ഈ ബ്ലോഗ് പോസ്റ്റിൽ, സ്വയം ഓടിക്കുന്ന കാറുകളുടെ ധാർമ്മിക പ്രതിസന്ധികളെക്കുറിച്ചും അവയുടെ ഉത്തരവാദിത്തങ്ങളും സാങ്കേതിക പരിധികളും എങ്ങനെ നിർണ്ണയിക്കാമെന്നും ഞങ്ങൾ പര്യവേക്ഷണം ചെയ്യുന്നു.
നമ്മുടെ ജീവിതത്തിൽ നാം നിരവധി സംഘർഷങ്ങൾ നേരിടുന്നു. ആരുടെ അഭിപ്രായം ശരിയാണെന്ന് കാണാൻ നമ്മൾ ആളുകളുമായി വാദിക്കുന്നു, നമ്മുടെ പ്രവൃത്തികൾ ധാർമ്മികമായി ശരിയാണോ എന്ന് നമ്മൾ സംശയിക്കുന്നു. മാത്രമല്ല, "ധാർമ്മികമായി ശരി" എന്താണെന്നും ആദ്യം "ശരി" എന്താണെന്നും നമ്മൾ എന്തിനാണ് ചോദ്യം ചെയ്യുന്നത് എന്ന് നമ്മൾ ചോദിക്കുന്നു. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, നമ്മുടെ ജീവിതത്തിൽ "ശരി" അല്ലെങ്കിൽ "നല്ലത്" എന്താണെന്നും അറിയാൻ നാമെല്ലാവരും ആഗ്രഹിക്കുന്നു. അപ്പോൾ ധാർമ്മികത എന്താണ്? നമുക്ക് ദീർഘവും സങ്കീർണ്ണവുമായ ഒരു നിർവചനം നൽകാം, പക്ഷേ മനുഷ്യർ എന്ന നിലയിൽ നമ്മൾ ചെയ്യാൻ പ്രതീക്ഷിക്കുന്ന ഒന്നായി ഇതിനെ കരുതാം, മുൻ പ്രസ്താവന ഓർമ്മിക്കുക. നമ്മുടെ ജീവിതത്തിൽ നമുക്ക് നിരവധി "ധാർമ്മിക സംഘർഷങ്ങൾ" നേരിടുന്നു.
നമ്മൾ നേരിടുന്ന പലതരം ധാർമ്മിക സംഘർഷങ്ങളുണ്ട്, എന്നാൽ ഈ ബ്ലോഗ് പോസ്റ്റിൽ, ശാസ്ത്ര-സാങ്കേതികവിദ്യയുമായി ബന്ധപ്പെട്ട ധാർമ്മിക വിഷയങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കും. ശാസ്ത്ര-സാങ്കേതികവിദ്യയുമായി ബന്ധപ്പെട്ട നിരവധി ധാർമ്മിക പ്രശ്നങ്ങളുണ്ട്. എന്നിരുന്നാലും, ശാസ്ത്ര-സാങ്കേതികവിദ്യയുമായി ബന്ധപ്പെട്ട ധാർമ്മിക പ്രശ്നങ്ങൾ പലപ്പോഴും ഉത്തരവാദിത്തത്തിന്റെ ചോദ്യത്തെ കേന്ദ്രീകരിക്കുന്നു: "ആരാണ് ഉത്തരവാദി?" ഒരു സാങ്കേതികവിദ്യ വികസിപ്പിക്കുകയും അതിന്റെ ഫലമായി ഒരാൾക്ക് ദോഷം സംഭവിക്കുകയും ചെയ്യുമ്പോൾ, ദോഷത്തിന് ആരാണ് ഉത്തരവാദി എന്നതിനെക്കുറിച്ച് എല്ലായ്പ്പോഴും ഒരു ചർച്ച നടന്നിട്ടുണ്ട്, പ്രത്യേകിച്ച് ഒരു മനുഷ്യൻ ഒരു യന്ത്രം പ്രവർത്തിപ്പിക്കുകയോ നയിക്കുകയോ ചെയ്യുമ്പോൾ, കുറ്റം ഒരു പ്രത്യേക ഗ്രൂപ്പിനോ വ്യക്തിക്കോ നൽകാം, എന്നാൽ കുറ്റം അവ്യക്തമാകുമ്പോൾ, ഉദാഹരണത്തിന് കൃത്രിമബുദ്ധി ഉൾപ്പെടുമ്പോൾ, ചർച്ച തുടരുന്നു.
നേരത്തെ സൂചിപ്പിച്ചതുപോലെ, ഒരു യന്ത്രം ഒരു മനുഷ്യ ഓപ്പറേറ്റർ പ്രവർത്തിപ്പിക്കുന്നതിനുപകരം സ്വയംഭരണ തീരുമാനങ്ങളും പ്രവർത്തനങ്ങളും എടുക്കുമ്പോൾ ബാധ്യത മങ്ങിച്ചേക്കാം. പ്രത്യേകിച്ച് സ്വയം ഓടിക്കുന്ന കാറുകൾ നമ്മുടെ ദൈനംദിന ജീവിതത്തിൽ ഒരു സാധാരണ കാഴ്ചയാണ്, എന്നാൽ ശരാശരി വ്യക്തിക്ക് അവയുടെ പരിമിതികളെക്കുറിച്ചോ ധാർമ്മിക പ്രശ്നങ്ങളെക്കുറിച്ചോ ആഴത്തിൽ ചിന്തിക്കാൻ പലപ്പോഴും അവസരം ലഭിക്കാറില്ല. അതുകൊണ്ടാണ് ഈ ലേഖനത്തിനുള്ള വിഷയമായി ഞങ്ങൾ സ്വയം ഓടിക്കുന്ന കാറുകൾ തിരഞ്ഞെടുത്തത്.
അപ്പോൾ, ഓട്ടോണമസ് കാറുകളുടെ ധാർമ്മിക പ്രശ്നങ്ങൾ എന്തൊക്കെയാണ്? ഡ്രൈവറുടെ ആവശ്യമില്ലാതെ സ്വയം ഓടിക്കുന്ന കാറാണ് ഓട്ടോണമസ് കാർ. ഒരാൾക്ക് പരിക്കേൽക്കുകയോ സാമ്പത്തിക നഷ്ടം സംഭവിക്കുകയോ ചെയ്യുന്നത് പോലെയുള്ള വ്യക്തമായ ദോഷങ്ങൾ ഉണ്ടാകുമ്പോൾ സ്വയംഭരണ കാറുകളുമായി ബന്ധപ്പെട്ട ധാർമ്മിക പ്രശ്നങ്ങൾ കൂടുതൽ പ്രാധാന്യമർഹിക്കുന്നു. ഈ പ്രശ്നം സ്വയം ഓടിക്കുന്ന കാറുകൾക്ക് ബാധകമാക്കുമ്പോൾ, ചോദ്യം ഉയർന്നുവരുന്നു: "സ്വയം-ഡ്രൈവിംഗ് കാറുകൾ മൂലമുണ്ടാകുന്ന ദോഷത്തിന് ആരാണ് ഉത്തരവാദി?"
ഇത് ചർച്ച ചെയ്യുന്നതിനുമുമ്പ്, ധാർമ്മിക ഉത്തരവാദിത്തത്തിൻ്റെ വിഷയം നൈതിക ഏജൻ്റാണെന്ന് നാം പരിഗണിക്കണം. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, അവൻ അല്ലെങ്കിൽ അവൾ ചെയ്യുന്നത് ശരിയാണോ എന്ന് പ്രതിഫലിപ്പിക്കാൻ ഒരു നൈതിക ഏജൻ്റ് യുക്തിസഹമായ വിധി ഉപയോഗിക്കുന്നു. മതിയായ യുക്തിസഹമായ വിധിയുണ്ടായിട്ടും, ധാർമ്മികമായി അപലപനീയമായ പെരുമാറ്റം നടത്തുകയാണെങ്കിൽ, ആ വ്യക്തിക്ക് ഉത്തരവാദിത്തമുണ്ട്. അതിനാൽ, സ്വയംഭരണ വാഹനങ്ങളെ നൈതിക ഏജൻ്റുമാരായി നിർവചിക്കാൻ കഴിയുമോ എന്ന് പരിശോധിക്കേണ്ടതുണ്ട്.
റോബോട്ട് ധാർമ്മികതയെക്കുറിച്ചുള്ള പരമ്പരാഗത ചർച്ചകൾ, റോബോട്ടുകൾ സ്വന്തം ധാർമ്മിക തത്വങ്ങളെ അടിസ്ഥാനമാക്കി പ്രവർത്തിക്കുന്ന ധാർമ്മിക ഏജന്റുമാരാണെന്ന് അനുമാനിക്കുന്നു. എന്നിരുന്നാലും, സ്വയംഭരണ വാഹനങ്ങൾ സ്വന്തം ധാർമ്മിക തത്വങ്ങളുടെയും യുക്തിസഹമായ വിധിന്യായത്തിന്റെയും അടിസ്ഥാനത്തിലാണ് പ്രവർത്തിക്കുന്നതെന്ന് അനുമാനിക്കാൻ പ്രയാസമാണ്. അതിനാൽ, സ്വയംഭരണ വാഹനങ്ങൾക്ക് രണ്ട് പ്രധാന ധാർമ്മിക ഉത്തരവാദിത്ത മേഖലകളുണ്ട്. ഒരു അപകടമുണ്ടായാൽ തീരുമാനങ്ങൾ എടുക്കാൻ സ്വയം ഓടിക്കുന്ന കാറുകൾ എങ്ങനെ രൂപകൽപ്പന ചെയ്യാമെന്നതുമായി ബന്ധപ്പെട്ടതാണ് ആദ്യത്തേത്. ഇത് ഒരു ക്ലാസിക് "ധാർമ്മിക പ്രതിസന്ധി"യാണ്, ഉദാഹരണത്തിന്, ഒരാൾക്ക് പരിക്കേൽക്കുന്നത് അനിവാര്യമാണെങ്കിൽ സ്വയം ഓടിക്കുന്ന കാർ ആരുടെ സുരക്ഷയ്ക്ക് മുൻഗണന നൽകണം - കാൽനടയാത്രക്കാരനോ യാത്രക്കാരനോ? രണ്ടാമത്തേത് സാങ്കേതിക വൈകല്യങ്ങളുമായി ബന്ധപ്പെട്ടതാണ്: ഉൽപാദന പ്രക്രിയയിലെ ഒരു തകരാറുമൂലം ഒരു യാത്രക്കാരനോ കാൽനടയാത്രക്കാരനോ പരിക്കേറ്റാൽ ആരെയാണ് ഉത്തരവാദിയാക്കേണ്ടത്?
സ്വയം ഓടിക്കുന്ന കാറുകളുടെ ധാർമ്മിക പ്രശ്നങ്ങൾ ചർച്ച ചെയ്യുമ്പോൾ, ആദ്യത്തെ ലക്കം പ്രധാനമായതിനാൽ, ഈ ലേഖനം ആദ്യ ലക്കത്തിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കും. ആദ്യ ലക്കത്തിൽ, നമുക്ക് രണ്ട് കേസുകൾ വേർതിരിച്ചറിയാൻ കഴിയും: ⓐ റൈഡർമാരും കാൽനടയാത്രക്കാരും തമ്മിലുള്ളതും, ⓑ കാൽനടയാത്രക്കാർ തമ്മിലുള്ളതും. ⓐ പ്രശ്നം ക്ലിഫ് കേസ് ഉപയോഗിച്ച് ചിത്രീകരിക്കാം. ഒരു ഓട്ടോണമസ് വാഹനം ഒരു ഇടുങ്ങിയ പാലത്തിലായിരിക്കുകയും എതിർദിശയിൽ നിന്ന് വരുന്ന ഒരു ബസിൽ ഇടിക്കാൻ പോകുകയും ചെയ്താൽ, വാഹനം ഒരു പ്രതിസന്ധി നേരിടുന്നു: അത് മുന്നോട്ട് പോയി ബസിൽ ഇടിക്കണോ, അതോ പാലത്തിൽ നിന്ന് ഓടിച്ച് യാത്രക്കാരെ കൊല്ലണോ? ⓑ ന്റെ കേസിനെ ട്രോളി ഡിലമ എന്ന് വിശേഷിപ്പിക്കാം. ബ്രേക്കുകൾ തകർന്ന ഒരു ട്രോളി ട്രെയിൻ ട്രാക്കുകളിൽ ഓടുന്നു, ട്രാക്കുകളിൽ അഞ്ച് തൊഴിലാളികളുണ്ട്. ട്രെയിൻ ഓടുന്നത് തുടർന്നാൽ, അഞ്ച് തൊഴിലാളികൾ മരിക്കും. ട്രെയിൻ ഓടിക്കുന്ന വ്യക്തിക്ക് ഒരു തൊഴിലാളി മാത്രം പ്രവർത്തിക്കുന്ന മറ്റൊരു റെയിലിലേക്ക് ട്രാക്ക് മാറ്റാൻ കഴിയും. ട്രാക്കുകൾ മാറ്റണോ വേണ്ടയോ എന്ന ആശയക്കുഴപ്പം ഉയർന്നുവരുന്നു: അനേകർക്കുവേണ്ടി ചുരുക്കം പേരുടെ ത്യാഗം, അല്ലെങ്കിൽ ചുരുക്കം പേരെ രക്ഷിക്കാൻ പലരുടെയും ത്യാഗം.
അങ്ങനെയെങ്കിൽ, സ്വയം-ഡ്രൈവിംഗ് കാറുകൾക്ക് അത്തരമൊരു പ്രതിസന്ധിയിൽ തിരഞ്ഞെടുക്കാനുള്ള നൈതിക അൽഗോരിതം എന്താണ്? ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI), റോബോട്ടിക്സ് എന്നിവയിലും സ്വയംഭരണ വാഹനങ്ങളിലും നൈതികതയ്ക്ക് മൂന്ന് പ്രധാന സമീപനങ്ങളുണ്ട്. ടോപ്പ്-ഡൌൺ അപ്രോച്ച്, താഴോട്ട്-അപ്പ് സമീപനം, ഹൈബ്രിഡ് അപ്രോച്ച് എന്നിവയാണ് ഇവ.
ഒരു പ്രത്യേക നൈതിക സിദ്ധാന്തം തിരഞ്ഞെടുത്ത് ആ സിദ്ധാന്തം നടപ്പിലാക്കാൻ കഴിയുന്ന അൽഗോരിതങ്ങളും സബ്സിസ്റ്റങ്ങളും രൂപകൽപ്പന ചെയ്യുന്നതിനായി കമ്പ്യൂട്ടിംഗ് സിസ്റ്റത്തിൻ്റെ ആവശ്യകതകൾ വിശകലനം ചെയ്യുന്നതാണ് ടോപ്പ്-ഡൗൺ സമീപനം. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ബെൻ്റാമിൻ്റെയും മില്ലിൻ്റെയും യൂട്ടിലിറ്റേറിയനിസം അല്ലെങ്കിൽ കാൻ്റിൻ്റെ ഡിയോൻ്റോളജി പോലുള്ള നൈതിക സിദ്ധാന്തങ്ങളുടെ ഒരു വ്യവസ്ഥയെ അടിസ്ഥാനമാക്കിയാണ് അൽഗോരിതങ്ങൾ നടപ്പിലാക്കുന്നത്. ഈ ലേഖനത്തിൽ, മുകളിൽ നിന്ന് താഴേക്കുള്ള സമീപനത്തെ പ്രതിനിധീകരിക്കുന്ന രണ്ട് നൈതിക സിദ്ധാന്തങ്ങളായ യൂട്ടിലിറ്റേറിയനിസവും ഡിയോൻ്റോളജിയും ഞങ്ങൾ പരിശോധിക്കും.
ആദ്യം, നമുക്ക് പ്രയോജനവാദത്തെക്കുറിച്ച് നോക്കാം. പ്രയോജനവാദത്തെക്കുറിച്ച് ചിന്തിക്കുമ്പോൾ, "ഏറ്റവും വലിയ സംഖ്യയിലെ ഏറ്റവും വലിയ സന്തോഷം" എന്ന വാക്യമാണ് നമ്മൾ പലപ്പോഴും ചിന്തിക്കുന്നത്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, പ്രയോജനവാദ സമീപനം ഒരു ഗ്രൂപ്പിലെ എല്ലാ അംഗങ്ങളുടെയും പ്രയോജനത്തെ പരിഗണിക്കുന്നു. പ്രയോജനവാദത്തെ ഒരു വലിയ അൽഗോരിതം ആയി നിങ്ങൾ കരുതുന്നുവെങ്കിൽ, അതിന് നിരവധി ഉപ-അൽഗോരിതങ്ങൾ ഉണ്ടാകാം. ഉദാഹരണത്തിന്, യൂട്ടിലിറ്റി മൂല്യങ്ങൾക്ക് മുൻഗണന നൽകേണ്ട ഒരു ഉപ-അൽഗോരിതം ഉണ്ട്. നമ്മൾ നേരത്തെ സൂചിപ്പിച്ച ക്ലിഫ് ഉദാഹരണത്തിന് ഇത് പ്രയോഗിക്കുമ്പോൾ, സ്വയം ഡ്രൈവിംഗ് കാറിലുള്ളതിനേക്കാൾ കൂടുതൽ ആളുകൾ ബസിലുണ്ട്. അതിനാൽ, ബസുമായി കൂട്ടിയിടിച്ചാൽ, സ്വയം ഡ്രൈവിംഗ് കാർ പാറയിൽ നിന്ന് വീഴും, കാരണം നഷ്ടപരിഹാരം നൽകാൻ കൂടുതൽ മെഡിക്കൽ ചെലവുകൾ ഉണ്ടാകും.
എന്നിരുന്നാലും, ഒരു യഥാർത്ഥ ലോക കൂട്ടിയിടി സാഹചര്യത്തിൽ, ആരെയാണ് ആക്രമിക്കേണ്ടതെന്ന് തീരുമാനിക്കാൻ ഒരു യൂട്ടിലിറ്റേറിയൻ അൽഗോരിതം ഒരു ഉപ-അൽഗോരിതം ഉപയോഗിക്കും. ഇരകളെ "തിരഞ്ഞെടുക്കുന്ന" ഈ പ്രക്രിയ, പതിനൊന്നാം ഭേദഗതിയിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്ന സമത്വ തത്വം ലംഘിക്കാനുള്ള സാധ്യത ഉൾപ്പെടെ നിരവധി പ്രശ്നങ്ങളിലേക്ക് നയിച്ചേക്കാം. "ഏറ്റവും വലിയ സംഖ്യയിലെ ഏറ്റവും വലിയ സന്തോഷം" എന്ന മുകളിലെ അൽഗോരിതം കമ്പ്യൂട്ടറൈസ് ചെയ്യാൻ എളുപ്പമാണ് എന്നതിൽ യൂട്ടിലിറ്റേറിയനിസത്തിന് ഒരു പോസിറ്റീവ് വശമുണ്ട്, എന്നാൽ ഒരു സംഘർഷ സാഹചര്യത്തിൽ ഓരോ വ്യക്തിയുടെയും പ്രയോജനം എങ്ങനെ കണക്കാക്കണമെന്ന് വ്യക്തമല്ല, കൂടാതെ ഉപയോഗത്തിന്റെ അളവുകോലായി മനുഷ്യജീവിതത്തെ കണക്കാക്കുന്നതിനെക്കുറിച്ചുള്ള അടിസ്ഥാന ചോദ്യങ്ങൾ ഇത് ഉയർത്തുന്നു.
രണ്ടാമത്തേത് ഡിയോന്റോളജിക്കൽ വശമാണ്. ഒരു പ്രവൃത്തിയുടെ ധാർമ്മിക വിലയിരുത്തൽ നിർണ്ണയിക്കുന്നത് അതിന്റെ അനന്തരഫലങ്ങൾ പരിഗണിക്കാതെ, സാർവത്രികമായി പ്രസ്താവിച്ച "ഡിയോന്റിക് ഇംപറേട്ടീ"യോടുള്ള അനുരൂപതയിലൂടെയാണെന്ന് ഡിയോന്റോളജി പറയുന്നു. ഡിയോന്റിക് ഇംപറേട്ടീവുകളെ സാർവത്രികത ഇംപറേട്ടീവായി സംഗ്രഹിക്കാം, "നിങ്ങളുടെ ഇച്ഛയുടെ അനുപാതം എല്ലായ്പ്പോഴും ഒരേസമയം നിയമനിർമ്മാണത്തിന്റെ ഒരു സാർവത്രിക തത്വമാകുന്ന വിധത്തിൽ പ്രവർത്തിക്കുക" എന്നും മാനവികത ഇംപറേട്ടീവിനെ "നിങ്ങളിലോ മറ്റുള്ളവരിലോ ഉള്ള മനുഷ്യത്വം എല്ലായ്പ്പോഴും ഒരേസമയം ഒരു ലക്ഷ്യമാകുന്ന വിധത്തിൽ പ്രവർത്തിക്കുക" എന്നും സംഗ്രഹിക്കാം. മുകളിൽ പറഞ്ഞ ക്ലിഫ് കേസിലേക്കുള്ള ഡിയോന്റോളജിക്കൽ സമീപനം ഡിയോന്റോളജിക്കൽ ഇംപറേട്ടീവിനെ പിന്തുടരും, "ഒരിക്കലും മനുഷ്യത്വത്തെ ഒരു ലക്ഷ്യത്തിലേക്കുള്ള ഒരു മാർഗമായി കണക്കാക്കരുത്". ഈ സാഹചര്യത്തിൽ, സ്വയം ഓടിക്കുന്ന കാർ ഡ്രൈവറെയോ ബസ് യാത്രക്കാരെയോ "ഉപാധികൾ" ആയി കണക്കാക്കില്ല, അതിനാൽ അവരുടെ ജീവിതത്തെ വിലമതിക്കാതെ കൂട്ടിയിടി പരമാവധി ഒഴിവാക്കാൻ അത് ശ്രമിക്കും. ചില സാഹചര്യങ്ങളിൽ മനുഷ്യജീവിതത്തെ ബഹുമാനിക്കുന്ന രീതിയിൽ അവ വികസിപ്പിക്കാൻ കഴിയുന്ന തരത്തിൽ ഒരു ഡിയോന്റോളജിക്കൽ സമീപനത്തെ അടിസ്ഥാനമാക്കിയുള്ള നൈതിക അൽഗോരിതങ്ങളെ പോസിറ്റീവായി കാണാൻ കഴിയും.
എന്നിരുന്നാലും, ഡിയോൻ്റോളജിക്കൽ സമീപനത്തിനും ചില പരിമിതികളുണ്ട്. ഒന്നാമതായി, ഡിയോൻ്റോളജിക്കൽ അനിവാര്യതകളുടെ പ്രായോഗിക പ്രയോഗത്തിൽ നിന്ന് ഉണ്ടാകുന്ന പരിമിതികളുണ്ട്. ഉദാഹരണത്തിന്, അത് 'സാർവത്രിക നിയമനിർമ്മാണ തത്വങ്ങൾ' നിർദ്ദേശിക്കുന്നു, ഇത് എല്ലാ സാഹചര്യങ്ങളിലും പ്രയോഗിക്കാൻ കഴിയുന്ന സാർവത്രിക തത്വങ്ങളുണ്ടോ എന്ന ചോദ്യം ഉയർത്തുന്നു. കൂടാതെ, സാർവത്രിക തത്ത്വങ്ങൾ നിർവചിക്കുന്നതിനുള്ള മാനദണ്ഡം ആത്മനിഷ്ഠമായിരിക്കാം. അവസാനമായി, എല്ലാ സാഹചര്യങ്ങളിലും മനുഷ്യജീവിതത്തിന് മുൻഗണന നൽകുകയാണെങ്കിൽ, മറ്റ് ദോഷങ്ങളെക്കുറിച്ച് ധാർമ്മിക വിധികൾ ഉണ്ടാക്കുന്നത് ബുദ്ധിമുട്ടാണ്.
ഇതുവരെ ചർച്ച ചെയ്ത ടോപ്പ്-ഡൌൺ സമീപനങ്ങൾക്ക് പുറമേ, താഴെ നിന്ന് മുകളിലേക്കും ഹൈബ്രിഡ് സമീപനങ്ങളുമുണ്ട്. പരീക്ഷണാത്മക പരിശീലന ഡാറ്റയെ അടിസ്ഥാനമാക്കി അൽഗോരിതം രൂപകൽപന ചെയ്യുന്നത് താഴെയുള്ള സമീപനങ്ങളിൽ ഉൾപ്പെടുന്നു. ഡാറ്റയിൽ നിന്ന് പഠിക്കുന്ന അനുഭവപരമായ കേസുകൾ പ്രതിഫലിപ്പിക്കുന്ന തരത്തിലാണ് അൽഗോരിതം നിർമ്മിച്ചിരിക്കുന്നത് എന്നതിനാൽ, ടോപ്പ്-ഡൌൺ സമീപനത്തേക്കാൾ യഥാർത്ഥ ലോക സാഹചര്യങ്ങളിൽ മികച്ച രീതിയിൽ പ്രവർത്തിക്കാൻ ഇതിന് സാധ്യതയുണ്ട്. മറുവശത്ത്, ഹൈബ്രിഡ് സമീപനം, സാർവത്രിക ധാർമ്മിക തത്ത്വങ്ങൾ പിന്തുടർന്ന്, പരമാവധി പ്രയോജനം തേടുകയും, പ്രകൃതിയിൽ ഡീയോൻ്റോളജിക്കൽ സ്വഭാവമുള്ള അൽഗോരിതങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നതിനായി, മുകളിൽ-താഴ്ന്നതും താഴെയുള്ളതുമായ സമീപനങ്ങളുടെ ശക്തികൾ സംയോജിപ്പിക്കുന്നു.
ഈ ലേഖനത്തിൽ ചർച്ച ചെയ്ത സ്വയംഭരണ വാഹനങ്ങളുടെ നൈതിക പ്രശ്നങ്ങൾ സാങ്കേതികവിദ്യ വികസിക്കുമ്പോൾ കൂടുതൽ പ്രാധാന്യമർഹിക്കുന്നതാണ്, കൂടാതെ സ്വയംഭരണ വാഹനങ്ങൾ അഭിമുഖീകരിക്കുന്ന ധാർമ്മിക പ്രതിസന്ധികൾ പരിഹരിക്കുന്നതിനുള്ള വ്യത്യസ്ത സമീപനങ്ങൾ പര്യവേക്ഷണം ചെയ്യുന്നതിലും അവ പ്രായോഗികമായി നടപ്പിലാക്കുന്നതിലും നാം ശ്രദ്ധ കേന്ദ്രീകരിക്കണം.
