大雨の東京をカメラとAIだけで走る：Turing山本一成CEOと試乗して聞いたエンドツーエンド自動運転の現在地

結構な雨の中。もう土砂降りって言ってるんじゃないか。そうですね。ここももう車線も何もあったもんじゃないですね。車線がもう。これ難しい。

自動運転の課題って、頭のいいAIができれば問題解決するんですよね。

どうする？ 止まれました。はい、止まりました。

いや、本当に3年半前乗った時ともまるで別物で。

始まりました。もうこれ、自動運転状態。はい、そうです。確かに今、手放しですね。離れてますね。はい、離れてますね。

ということで今日は、チューリングの自動運転の技術が急速に成長してるということで、CEOの山本さんと一緒に、その技術を体験しながらいろいろとお話を聞きたいなと思っています。よろしくお願いします。よろしくお願いします。

今日、これあいにくの雨っていうことで、コンディション非常に悪いと思うんですけれども、いかがですか？ 自信のほどは。

はい。大丈夫かな？ 雨の中なんで、どうなるかわかんないですけど、普段より厳しい状況ではあるんですけども、なんとかやってくれると思います。

そして、今、青になったらもうアクセルとかも当然踏まずに。はい、踏まずに動いてます。一応ブレーキはかけることがあるかもしれないですけど、基本的にそういう感じです。

今日回っていただくコース、どんなコースでしょうか？ これね、銀座の周辺とか、結構かなり難しいコースを走っていこうと思います。東京の難所を巡るということですよね。

まず、チューリングの技術の特徴を教えていただけますか？ はい。我々、DAY1からエンドツーエンド自動運転というものを実現したいなと思って。エンドツーエンド、略してE2Eってやつなんですけども、カメラ情報をベースに、カメラから直接ニューラルネットワークがその状況を理解してハンドルを握ると。ハンドルを直接コントロールしているという状態です。

普通の自動運転というのはいろんなモジュールがあって、それらを統合していって、例えば認識するモジュールだとか、位置を推定するモジュールとかいろいろあるんですけど、そういったものを全部なくして、シンプルな仕組みで解決しようと考えています。

スムーズです。そうですね。スムーズに今、車線を変えましたね。はい。そして雨で本当、ちょっとどこに白線があるかもわかりづらいですが、スムーズに車線を変更しました。

今のちょっと難しかった。タクシーの人が急に路駐を始めてて。そうですよね。こういうイレギュラーなことって都内だと普通に起こるんで、こういったことを全部、今までルールで人間が書いたんですけど、全部if文で書いていくっていうのがルールベースって仕組みだったんですけど、そうじゃなくてAIによって解決しようというふうに考えてます。

単一のAIによって、1つの強大なAIモデルによって解決をすると。はい、そうです。

これ最近、確かイーロン・マスクさんも、ニューラルネットがどんどんC++のコードを食べていったと。要は、コードで書いてたところがどんどん少なくなっていて、AIで解決をしていったということを語ってましたけど、まさに同じようなことが起きてると。

はい、そうですね。実はでも私、これ初めての経験じゃなくて。私、以前、将棋のAIを作ったことがあるんですけど。そうです。名人を倒す将棋AIを作ったことがあるんですけど、その時、基本的にいろんなことを私が人間として、プログラマーとして書いたんですけど、そういったものをどんどん減らしていって、機械学習側に寄せていくってことを、かなり一貫したポリシーとしてやってたんですね。

なるほど。最終的に将棋の名人を倒した時って、多分コード量で言うと1万行いかないぐらい、結構小さい。かなり小さかったんですけど、それでそういったレベルを実現することができたんですよね。なるほど。多分同じようなことが起きてると思って。どんどんコードをシンプルにしていっていうのを、すごい意識していますね。

いや、しかし私、これ3年半ぐらい前に乗らせていただいたことあるんですよ、このチューリングの車。その時は確か千葉の柏の方で、実験コース、いや、公道ですかね。そうですね。乗らせていただいたんですけど、はっきり言ってその時とは全くの別物というか、正直その時の感想は、ちょっとテスラとかとの差、大きいなっていう正直な感想で。すごいけれどもちょっと大丈夫かなっていうような感想があったんですけれども、その時とは本当に全く別のレベルに達してるということですかね、これ。

そうですね。基本コンセプトは実は同じままなんですけども、本当にニューラルネットワークがどんどん性能が上がっていくっていう状況に今なっているんですね。

その3年ぐらい前と今で、変えたことと変わってないことって何なんですか？

まず変えてないことから話しますと、本当にエンドツーエンドのままやってると。変えたこととしては、やっぱりたくさんのデータを取っていくっていうこと。ここが大きいですね。あとはいろいろ学習方法も洗練されてきてます。必ずしもチューリングだけの知見というよりは、世界のニューラルネットワークの作り方っていう知見が、大幅に3年前と全然違うレベルになってるので、そういった知見にすごく大きく影響を受けてますね。

なるほど。ここまで一切ハンドルを手に取っていませんし、アクセル、ブレーキもしていないと。はい。こことか難しいですね。白線がちょっと見えない。見えないし、そもそもなんか。そしてブレーキとかも一切ないですね、今。

そうですね。かなり柔らかい運転を目指していまして。これ実はなんでかって秘密を話しますと、チューリングはドライバーさんを雇ってるんですけども、ドライバーさんの運転をベースに学習してるんですよね。

プロの、割とプロというか、うまい人の。はい、本当にうまい人の、レーサーとか、そういった方の運転をベースに今作っていて。かなり柔らかいタッチの運転ですね。

お聞きしたかったのが、とにかく人間の運転から学んでいくということは、つまり人間の悪い癖も学んじゃうんじゃないかと。結構普段、ドライバーさんって法的にはちょっとグレーな運転、よくやってると思うんですけれども。ということはチューリングっていうのは、本当にうまい学習データをメインに作ってるから、この運転もうまいと。

そうですね。そこすごい意識してますね。なるほど。じゃあグレーな運転もあまりやらない。はい。

なるほど。という中で、ちょっと私、左曲がりたいんだけど。ここで曲がりますか？ いや、うまいですね。これは結構大変でしたね。はい。ここに来るのか。狭いところ入ってきましたね。路上駐車の車も非常に多いですね。しかし、進んでますね。かなり慎重に。

はい。ここはやっぱり人間と見てるというか、ここはちょっと渡るかわかんない、人も怖い。そう、見て、結局、人間と一緒でこういうところって怖いじゃないですか。そうするとやっぱり速度を落としていくっていうふうになるじゃないですか。この辺、すごい空気を読んでやってるんですね。なるほど。

さっき、どんどんコードを書いてた部分、ifで書いてたところがなくなっていったって話ですけれど、今も残ってるところって何なんですかね？

いや、もうむしろ全然なくなっちゃった。本当に、システムとしてのメンテナンス性とかあるんですけども、ほとんどどんどん減ってるかな。今年もどんどん減らそうって話になってますね。

なるほど。という中でちょっと1点気になるのが、例えば今年、生活道路の制限速度が60キロから30キロになったじゃないですか。ああいうのってある日突然変わるわけで。はい、そうですね。学習データにはないはずじゃないですか。そういうのはさすがにif文で書かないと、ルールで書かないとダメなんじゃないかって思ったりするんですが、その辺りは。

その辺はナビはさすがに更新していかなきゃいけないかなって。これかなり難しい。人がいっぱいいて。行けるのかどうかは、やっぱり慎重に行ってますね。

いや、うまいですね。うまいな。今までのところ特に怖いなと思う瞬間が本当にないですが、今のところはこうやって、何かあった時に常に手を取れるようにしなきゃいけないということですよね。そうです。はい。まだ開発中なものでして。ただ目指すは、やっぱりもう完全自動運転、レベル。そうですね。

ちょっともしかしたら渡るのかなって思うような。もうこの子、びびってましたね、今ね。このふんわりしたブレーキがすごい得意なんですよね。

これも悩ましいですね。行くべきかどうか。右折したいんですけど、これ左折をかわして右折してますね。こういうの悩ましいんですよね。いや、でも上手じゃないですか、これ。はい、スムーズに。

チューリングといえば、テスラを超えると。それは今も変わらずですか？

そうですね。テスラを超える。少なくとも自動運転に関しては、彼らを超えるようなものを作らなければって強く思ってますね。

本当にそのコンセプトを掲げていらっしゃって、創業当初から。そうなった時に、完全に後発じゃないですか。となると、テスラを超えるにはテスラがやってないことをやらないと勝てないんじゃないかなと思う中で、基本的には同じことをやられてるっていう認識なんですけど、合ってますか？

そうですね。AI技術っていうのをちゃんとキャッチアップしていくっていうのを、すごく大切に考えてますね。差別化のための差別化は特にしてないですね。奇をてらったことはやられない。そうです。でもその結果として、開発コストというのをすごい下げることができていて、テスラが本当に兆とかいう開発規模を使ってるんですけど、我々は全然それよりもはるかに少ない金額で、今達成できてるっていうふうに考えてますね。

なるほど。じゃあ間違いなくテスラの背中は近づいてるわけですね。そうですね。まだまだ距離はありますけど、じゃあどうやって届くんだよみたいな感じじゃないですね。これ迷いましたね。これ、行くなら行った方がいいですね、ちょっとね。でもこれちょっと黄色で悩ましかったですね。なるほど。

ここがいわゆる、ここですね。ここはトップクラスに難しいところです。そうですね。これもいろんなことが起こるので。かなり慎重に進めてますね。はい。ここも例えば、さっきの車がちょっと止まるのか、さすのかわかんない感じじゃないですか。こういうのがよく起こるんですよね。なるほど。

自動運転の陣営っていうのはいろいろあると思うんですけれども、チューリングというのはテスラと似てると思いますが、他の陣営と何が大きく違うかってところを、簡単に教えてもらえますでしょうか？ はい。ここはちょっと。ちょっと待ってください。あそこはどうなるんだろう？

ここはですね、まず我々はエンドツーエンドってやってます。他の自動運転で有名なのはWaymoさん。ロボタクシーで有名なWaymoさんがいらっしゃるんですけど、自動タクシー、無人タクシーですね。Waymoさんは結構他のセンサーとか、あとモジュールも結構利用されてるみたいという感じですね。

一方で我々は、結構カメラだけっていう原理主義というか、カメラだけでなんとか実現したいというふうに考えてます。実際、人間は目2つだけで動かしてるわけで、実際不可能ではないはずなんですよね。なるほど。

これは難しいですね。譲っていただけるんですね。譲っていただいたら行くっていう感じですね。ここも横断歩道があって、慎重に周り見ながらって感じですね。

ちなみにXとかで見たんですけども、サンキューハザードも勝手に学習したって聞いたんですけども。これもルールで書いてるわけじゃなく。そうです。勝手に、プロのドライバーさんの学習データにあったから、やるようになったと。そうですね。面白いですね。

ここは、ここで1回止まれで。ここ信号ないんですね。そうですね。やっぱり信号がないところの交差点ってすごい難しい。そうですよね。これはどうするんだ？ はいはい。ここで。そうです。これで歩行者を見て、来るかどうか悩んでますね。あの方が来ないから行くかって気になってますね。

これやっぱり、人間の顔の向きとか、その意図とかを見ないと、もうこういうところでは行けないんですよね。ただそれも自然と学習してるって感じですか？ そう。今日はもう傘まで差してるから、もうめちゃくちゃ難しいです。

確かに。いや、本当にね、ああいう際どい場面をどうするかっていうのは、こういうの難しかったりしますね。運転って難しいんですね。そうなんです。人間は本当にうまくやってますけどね。

これちょっと細かい話で、どうやって学習してるのかっていうところをお聞きしたいんですけど、カメラ確か7個あるんですよね。そうですね。今は7個使ってますね。要は1秒間に多分何十枚かの静止画が撮られると思うんですけれども、それを7個の画像をどう統合させてるんですか？

統合？ そのまま入れてるんだけど、特になんか、そのまま突っ込んでますね。そのまま。なるほど。平均化するとかでもなく、もう一気にバッと。平均化、そのまま入れてますね。

そのまま入れて、この状況だとアクセルを踏むとかっていうのを学習しているっていう。そうですね。結構普通にそのままやってますね。特に凝ったり、一応ニューラルネットワーク上でいろいろあるんですけど、技術的には。でも別に7枚の画像を入れてるって思ってくれて、ほぼ正解です。シンプルなんですね。はい。

むしろシンプルに作ろうっていうのは、すごい大事な美学なんですよね。特殊な凝ったことをせずに、普通のニューラルネットワークで、普通に今、現代で使われてる技術をどんどん使っていこうっていうのは強く意識してます。なるほど。

という中で、確かLLMっていうのが流行り出した、大規模言語モデルですね、っていうのは創業の後ですよね。そうですね。その技術っていうのは何らか取り入れてるんですか？

すごい意識してて、だから基本的にあれに近くなるといいかなっていうのは、すごく思ってますね。大規模言語モデル的なところ。そうです。あれもいろいろ派生版はいっぱいあるんですけど、それでもそこから大きく外れるようなことは良くないよねっていうのは、結構強く思ってますね。なるほど。

ちなみに大規模言語モデルって、いわゆるネクストトークンプレディクションと呼ばれますけど、次々と次の単語を、最適な単語を予測してどんどん生成していくっていうことかと思いますけど。じゃあその思想に近づくとなると、例えばこれ、毎秒何十枚かの写真を撮ってると思うんですけど、次の画像がどうなるかっていうのを予想して。めちゃくちゃ詳しい。ってやってるんですか？

もう言えない。言えない。言えないレベルな。いや、質問が鋭すぎますね。もうちょっと企業秘密に迫られてる感じですね。もうちょっとそれ以上は、言えないレベルに本当。そういうレベル、おっしゃる通りで、いろいろやっておりますことを。はい。ということは、今のモデルには入ってないんですもんね。

さっきの質問というか、テスラを超えるとなった時に、追いつくまでは確かに愚直に基本的なところをやってればいいかもしれませんが、やっぱり超えるとなると、さらに一歩先を何らか取り入れなきゃいけないのかなと思う中で、そういう方向性とかあったり。一般論として。

そうです。本当におっしゃる通り、そういうようなことをすごく意識してやってますね。なるほど。

そしてここは銀座。ここも銀座です。銀座ですね。ここも車線が多いところですね。自然と車線も変更で。はい。

なるほど。今のところは、かなりセンシティブな。そうなんです。ニューラルネットワークのアーキテクチャについて踏み込まれるのは、これは本当に会社としてはそろそろ。なるほど。ありがとうございます。いや、でもすごいやっぱり勉強されてますよね。すごいびっくりした、今聞かれて。

その辺りもちょっと気になってて。ただやっぱり、LLM、大規模言語モデルに近づいていくとなると、GPUの性能っていうのが追いつくのかっていうところが気になると。まずちょっとその前に、今っていうのは後ろにGPUみたいなのがあるんですか？

そうですね。ちっちゃいGPUがありますね。ちっちゃいですか？ はい。かなり軽量。そうですね。あと車の量産を意識すると、やはりなかなか大規模なものが載せられないっていうのもありますし、もう少し別の視点があります。車用の専用の、車載用に耐えられるようなGPUっていうのがありますね。

なんでかっていうと、結局車って暑かったり寒かったりするので、普通のいわゆるサーバーで使われるようなGPUは、ちょっと持たないんですよね。なるほど。そうです。かなり過酷な環境でも上手に動くようなって意味で、グレードっていうのをよく言われてます。

NVIDIAですか？ そうです。今はNVIDIAですね。NVIDIA、車載もいろいろ作られてますね。なるほど。そうです。いいですね。止まりましたね、しっかりと。

ちなみにその車載グレードっていうのは、別にいわゆるAIサーバーにあるような水冷が必要とか、そういうものでも。そうですね。普通に空冷でやってますよ。なるほどですね。

ただやっぱり、この先の発展の先というのは、LLMに近づいていくとなると、GPUもどうなんでしょう？ 大きくならざるを得ないのか。

これはまず、計算機パワーとして車に載ってるのはちっちゃいんですけど、かなり最適化を頑張ってます。本当に頑張ってます、この会社は。小さいGPUでもものすごく速く、高速で動けるようにっていうのを頑張ってますね。

パラメーターを大きくすればいいじゃないかは、よく言われてる話なんですけど、車の場合はトレードオフがかなりありまして、大きくすると推論速度が出ないんですよね。大規模なのってやっぱり、なかなか高速化するのって大変。特に計算機が小さいと。

確かになかなか回答返ってこないですね。そうですね。だからそこのトレードオフの中で、なんとかギリギリできるっていうパラメーター数をいつも探してるという感じですね。なるほど。

いわゆる効率的なAIモデルだと思うんですけど、そこってテスラと比較した時って、勝ってるなとかっていうのはわかるものなんでしょうか？

テスラさんも、使ってる計算機自体の大ざっぱなスペックは公開されていて。となると、この辺でしょうねっていうのは見えてますね。なるほど。そこはいい線行ってるというか。そうですね。同じレベルぐらいの。そうですね。でもテスラさんのことを考えると、多分結構同じようなモデル感なんじゃないかなっていうのは思ってます。なるほど。

これ、いわゆる特化型のAIかと思います。自動運転の特化型のAIだと思うんですけれども、ただ今AI業界の中で起こってるのは、とにかく巨大なモデルがいろんな特化型を飲み込んでいくみたいなことも起きてると思うんですけれども。そうなった時、いわゆるOpenAIとかの汎用型のAIが、自動運転もできちゃうみたいな未来って来る可能性あるんですか？

大きな意味ではあり得ると実は思ってるんですよね。ただ現実的にすぐはないだろうって思ってるのは、やっぱりさっき言った推論速度とかが全然満たされてないんですね。どれぐらいできるかっていうのは、よく興味を持って測ってるんですけど。まだ、ちょっとかなり運転状況が厳しいので。

あれとかね。いや、ひどいね。これ今、めちゃくちゃな情報が目の前にありますが。そうなんですよ。やっぱりこうなりますから。なるほど。いや、これひどいですね。でもやっぱり本当すごい厳しい状況ですけど、本当になんか急ブレーキとか一切ないですね。いや、厳しい。めちゃくちゃだよ。

人間めちゃくちゃですね。人間が悪いんですよ。自動運転の最大の敵は人間なんで。本当にそういう状況ですね。そうですよね。人間がもう少しなんか気を持って運転してくれたら、もういけるから。

自動運転の陣営を大きく分ける時によく言われるのが、いわゆるHD、高精細なマップを必要とする陣営と。止まりました、しっかりと。はい、赤信号で止まりました。HDマップを必要とする陣営と、それがいらない陣営と分かれると思います。チューリングはいらない。

いらないですね。いわゆる普通のナビだけで自動運転っていうのを実現してますね。ここもテスラと同じということで、その大きな特徴というのは、つまり学習していないエリアでも走れると。

そうですね。今まで実は実験したことがありまして、東京で学習を主にしたんですけど、大阪とか名古屋とか、行ったことないエリアを走らせてみたんですけど、別に普通に走りますね。いわゆるゼロショットで、本当に問題なく今のところ。はい、そうですね。走れてると。

もちろん人間と一緒で、何回か走ったことがあるとやっぱり良さそうなんですけども。そこもすごい人間っぽいですよね。見たことあった道の方が全然違いますよね。なるほど。とはいえ、見たことない道も走れなくはないっていうのが、すごく人間らしい感じですね。

海外は無理ですかね？ 今実はアメリカで実験をしてまして、結構そろそろ走れるんじゃないかなっていう感じになってきました。なるほど。ただそれ、アメリカでもやっぱりテストドライバーの人がいて、学習した上でってことですか？

そうです。データを集めてきて。アメリカはやっぱりハンドルの向きが違うので、つまり車線が左側通行と右側通行でめちゃくちゃ違うので。そうですよね。ここをなんとかするっていうことからスタートですね。

なるほど。その学習データがどこまで適用できるのかっていう話に関連すると、これってアルファードですよね。はい、そうです。アルファードのいろんな箇所にカメラがあって、それで学習して、アルファードを走らせてると思いますけれども。例えばこれをスバルの車にいきなりドンと載っけて、カメラ取り付けて走れるようになるかなっていうところはちょっと疑問なんですけども。つまりやっぱり結構、車幅の感覚とか全然変わってくると思うんで、狭い道とか走る時に、やっぱり難しいのかなと思うんですけども、その辺りどうなんでしょう。