Dans une initiative révolutionnaire pour la sécurité routière, les chercheurs de l'Université Johns Hopkins ont développé SafeTraffic Copilot, un outil basé sur l'IA capable de prédire les risques d'accident de voiture et d'informer sur les mesures préventives.
Les chercheurs de l'Université Johns Hopkins ont franchi une étape importante en matière de sécurité des transports avec le développement de SafeTraffic Copilot, un outil d'intelligence artificielle avancé conçu pour prédire et atténuer les risques d'accident de voiture aux États-Unis.
Les résultats sont publié dans la revue scientifique Nature Communications.
« Les accidents de voiture continuent d'augmenter aux États-Unis, malgré des décennies de mesures préventives. Il s'agit d'événements complexes influencés par de nombreuses variables, telles que la météo, la circulation et le comportement des conducteurs », a déclaré Hao (Frank) Yang, auteur principal et professeur de génie civil et des systèmes à l'université Johns Hopkins, dans un communiqué de presse. « Avec SafeTraffic Copilot, notre objectif est de simplifier cette complexité et de fournir aux concepteurs d'infrastructures et aux décideurs politiques des informations fondées sur des données pour atténuer les accidents. »
SafeTraffic Copilot s'appuie sur les grands modèles de langage (LLM), un type d'IA capable de traiter, de comprendre et d'apprendre à partir de données volumineuses.
Le modèle a été entraîné à partir de diverses sources de données, notamment des descriptions textuelles de l'état des routes, des données numériques telles que le taux d'alcoolémie, des images satellite et des photographies prises sur le terrain. Sa conception sophistiquée lui permet d'évaluer les facteurs de risque individuels et combinés des accidents de la route, offrant ainsi une compréhension fine de l'interaction de ces éléments.
La boucle d'apprentissage continue de cet outil innovant garantit une précision prédictive accrue à mesure que de nouvelles données relatives aux accidents sont introduites. Cette fonctionnalité unique rend l'outil de plus en plus fiable au fil du temps.
Les chercheurs peuvent également quantifier la fiabilité de chaque prédiction, en fournissant un pourcentage de précision pour les scénarios du monde réel.
« En recadrant la prédiction des accidents comme une tâche de raisonnement et en utilisant les LLM pour intégrer des données écrites et visuelles, les parties prenantes peuvent passer de statistiques globales et grossières à une compréhension affinée des causes d'accidents spécifiques », a ajouté Yang.
SafeTraffic Copilot se veut un outil précieux pour les décideurs politiques et les concepteurs de transports, leur permettant d'identifier les combinaisons de facteurs de risque et de mettre en œuvre des interventions fondées sur des données probantes. Les informations fournies par cet outil peuvent orienter une planification des infrastructures et des mesures de sécurité plus efficaces, permettant ainsi de sauver des vies et de réduire les accidents de la route aux États-Unis.
« Plutôt que de remplacer les humains, les LLM devraient servir de copilotes – en traitant les informations, en identifiant les modèles et en quantifiant les risques – tandis que les humains restent les décideurs finaux », a ajouté Yang.
La vision plus large de l'équipe comprend l'application de SafeTraffic Copilot comme modèle pour l'intégration responsable de l'IA dans d'autres domaines à enjeux élevés comme la santé publique et la sécurité humaine.
Étant donné la nature de boîte noire des modèles basés sur le LLM, les chercheurs continuent d’explorer les moyens de rendre les décisions basées sur l’IA transparentes, responsables et alignées sur les valeurs sociétales.
« L’objectif principal de nos recherches en cours est de trouver la meilleure façon de combiner les forces des humains et des LLM afin que les décisions dans les domaines à enjeux élevés soient non seulement fondées sur les données, mais également transparentes, responsables et alignées sur les valeurs sociétales », a ajouté Yang.
Les co-auteurs de l'étude incluent Hongru Du, professeur adjoint à l'Université de Virginie, ainsi que les candidats au doctorat de Johns Hopkins Yang Zhao, Pu Wang et Yibo Zhao.
Source: Johns Hopkins University