Autonoma fordon förflyttar sig helt eller delvis utan mänsklig inblandning med hjälp av kameror, radar, lidar och AI-programvara. Standarden SAE J3016 definierar sex nivåer – från 0 (ingen automatisering) till 5 (helt förarlöst överallt). AI sköter perception, förutsägelse av andra trafikanters beteende och ruttplanering. Utöver bilar omfattar detta robottaxi, lastbilar, skyttelbussar och lagerfordon; godkännande och ansvar regleras separat i varje land.
AI inom transport omfattar tillämpningar inom logistik, trafik och mobilitet: väg- och turplanering, trafikprognoser, prediktivt underhåll av fordon och infrastruktur samt förarassistans ända till autonoma fordon. Målen är kortare sträckor, färre tomkörningar, lägre kostnader och större säkerhet. Många tillämpningar är säkerhetskritiska och därför strikt reglerade. Exempel: ett paketföretag planerar om sina leveransrundor varje dag utifrån försändelsevolym och trafikläge.
Datorseende är ett område inom AI där datorer tolkar bilder och video. Typiska uppgifter är att upptäcka och lokalisera föremål, läsa text i bilder och mäta komponenter. Tekniken används till exempel för kvalitetskontroll i tillverkningen, i förarassistanssystem, inom logistik och vid medicinsk bilddiagnostik.
Djupuppskattning avgör utifrån bilder hur långt bort objekt eller enskilda pixlar är från kameran. Det kan göras med två kameror (stereo), med djupsensorer eller, med hjälp av neurala nätverk, till och med utifrån ett enda foto (monokulär djupuppskattning). Det behövs inom robotik, förarstöd, förstärkt verklighet och 3D-modeller av rum.
Förstärkningsinlärning är en gren av maskininlärning där en agent lär sig genom att prova sig fram. Den agerar i en miljö, får belöningar för bra utfall och straff för dåliga, och utvecklar på så sätt en strategi som maximerar den samlade belöningen. Kända exempel är program som bemästrar brädspel som Go, robotstyrning och finjustering av språkmodeller utifrån mänskliga omdömen.
