A Transport Research Arena (TRA) okos közlekedési rendszerekről rendezett panelbeszélgetésén többen is azt a következtetést vonták le: nem valószínű, hogy Európa megnyeri a mesterségesintelligencia-fejlesztés globális versenyét, különösen a generatív modellek terén. Ugyanakkor a panel résztvevői szerint a kérdés nem feltétlenül az, hogy ki építi először a legnagyobb modell(ek)et, hanem az, melyik szereplő tudja a technológiát megbízhatóan és használható módon beilleszteni a közlekedési szolgáltatásokba.
AI a gyakorlatban: nem sci-fi, hanem forgalomirányítás és prediktív karbantartás
A beszélgetés rávilágított, hogy a mesterséges intelligencia már most is jelen van a mobilitásban, bár a hétköznapi utasok ezt gyakran nem érzékelik látványos módon. Például a közúti közlekedésben és a városi forgalomirányításban az AI támogatja az útvonaltervezést és a jelzőlámpák optimalizálását. A panel által említett konkrét példa a Google Green Light projektje volt, amelyet Budapesten is teszteltek: a projekt célja a jelzőlámpák váltásának AI-alapú optimalizálása volt, és a bemutatott eredmények szerint 30 százalékkal csökkentette az autók kibocsátását, valamint 10 százalékkal mérsékelte az útközbeni megállások számát.
Az AI emellett szerepet játszik a környezetérzékelésben: szenzorok, kamerák és az automatizált vezetési funkciók mögött álló algoritmusok segítik a járművek környezetének értelmezését és a döntéshozatalt. A technológia használható a váratlan közlekedői viselkedés előrejelzésére és a vészfékező rendszerek támogatására, valamint egyre nagyobb szerepet kap a mérnöki tervezésben és a fejlesztési folyamatok felgyorsításában.
A vasúti közlekedés kapcsán Francesco Flammini, a Firenzei Egyetem kutatója három fő AI-alkalmazást emelt ki: prediktív karbantartás és hibavédelem, forgalomirányítás és autonóm közlekedés. A prediktív karbantartás különösen ígéretes, mert a vasúti rendszerek működési és műszaki adatai segítségével hibákat lehet felismerni még az előtt, hogy azok üzemzavart okoznának. Ugyanakkor Flammini hangsúlyozta a gyakorlat egyik korlátját: a vasútnál gyakran kevés a modellek tanításához és teszteléséhez használható adat, és jelenleg sok időt fordítanak használható adatok „vadászatára”, ami lassítja az új megoldások fejlesztését.
Utasoknak közvetlenül látható előnyök: többnyelvű valós idejű tájékoztatás
A panel foglalkozott a felhasználói szinten érzékelhető alkalmazásokkal is. Elodie Petrozziello kutató példaként említette Párizsban tesztelt rendszereket, amelyek a szolgáltatási zavarokról szóló információk valós idejű, többnyelvű fordítását biztosítják. Bár ez kevésbé látványos, mint az önvezető járművek bemutatója, a jobb, hozzáférhetőbb tájékoztatás a turisták, bevándorlók és a nem helyi nyelvet beszélők számára jelentősen javíthatja a közösségi közlekedés használhatóságát.
Miért nem terjednek el gyorsabban a jó megoldások?
A panel egyik fő válasza az volt, hogy jelentős szakadék tátong a kutatás és az ipari alkalmazás között. Az akadémiai projektek gyakran alacsony technológiai érettségi szinten (TRL) mozognak: új ötleteket vizsgálnak és prototípusokat készítenek, míg az ipar érett, széles körben alkalmazható rendszereket vár el. Ezt a szakadékot súlyosbítják a szereplők eltérő érdekei: a magáncégek a piaci megtérülést vizsgálják, a kutatóintézetek a finanszírozást és a tudományos eredményeket, míg a közszféra a fenntarthatóságot, a hatékonyságot és a biztonságot mérlegeli.
Somogyi Rita, a TERN közlekedési cég vezetője rámutatott, hogy ezek az eltérő szempontok gyakran akadályozzák a hatékony együttműködést, ezért fontos, hogy a szereplők leüljenek és közösen dolgozzanak a megoldásokon. A panel említette a légiközlekedésben példaként szolgáló SESAR-t, ahol a szereplők együttműködése előrelépést hozott.
Kommunikáció és láthatóság: a pilotokból csak így lehet szélesebb alkalmazás
A jó technológia önmagában nem terjed el automatikusan. Elodie Petrozziello kiemelte a Hi-Drive projektet, amelyet pozitív példaként említette, többek között azért, mert a projekt aktívan kommunikálta eredményeit — például YouTube-videókon keresztül. A kutatóknak és projektpartnereknek láthatóvá kell tenniük munkájukat, hogy az ipari szereplők és a döntéshozók is megismerjék a sikeres pilotok eredményeit és azok gyakorlati alkalmazhatóságát.
Axel Volkery, az Európai Bizottság Mobilitási és Közlekedési Főigazgatóságának innovációért és városi mobilitásért felelős vezetője moderálása mellett a beszélgetés azt járta körül, hogyan tudna az EU több támogatást nyújtani az AI adaptációjához a közlekedésben.
Európa versenyelőnye: elsőnek lenni a működő, biztonságos közlekedési AI-ban
A panel összegzése szerint Európa realisztikus pozíciója nem feltétlenül az, hogy elsők legyenek a nagyméretű alapmodellek fejlesztésében, hanem az, hogy vezető szerepet vállaljanak a biztonságos, robusztus és valós használatra alkalmas mesterséges intelligencia-rendszerek kifejlesztésében és bevezetésében a közlekedésben. Az európai előny abban rejlik, hogy az öreg kontinensen hagyományosan erős a komplex közlekedési rendszerek tervezése, szabályozása és működtetése — így a hangsúly a technológiák integrálásán és a szolgáltatások biztonságossá tételén lehet.
Ez a szabályozottság elsőre korlátozásnak tűnhet, de a panel szerint piaci lehetőséget is jelent: ha európai cégek, kutatók és hatóságok képesek megbízható közlekedési AI-t fejleszteni, ezek a megoldások nemcsak helyben, hanem világszerte értékesek lehetnek. A hangsúly az adaptáción, a láthatóságon és az együttműködésen van, hogy a kutatási eredményekből gyakorlati, széles körben alkalmazott rendszerek szülessenek.
