Meskipun begitu, pembuatan teknologi mobil otonom tidaklah mudah. Ada beberapa langkah yang harus dilalui sebelum sebuah kendaraan bisa sepenuhnya berkendara tanpa sopir. Setidaknya begitulah yang diungkapkan oleh Olivier Klein, Head of Emerging Technologies, Asia Pasifik, AWS.
"Tahap pertama, Anda akan mendapatkan assisted self-driving car, yang akan memeringatkan Anda ketika ada bahaya atau obyek di hadapan Anda," kata Klein. Setelah itu, dia menyebutkan, teknologi kendaraan otonom akan dikembangkan sehingga kendaraan menjadi semakin mandiri.
"Mungkin, teknologi ini bisa digunakan pada bus yang menggunakan jalan khusus," ujarnya. Setelah itu, barulah teknologi kendaraan otonom bisa diuji ke jalan biasa dengan segala kerumitannya.
Sebagai penyedia cloud, tugas AWS dalam membantu pengembangan kendaraan otonom adalah terkait akses ke pembelajaran mesin atau machine learning dan juga computer vision.
Seperti yang disebutkan Klein, sebuah mobil otonom harus bisa mengenali obyek yang ada di sekitarnya. Tidak hanya itu, ia juga harus bisa mengenali jalan, tikungan dan mengambil keputusan berdasarkan skenario di dunia nyata.
Untuk membuat software pada mobil yang bisa melakukan itu semua, biasanya sebuah model akan dibuat dan "dilatih" menggunakan data dalam jumlah yang sangat banyak.
Olivier Klein, Head of Emerging Technologies, Asia Pasifik, AWS. (Medcom.id)
Sayangnya, proses pelatihan ini tidak hanya membutuhkan storage dalam jumlah besar tapi juga memerukan daya komputasi yang sangat tinggi -- yang biasanya memakan biaya yang tidak murah. Di sinilah peran AWS.
Mereka ingin menyediakan platform yang memudahkan perusahaan untuk melatih model machine learning mereka tanpa harus repot membeli hardware. Perusahaan bisa menggunakan jasa dari AWS dan membayar jasa itu per detik.
"Kami berusaha untuk membuat pelatihan model machine learning menjadi hemat biaya, tanpa mengharuskan sebuah perusahaan untuk membeli banyak hardware," ujar Klein.
Menurut studi yang dilakukan oleh University of Illinois, keberadaan kendaraan otonom dapat mengurangi kemacetan. Menurut laporan MIT Technology Review, keberadaan kendaraan otonom juga bisa mengurangi konsumsi bahan bakar.
Klein menyebutkan, kemacetan juga bisa dikurangi dengan sistem optimasi lalu lintas. Dia menjadikan apa yang dilakukan oleh Toyota Tsusho Electronics di Bangkok sebagai contoh.
Toyota Tsusho Electronics menggunakan data dari mobil taksi untuk mengetahui aliran trafik. Selain itu, mereka juga menggabungkan informasi ini dengan prakiraan cuaca.
"Bangkok sangat mirip dengan Jakarta. Keduanya sangat rawan banjir, yang menyebabkan kekacauan lalu lintas. Jika Anda bisa memprediksi banjir, tahu dimana banjir akan terjadi, Anda bisa mengalihkan lalu lintas," kata Klein.
Dan inilah yang Toyota Tsusho Electronics lakukan. Meskipun terdengar sederhana, apa yang dilakukan Toyota Tsusho di Bangkok ini bisa mengurangi tingkat kemacetan hingga lebih dari 30 persen.
Cek Berita dan Artikel yang lain di
Google News
