Colaboración y datos abiertos: el futuro de la industria automotriz

Entre los muchos estudios en curso, uno de los que más llama la atención del público es el diseño, desarrollo y producción de coches autónomos. Lo que antes parecía sólo el resultado de la creatividad de las películas de ciencia ficción está cada vez más cerca de convertirse en realidad para el uso público.

El largo camino desde que el estado de California emitió por primera vez el permiso para la prueba de vehículos autónomos dio un salto cuando la ciudad de San Francisco otorgó recientemente a Cruise, la compañía de automóviles autónomos de General Motors (GM), el primer permiso para cobrar paseos en estos automóviles, en un área densamente poblada. China parece estar haciendo lo mismo: un conjunto de disposiciones introducidas por el gobierno de Shenzhen, el "Silicon Valley" chino, está acercando a la industria a un futuro sin conductor. La ciudad es la primera en el país en establecer reglas integrales para vehículos inteligentes y conectados, lo que permitirá que los vehículos autónomos operen sin una persona en el asiento del conductor.

Obstáculos en el camino

Si bien los vehículos autónomos están ganando más espacio, los expertos en tecnología consideran que hay un trayecto importante por recorrer para garantizar la producción de automóviles confiables, altamente estables y seguros. Eso es porque existen dudas sobre la capacidad de los coches autónomos para reconocer diferentes geografías, distintas condiciones climáticas o predecir la reacción de los humanos ante cambios bruscos. Un camino que, en opinión de muchos estudiosos, se puede resolver con una combinación de datos, inteligencia artificial (IA) y colaboración.

Como tema central del documental Road to AI, producido por Red Hat -líder mundial en soluciones de código abierto- esta suma de esfuerzos culmina en la clave de la innovación. Según Chris Nicholson, cofundador y director ejecutivo de Skymind -una empresa de inteligencia artificial de código abierto-, el gran debate en torno a los automóviles autónomos es cómo se les puede enseñar a reconocer diferentes espacios y alimentarlos con información que permita una rápida toma de decisiones. La inteligencia artificial es la respuesta.

Más integrada que nunca en nuestras vidas y sociedad, la IA se convirtió en una especie de interfaz con un mundo cada vez más rico en información y complejo. Y Road to AI muestra cómo la inteligencia artificial podrá incluso cambiar el significado de lo que es ser humano.

La forma más fácil de pensar en la IA es como una caja con soluciones matemáticas y un código con instrucciones tecnológicas en su interior. Los datos entran en esta casilla y las decisiones salen de este mismo espacio, luego de un cuidadoso análisis de la información. Cuantos más datos se reciben y se experimentan diversidad de escenarios, más inteligente y capaz se vuelve la máquina. “La aplicación de la IA en los coches autónomos es una de las implementación más innovadoras de esta tecnología. Sin embargo, para aprovechar todo su potencial requiere un trabajo previo de generación de una gran cantidad y diversidad de datos, entrenamientos en múltiples escenarios y contextos, como así también exhaustivas pruebas. Estas actividades son fundamentales para una evolución eficiente, confiable y estable de cualquier proyecto que involucre inteligencia artificial. Este es el punto donde usamos herramientas que nos facilitan la ágil gestión de estos procesos sumamente complejos. Nos permiten ir más rápido de forma segura y liviana naturalizando el uso de la ciencia de datos. Procesos repetibles, estables y confiables en un contexto cambiante, nos permiten acelerar la innovación”, explica Victoria Martínez Suárez, Gerente de Desarrollo de Negocios e Inteligencia Artificial de Red Hat.

El poder de la ciencia de datos

El crecimiento en la adopción de tecnologías emergentes, como la IA y el aprendizaje automático, ha ampliado el interés sobre Data Science, la ciencia que estudia y analiza un gran volumen de información sobre un área determinada, para generar conocimientos fundamentales y así garantizar el éxito y futuro de los negocios. “Los datos son nuestro mejor activo y en una adecuada gestión en ellos está el secreto del verdadero aprendizaje para generar nuevos servicios y disrupciones, como es un claro ejemplo en el diseño de los autos autónomos”, dice Victoria.

Buscando impulsar esta innovación generada por la ciencia de datos, Red Hat lanzó recientemente al mercado Red Hat OpenShift Data Science, un servicio de nube administrado que brinda soporte integral para desarrollar, capacitar y probar rápidamente modelos de aprendizaje automático en la nube pública. Con la herramienta, las empresas pueden diseñar e implementar modelos de inteligencia artificial y aprendizaje automático (AI/ML), integrando aplicaciones de código abierto con otras tecnologías. "Los modelos de aprendizaje automático creados en Red Hat OpenShift Data Science se transfieren fácilmente a otras plataformas, lo que permite que los equipos los implementen en producción, en contenedores o en una nube híbrida", dice Thiago Araki, director de tecnología y GTM de Red Hat para América Latina.

El valor de compartir

La ciencia de datos ayuda a filtrar y mejorar el nivel de información que alimenta los proyectos de IA/ML, como los algoritmos de vehículos autónomos. Y cuanto mejores sean los datos y su gestión, mejores serán las decisiones, generando un impacto positivo en la reducción de accidentes y, en consecuencia, en la protección de más vidas. Pero llegar a ese nivel de precisión y producir vehículos autónomos a gran escala no solo dependerá de los datos, sino también de compartir el conocimiento. Esta calle de doble sentido está coordinada por el código abierto.

Varias iniciativas open source en todo el mundo se han comprometido a recopilar la mayor cantidad de información posible y compartirla. Uno de esos proyectos, presentado en el documental de Red Hat, es Duckietown del Instituto de Tecnología de Massachusetts (MIT). A través de una pequeña plataforma, los estudiantes y profesores pueden estudiar los desafíos científicos reales inherentes a una plataforma robótica autónoma a gran escala. Con IA y machine learning desarrollan soluciones abiertas y compartidas para avanzar en la resolución de problemas y en el desarrollo de diferentes proyectos, como los coches autónomos.

Actuando como motor de la industria del automóvil, el código abierto abre una serie de posibilidades para el desarrollo no solo de coches autónomos, sino de otras importantes mejoras para crear vehículos cada vez más seguros. La conducción autónoma, la electrificación y la conectividad fluida de los vehículos suponen un cambio radical en los circuitos logísticos y de distribución, agilizando tiempos y experiencias y mejorando la sostenibilidad del segmento de automotriz. Una vez más, vemos que la colaboración intersectorial logra resultados que benefician a las comunidades. La incorporación de vehículos definidos por software a la flota de transporte urbano, por ejemplo, puede mejorar la conectividad entre los usuarios, reduciendo los tiempos de espera.

El código abierto está remodelando todo el ecosistema automotriz, basado en la colaboración y el intercambio, impulsando la captura y el intercambio de datos para generar más seguridad, transparencia y eficiencia en un mundo ágil y conectado. ¡Te compartimos más información sobre cómo el uso de tecnologías de código abierto está ayudando a abordar muchos de los problemas actuales! Visita la página de Red Hat y descubre toda la serie documental de Open Source Stories.