Thế giới giao thông

Trí tuệ nhân tạo - cứu cánh của vận tải khách thời dịch bệnh

13/10/2020, 07:07

Ứng dụng trí tuệ nhân tạo vào thực tế trở nên cấp thiết khi dịch bệnh Covid-19 bùng nổ, là cứu cánh của vận tải khách.

img
Quầy thủ tục di động do Công ty Elenium Automation phát triển, đang được ứng dụng tại sân bay Avalon

Ứng dụng trí thông minh nhân tạo (AI - Artificial intelligence) vào GTVT, tạo sự thuận tiện, nhanh nhạy, dễ kiểm soát là điều được các chuyên gia công nghệ nhắc tới từ nhiều năm trước. Nhưng, phải đến khi dịch bệnh Covid-19 bùng nổ, đặt ra bài toán khó cho ngành hàng không nói riêng và nhiều ngành vận tải khác nói chung, những nỗ lực đưa AI vào thực tế mới trở nên cấp thiết hơn bao giờ hết.

AI - chìa khóa để mở cửa hàng không

Làm thế nào để phát hiện chính xác những hành khách nhiễm virus, đồng thời mở cửa hàng không mà vẫn hạn chế nguy cơ lây nhiễm?... là những câu hỏi mà ngành hàng không toàn cầu đang đau đầu tìm lời giải.

Và rồi, phát minh “Quầy thủ tục di động” dựa trên nền tảng dữ liệu đám mây của Công ty Elenium Automation (Australia) ra đời, được đánh giá là một trong những câu trả lời thoả đáng.

Thiết bị mới được công bố vừa có thể giám sát sức khoẻ, vừa là máy làm thủ tục tự động, hiện đại đến mức hành khách không cần động tay. Theo đó, trong khi hành khách làm thủ tục, máy lập tức đo nhịp tim, nhiệt độ cơ thể, tần số hô hấp, đưa ra ước đoán tình trạng khách có bị bệnh hay không.

Người dùng có thể điều khiển màn hình quầy bằng giọng nói hoặc chuyển động phần đầu, hạn chế mọi tiếp xúc bằng cơ thể. Hơn nữa, quầy thủ tục tự động hoàn toàn có thể tích hợp ngay vào hạ tầng sẵn có, không đòi hỏi phải thay đổi quá nhiều.

Trong thời buổi dịch bệnh hiện tại, những công nghệ như của Elenium Automation sẽ hỗ trợ các hãng hàng không nhanh chóng phát hiện những hành khách có những triệu chứng nghi vấn liên quan tới Covid-19, kịp thời đưa ra biện pháp xử lý, ngăn chặn dịch bệnh lây lan. Bí mật cho phép Elenium Automation đạt tới ưu việt này nằm ở công nghệ AI, cụ thể là công nghệ “học máy”.

Theo ông Aaron Hornlimann, Giám đốc điều hành Công ty Elenium Automation, nhờ công nghệ học máy, thiết bị của họ có thể đưa ra giải pháp cần thiết và áp dụng vào ngành hàng không chỉ trong vòng vài tháng. Ở đó, máy tính học số lượng lớn dữ liệu, tự động nghiên cứu và tìm kiếm ra các kiểu mẫu lặp lại, cuối cùng đưa ra những dự đoán chính xác.

Đến thời điểm này, công nghệ của công ty Australia đã bắt đầu được một số hãng bay và cảng hàng không sử dụng như Etihad Airways và sân bay Avalon (phục vụ các TP Geelong và Melbourne, Australia).

Ứng dụng AI để tối ưu hóa dịch vụ vận tải

Một công ty khác cũng đang ứng dụng hiệu quả thành tựu từ trí thông minh nhân tạo vào giao thông đó là Grab. Công ty gọi xe hàng đầu có trụ sở tại Singapore đã sử dụng cách máy tính tự học (machine learning) để tối ưu hoá ứng dụng thanh toán, giao nhận hàng hoá và vận tải.

Người phụ trách công nghệ của Grab, ông Foo Wui Ngiap cho biết, phương pháp này cho phép công ty giảm thời gian chờ và lượng giao dịch sai.

Grab bắt đầu ứng dụng phương pháp máy tính tự học từ cách đây 5 năm để lấy được những thông tin sâu, thói quen người dùng… qua hàng tỉ giao dịch thực hiện trên nền tảng của mình từ đó tối ưu hoá các dịch vụ.

Khi Grab bắt đầu khởi nghiệp, biên độ sai sót của ngành công nghiệp trực tuyến tại Đông Nam Á là gần 20%” nhưng với phương pháp học máy, đội ngũ của ông Foo có thể đào tạo hệ thống, phát hiện những lỗi sai trong các giao dịch nghi vấn, từ đó cắt giảm số lượng giao dịch sai xuống mức dưới 1%.

Bên cạnh tăng cường những tính năng an toàn, theo ông Foo, công nghệ Machine learning còn cho phép công ty đóng góp vào sự phát triển của những thành phố thông minh trong khu vực.

Một trong số các dự án mà Grab đã và đang thực hiện đó là Bản đồ mở (Open Street Maps), hiển thị hoá ngõ nhỏ, lối tắt vốn không xuất hiện trên các ứng dụng bản đồ phổ biến tại Việt Nam và Indonesia nhưng thường được cánh tài xế địa phương sử dụng.

Bên cạnh đó, năm ngoái, Grab còn thông báo kế hoạch đầu tư thêm 150 triệu USD vào lĩnh vực này để nghiên cứu cách bảo vệ hành khách an toàn hơn cũng như giải quyết tắc đường.

Những ví dụ của Elenium và Grab cho thấy, mức độ rất rộng của phương pháp học máy được áp dụng trên rộng khắp các lĩnh vực. “Vấn đề ở đây là phương pháp này “luôn đói dữ liệu” vì những hệ thống máy tính đều cần học số lượng lớn thông tin để có thể đưa ra những dự đoán chính xác”, ông Nathaniel Slater, lãnh đạo Phòng Giải pháp Học máy Amazon tại AWS chỉ ra và cho rằng: “Thách thức lớn nhất đối với hầu hết các công ty mới bắt đầu áp dụng đó là nếu không tìm được đúng dữ liệu, họ không thể tìm ra được mô hình học máy hiệu quả”.

Bạn cần đăng nhập để thực hiện chức năng này!

Bạn không thể gửi bình luận liên tục. Xin hãy đợi
60 giây nữa.