Hai dòng xe ban đầu sử dụng tính năng này là CT6 và Bolt EV. Loại gương này có khả năng chuyển thành màn hình hiển thị toàn cảnh những hình ảnh mà camera ghi lại ở phía sau. Chỉ bằng một nút bấm người lái có thể chuyển chức năng của một chiếc gương chiếu hậu thông thương với một chiếc camera.

Đây là một trong những tính năng đáng chú ý nhất trên Cadillac CT6, mẫu xe mà hãng xe Mỹ sử dụng để cạnh tranh với BMW 7 serie.

Công nghệ này được đánh giá khá cao về tính tiện dụng và an toàn. Sau một thời gian thử nghiệm, Cục an toàn giao thông quốc gia Mỹ (NHTSA) đã chính thức chấp nhận tính hợp pháp của loại gương kết hợp này.

Loại gương này được gọi với tên "gương toàn cảnh" với tác dụng giúp tài xế có cái nhìn toàn cảnh phía sau, điều không thể làm được khi sử dụng gương truyền thống.

Khi loại bỏ điểm mù, tài xế sẽ tránh được những tai nạn không đáng có như lùi xe vào em nhỏ, khi quay đầu kiểu chữ U.

Clip về loại gương chiếu hậu mới này:

Các bước mô phỏng từ ảnh vệ tinh sang bản đồ chi tiết bởi CycleGAN. Ảnh: TechCrunch.

Các nhà nghiên cứu từ hai tổ chức mong muốn cải tiến quá trình biến đổi ảnh chụp Google Maps thành những tấm bản đồ chi tiết. Đó là lý do CycleGAN, một mạng neuron máy học ra đời. Trí thông minh nhân tạo có khả năng biến chuyển hình ảnh loại X và Y sang các dạng khác với độ chính xác khá cao.

Sau khi thử nghiệm nhiều lần, AI hoàn thành công việc và cho ra kết quả tốt đến mức đáng nghi. Đội ngũ nghiên cứu nhận thấy trong quá trình mô phỏng ảnh vệ tinh có nhiều chi tiết ẩn mà những tấm ảnh thử nghiệm trước không hề xuất hiện. Chẳng hạn, các ánh đèn tỏa sáng trên mái nhà sẽ xuất hiện trở lại nếu AI được yêu cầu thực hiện lại quá trình tái tạo.

Ngay sau đó, Google và Stanford tiến hành thu lại quá trình phân tích của AI. Họ phát hiện ra rằng CycleGAN đã tự động tìm cách nhanh hơn để giải quyết vấn đề.

Lúc đầu, AI được xây dựng với khả năng "diễn dịch" những yếu tố có sẵn trên bản đồ và đặt chúng vào đúng vị trí được lập trình sẵn. Tuy nhiên, CycleGAN không làm như thế. AI tự học cách mã hóa những yếu tố trên bản đồ thành các "độ noise" như nhau.

Sau đó, CycleGAN so chiếu chúng qua 2 loại bản đồ khác nhau để tái tạo thành sản phẩm cuối cùng. Mắt thường không thể nhận thấy những đốm noise nhỏ nhưng máy tính thì có thể phân tích.

Tiếp theo, nhờ việc thử nghiệm nhiều lần, AI sử dụng những đốm noise đã phân tích và lưu trữ được tạo thành những bản đồ chi tiết cùng loại khác. CycleGAN bỏ qua bước nhận biết giữa các đối tượng khác nhau trên bản đồ, nó sử dụng data có sẵn để hoàn thành công việc.

Các loại bản đồ thay đổi theo từng tiến trình thực hiện. Ảnh: TechCrunch

Công nghệ mã hóa data thành hình ảnh đã có từ lâu, môn khoa học mang tên giấu tin trong ảnh (steganography) thường dùng để thêm watermark hay gắn kèm các chi tiết mã hóa khác nhau. Tuy nhiên, một loại trí thông minh nhân tạo có khả năng tự học steganography để rút gọn các bước làm việc là điều hoàn toàn mới lạ.

"Trí thông minh nhân tạo tuy phát triển nhưng vẫn còn hạn chế. Vấn đề của AI là vận hành bởi con người nên yếu tố con người cần đặt lên trên tất cả", Devin Coldewey chia sẻ trên TechCrunch.

Theo Zing