هل سيغيّر الذكاء الاصطناعي إعدادات سيارات ديرت تريال؟ — الخطوط الأمامية لتحليل البيانات والتكيّف مع سطح المضمار
محاولتان محسوبتان بالتوقيت، مدة كل منهما نحو دقيقتين: ماذا يمكن للذكاء الاصطناعي أن يتعلم من بيانات بهذه القلة؟ يطرح DirtMan السؤال من مقعد السائق
بدأ الذكاء الاصطناعي يتغلغل بجدية في هندسة رياضة السيارات. تحليل بيانات القياس عن بُعد، والتنبؤ بزمن اللفة، ونمذجة تآكل الإطارات — هذه كلها واقع قائم بالفعل في WRC والفورمولا 1. لكن ماذا عن رياضة اليابان الخاصة، ديرت تريال؟ سطح يتغير باستمرار، ومحاولة زمنية واحدة، وميزانيات محدودة — إلى أي مدى يمكن للذكاء الاصطناعي أن يعمل في هذه البيئة بالذات؟ يتأمل DirtMan في الأمر انطلاقاً من تجربته التنافسية الخاصة.
باتت البيانات اليوم في قلب رياضة السيارات على أعلى المستويات. فسيارة الفورمولا 1 تحمل مئات المستشعرات، وتنكبّ الفرق على تحليل ما تسجله طوال كل عطلة سباق. لذا من الطبيعي أن نتساءل: هل يمكن للذكاء الاصطناعي يوماً ما أن يساعد في ضبط السيارة في رياضة مثل ديرت تريال؟ بصفتي متسابقاً في ديرت تريال، أتناول هذا السؤال بفضول حقيقي، وبحذر أيضاً، لأن هذه الرياضة يصعب على نحو غير عادي قراءتها من الأرقام وحدها.
لنبدأ بقلة البيانات. في ديرت تريال تنطلق السيارات واحدة تلو الأخرى، وتستغرق المحاولة نحو دقيقتين، ولا يحصل كل سائق إلا على محاولتين محسوبتين بالتوقيت، تُحتسب أسرعهما. وفي جولات بطولة اليابان تُقام عادة حصة تدريب مفتوحة يوم السبت، ثم المحاولتان الرسميتان يوم الأحد. وعلى مدى عطلة نهاية أسبوع كاملة، لا يتجاوز نصيب كل سيارة بضع محاولات. التعلم الآلي يزدهر بكميات كبيرة من البيانات، أما ديرت تريال فلا يمنحه إلا القليل.
ثم هناك سرعة تغير الأحوال. فعندما تنطلق السيارات كلها، قد تستغرق الجولة الواحدة من المحاولات ساعتين إلى ثلاث، ويظل السطح غير المعبّد يتغير مع مرور كل سيارة. في الجولة 5 في إيبيسو بفوكوشيما في يونيو الماضي، سجّل الفائزون في الفئات العشر جميعاً أفضل أوقاتهم في المحاولة الثانية، وكان الفائز في PN2 أسرع بنحو تسع ثوانٍ في المرة الثانية، من 1:36.720 إلى 1:27.951. والنموذج الذي تدرّب على المحاولة الأولى قد يشير بسهولة إلى الاتجاه الخطأ في المحاولة الثانية. كما أن كثيراً مما يعتمد عليه السائق يصعب تسجيله أصلاً: إحساس الأرض تحت القدمين أثناء السير على المسار، أو ما تقوله السيارة عبر المقعد وعجلة القيادة.
لكن هذا لا يجعل الذكاء الاصطناعي بلا فائدة هنا. أستطيع أن أتخيله يساعد بطرق أكثر تواضعاً: جمع سنوات من أوراق ضبط السيارة وضغوط الإطارات والطقس والنتائج في مكان واحد، لتظهر أنماط عبر المواسم بدلاً من أن تبقى حبيسة الذاكرة؛ ومقارنة الفيديو المصوَّر من داخل السيارة في محاولة بالفيديو في المحاولة التالية؛ وجمع النتائج المنشورة — وهي أوراق تذكر أصلاً زمن المحاولتين، وأحياناً حتى علامة الإطارات لكل سيارة — وطرح أسئلة أدق عن المكان الذي كسب فيه منافس ما وقته. لا شيء من ذلك يحل محل التقدير، لكنه قد يشحذه.
في النهاية، لا يزال القرار يُتخذ عند خط الانطلاق، على يد إنسان، وبمعلومات لا يملكها أي نموذج: السير على المسار، والسيارات التي انطلقت قبله، والإحساس في اليدين. السؤال الحقيقي ليس ما إذا كانت آلة تستطيع قيادة المسار بدلاً منا، بل ما إذا كانت تستطيع أن تساعدنا على التذكر والمقارنة والملاحظة على نحو أفضل قليلاً. وعلى سطح لا يبقى على حاله أبداً، قد يكون ذلك وحده كافياً لصنع الفارق.
This column space is a paid placement for sponsor companies. Exposure across all World Stage Journal articles, distributed in 23 languages worldwide.
Inquire About Placement →Share this article
Comments
0Related Articles

لماذا اخترت dirt trial — DirtMan
كان عمّي — بطل dirt trial على مستوى اليابان كلها — من جلبني إلى هذه الرياضة. كنت دائماً أعشق WRC وال…
من شاشة البث إلى موجز التواصل — كيف دخلت وسائل التواصل الاجتماعي رعاية رياضة السيارات
ظلت قيمة الشعار على سيارة السباق تُقاس طويلًا بعدد مرات ظهوره على التلفزيون في المقام الأول. ثم دخلت…
من الديرت تريال إلى رالي الكروس كانتري — دليل الانتقال والخطوات الفعلية
«إذا كنت أتنافس في الديرت تريال، فمن المؤكد أن ذلك ينتقل إلى الرالي» — سؤال طرحه كثير من السائقين في…
FOUNDING READER
This journal exists because 100 people believed in it before the world did.
Seat #001 could be yours.