In de afgelopen jaren is de auto-industrie geconfronteerd met nieuwe uitdagingen op het gebied van cybersecurity, vooral in verband met verbonden voertuigen en geautomatiseerde rijtechnologieën. De integratie van nieuwe technologieën heeft onmiskenbare voordelen, maar brengt tegelijkertijd aanzienlijke risico’s met zich mee. De vergaande connectiviteit van voertuigen maakt ze gevoelig voor cyberaanvallen, wat de noodzaak van robuuste beveiligingsmaatregelen in deze sector onderstreept.

De Britse overheid heeft, in samenwerking met het Centre for the Protection of National Infrastructure (CPNI), richtlijnen opgesteld die als fundament dienen voor de beveiliging van voertuigen, verbonden infrastructuur, en de bredere ecosysteem van intelligente transportsystemen (ITS). Deze richtlijnen zijn gebaseerd op acht fundamentele principes die de basis leggen voor de beveiliging van voertuigen en systemen gedurende hun gehele levenscyclus. De principes variëren van het eigenaarschap en de bevordering van beveiliging op bestuursniveau, tot het beheren van risico’s die specifiek zijn voor de toeleveringsketen en het ontwerp van systemen die bestand zijn tegen aanvallen.

Daarnaast introduceert de Publicly Available Specification (PAS) 1885:2018 een formele specificatie die deze principes verder uitwerkt. Dit document helpt alle belanghebbenden in het voertuigecosysteem beter te begrijpen hoe ze de beveiliging van voertuigen en gerelateerde ITS moeten verbeteren en onderhouden. Het biedt richtlijnen voor het beheren van beveiliging door de levenscyclus van het voertuig, van ontwerp en productie tot operatie en decommissionering. Dit uitgebreide en systematische benadering helpt bij het beheren van de voortdurend evoluerende bedreigingen waar voertuigen en transportinfrastructuur mee te maken krijgen.

Een van de grootste zorgen voor fabrikanten van autonome voertuigen is de toenemende dreiging van hacking. De verbondenheid van voertuigen, van infotainment-systemen tot de kernsystemen die de voertuigen zelf besturen, opent nieuwe aanvalsvectoren voor kwaadwillende actoren. Er zijn al verschillende incidenten bekend, zoals de hack in 2015 waarbij hackers 1,4 miljoen voertuigen van Fiat Chrysler op afstand konden besturen en besturen via een kwetsbaarheid in het UConnect-systeem. Dit soort aanvallen benadrukt de noodzaak voor voortdurende updates en softwarebeveiliging die ervoor zorgt dat voertuigen tegen dergelijke aanvallen beschermd zijn.

Een ander voorbeeld betreft de kwetsbaarheid van LiDAR-systemen die gebruikt worden in autonome voertuigen. In 2016 beweerde een beveiligingsexpert in staat te zijn een LiDAR-systeem te misleiden door valse reflecties te creëren, waardoor het voertuig zichzelf niet goed zou kunnen verplaatsen. Dit soort kwetsbaarheden laat zien hoe belangrijk het is om niet alleen de software maar ook de sensoren en hardware van een voertuig te beschermen tegen manipulatie.

Het debat over hacking gaat verder dan enkel het beschermen tegen externe aanvallen. In sommige gevallen, zoals in de VS, wordt het debat gevoerd over de wettelijke mogelijkheden voor autobezitters om hun eigen voertuigen te hacken of de software te onderzoeken zonder juridische gevolgen. Dit wordt steeds relevanter gezien het voorbeeld van het Volkswagen-emissieschandaal, waar software werd gebruikt om emissietests te omzeilen. In dit geval werd een juridische uitspraak gedaan die het mogelijk maakt voor voertuigbezitters om de software van hun voertuigen te onderzoeken, zolang dit geen inbreuk maakt op auteursrechten of andere juridische bepalingen.

De beveiliging van verbonden voertuigen vereist een uitgebreide aanpak, die verder gaat dan alleen het beschermen van de voertuigsoftware. De focus moet liggen op het ontwerp van hardware, de bescherming van communicatienetwerken tussen de verschillende ECU’s (Electronic Control Units) van een voertuig, en de beveiliging van externe invoerbronnen zoals Bluetooth, USB-poorten, en de OBD-connector. Hypervisors, bijvoorbeeld, worden steeds vaker gebruikt om kritieke voertuigfuncties te isoleren van niet-kritieke applicaties zoals infotainment, waardoor de kans op besmetting van essentiële systemen door malware aanzienlijk wordt verkleind.

Beveiliging moet van de grond af worden geïntegreerd in het ontwerp van voertuigen en hun systemen, waarbij aandacht wordt besteed aan zowel software als hardware. Dit is een voortdurende taak die niet stopt zodra een voertuig de fabriek verlaat. De dynamische aard van de cyberdreigingen vereist dat fabrikanten proactief blijven werken aan het versterken van hun beveiligingssystemen gedurende de gehele levenscyclus van het voertuig.

Het belang van het waarborgen van veiligheid in verbonden voertuigen kan niet genoeg benadrukt worden. Het opstellen van sterke richtlijnen, het implementeren van een defensieve benadering bij het ontwerpen van systemen, en het zorgen voor constante updates zijn essentieel om de integriteit van deze voertuigen en hun ecosysteem te waarborgen. Auto-industrieën moeten samenwerken met experts op het gebied van cybersecurity om de steeds geavanceerdere methoden van aanvallen tegen te gaan en het vertrouwen van consumenten in geautomatiseerde systemen te behouden.

Hoe Kunstmatige Intelligentie Onze Levens Verandert: Van Deep Blue tot Zelfrijdende Auto's

Kunstmatige intelligentie (AI) heeft in de afgelopen decennia enorme vooruitgangen geboekt, vooral in de context van technologieën die ons dagelijks leven beïnvloeden. Van het winnen van schaakwedstrijden door Deep Blue tot de integratie van slimme assistenten zoals Siri en Alexa, AI heeft zijn intrede gedaan in de meest uiteenlopende gebieden. Toch blijft er veel discussie over de vraag of AI werkelijk "intelligent" is, of dat het gewoon complexe berekeningen uitvoert zonder bewustzijn of zelfreflectie. Dit dilemma wordt duidelijk wanneer we kijken naar verschillende benaderingen van AI, zoals top-down versus bottom-up systemen.

In 1997 markeerde de overwinning van het schaakprogramma Deep Blue tegen wereldkampioen Garry Kasparov een historisch moment. Dit succes was een bewijs van de kracht van AI om menselijke taken te overtreffen in specifieke domeinen. Kritiek op Deep Blue richtte zich echter op het feit dat het niet gebruik maakte van cognitieve intelligentie, maar simpelweg alle mogelijke zetten berekende. Deze discussie over de aard van AI, of het nu puur gebaseerd is op rekenkracht of echte intelligentie, blijft een belangrijk thema in de ontwikkelingen van AI.

Het jaar 2011 markeerde een ander keerpunt met de opkomst van AI in het dagelijks leven. Dankzij krachtige processors en grafische kaarten in computers, smartphones en tablets, kregen consumenten toegang tot geavanceerde AI-programma's. Digitale assistenten, zoals Apple's Siri, Microsofts Cortana, en Amazon's Alexa, werden populair en toonden aan hoe AI steeds meer een rol speelt in de interactie met technologie in ons dagelijks leven. Het gebruik van deze assistenten vergemakkelijkte allerlei taken, van het stellen van vragen tot het uitvoeren van simpele opdrachten.

In 2011 won de AI ‘Watson’ ook een quizshow op de Amerikaanse televisie, waarmee het vermogen van AI om natuurlijke taal te begrijpen en complexe vragen snel te beantwoorden, werd bewezen. Dit markeerde opnieuw een stap in de richting van de acceptatie van AI als een systeem dat niet alleen eenvoudige berekeningen maakt, maar ook in staat is om te begrijpen en te reageren op menselijke input op een manier die vroeger alleen voorbehouden was aan mensen zelf.

AI heeft zich sindsdien verder ontwikkeld. In 2018 werden twee opmerkelijke toepassingen van AI getoond. Het eerste was de ‘Project Debater’ van IBM, die complexe debatten aanging met menselijke debaters. De prestaties van Project Debater lieten zien dat AI in staat is om argumenten te formuleren en te reageren op menselijke tegenargumenten op een niveau dat we eerder niet voor mogelijk hadden gehouden. Het tweede voorbeeld was de AI-technologie ‘Duplex’ van Google, die een haarsalon belde en een afspraak maakte zonder dat de ontvangende persoon besefte dat ze met een machine sprak.

Hoewel de vooruitgangen indrukwekkend zijn, bevindt AI zich nog steeds in een vroege fase van ontwikkeling. Ondanks decennia van onderzoek, zijn er nog veel uitdagingen die moeten worden overwonnen voordat AI volledig betrouwbaar en veilig kan worden ingezet in gevoelige gebieden zoals autonome voertuigen of de geneeskunde. Het is bijvoorbeeld belangrijk dat AI-systemen niet alleen beslissingen kunnen nemen, maar ook in staat zijn om deze beslissingen uit te leggen aan mensen, zodat we begrijpen waarom en hoe AI tot bepaalde conclusies komt.

Er zijn verschillende benaderingen voor het ontwikkelen van AI-systemen, waarvan de twee belangrijkste de top-down en de bottom-up benaderingen zijn. De top-down benadering, ook wel symbolische AI genoemd, maakt gebruik van een hiërarchisch georganiseerde structuur waarin alle benodigde kennis van tevoren wordt geprogrammeerd. Dit maakt deze benadering uitermate geschikt voor hogere niveau taken, zoals taalverwerking. De bottom-up benadering, daarentegen, is gebaseerd op eenvoudige componenten die in een netwerk zijn verbonden en die leren door middel van herhalingscycli. Deze benadering heeft het voordeel dat het beter in staat is om lagere niveau menselijke functies, zoals objectherkenning, na te bootsen. AI-systemen die gebruik maken van de bottom-up benadering, zoals neurale netwerken, zijn vaak flexibeler en kunnen zich beter aanpassen aan veranderende omstandigheden.

De term ‘deep learning’ verwijst naar een bepaalde klasse van machine learning-algoritmes die meerdere lagen gebruiken om steeds complexere kenmerken uit ruwe invoer te extraheren. Dit kan bijvoorbeeld gebruikt worden in beeldverwerkingssystemen waarbij lagere lagen de randen van objecten herkennen, terwijl hogere lagen uiteindelijk complexe objecten zoals een auto of een persoon herkennen. Deep learning maakt gebruik van diepgaande neurale netwerken (DNN) en convolutionele netwerken (CNN), die vaak zijn gemodelleerd naar biologische systemen. Deze netwerken worden getraind door middel van grote gelabelde trainingssets in een proces dat ofwel gesuperviseerd of ongesuperviseerd kan zijn.

Een van de meest veelbelovende ontwikkelingen in de AI is het zogenaamde end-to-end machine learning-model, waarbij het systeem leert om een volledige taak uit te voeren van begin tot eind. Dit betekent dat AI niet alleen leert om bepaalde aspecten van een taak uit te voeren, zoals objectherkenning, maar dat het ook alle tussenliggende stappen zelf leert en optimaliseert. Een voorbeeld hiervan is het werk van het bedrijf Wayve in Cambridge, VK, dat een zelfrijdende auto heeft ontwikkeld die alleen met camera's en een navigatiesysteem rijdt, zonder dat er extra sensoren of LiDAR-apparatuur nodig zijn. Het systeem gebruikt imitatie- en versterkingsleren om zichzelf aan te passen aan nieuwe omgevingen, vergelijkbaar met hoe een mens zou leren rijden.

Hoewel dergelijke technologie indrukwekkend is, roept het ook vragen op over de betrouwbaarheid van dergelijke systemen in onvoorspelbare of gevaarlijke situaties. Er is nog veel onzekerheid over hoe goed deze technologie omgaat met zogenaamde "edge cases" en hoe deze technologie zich zou gedragen in situaties waar het misgaat, bijvoorbeeld bij ongevallen. De kans bestaat dat deze voertuigen voorlopig alleen in strikt afgebakende gebieden kunnen opereren totdat de technologie voldoende getest en vertrouwd is.

Het vermogen van AI om objecten in beelden te herkennen, bijvoorbeeld, vereist enorme verwerkingskracht en geavanceerde algoritmen. Deze technologie maakt het mogelijk om niet alleen basisobjecten te herkennen, maar ook complexe patronen en situaties te begrijpen. Dit is cruciaal voor toepassingen zoals autonome voertuigen, waar AI moet kunnen reageren op onvoorspelbare verkeersomstandigheden en obstakels.

Hoewel de technologie voor zelfrijdende auto's zich snel ontwikkelt, moeten we ons realiseren dat AI, net als menselijke intelligentie, voortdurend in staat is zich te ontwikkelen en aan te passen. Echter, net als bij mensen, is het belangrijk om AI systemen te blijven controleren en bij te sturen, vooral wanneer zij onvoorziene fouten maken of in onbekende situaties terechtkomen.

Hoe ver staan we met autonome voertuigen en wat betekent dit voor de toekomst van mobiliteit?

Tesla heeft een ambitieuze doelstelling voor 2027: het aanbieden van robotaxi's met volledig autonome rijtechnologie voor een prijs van minder dan 30.000 dollar. Hoewel Tesla’s vooruitgang indrukwekkend is, blijft het onzeker wanneer we daadwerkelijk voertuigen zullen zien die volledig autonoom kunnen rijden, zonder menselijke tussenkomst, onder alle omstandigheden. De sector kampt met verschillende uitdagingen, zoals regelgeving, veiligheidszorgen en technologische complexiteiten. Daarom is het, ondanks de snelle ontwikkelingen van Tesla, waarschijnlijk dat de breed inzetbare, volledig autonome voertuigen nog een aantal jaren op zich zullen laten wachten.

Volvo heeft altijd de nadruk gelegd op veiligheid en voorzichtigheid bij de introductie van autonome rijtechnologieën. De voormalige CEO Håkan Samuelsson uitte zijn bezorgdheid over de voortijdige introductie van zelfrijdende auto’s. Hij waarschuwde dat het uitrollen van dergelijke technologie voordat deze volledig gereed is, het publieke vertrouwen kan schaden en de mogelijke veiligheidsvoordelen kan vertragen. In lijn met deze terughoudende benadering heeft Volvo zich gecommitteerd om volledige aansprakelijkheid te aanvaarden voor elk ongeluk dat zich voordoet terwijl hun auto’s in autonome modus rijden. Dit standpunt benadrukt het vertrouwen van het bedrijf in zijn technologie en de toewijding om autonome voertuigen op een verantwoorde manier te introduceren. Volvo’s inzet voor veiligheid komt ook naar voren in hun Vision 2020-initiatief, dat als doel had te garanderen dat niemand zou sterven of ernstig gewond zou raken in een nieuwe Volvo-auto tegen het jaar 2020. Deze ambitieuze doelstelling weerspiegelt de langdurige toewijding van het bedrijf aan de veiligheid van voertuigen en de zorgvuldige benadering van de uitrol van nieuwe technologieën. Volvo blijft voorzichtig in de uitrol van autonome voertuigen en legt prioriteit bij veiligheid en betrouwbaarheid om het publieke vertrouwen in opkomende autobezittechnologieën te waarborgen en te behouden.

Honda heeft actief gewerkt aan de ontwikkeling van autonome voertuigtechnologieën, met een focus op zowel consumentvoertuigen als gespecialiseerde toepassingen. De autonome werkvoertuigen (AWV) van Honda vertegenwoordigen een belangrijke innovatie op het gebied van autonome oplossingen voor industriële en bouwomgevingen. De AWV is een volledig elektrisch, robuust off-road platform ontworpen om de efficiëntie op werkplekken te verbeteren door autonoom materialen te vervoeren en repetitieve taken uit te voeren. Uitgerust met een reeks sensoren, waaronder GPS, radar, LiDAR en stereoscopische 3D-camera’s, kan de AWV autonoom opereren of op afstand worden bediend, wat het veelzijdig maakt voor verschillende sectoren die te maken hebben met arbeidsbeperkingen en veiligheidszorgen. In maart 2023 toonde Honda de nieuwste generatie van zijn AWV-prototype op de CONEXPO-CON/AGG in Las Vegas, waarbij nieuwe capaciteiten werden gepresenteerd, zoals een verhoogde palletcapaciteit, laadvermogen en verbeterde obstakeldetectie. Deze demonstratie had tot doel potentiële zakenpartners en bedrijven aan te trekken die geïnteresseerd zijn in veldtesten van de AWV op hun werkplekken.

Honda heeft ook vooruitgang geboekt op het gebied van Level 3 autonome rijtechnologie voor consumentvoertuigen. In 2023 verkocht Honda 80 voertuigen in Japan die zijn uitgerust met Level 3-functionaliteiten. Deze technologie stelt het voertuig in staat om bepaalde rijtaken onder specifieke omstandigheden zonder tussenkomst van de bestuurder uit te voeren, hoewel de bestuurder altijd klaar moet zijn om het stuur over te nemen wanneer dat nodig is. Honda’s inzet voor veiligheid en rijhulpsystemen wordt verder geïllustreerd door het Honda SENSING Elite-systeem. Dit systeem maakt gebruik van 3D-kaarten, GNSS-gegevens en een reeks sensoren om de omgeving van het voertuig en de toestand van de bestuurder te monitoren. Het systeem kan de acceleratie, het remmen en de besturing van het voertuig regelen voor een soepele rijervaring en bevat functies zoals hands-off lane change assist en Traffic Jam Pilot voor Level 3 geautomatiseerd rijden, goedgekeurd door het Japanse ministerie van Land, Infrastructuur, Transport en Toerisme (MLIT). Honda blijft investeren in onderzoek en ontwikkeling om zijn autonome rijtechnologieën te verbeteren en veiligere en efficiëntere mobiliteitsoplossingen aan te bieden voor verschillende sectoren. Het bedrijf benadert innovatie met een nadruk op veiligheid, waardoor de autonome systemen betrouwbaar en voordelig zijn voor gebruikers.

Wat betreft de veiligheid van autonome voertuigen (AV’s) zijn er aanzienlijke risico’s voor zowel de bestuurder als het technische personeel dat deze voertuigen onderhoudt. Alle autonome voertuigen zullen elektrische voertuigen (EV’s) zijn, en de veiligheidsrisico’s die gepaard gaan met het werken aan deze voertuigen zijn complex. Van het basisonderhoud tot het uitvoeren van complexe diagnostische en reparatiewerkzaamheden, het is essentieel dat iedereen die met autonome voertuigen werkt goed is opgeleid en zich bewust is van de potentiële gevaren. Er zijn twee belangrijke gebieden waar een voertuig veilig moet blijven: voor zichzelf en voor de mensen en eigendommen in de omgeving.

De veiligheidssystemen die we verwachten van moderne voertuigen, zoals actieve en passieve veiligheidssystemen, blijven van kracht in autonome voertuigen. Actieve veiligheidssystemen, zoals de waarschuwingen voor een naderende botsing of een vertrek uit de rijstrook, worden geactiveerd wanneer een gevaarlijke situatie wordt gedetecteerd en kunnen helpen om de ernst van een ongeval te verminderen. Passieve veiligheidssystemen, zoals airbags en gordels, zorgen ervoor dat de inzittenden worden beschermd tijdens een crash, terwijl kreukelzones helpen om de krachten van de botsing te absorberen. Het is belangrijk te begrijpen dat hoewel actieve systemen alleen werken wanneer dat nodig is, passieve systemen altijd in werking zijn om de veiligheid van de inzittenden te waarborgen.

Het is essentieel om te begrijpen dat de introductie van autonome voertuigen niet alleen technologische vooruitgang betekent, maar ook aanzienlijke veranderingen in de manier waarop we denken over mobiliteit, regelgeving en veiligheid. De volledige acceptatie van autonome voertuigen vereist niet alleen innovaties in technologie, maar ook in het juridische en ethische kader waarin deze voertuigen functioneren. Het ontwikkelen van robuuste veiligheidsstandaarden, het verbeteren van de infrastructuur en het garanderen van de veiligheid van zowel de inzittenden als de buitenwereld, zal een cruciale rol spelen in de succesvolle integratie van autonome voertuigen in ons dagelijks leven.

Hoe De Keuze van Schaalfactoren de Kwaliteit van Beeldgeneratie Beïnvloedt in Diffusie-Modellen
Hoe de afschrijving de financiële resultaten van een bedrijf beïnvloedt
Hoe Werken Zonne-energie en Windenergie voor Elektriciteitsproductie?
Hoe wordt het mechanisme van niet-standaard mechanische apparatuur ontworpen?