美国约翰斯・霍普金斯大学的研究团队在交通安全领域取得重要突破，他们开发出一款名为“交通安全副驾”的生成式人工智能工具，能够精准预测交通事故风险。相关研究成果已在最新一期《自然・通讯》杂志上发表。
据介绍，交通事故的发生往往涉及多种复杂因素，包括天气状况、交通流量、道路设计以及驾驶行为等。为了实现对交通事故风险的精准预测，该研究团队利用大语言模型技术，深入解析了超过66000起交通事故的数据。这些数据涵盖了路况信息、血液酒精浓度数值、卫星影像以及实地拍摄的影像资料等。
这款人工智能工具不仅具备预测交通事故风险的能力，还能同步给出“置信度评分”。这一功能使得预测结果的可靠程度得以直观呈现，有效解决了AI决策过程中存在的“黑匣子”问题，为高风险领域的AI应用扫除了重要障碍。
以美国马里兰州为例，近年来该地区高速公路上的死亡人数呈上升趋势。数据显示，从2013年的466人攀升至2023年的621人。通过模型分析，研究团队发现，酒驾和超速行驶引发的事故量远超其他因素，达到其他因素引发事故量的3倍之多。
与传统的仅能基于历史数据进行分析的机器学习技术相比，这款“交通安全副驾”工具展现出了真正的预测能力。即使面对训练样本中未出现过的新情况，该工具也能生成准确的预警信息。该工具还具备持续优化的能力，通过补充新的数据，可以不断优化预测模型，从而灵活适应不同地区的交通治理需求。
