Công nghệ AI đóng vai trò quan trọng trong việc giúp ứng dụng Google Maps trở nên hữu ích đối với người dùng. Với AI, chúng ta có thể tìm đường nhanh hơn gấp 10 lần so với cách đây 5 năm, và chúng tôi có thể mang những bản đồ chứa các thông tin hữu ích đến mọi nơi trên thế giới. Hôm nay, chúng tôi sẽ mang đến cho bạn những câu chuyện chưa từng được bật mí về cách AI làm cho hai trong số các tính năng mà chúng tôi đã công bố tại I/O trở nên khả thi.
Giúp Google Maps nhận định và dự đoán khi người đi đường bất ngờ phanh gấp
Hãy bắt đầu với bản cập nhật tuyến đường của chúng tôi để giúp bạn tránh các tình huống có thể xảy ra khiến bạn phải phanh gấp, chẳng hạn những đoạn chuyển làn hoặc lối ra cao tốc gây bối rối. Chúng tôi sử dụng Công nghệ AI và thông tin điều hướng để xác định hành động phanh gấp, những khoảnh khắc khiến người lái xe giảm tốc độ mạnh, hoặc những chỉ số có sẵn dự đoán về khả năng xảy ra tình huống va chạm ô tô - và sau đó đề xuất các tuyến đường thay thế khác khi có thể. Chúng tôi tin rằng những cập nhật này có khả năng loại bỏ hơn 100 triệu cú phanh gấp trên các tuyến đường mỗi năm, khi người lái xe sử dụng Google Maps. Nhưng làm thế nào để chúng ta biết chính xác là thời gian nào và địa điểm những trường hợp này có thể xảy ra?
Đây chính là chỗ công nghệ AI phát huy tác dụng. Để làm được điều này, chúng tôi đã huấn luyện các mô hình Học máy của mình trên hai bộ dữ liệu. Bộ thông tin đầu tiên đến từ điện thoại cài đặt Google Maps. Cảm biến của điện thoại di động có thể xác định sự giảm tốc độ dọc theo một tuyến đường, nhưng dữ liệu này rất dễ tạo ra báo động giả vì điện thoại của bạn có thể chuyển động độc lập so với ô tô. Đây là điều khiến hệ thống của chúng tôi khó xác định liệu bạn đã ném điện thoại vào ngăn đựng cốc hay vô tình làm rơi điện thoại xuống sàn trong một pha phanh gấp thực sự. Để đối phó vấn đề này, chúng tôi cũng sử dụng thông tin từ các tuyến đường được chỉ dẫn bằng Google Maps thông qua một màn hình ô tô như Android Auto. Bộ dữ liệu này đại diện cho một tập hợp con dữ liệu tương đối nhỏ, nhưng có độ chính xác cao vì Maps hiện được kết nối với một điểm ổn định - chính là màn hình ô tô của bạn. Việc huấn luyện các mô hình của chúng tôi dựa trên cả hai bộ dữ liệu giúp chúng tôi có thể phân biệt các pha giảm tốc thực tế từ các tình huống giả, giúp việc xác định phanh gấp trên tất cả các chuyến đi chính xác hơn.
Hiểu được các điểm dọc theo tuyến đường có khả năng gây ra hiện tượng phanh gấp chỉ là một phần của phương trình. Chúng tôi cũng đang làm việc để xác định các yếu tố bối cảnh khác dẫn đến các hành động phanh gấp, ví dụ như việc gặp một công trình xây dựng trên đường hoặc điều kiện xấu ảnh hưởng tới tầm nhìn. Ví dụ: nếu có sự gia tăng đột ngột các hành động phanh gấp dọc theo một tuyến đường vào một thời gian nhất định trong ngày do người điều khiển phương tiện có khả năng đang lái xe trực tiếp về phía ánh nắng mặt trời, hệ thống của chúng tôi có thể phát hiện những sự kiện đó và gợi ý các tuyến đường thay thế. Những chi tiết này sẽ cung cấp thông tin cho việc định tuyến trong tương lai để chúng tôi có thể đề xuất các tuyến đường an toàn hơn, mượt mà hơn.
Sử dụng Trí tuệ nhân tạo để thực hiện những bước nhảy vọt
Dù cho bạn bạn đang đi bộ, đi xe đạp hay sử dụng phương tiện công cộng, công nghệ AI cũng sẽ giúp bạn di chuyển một cách an toàn và dễ dàng. Tháng 8 năm ngoái, chúng tôi đã ra mắt bản đồ đường phố chi tiết hiển thị chiều rộng chính xác của con đường, cùng với thông tin chi tiết về vị trí của vỉa hè, lối qua đường dành cho người đi bộ trong một khu vực để mọi người có thể hiểu rõ hơn về cách bố trí và hướng di chuyển. Hôm nay, chúng tôi đã thông báo rằng bản đồ đường phố chi tiết sẽ mở rộng đến 50 thành phố vào cuối năm 2021. Mặc dù điều này nghe có vẻ đơn giản, nhưng chúng tôi đã âm thầm làm việc để có thể ứng dụng được công nghệ AI vào Maps như ngày hôm nay.
So sánh trước và sau của bản đồ đường phố chi tiết được xây dựng từ hình ảnh vệ tinh
Hãy tưởng tượng rằng bạn đang đi dạo trên một con phố điển hình của San Francisco. Khi đến gần ngã ba, bạn sẽ nhận thấy rằng lối đi dành cho người đi bộ sử dụng họa tiết "ngựa vằn" - các đường kẻ sọc giúp bạn nhận biết để đi bộ. Nhưng nếu bạn đang ở một thành phố khác, chẳng hạn như London, thì các đường chấm song song sẽ xác định lối đi qua đường. Để giải thích cho những khác biệt này và hiển thị chính xác chúng trên bản đồ, hệ thống của chúng tôi cần biết lối đi qua đường trông như thế nào - không chỉ ở một thành phố mà trên toàn thế giới. Việc này thậm chí còn phức tạp hơn vì thiết kế đô thị có thể thay đổi ở cấp quốc gia, tiểu bang và thậm chí cả thành phố.
Lối qua đường cho người đi bộ tại San Francisco
Lối qua đường cho người đi bộ tại London
Lối qua đường cho người đi bộ tại Tokyo
Lối qua đường cho người đi bộ tại Madrid
Lối qua đường cho người đi bộ tại Zurich
Để mở rộng ra toàn cầu và phản ánh sự khác biệt của mỗi địa phương, chúng tôi cần cải tiến hoàn toàn quy trình lập bản đồ của mình. Theo cách truyền thống, chúng tôi đã tiếp cận việc lập bản đồ giống như nướng một chiếc bánh - mỗi lần nướng một lớp. Chúng tôi đã huấn luyện các mô hình Học máy để xác định và phân loại từng đối tượng một trong kho lưu trữ hàng triệu dữ liệu hình ảnh ở chế độ Xem Phố (Street View), hình ảnh vệ tinh và trên không của chúng tôi - trước tiên bắt đầu với những con đường, sau đó là địa chỉ, tòa nhà, v.v.
Tuy nhiên, bản đồ đường phố chi tiết cần độ chi tiết và chính xác cao hơn đáng kể so với bản đồ bình thường. Để lập bản đồ chính xác các đối tượng địa lý đô thị dày đặc này, chúng tôi đã cập nhật các mô hình của mình để xác định tất cả các đối tượng trong cùng một lúc. Điều này đòi hỏi rất nhiều sự giúp đỡ của công nghệ AI. Mô hình này không chỉ phải xác định các đối tượng là gì, mà còn phải hiểu các mối liên hệ giữa những đối tượng này - chẳng hạn như điểm cuối của một con đường và điểm đầu của một vỉa hè. Với các mô hình toàn cảnh mới này, chúng tôi có thể phát hiện và phân loại nhiều đối tượng địa lý tại một thời điểm mà không làm giảm độ chính xác, cho phép chúng tôi lập bản đồ một thành phố nhanh hơn bao giờ hết.
Mô hình AI đơn lẻ sở hữu tính năng phân loại các tòa nhà
Các mô hình AI toàn cảnh chụp nhiều loại đối tượng cùng một lúc
Một khi đã có mô hình được huấn luyện về một thành phố cụ thể, chúng tôi sau đó có thể mở rộng mô hình đó sang các thành phố khác có thiết kế đô thị tương tự. Ví dụ, vỉa hè, lề đường và đèn giao thông Atlanta và Thành phố Hồ Chí Minh có sự tương đồng với nhau - mặc dù thực tế hai địa điểm này cách xa hơn 9.000 dặm. Và mô hình tương tự cũng áp dụng ở Madrid và Dallas, điều mà chắc chắn mới nhìn qua bạn sẽ không bao giờ nghĩ tới! Với các kỹ thuật Học máy mới kết hợp với bộ sưu tập hình ảnh độ nét cao, chúng tôi đang mang lại mức độ chi tiết cho bản đồ trên quy mô lớn hơn bao giờ hết.
AI sẽ tiếp tục đóng một vai trò quan trọng khi chúng tôi xây dựng bản đồ hữu ích nhất cho tất cả người dùng trên toàn cầu. Để biết thêm những thông tin chưa từng được bật mí về công nghệ hỗ trợ Google Maps, hãy xem phần còn lại của loạt blog Maps 101 của chúng tôi.
