麻省理工学院(MIT)的一个团队正在研究自动驾驶汽车中的人工智能是否可以对周围的人类驾驶员的个性进行分类。
麻省理工学院的计算机科学与人工智能实验室(CSAIL)小组希望，对驾驶员个性的准确假设能够更好地使自动驾驶汽车预测驾驶员的行为。显然，在由AI驾驶的汽车与仍由人类操作的汽车混在一起的世界中，这将意味着更高的安全性。
当前用于自动驾驶汽车的AI在很大程度上假设所有人类都以相同的方式行事，并花费无数的资源来适应不习惯的情况。这意味着要谨慎行事，例如，在AI尝试导航时，会在四向停靠点上产生长时间的等待。这种注意减少了在十字路口发生事故的机会，但是当等待的汽车后面和周围的驾驶员对其高度保守的驾驶行为做出反应时，可能导致其他危险。
CSAIL团队的一篇新论文概述了如何使用社会心理学和博弈论中的方法以对AI有用的方式对人类驾驶员进行分类。使用一种称为“社会价值取向”(SVO)的方法，可以根据人的利己程度(“自私”)或利他合作的程度(“亲社会的”)对驾驶员进行评级。目的是训练AI做到每个少年已经不知不觉已经完成的事情：为方向盘后面的人分配SVO评分，基于此创建风险评估，并使用此信息来改变他们自己的行为。
麻省理工学院的社会行为自动驾驶汽车
通过模拟测试，计算机向计算机提供了模仿其他汽车行为的简短运动片段，从而使AI对这些汽车运动的预测提高了25%。例如，在向左转弯的模拟中，计算机能够根据即将到来的驾驶员的社交能力预测，更准确地评估进入交叉路口的安全性。
该团队将继续建立用于评估其他驱动因素的算法预测，因此尚未为实际实施做好准备。即使车辆不是自动驾驶，工作中的SVO的安全性也很重要。例如，可以对进入驾驶员盲区的汽车进行SVO评估，以告知传递给驾驶员的警告等级。对即将来临的激进驾驶员的后视镜警告也可以帮助改善对看似不稳定或激进行为的反应。
论文的主要作者说：“在自动驾驶汽车(AV)中创造更多类似人的行为对于乘客和周围车辆的安全至关重要，因为行为的可预测性使人们能够理解并适当地响应AV的行为。”麻省理工学院的研究生威尔科·施瓦汀。
麻省理工学院的团队计划通过将SVO建模应用于行人，骑自行车的人和驾驶环境中的其他交通来推进研究。还计划调查该系统是否会对汽车以外的机器人系统(例如家用机器人)产生影响。