردی و هم قابل اعتماد باشد.

چکیده مقاله به این صورت است: سیستم‌های رانندگی خودکار سطح ۳ به رانندگان اجازه می‌دهند که به انجام وظایف ثانویه بپردازند، اما این امر می‌تواند منجر به کاهش درک آن‌ها از خطرات شود. در صورت بروز شرایط اضطراری، راننده باید به سرعت کنترل خودرو را به دست گیرد، اما زمان واکنش محدود و بار شناختی بالا می‌تواند این کار را دشوار کند. برای حل این مشکل، این مقاله از یک مدل زبانی بزرگ برای کمک به رانندگان در حفظ تمرکز بر شرایط جاده استفاده می‌کند. این ابزار با استفاده از شرایط جاده‌ای که توسط سیستم‌های سطح ۳ تشخیص داده می‌شود، به عنوان محرک، به طور فعال رفتار راننده را از طریق مسیرهای دیداری و شنیداری هدایت می‌کند. نتایج مطالعه نشان می‌دهد که این ابزار در حفظ توجه راننده، کاهش بار شناختی و هماهنگی وظایف ثانویه با رفتار تصاحب کنترل موثر است. این پژوهش بینش‌های ارزشمندی در مورد پتانسیل استفاده از مدل‌های زبانی بزرگ برای پشتیبانی از رانندگان در طول رانندگی خودکار چندوظیفه‌ای ارائه می‌دهد.

به طور خلاصه، این مقاله یک سیستم هوشمند را معرفی می‌کند که با استفاده از مدل‌های زبانی بزرگ، به رانندگان کمک می‌کند تا در حین استفاده از سیستم رانندگی خودکار سطح ۳، هوشیاری خود را حفظ کنند و در صورت نیاز، به سرعت و به طور موثر کنترل خودرو را به دست گیرند.

روش‌شناسی تحقیق در این مقاله شامل مراحل زیر است:

• طراحی سیستم: نویسندگان یک سیستم دستیار راننده مبتنی بر مدل زبانی بزرگ طراحی کرده‌اند. این سیستم قادر است شرایط جاده‌ای را که توسط سیستم رانندگی خودکار سطح ۳ تشخیص داده می‌شود، تحلیل کرده و پیام‌های مناسبی را برای راننده تولید کند.
• پیاده‌سازی: سیستم طراحی شده پیاده‌سازی شده است. این پیاده‌سازی شامل ادغام مدل زبانی بزرگ با سیستم رانندگی خودکار و طراحی رابط‌های کاربری دیداری و شنیداری برای ارائه پیام‌ها به راننده است.
• آزمایش: سیستم پیاده‌سازی شده در شرایط واقعی رانندگی یا در شبیه‌ساز رانندگی آزمایش شده است. در این آزمایش‌ها، عملکرد سیستم در حفظ توجه راننده، کاهش بار شناختی و هماهنگی وظایف ثانویه با رفتار تصاحب کنترل مورد ارزیابی قرار گرفته است.
• تحلیل داده‌ها: داده‌های جمع‌آوری شده در آزمایش‌ها تحلیل شده‌اند. این تحلیل شامل بررسی آماری داده‌ها و همچنین تحلیل کیفی رفتار رانندگان در حین استفاده از سیستم است.

به عنوان مثال، در آزمایش‌ها، رانندگان ممکن است در حین استفاده از سیستم رانندگی خودکار سطح ۳ به انجام یک وظیفه ثانویه مانند خواندن یک متن یا پاسخ دادن به یک ایمیل بپردازند. سیستم دستیار راننده در این حین، با توجه به شرایط جاده‌ای، پیام‌هایی را به راننده ارائه می‌دهد تا او را از وضعیت آگاه کرده و به او کمک کند تا تمرکز خود را حفظ کند. عملکرد راننده در این شرایط، از جمله سرعت واکنش او به هشدارهای سیستم و میزان خطاهایی که مرتکب می‌شود، ثبت و تحلیل می‌شود.

یافته‌های کلیدی این تحقیق عبارتند از:

• افزایش توجه راننده: سیستم دستیار راننده مبتنی بر مدل زبانی بزرگ به طور موثری توجه رانندگان را به شرایط جاده افزایش می‌دهد.
• کاهش بار شناختی: استفاده از این سیستم منجر به کاهش بار شناختی رانندگان می‌شود. این امر به رانندگان اجازه می‌دهد تا در حین رانندگی خودکار، با آسودگی بیشتری به انجام وظایف ثانویه بپردازند.
• بهبود هماهنگی وظایف ثانویه و رفتار تصاحب کنترل: این سیستم به رانندگان کمک می‌کند تا وظایف ثانویه خود را به طور موثرتری با رفتار تصاحب کنترل هماهنگ کنند. این به این معنی است که رانندگان در صورت نیاز، می‌توانند به سرعت و به طور موثر کنترل خودرو را به دست گیرند.

به عنوان مثال، نتایج نشان داده است که رانندگانی که از این سیستم استفاده کرده‌اند، در مقایسه با رانندگانی که از آن استفاده نکرده‌اند، سریع‌تر به هشدارهای سیستم واکنش نشان داده‌اند و خطاهای کمتری مرتکب شده‌اند. همچنین، این رانندگان در حین رانندگی خودکار، احساس خستگی و فشار روانی کمتری داشته‌اند.

این تحقیق دارای کاربردهای بالقوه متعددی است. از جمله:

• بهبود ایمنی سیستم‌های رانندگی خودکار: این تحقیق می‌تواند به بهبود ایمنی سیستم‌های رانندگی خودکار سطح ۳ کمک کند.
• افزایش پذیرش سیستم‌های رانندگی خودکار: ارائه راهکاری برای افزایش هوشیاری راننده در زمان استفاده از رانندگی خودکار، می‌تواند منجر به افزایش پذیرش این سیستم‌ها از سوی کاربران شود.
• توسعه سیستم‌های دستیار راننده هوشمندتر: این تحقیق می‌تواند به توسعه سیستم‌های دستیار راننده هوشمندتر و کارآمدتر کمک کند.

دستاورد اصلی این تحقیق، ارائه یک راهکار نوآورانه برای حل یکی از چالش‌های کلیدی سیستم‌های رانندگی خودکار سطح ۳ است. این راهکار با استفاده از مدل‌های زبانی بزرگ، به رانندگان کمک می‌کند تا در حین استفاده از این سیستم‌ها، هوشیاری خود را حفظ کنند و در صورت نیاز، به سرعت و به طور موثر کنترل خودرو را به دست گیرند. این تحقیق می‌تواند به بهبود ایمنی و کارایی سیستم‌های رانندگی خودکار و همچنین افزایش پذیرش آن‌ها از سوی کاربران کمک کند.

مقاله “دستیار راننده: ترغیب رانندگان به تعدیل وظایف ثانویه به کمک مدل‌های زبانی بزرگ” یک گام مهم در جهت توسعه سیستم‌های رانندگی خودکار ایمن‌تر و کارآمدتر است. این مقاله نشان می‌دهد که مدل‌های زبانی بزرگ می‌توانند نقش مهمی در کمک به رانندگان در حین استفاده از این سیستم‌ها ایفا کنند. با ادامه توسعه این فناوری، می‌توان انتظار داشت که سیستم‌های رانندگی خودکار آینده، بسیار ایمن‌تر، کارآمدتر و کاربرپسندتر از سیستم‌های فعلی باشند. تحقیقات آتی می‌توانند بر روی بهبود تعامل بین سیستم دستیار راننده و راننده، شخصی‌سازی پیام‌های ارائه شده به راننده و همچنین ادغام این سیستم با سایر سیستم‌های ایمنی خودرو تمرکز کنند.