Atrás
Sigue la Pasión... Síguenos
Las tecnologías de inteligencia artificial (IA) juegan un papel cada vez mayor en la industria automotriz. Es por esto que el número de empresas del sector que la implementan continúan avanzando de forma sustancial para desarrollar vehículos con mejores sistemas que ayuden tanto en la conducción como a la seguridad en un mundo cada vez más conectado.
Desde hace unos años, la industria automotriz ha enfrentado una escasez desastrosa de microprocesadores y otras piezas vitales que ha obligado a reducir la producción, retrasado entregas y disparado los precios de los automóviles nuevos y usados.
Según un informe de Porsche Engineering, cada vez más funciones de los vehículos se basan en la IA para presentar modelos más acordes a las tendencias en tecnología y eficiencia automotriz. Un hardware rápido es imprescindible para los complejos cálculos implicados en la gestión de los datos. En el futuro, solo con ordenadores de alto rendimiento será posible introducir nuevas funciones en la producción en serie.
Joachim Schaper, director senior de IA y Big Data en Porsche Engineering explicó que “la circulación autónoma es una de las aplicaciones de IA más exigentes. Los algoritmos aprenden a partir de multitud de situaciones captadas en el tráfico real por los vehículos de prueba, mediante cámaras, radares u otros sensores”.
Cuando se habla de algoritmos para vehículos autónomos, se necesita un hardware específico de IA. La empresa californiana Cerebras ha presentado una posible solución. Su Wafer Scale Engine (WSE) se adapta de forma óptima a los requisitos de las redes neuronales combinando toda la potencia de cálculo posible en un chip informático gigante. Para ser exactos, es más de 50 veces mayor que un procesador gráfico normal y ofrece espacio para 850,000 núcleos de computación, más de 100 veces más que en una unidad de procesamiento gráfico (GPU), actual de primer nivel.
Según la entidad, la red del Wafer Scale Engine de Cerebras combina una enorme potencia de cálculo en un único circuito integrado, con una longitud lateral superior a 20 centímetros.
Entre los inconvenientes del sistema están su elevada demanda de energía eléctrica, de hasta 23 kW, y que requiere refrigeración por agua, lo que implica un reto para los objetivos de la automoción en la movilidad sostenible.
Schaper cree que el gigantesco procesador californiano también podría acelerar el desarrollo del automóvil. “Teóricamente, con el Wafer Scale Engine una semana de aprendizaje podría reducirse a unas pocas horas. Sin embargo, la tecnología aún tiene que demostrarlo en pruebas empíricas”.
Empresas como Lightelligence y Lightmatter quieren utilizar un medio mucho más rápido para los cálculos de IA: la luz. Para ello, en sus sedes de Boston están desarrollando procesadores ópticos. Así, las DNN (redes neuronales profundas) podrían funcionar “al menos varios cientos de veces más rápido que las electrónicas”, dicen los desarrolladores de Lightelligence.
Las soluciones planteadas por estos desarrolladores pueden insertarse como módulos en los ordenadores convencionales para acelerar los cálculos de IA, como las tarjetas gráficas. En principio, también podrían integrarse en vehículos, por ejemplo, para implementar funciones autónomas. El experto en IA Schaper sostiene que “si Lightelligence consigue construir componentes adecuados para los automóviles, esto podría acelerar enormemente la introducción de funciones complejas de IA en los vehículos”.
Los ordenadores cuánticos también acelerarán los cálculos de la IA porque pueden procesar grandes cantidades de datos en paralelo. Para ello, trabajan con los llamados qubits. A diferencia de la unidad clásica de información, el bit, un qubit puede representar los dos valores binarios 0 y 1 simultáneamente.
Heike Riel, directora de Investigación Cuántica de IBM en Europa y África, sostiene que “cuanto más complicados son los patrones, más dificultad tienen los ordenadores convencionales para reconocer los objetos”.
Por esto, los ordenadores cuánticos podrían dar un impulso a la inteligencia artificial a la hora de clasificar objetos, por ejemplo en el tráfico. Hay muchas clases diferentes de objetos, como bicicletas, coches, peatones, señales, carreteras mojadas y secas. Se diferencian en muchas propiedades, por lo que los expertos hablan de “reconocimiento de patrones en espacios de dimensión superior”.
“Cuanto más complicados son los patrones, más difícil es para los ordenadores convencionales distinguir las clases”, explica Heike Riel.
A todo esto, la IA promete grandes avances y mejoras, evidencia que hemos visto un el transcurrir de los años, aun así, existen múltiples dudas en la industria y los posibles retos en el camino. Es evidente, la capacidad de la IA para mejorar el diseño y las operaciones. Ciertamente, la inteligencia artificial está más que lista para seguir haciendo un impacto dramático en la industria automotriz.
