První testy nového systému strojového učení od společnosti Google ukázaly určité sliby ve zlepšování vzorů dopravních signálů. Projekt Green Light modeluje dopravní vzory, aby poskytoval optimální sekvence semaforů pomocí strojového učení a umělé inteligence. Podle Scientific American vedly první experimenty k poněkud lepšímu dopravní tok na některých přetížených trasách v Seattlu. Dopravní úřady v Seattlu uvedly, že společnost Green Light ověřila známá místa sytiče, pomohla odhalit dopravní překážky a nabídla praktická doporučení.
Zkušební program společnosti Google Green Light, který byl představen na podzim roku 2023, se testuje v metropolích s velkým provozem, jako je Rio de Janeiro a Kalkata, a také v Seattlu a dalších dvanácti městech, včetně Hamburku. Během těchto experimentů jsou sekvence dopravních signálů upravovány místními dopravními inženýry na základě doporučení ze systému. Cílem iniciativy je zkrátit dobu čekání na semafory, zlepšit tok provozu na klíčových silnicích a křižovatkách a případně snížit emise skleníkových plynů. Podle Googlu předběžný výzkum naznačuje, že emise CO2 by mohly být sníženy o 10 % a počet zastavování na semaforech by mohl být omezen až o 30 %.
Green Light je ve svém jádru model umělé inteligence (AI), který je přizpůsoben pro každou křižovatku, přičemž bere v úvahu prvky, jako je její uspořádání, jízdní a zastavovací návyky, načasování semaforů a souhra mezi signálem a dopravními systémy. Technologie vytváří doporučení založená na těchto vzorech, ke kterým mohou urbanisté přistupovat prostřednictvím vyhrazeného rozhraní. Velkým plusem projektu je, že nepotřebuje drahé pevné senzory nebo průběžné monitorování na místě. Spíše využívá již existující dopravní data z Map Google, která se shromažďují od jedoucích aut a uživatelů chytrých telefonů, kteří slouží jako „mobilní senzory“.
Návrhy Green Light však nejsou vždy spolehlivé. Ředitel Institutu pro výzkum dopravy na Michiganské univerzitě Henry Liu je ohledně technologie obezřetnější. Přestože Green Light dokázalo zkrátit čekací doby na křižovatkách v Birminghamu o 20 až 30 procent, Liu poukazuje na to, že stupeň účinnosti se liší v závislosti na výchozím bodu. Například v Birminghamu se semafory řídí stanovenými jízdními řády, které jsou založeny na zastaralých dopravních informacích. Přínosy pro životní prostředí jsou také diskutabilní, protože podle vládních údajů tvoří auta na volnoběh a dopravní zácpy pouze asi 2 % emisí souvisejících s dopravou v Spojené státy. Ve skutečnosti auta, která jedou rychleji, než je povolená rychlost, spotřebují mnohem více paliva než auta, která zastaví na červenou.
Zelené světlo navíc nezohledňuje složité prvky, které mohou vést k méně užitečným doporučením, jako je křížení autobusových a cyklistických pruhů, tramvají nebo rušných přechodů pro chodce. Úprava semaforu v Seattlu musela být zrušena, protože se nakonec ukázala jako neúčinná. V jiném testovacím městě, Manchesteru, jsou dopravní inženýři, kteří se běžně rozhodnou ignorovat rady Google, protože tamní dopravní signály jsou někdy záměrně naprogramovány tak, aby upřednostňovaly autobusy nebo přiměly dojíždějící v obytných čtvrtích čas navíc. Strategie umělé inteligence omezování zastávek na přejezdech může v některých situacích fungovat proti ní.