Cada vez más compañías inician sus estudios para llegar a la autonomía de los vehículos. Algunas empresas como Google o Uber realizan estudios para el diseño y la mejora de los vehículos autoconducidos. Poco a poco estamos más cerca de una realidad al mejor estilo de Asimov con algunas que otras diferencias. Pensar en un futuro lejano con automóviles inteligentes ya es obsoleto, la realidad es que tenemos automatizaciones desde hace ya mucho. Hagamos -a continuación- un breve recorrido histórico sobre lo que ya conocemos como autonomía vehicular.

Automatizaciones mecánicas

En un principio, antes de la digitalización, las automatizaciones comenzaron desde lo mecánico. Un ejemplo es la caja automática, que a través de engranajes especializados y un sistema hidráulico cambian las marchas para liberar al conductor de esta tarea. Los recursos y la tecnología fueron avanzando de manera tal que ahora es posible automatizar utilizando lo mínimo e indispensable los traspasos puramente mecánicos, complementándolos con los recursos que brinda la digitalización y la posibilidad de agregar elementos con computadoras en nuestro vehículo, además de la IA -Inteligencia Artificial-.

Velocidad Crucero

Otra manera de auto-conducción es la velocidad crucero. Los automóviles son seteados para mantener una velocidad constante, a menos que el conductor le exija la disminución o el aumento de la misma. Esta herramienta ya se naturalizó, pero es un claro ejemplo.

Automóviles inteligentes

En YouTube podemos encontrar muchísimos videos de autos que se conducen sólos y Uber es uno de los que está apostando fuerte a este tipo de investigación. También podremos ver a los autos Tesla cada vez más eficientes y autónomos.

La investigación científica avanza cada vez más en uso de la IA para la conducción de vehículos. Las redes neuronales artificiales son una de las herramientas más utilizadas en Inteligencia Artificial. Estas se entrenan por aprendizajes, experiencias y datos.

Los vehículos aprenden por la incorporación de grandes cantidades de datos, dentro de los cuales se incluye el uso que los conductores les dan a los vehículos. De esa manera, integran en su memoria posibles soluciones y formas de manejo.

En este marco, cabe destacar también el avance de las aseguradoras de automóviles, que brindan servicios cada vez más personalizados. Un ejemplo claro de ello es el cotizador de seguros Comparaencasa, que permite explorar online las diferentes opciones que hay en el mercado.

Vehículos autoconducidos

Auto autonomo

A través de Machine Learning, -sistemas preparados para realizar tareas específicas, en este caso la auto-conducción-, incorporan conocimientos a partir de datos recopilados. La computadora absorbe toda la información que le sea provista, la procesa y obtiene una experiencia que le permitirá tomar una decisión a la hora de conducir. Es decir, el automóvil podrá decidir qué ruta tomar por experiencias previas y otro tipo de información disponible, eligiendo la mejor ruta, con el menor tránsito o la mejor opción entre las posibles.

Un ejemplo sencillo de la autoconducción es el estacionamiento autónomo. Los vehículos, a través de cámaras y sensores, “se estacionan a sí mismos”. Este avance -que ya se ha normalizado, y que varias compañías lo incorporaron a sus tecnologías de alta gama-, es un pequeño ejemplo de las posibilidades que la Inteligencia Artificial incorpora a nuestras vidas.

¿Cómo aprende un automóvil?

Un sistema de auto-conducción está compuesto por diferentes partes y fases de aprendizaje: en un principio, se genera un mapa 3D de la ciudad o zonas donde podrá conducir, que se carga a la computadora del vehículo. Esto se conoce como localización. Gracias a este modelo 3D y otras tecnologías como el GPS, el auto puede ubicarse en el espacio que habita, y reconocer -a través del uso en conjunto de estos métodos-, cuáles son las posibilidades de circulación.

Además, el vehículo cuenta con cámaras dispuestas a su alrededor para identificar otros objetos. Mediante las cámaras especiales instaladas, el programa reconoce otros vehículos, peatones, mascotas o cualquier objeto que lo rodee. También calcula las velocidades de otros vehículos y las distancias. La posibilidad de reconocimiento de objetos o personas y toma de decisiones fueron incorporados anteriormente al software utilizando diversas técnicas de Inteligencia Artificial.

En otra instancia, -necesaria para entrenar el software de aprendizaje automático- el automóvil es conducido por una persona. El software incorpora a su enorme base de datos las experiencias recabadas de la conducción manual. Ya más avanzado, los automóviles se manejan por sí solos con la vigilancia de un conductor y, en caso de que las decisiones -basadas en probabilidades- que tome el vehículo sean erróneas, el conductor las corrige. Ese nuevo dato o corrección se incorpora a la base ya creada, para que en una próxima situación sea utilizado en el cálculo para la toma de decisiones. Esto se conoce como reinforcement learning o aprendizaje por refuerzo, en español.

La realidad es que estamos viviendo en el futuro, quizás no tal cual lo imaginaron grandes escritores o cineastas, pero la tecnología avanza y estamos aquí para verlo.

Leticia Berardo para BLes.com