最終更新日：2023-04-21

自動運転にAIが欠かせない理由とは？仕組みとメリット・デメリット徹底解説！

米国では、すでに50近い企業が自動運転の公道走行を実施し、年間550万km以上の実績となっている自動運転市場。実は、さまざまなAIの技術が、自動運転の根幹の部分として使われています。

一方、日本では、企業による公道のサービス提供が本格導入されておらず、自動運転とAIの拡大に対するイメージをつかみにくい状況です。今回は、自動運転の仕組みからAIの役割の重要性、そして自動運転がもたらすメリット・デメリットを徹底解説していきます。

この記事を読むことで、自動運転の全体像と、自動運転でのAIの必要性、AIと自動運転がもたらしてくれる未来を知ることができます。

AI Marketでは、自動運転に強いAI開発会社の無料選定・紹介を行っています。
貴社に最適な会社に手間なく数日で出会えます。貴社の要望に応えることが可能な企業複数社の紹介が可能で、相見積もり・比較もすぐに実施可能。
プロのAIコンサルタントが貴社の代わりに数社選定しますので、開発会社の選定に迷ったり、相談方法がわからなかったら、いつでもお気軽にご相談ください。

【無料】自動運転に強い開発会社の選定を依頼する
初心者向けにAIの定義、分析の仕組み、活用事例を説明した解説記事はこちらです。

1 自動運転の仕組みを支える7つのAI技術とは？
2 自動運転とAIが乗り越える6つのデメリットと課題
3 まとめ

自動運転の仕組みを支える7つのAI技術とは？

2010年代以降、世界中でめざましい進展を見せている自動運転技術の進展は、第3次AIブームといわれるディープラーニング（深層学習）が自動運転技術の根幹を支えています。自動運転を支える以下のAI技術を解説します。

AIによる画像分析
AIが行う危険判断の活用
AIによる予測能力の活用
AIがひらくマッピング技術活用
AIによるルート最適化
AIの音声認識によるコミュニケーション・レコメンド
AIによるネットセキュリティ向上

それぞれのAI技術について説明します。

AIによる画像分析

自動運転時の画像の分析・解析にあたっては「分類」と「検出」が欠かせません。

「分類」は画像に「何が」映っているのかを識別する機能となり、AIによる画像解析の基本です。画像セグメンテーションとも呼ばれます。
画像セグメンテーションの仕組み、セマンティックセグメンテーションを始めとする種類の違いをこちらの記事で解説しています。
例えば、「車」と「信号」が映っている画像がカメラから送られてきたとします。AIはまず、膨大な画像や動画に意味付け（タグ付け）を行うアノテーションという作業をおこなわなければなりません。アノテーションによって、AIは画像内の「モノ」をひとつづつ「車」や「信号」と仕訳できるようになります。
アノテーション作業とは何か？どんな仕組みで行うか？こちらの記事で解説しています。
さらに、最近では深層学習（ディープラーニング）によって飛躍的に画像分析能力が向上しました。ディープラーニングは人の手を借りずに、AIが自ら学んで特徴を見つけ出して推論する手法です。

AIによる「検出」は、画像に「何が」映っているのかだけでなく「どこに」映っているのかも判別します。「検出」を使うことで、リアルタイムの渋滞画像データからどの道がより空いているのか、より安全なのか判断できます。

自動運転は、AIによる「分類」と「検出」の画像分析機能が使われています。「検出」や「分類」の学習を自動的に繰り返すことで、街全体、道路全体として空間の状況も把握できるようになります。そして、空間のどこに車や人がいるのか、どのルートを取ればいいのか学習する能力の精度も高まるでしょう。

強化学習（特に深層強化学習）を活用した自動運転支援について、こちらの記事で解説しています。

AIが行う危険判断の活用

突発的な事態が発生した際に、カメラ画像やIoTセンサーから得たデータをもとに止まるべきなのか？減速すべきなのか？進むべきなのか？ハンドルを切るべきなのか？判断する役割もAIによって可能となります。前方の信号が赤であれば減速し、歩行者が飛び出してくれば止まったり、避けたりするよう繰り返しの学習から学び精度を高めます。

自動運転車では、従来ドライバーが行っていた判断はAIへ移されます。IoTセンサーは、気温や天候、タイヤの消耗度など様々な情報を自動運転のAIシステムに送信して判断をサポートします。
自動運転に留まらないIoTとAIの協業事例についてはこちらの記事でわかりやすく解説しています。

また、気温や天候、タイヤの消耗度など様々な情報を収集して判断するために、複数のセンサーを用いてデータを統合して判断するセンサーフュージョンがよく用いられます。

こちらでセンサーフュージョンのデータ統合の仕組み、活用事例を詳しく説明しています。

AIによる予測能力の活用

高精度のAIが自動運転に期待される活用として、ユーザーの安全で快適な移動を支える「予測」能力が挙げられます。従来のGPSによるカーナビゲーションの渋滞予測とは異なり、隣の走路を走行する車や、前方を往来する歩行者の動きを先回りして「予測」し、その「予測」をもとに快適かつ安全に走行を行います。

他にも、近隣で開催されているイベント情報や天候情報を基に道路状況を予測できるようになるでしょう。AIによる視界全体に入るデータの「予測」機能が高まることで、安全性と快適性がより高くなります。

AIによる将来予測の仕組み、メリット・デメリットについてはこちらで解説しています。

AIがひらくマッピング技術活用

より快適に、安全に自動運転を行うには、固定化された静的情報に加えて、道路上で刻々と変わる膨大な動的情報を基にデジタルマップを作成するAI技術が欠かせません。これはダイナミックマップと呼ばれ、以下のような静的情報と動的情報を組み合わせた地図情報です。

静的／動的	具体例
静的情報	路面情報車線情報ビルや建物などの構造物
動的情報	交通規制工事情報事故渋滞歩行者落下物信号情報

マッピング初期は人間の手作業で行っていました。しかし、AIはビッグデータ（膨大なデータ）の分析が得意なので、自動的に学習して判別を行えるようになりました。
AIでビッグデータを解析する仕組み、活用事例についてはこちらの記事で解説しています。
加えて、ディープラーニング（深層学習）はAIが自律的に学習を行っていくので、初めて遭遇する状況であっても正確なマッピングが期待されています。

AIによるルート最適化

AIの自動学習機能は従来のGPSシステムと比較し、より高度なルート最適化を行えるようになります。AIによる自動運転は、リアルタイムでの情報の収集と分析に基づいて、最適な走行ルート、経由地の変更が可能です。

加えて、AIが搭乗者の年齢や性別を学習して、搭乗者に合わせた乗り心地を考慮した自動運転も可能となります。将来的には、搭乗者の当日の声の高さや早さを分析し、搭乗者がどれくらい急いでいるのか？落ち着いているのか？などを感知して、運転当日の状況に合わせて自動的にチューニングできるようになるでしょう。

AIの音声認識によるコミュニケーション・レコメンド

すでにスマートフォンや通信家電の分野では浸透しつつあるAIの音声認識技術は、自動運転でも大いに活用されます。現在のAIの進化の中で、画像認識機能とともに精度の向上が顕著なのが「音声認識機能」です。例えば、走行中に急に立ち寄る必要が出た場合に「止まって」と声で指示を行うケースがあります。この場合、AIは音声認識から得られたデータをもとに、車両の発信や停止だけではなく、乗っている人の状況に合わせた最善の判断を学習していきます。

過去の音声や画像データの蓄積からユーザーの性格や好みをAIが判別し、最適なレストランやレジャースポットを判断してレコメンド（提案）してくれる機能も開発されています。

AIによる音声認識の仕組み、自動運転以外の活用事例についてはこちらの記事をご覧ください。

AIによるネットセキュリティ向上

AIは年々学習能力を高め、ネットワークのサイバーセキュリティの分野でも活用も広がっています。自動運転中にリアルタイムに判断を下すためには、常時大容量の通信ネットワークと接続されている必要があります。それで、自動運転の安全性・快適性の維持とネットワークの安全は切り離せません。

AIの自動学習の力は、サイバー攻撃のデータの収集と解析を通じて、未知のネット攻撃への効率的な未然予防対応へ導いてくれます。ハッキングなどのサイバー攻撃が高度化する中で、安全な自動走行を維持するために、AIはなくてはならない存在です。

【無料】自動運転に強い開発会社の選定を依頼する

自動運転とAIが乗り越える6つのデメリットと課題

自動運転が普及するために乗り越える必要があるデメリットと課題を説明します。

事故発生時の法的責任
AIのトロッコ問題
AIの不完全知覚問題
AIの切り替え問題
自動運転レベルの国際基準整備
高速通信プラットフォームの整備

事故発生時の法的責任

自動運転中に生じた事故に関して、世界的に統一された法律は各国で議論が進められている状況です。日本でも、自動運転中の事故発生時の民事的な責任やハッキングなど外的要因に伴う事故の場合の法律上の責任の所在など議論が活発になされています。

AIのトロッコ問題

自動運転の安全性を語る際に出てくる有名な思考実験に「トロッコ問題」があります。

トロッコ問題とは「急に道路上に数人のグループが飛び出してきた場合、グループを避けるためには、ハンドルを歩道側に切って1人の歩行者を犠牲にしなければならない」場合にどちらが最善なのかという問題です。

この問題は人間側でも現時点、結論が出ていません。人間側で問題が解決していない以上、AIに対しても定義づけがなされていない問題となっています。

AIの不完全知覚問題

AIの不完全知覚問題とは、自動運転車が取得できる限定的な情報だけでは十分な安全を確保できないかもしれない懸念点です。自動運転では、様々な道路状況、他の車両や歩行者の状況などを認識し、適切な車両操作をしなければなりません。しかし、センサーで計測できる情報だけでは、AIはあらゆる状況を完全に識別できているわけではないのです。不足している情報を補う仕組みがないと、AIが誤った判断をする可能性があります。

例えば、トレーラーの荷台部分を交通標識と間違って認識し、荷台の下を通過しようとしてトレーラーに衝突して事故を起こしたケースがあります。

AIの切り替え問題

自動運転と人間ドライバーによる運転を引き継ぐ場合に生じるのが、急な引継ぎに人間が安全に対応できないかもしれない「切り替え問題」です。全く人間が介在しない完全自動運転が実現するまでは、AIが危険を予測した時点でドライバーの手動運転に切り替わらなければなりません。

理想としては、危険を予測した時点でリスク内容をドライバーに示して、余裕を持ってドライバー運転に切り替えるシステムです。しかし、深層学習では推論過程がブラックボックス化されてしまうため、AIが危険を察知しても判断根拠をドライバーにうまく伝えられません。そうなると、急に運転を切り替えられてもドライバーが危険な状態を的確に把握できない可能性があります。そうなると事故を回避できないかもしれませんし、結果として自動運転に任せた方がよかったケースも生じるでしょう。AIから人へとシームレスに情報伝達する方法を設けないと、事故を回避できない可能性があります。

自動運転レベルの国際基準整備

本当の意味での自動運転が実現するには、完全無人運転の定義とそこに至るまでのレベルづけに関して各国のコンセンサスが必要になるでしょう。現在主流のアメリカ「自動車技術会」（SAE）では、運転の主体や技術到達度、走行可能エリアなどによって「レベル0」から「レベル5」の6段階に分類されています。一方、日本の国土交通省は、自動運転に関して以下のような独自の呼称や定義を策定しているのが現状です。

自動運転レベル1：「運転支援車」
自動運転レベル2：「運転支援車」
自動運転レベル3：「条件付自動運転車（限定領域）」
自動運転レベル4：「自動運転車（限定領域）」
自動運転レベル5：「完全自動運転車」

過去においては、自動運転レベル1〜2も「自動運転」としてPRされるケースがありました。しかし、現在の国内基準では「運転支援車」となり自動運転とは呼べません。しかし、米国の基準ではレベル2でも「部分運転自動化」となり、呼び方が議論を呼んでいる状態です。

高速通信プラットフォームの整備

AIによる自動走行を実現するには、ネットワーク通信技術の活用が不可欠です。AIによる自動運転のレベルが上がれば上がるほど、より多くのデータを収集し、リアルタイムに正確な判断を行う必要があるからです。

5Gを始めとした高速通信ネットワークの一層の普及と拡充がAIによる自動走行が広がる課題となってきます。

まとめ

世界では、Googleと関連が深い「Waymo／ウェイモ」や「テスラ」中国の「百度／バイドゥ」による自動運転の開発が有名です。日本でも、「ホンダ」が世界初で自動運転のレベル3搭載車を発表するなど着々とAIによる自動運転車の開発が進められています。また、次世代の交通システムとして先進国で推進されているMaaSの進展にも自動運転技術は欠かせません。
MaaSの定義、レベル分け、もたらす未来についてはこちらの記事で分かりやすく解説しています。

AIは、自動運転の開発を進めるために、ますますなくてはならない存在となっています。「えっ？こんなAI機能が自動運転に不可欠に？」と人々を驚かせる技術革新が起きている毎日です。AIと自動運転で新しい事業やサービスを検討する企業がますます増えています。もしかすると、あなたの会社が持つ技術や特許が近い将来の自動運転に欠かせない技術となるかもしれません。

【無料】自動運転に強い開発会社の選定を依頼する