Ang mga maagang pagsubok ng isang bagong machine learning system ng Google ay nagpakita ng ilang pangako sa pagpapahusay ng mga pattern ng signal ng trapiko. Ang proyektong Green Light ay nagmomodelo ng mga pattern ng trapiko upang magbigay ng pinakamainam na pagkakasunud-sunod ng traffic light sa pamamagitan ng paggamit ng machine learning at artificial intelligence. Ayon sa Scientific American, ang mga naunang eksperimento ay humantong sa medyo napabuti daloy ng trapiko sa ilang masikip na ruta sa Seattle. Sinabi ng mga awtoridad sa transportasyon sa Seattle na na-verify ng Green Light ang mga kilalang lokasyon ng choke, tumulong sa pagtuklas ng mga bottleneck ng trapiko, at nag-alok ng mga praktikal na rekomendasyon.
Ang programa ng pagsubok na Green Light ng Google, na ipinakilala noong taglagas ng 2023, ay sinusubok sa mga metropolises na mabigat sa trapiko tulad ng Rio de Janeiro at Kolkata, gayundin sa Seattle at labindalawang iba pang lungsod, kabilang ang Hamburg. Sa panahon ng mga eksperimentong ito, ang mga sequence ng signal ng trapiko ay binago ng mga lokal na inhinyero ng trapiko batay sa mga rekomendasyon mula sa system. Ang mga layunin ng inisyatiba ay paikliin ang mga oras ng paghihintay sa ilaw ng trapiko, pahusayin ang pangunahing daan at daloy ng trapiko sa intersection, at kalaunan ay bawasan ang mga greenhouse gas emissions. Ayon sa Google, iminumungkahi ng paunang pananaliksik na maaaring mabawasan ng 10% ang mga emisyon ng CO2 at maaaring mabawasan ang mga paghinto ng traffic light hanggang sa 30%.
Sa kaibuturan nito, ang Green Light ay isang modelo ng artificial intelligence (AI) na naka-customize para sa bawat intersection, na isinasaalang-alang ang mga elemento tulad ng layout nito, mga gawi sa pagmamaneho at paghinto, mga timing ng traffic light, at ang interplay sa pagitan ng signal at traffic system. Lumilikha ang teknolohiya ng mga rekomendasyon batay sa mga pattern na ito, na maaaring ma-access ng mga tagaplano ng lungsod sa pamamagitan ng isang nakalaang interface. Ang kakulangan ng proyekto ng pangangailangan para sa mga mamahaling fixed sensor o patuloy na on-site na pagsubaybay ay isang malaking plus. Sa halip, ginagamit nito ang dati nang data ng trapiko sa Google Maps, na nakukuha mula sa mga gumagalaw na kotse at mga user ng smartphone na nagsisilbing "mga mobile sensor."
Gayunpaman, hindi palaging maaasahan ang mga mungkahi ng Green Light. Ang direktor ng Transportation Research Institute ng University of Michigan, si Henry Liu, ay mas maingat tungkol sa teknolohiya. Bagama't nagawang bawasan ng Green Light ang mga oras ng paghihintay sa intersection sa Birmingham ng 20 hanggang 30 porsiyento, itinuturo ni Liu na ang antas ng pagiging epektibo ay nag-iiba depende sa panimulang punto. Sa Birmingham, halimbawa, ang mga ilaw ng trapiko ay sumusunod sa mga itinakdang timetable na batay sa lumang impormasyon sa trapiko. Ang mga benepisyo sa kapaligiran ay mapagdedebatehan din dahil, ayon sa datos ng gobyerno, ang mga idling na sasakyan at mga traffic jam ay sumasakop lamang sa humigit-kumulang 2% ng mga emisyon na nauugnay sa trapiko sa Estados Unidos. Sa totoo lang, ang mga kotse na bumibiyahe nang mas mabilis kaysa sa limitasyon ng bilis ay gumagamit ng mas maraming gasolina kaysa sa mga kotse na huminto sa mga pulang ilaw.
Bukod pa rito, nabigo ang Green Light na isaalang-alang ang mga kumplikadong elemento na maaaring humantong sa mga hindi gaanong kapaki-pakinabang na rekomendasyon, gaya ng pagtawid sa mga bus at bike lane, tram, o abalang tawiran ng pedestrian. Ang pagsasaayos ng traffic light sa Seattle ay kinailangang baligtarin dahil sa kalaunan ay napatunayang hindi ito epektibo. Ang isa pang pagsubok na lungsod, ang Manchester, ay may mga inhinyero ng trapiko na karaniwang nagpapasya na huwag pansinin ang payo ng Google dahil ang mga signal ng trapiko doon ay minsan ay sadyang nakaprograma upang paboran ang mga bus o upang gawing salik sa dagdag na oras ang mga nagko-commuter sa mga lugar ng tirahan. Ang diskarte ng AI sa pagbabawas ng mga paghinto sa mga tawiran ay maaaring gumana laban dito sa ilang mga sitwasyon.