Detailergebnis zu DOK-Nr. 75976
Der Weg zu verhaltensbasierten Tests zum Verständnis der Black Box von autonomen Autos (Orig. engl.: Towards behaviour based testing to understand the black box of autonomous cars)
| Autoren |
F. Utesch A. Brandies P.P. Fouopi C. Schießl |
|---|---|
| Sachgebiete |
0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 6.2 Verkehrsberechnungen, Verkehrsmodelle 6.7.2 Verkehrsbeeinflussung außerorts, Verkehrsmanagement, Fahrerassistenzsysteme |
European Transport Research Review 12 (2020) Nr. 48, 11 S., 3 B, 56 Q. - Online-Ressource: verfügbar unter: https://doi.org/10.1186/s12544-020-00438-2
Autonome oder automatisierte Autos könnten den Verkehr sicherer, bequemer, effizienter und nachhaltiger machen. Sie versprechen den Komfort eines persönlichen Taxis ohne die Notwendigkeit eines menschlichen Fahrers. Künstliche Intelligenz würde stattdessen das Fahrzeug bedienen. Insbesondere "tiefe neuronale Netze" (Deep Neural Networks, DNNs) bieten aufgrund ihrer außergewöhnlichen Leistungsfähigkeit vor allem in der Wahrnehmung einen Weg zu dieser Vision. DNNs zeichnen sich dadurch aus, dass sie Objekte in Sensordaten identifizieren, was für das autonome Fahren unerlässlich ist. Diese Netze bauen ihre Entscheidungslogik durch Training statt durch explizite Programmierung auf. Ein Nachteil dieser Technologie ist, dass der Quellcode nicht überprüft werden kann, um die Sicherheit eines Systems zu beurteilen. Dies führt zu einer Situation, in der die derzeit verwendeten Methoden für die behördliche Zulassung nicht funktionieren, um eine vielversprechende neue Technologie zu validieren. In dem Papier werden vier Ansätze hervorgehoben, die zum Verständnis der technischen Systeme der Black Box für autonome Autos beitragen könnten, indem sie sich stattdessen auf ihr Verhalten konzentrieren. Die Methode der experimentellen Psychologie wird vorgeschlagen, um das Innenleben von DNNs zu modellieren, indem ihr Verhalten in bestimmten Situationen beobachtet wird. Es wird argumentiert, dass Durchdringungstests angewandt werden können, um Schwachstellen des Systems zu identifizieren. Beides kann angewandt werden, um autonome Fahrsysteme zu verbessern. Die Shadowing-Methode (Beobachtung einer Person als "Schatten") zeigt das Verhalten in einer naturalistischen Umgebung auf und gewährleistet gleichzeitig die Sicherheit. Sie kann als eine theoretische Fahrprüfung angesehen werden. Die Methode des überwachten Fahrens kann verwendet werden, um zu entscheiden, ob die Technologie sicher genug ist. Sie hat das Potenzial, zu einer praktischen Fahrprüfung weiterentwickelt zu werden.