Os métodos para ensinar um sistema autónomo nem sempre conseguem reproduzir as situações do mundo real, o que dá origem a uma aprendizagem menos efetiva. O MIT e a Microsoft estão, por isso, a desenvolver um método para tornar os sistemas de condução autónoma mais “espertos”.

Os investigadores explicam que, na maioria dos casos, são feitas simulações que tentam recriar todo o tipo de cenários possíveis, nomeadamente os menos favoráveis. No entanto, o plano virtual não “reproduz” aquilo que se denomina de “blind spots”- o que se poderá traduzir por "ângulos mortos" ou "pontos vazios", neste caso a representarem situações inesperadas que podem surgir pelo caminho -, e o desconhecimento leva a que o veículo reaja de forma incorreta ao problema.

A proposta de ambas as instituições é que os humanos intervenham diretamente no processo de aprendizagem. O recurso às simulações vai continuar, mas haverá uma pessoa a observar cada “decisão” do sistema para elaborar um relatório de análise sobre os erros cometidos pela máquina - ou aqueles que estiveram prestes a acontecer.

A informação resultante será combinada com os dados gerados por humanos “no mundo real”, permitindo que o sistema de machine learning possa criar um modelo para identificar em que momentos será necessária mais informação sobre como proceder corretamente.

O método já validado em videojogos, mas agora a intenção é aplicá-lo nos modelos de “treino” de carros autónomos e robots.