Кирстен Ральф, Гарвардская школа Кеннеди, Инициатива политики автономных транспортных средств
Когда Tesla несколько недель назад пережила вторую аварию со смертельным исходом, когда одна из ее машин работала в самопровозглашенном режиме Автопилот, компания быстро свалила вину на невнимательность водителя. Реакция, заставившая защитников безопасности потребителей и экспертов по беспилотным автомобилям резко критиковать Tesla:
"Это еще одна потенциальная иллюстрация мягкости середины автоматизации", – сказал Брайант Уокер Смит, профессор права из Университета Южной Каролины, изучающий беспилотные автомобили, в "интервью по электронной почте для Bloomberg Technology".
Это не первый случай, когда Тесла подвергается пренебрежению за то, что назвала функцию в своем автомобиле 3-го уровня Автопилот. На самом деле изощренный и вводящий в заблуждение маркетинг нескольких AV-компаний относительно технических возможностей их полуавтономных транспортных средств долгое время находился в центре внимания НАБДД.
Уклончивое обозначение функции автомобиля как автопилот создает неотложную проблему безопасности не только для водителей и пешеходов, но и во все большей степени для политиков и законодателей, для страховых компаний и регулирующих органов. Поскольку компании яростно оберегают свою работу над автономными транспортными средствами, а их инженерные команды часто защищают от конкурентов (просто вспомните судебный процесс Uber против Waymo), это единственные действительно не связанные с маркетингом данные, на которых политики могут основывать решения. на, заперта в патентных документах.
В моем ключевом проекте в Гарвардской школе Кеннеди я использовал машинное обучение, чтобы сначала собрать, а затем, на втором этапе, раскрыть некоторую важную и важную информацию, которую могут раскрыть патенты, которые компании подали на важные компоненты автономных транспортных средств. Часто обнаруженные данные точно соответствуют некоторым из наиболее насущных вопросов, которые политики и законодатели задали бы компаниям, если бы у них была такая возможность.
Среди прочего, разработанные мной алгоритмы могут дать ответы на следующие четыре ключевых вопроса инвесторов и лиц, принимающих решения:
1) Кто является ведущим изобретателем в области автономных транспортных средств?
Около 90 процентов политиков и инвесторов заявили в опросе Гарвардской школы Кеннеди, что они хотят знать лучшие таланты в области AV. Я подробно изложил этот первый вопрос и методологию в другом сообщении в блоге.
2) Какова скорость развития технологии? Сколько времени нужно, чтобы изобретение вышло на рынок?
3) Какие изобретения экономически наиболее ценны и поэтому будут больше продвигаться компаниями?
4) Какие компании становятся лидерами в области автономных транспортных средств?
Конечно, далеко не каждое изобретение в области AV регистрируется в качестве патента. Многие компании хранят свою работу в области AV в коммерческой тайне, чтобы защитить ее от публичной регистрации и глаз конкурентов. Кроме того, между подачей заявки и публикацией проходит 18 месяцев, поэтому изображение в наборе данных не является представлением в реальном времени.
Тем не менее, патентные данные, не связанные с маркетингом, помогают уточнить и дополнить описания, данные компаниями, производящими аудиовизуальные технологии. Он может стать усиливающим фактором в процессе принятия политических и регулирующих решений. Кроме того, с соответствующей визуализацией данных это дает лицам, принимающим решения, возможность идти в ногу с быстрым технологическим развитием, которое в настоящее время может быть ошеломляющим. Наконец, при правильном алгоритме прогнозирования патентные документы могут стать опережающим (а не запаздывающим) индикатором и предсказывать будущее развитие технологий.
