ИИ научился водить «как человек» — и уже делает это лучше людей

Китайский стартап ZYT показал необычный подход к автопилоту: их ИИ не программируют под правила и карты, а «учат видеть мир» через огромное количество видео, отмечает xrust. В результате система уже уверенно ездит по сложным городским улицам и, по словам разработчиков, управляет машиной лучше человека — даже в плотном трафике и рядом с пешеходами.

Что именно сделали

Главная идея ZYT — отказаться от классической архитектуры автопилота. Обычно такие системы состоят из множества отдельных блоков: один распознаёт пешеходов, другой — знаки, третий — разметку, четвёртый — строит маршрут. Всё это требует тонкой настройки под конкретный город, страну и даже стиль движения.

Здесь — другой подход. Вместо набора модулей используется единая модель, которая учится сразу всему. Она получает видеоданные и сама вырабатывает «понимание» дорожной ситуации — примерно так же, как это делает человек за рулём.

Ключевые фишки технологии

• Обучение без жёстких правил
  Систему не «учат» отдельно распознавать объекты. Она сама формирует представление о том, что происходит на дороге.
• Максимально широкий набор данных
  В обучение идут не только записи с автомобилей, но и видео с дронов, роботов, мотоциклов, бытовых устройств и даже камер, которые просто несут в руках. Это даёт ИИ более «жизненный» опыт.
• Универсальность вместо локальности
  В отличие от классических автопилотов, модель не привязана к конкретным дорогам. Её не нужно отдельно обучать под каждый город.
• Быстрая адаптация под разные типы транспорта
  Технологию, обученную на легковых авто, смогли за считаные недели перенести на грузовики — без полной переработки системы.
• Экономический эффект уже сейчас
  В грузоперевозках ИИ может снижать расход топлива на несколько процентов — а это прямые деньги.
• Работа в сложных условиях
  Система уже демонстрирует уверенное поведение на узких дорогах, при встречном движении и рядом с пешеходами — одних из самых сложных сценариев.
• Эффект «чёрного ящика»
  Разработчики признают: они не всегда понимают, как именно ИИ принимает решения. Это признак нового поколения моделей — мощных, но не до конца прозрачных.

Почему это отличается от всего, что было раньше

Традиционные автопилоты — это по сути инженерные системы с элементами ИИ. Они требуют огромного количества ручной настройки: карты, сценарии, правила поведения. Поэтому такие решения хорошо работают только в заранее подготовленных условиях.

Подход ZYT ближе к современным нейросетям: меньше ручной логики, больше самообучения. Это делает систему потенциально масштабируемой — её можно быстрее переносить между странами, машинами и задачами.

Если упростить: раньше автопилот «знал правила», теперь он начинает «понимать мир».

Где это применят в первую очередь

Хотя все ждут беспилотные легковые автомобили, основной упор сейчас — на грузовой транспорт. Причина проста: там быстрее виден экономический эффект.

Даже небольшая экономия топлива на длинных маршрутах даёт значительные деньги. Плюс — меньше влияние человеческого фактора, стабильное поведение на трассе и возможность оптимизировать логистику.

Поэтому грузовики могут стать первым массовым рынком для таких систем.

Ограничения и проблемы

Несмотря на прогресс, технология пока не готова к массовому внедрению:

• Дорогое «железо»
  Сейчас система требует мощных вычислительных платформ, которые ставят в роботакси и прототипы, но не в обычные машины.
• Оптимизация ещё идёт
  Разработчики работают над тем, чтобы перенести модель на более дешёвые чипы.
• Непрозрачность решений
  Если ИИ действует как «чёрный ящик», это создаёт вопросы к безопасности и регулированию.
• Регуляторные барьеры
  Для выхода на глобальные рынки потребуется соответствие разным требованиям и законам.

Когда ждать в обычных машинах

По планам разработчиков, первые автомобили с этой системой могут появиться ближе к 2027 году. Пока технология тестируется и дорабатывается, в том числе на европейских дорогах.

Контекст: почему это важно

Мы наблюдаем смену парадигмы в автопилотах. Индустрия уходит от «запрограммированных» систем к универсальным ИИ-моделям, которые учатся на данных и адаптируются сами.

Это может привести к трём ключевым последствиям:

1. Резкое ускорение внедрения беспилотников
   Если модель не нужно обучать под каждый город — масштабирование становится проще.
2. Снижение стоимости технологий
   После оптимизации под массовые чипы такие системы могут попасть в обычные автомобили.
3. Усиление глобальной конкуренции
   Даже преимущество в несколько месяцев уже даёт серьёзный отрыв — рынок формируется прямо сейчас.

По материалам Reuters.