ระบบขับรถอัตโนมัติใช้ Machine Learning แต่พบช่องโหว่หลายประเภททำให้การทำงานล่ม ตั้งแต่เดือนเมษายน-กันยายน 2569 ปัญหาเกิดจากความผิดพลาดในการคำนวณความเร็ว ความแม่นยำของโมเดล หรือการจัดการข้อมูลที่ขาดแคลน ช่องโหว่ทำให้ระบบไม่สามารถคำนวณความเร็วได้ถูกต้อง ข้อมูลที่คาดการณ์จากโมเดลถูกปัดเศษทำให้เกิดข้อผิดพลาดสะสม ส่งผลให้การขับขี่มีความเสี่ยงต่อความปลอดภัย ทีมพัฒนาแก้ไขโดยเปลี่ยนการคำนวณความเร็วเป็น FP32 แทน BF16 เพื่อเพิ่มความแม่นยำ รวมถึงปรับการจัดการข้อมูลที่ขาดแคลนให้ใช้ mask แยกตัวแปรที่ไม่สมบูรณ์ ปัญหานี้สะท้อนว่าการใช้ Mixed Precision หรือการฝึกโมเดลที่ซับซ้อนอาจสร้างความเสี่ยงต่อความถูกต้องของผลลัพธ์ ทำให้ต้องมีการตรวจสอบข้อมูลอย่างละเอียด
AIAutonomous VehiclesTech News
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว