En el futuro, los vehículos autónomos podrían aprender a circular por sí solos

  • Inteligencia Artificial

coche conectado

La industria automovilística se plantea varios enfoques diferentes en lo que se refiere a la conducción autónoma, que van desde el control externo basado en la nube a una IA integrada que controle el funcionamiento de cada vehículo. Esto les permitiría evaluar de forma autónoma y dinámica las condiciones de la vía para adaptarse a cada situación, y aprender de la experiencia para actuar correctamente en cualquier escenario, por complejo que sea.

Recomendados: 

Cómo abordar la complejidad de un programa de Gestión de Identidades y Gobernanza Leer 

Poniendo al ciudadano en el centro de las ciudades inteligentes Leer 

Aunque la industria automovilística ha avanzado mucho, y ciertos fabricantes afirman tener coches que pueden circular solos, los vehículos autónomos no serán la norma hasta más allá de 2030. En este tiempo se plantearán muchos desafíos, tanto en el diseño de los vehículos como en las plataformas digitales que sustentarán el ecosistema de este nuevo paradigma del transporte, tanto personal como comercial.

Uno de los problemas más importantes a resolver es cómo se tomarán las decisiones de conducción sobre la marcha, ya en la carretera intervienen numerosos factores, cuya combinación genera infinidad de escenarios de conducción diferentes, sobre todo en entornos urbanos. Lo que parece claro para la mayoría de expertos es que los vehículos deben tener capacidad para actuar por sí solos, de forma “inteligente”, independientemente de que cuenten o no con una conexión fiable a una plataforma externa de IA.

Pero esto plantea nuevas preguntas a responder, como hasta qué punto los coches autónomos deben ser inteligencias artificiales móviles, y dónde acaba su capacidad de funcionar sin supervisión humana. Es un tema delicado, ya que la toma de decisiones siempre se enfrenta a posibles sesgos, que en el caso de la conducción pueden llevar a consecuencias nefastas. Pero ahora muchos investigadores afirman que la mejor forma de que los vehículos autónomos funcionen de forma eficiente y segura es que sean capaces de aprender por sí solos, y aplicar este aprendizaje por su cuenta. Esto supone integrar algoritmos de machine learning que les permitan afinar su funcionamiento basándose en la información que obtienen del entorno en que se mueven.

La idea parece muy buena, pero a su vez genera nuevos desafíos, como la gran capacidad informática que se deberá integrar en los coches, que además debe garantizar una fiabilidad a prueba de toda duda. Así, tanto la computación como la conectividad, la sensorización, el almacenamiento de datos y la conectividad interna debe diseñarse y fabricarse siguiendo los más altos estándares de fiabilidad y resistencia posibles, y algunos todavía están por desarrollar.

El objetivo, según los expertos, es diseñar vehículos personales y comerciales que puedan operar por sí solos, al margen de que se conecten asiduamente a plataformas de IA que supervisen su funcionamiento y les proporcionen actualizaciones o información adicional sobre el estado de las carreteras. Porque, según las últimas investigaciones, los simuladores de IA de conducción que han recibido información basada solamente en las normas de tráfico, las señalizaciones y la ubicación de vehículos, tendían a desarrollar estrategias muy rígidas, que no pueden abordar situaciones complejas, con factores imprevistos, lo que resulta en posibles accidentes.

Pero, aprovechando los grandes avances que se están dando en las tecnologías de captación de imágenes, sensores de proximidad o Lidar, entre otras, y en combinación con la inteligencia artificial, se pueden construir vehículos autónomos más inteligentes, que puedan desenvolverse en el mundo real con soltura y eficacia, sin poner en riesgo a las personas, las infraestructuras o los otros vehículos que transitan por las vías, ya sean autónomos o pilotados por humanos.

Aunque los expertos también señalan que los modelos de IA de conducción obtienen mejores resultados cuando interactúan con otros elementos externos que pueden proporcionarles un mejor contexto. Por ejemplo, los carriles, semáforos y elementos propios de las carreteras dotados de sensores, cámaras y su propia capacidad para interpretar el entorno y las condiciones de las carreteras.

Esto supone que el desarrollo del ecosistema de conducción autónoma no solo corresponde a los fabricantes de automóviles y los reguladores, sino que las administraciones públicas deben aportar su granito de arena, implementando más sistemas inteligentes y conectados, como los que se irán implementando en las Smart Cities para controlar el tráfico, peor a una escala mucho mayor, de ámbito nacional.