多くの自動運転自動車の研究は、歩行者の安全性を重視しているが、乗客の安全性と快適性を考えることも重要だ。たとえば、衝突を避けるためにブレーキをかけたとき、車が急停止するのではなく、ゆるやかに停止するのが理想だ。機械学習の世界では、こうした考え方は「多目的問題」と呼ばれている。ブレーキをかける場合は、「目的1：歩行者に危害を加えない。目的2：乗客を犠牲にしない」となる。カナダ・トロントにあるライアソン大学の研究者が、深層強化学習を活用してこの課題に取り組んだ。強化学習は機械学習のサブセットで、報酬と罰を使って人工知能（AI）エージェントに、1つまたは複数の目的を達成する方法を学習させるものだ。今回の場合では、車が歩行者に衝突したら罰を与えるが（高速で衝突した場合はより重い罰を与える）、ブレーキをかけた際に急停止した場合にも罰を与える（停止の仕方が乱暴な場合はさらに重い罰を与える）。
歩行者も乗客も守る、自動運転の急ブレーキを強化学習で防ぐ新研究（MIT Technology Review）