Forskning4. august 2026
Selvkjørende biler lærer dårlig av feil når de «jukser» med fasiten
Av redaksjonen
Selvkjørende systemer utvikler en slags «jukse-atferd» når de får se fasiten for fremtidig kjøring, noe som fører til dårligere beslutninger i kritiske situasjoner. Ny forskning foreslår en metode for å unngå dette.
Forskere har oppdaget at autonome kjøresystemer (ADAS) utvikler en «» når de trenes med hele den fremtidige kjøreruten, også kalt ''. Modellen lærer da å rettferdiggjøre fasiten fremfor å faktisk resonnere ut fra situasjonen.
Dette fører til såkalte , der AI-en 'ser' ting som ikke stemmer med virkeligheten, spesielt i utfordrende trafikksituasjoner. Problemet oppstår fordi dagens treningsmetoder gir AI-en for mye informasjon for tidlig. Ved å utsette visningen av fremtidige ruter til etter at modellen har tatt en beslutning, kan man unngå denne snarveien. Metoden, kalt DEFT-RLVR, forbedrer modellens evne til å resonnere uten å svekke dens generelle visuelle forståelse.