Cómo entrenar un vehículo

Los vehículos autónomos pronto serán comunes en nuestras carreteras. A medida que los vehículos pasan de tener características autónomas, como el mantenimiento de carriles y los sistemas de frenos de emergencia, a la autoconducción real, deben volverse cada vez más "inteligentes", por lo que la capacitación debe ser más sofisticada. Aquí es donde empresa como Annotell entran en escena.

"Trabajamos con equipos de aprendizaje automático en la industria automotriz", señala Oscar Petersson, CEO de Annotell, una empresa de nueva creación de alta tecnología, y uno de los socios de Volvo que se pueden encontrar en CampX.

Los vehículos autónomos necesitan inteligencia artificial o aprendizaje automático. Esto a su vez necesita dos cosas, un algoritmo de aprendizaje automático y datos de entrenamiento.

Cuando le enseñas a la inteligencia artificial cómo analizar el entorno y cómo actuar según lo que percibe, le das muchos ejemplos. Volvo toma una gran cantidad de fotos del entorno de conducción. Luego tienes que anotar las imágenes, es decir, describir lo que hay en ellas a la inteligencia artificial.

 

Ahí es donde entramos nosotros. Cada píxel representa información y tenemos herramientas basadas en la web para anotar o clasificar esta información. Cuando el material se anota, se llama datos de entrenamiento y eso es lo que nuestros clientes pueden usar para entrenar sus algoritmos.

Esto puede sonar mucho más fácil de lo que es. En realidad, es muy complejo. Los requisitos para los datos de capacitación aumentan constantemente y el acceso a datos de capacitación de alta calidad es un cuello de botella en la industria automotriz.

Para hacerlo aún más complicado, no hay dos personas que interpreten el entorno de una carretera exactamente de la misma manera. ¿Cuándo hay, por ejemplo, demasiada nieve en el camino para que sea manejable? ¿Qué píxel de la imagen marca el final de la carretera y el comienzo de la carretera?

"El mundo es complejo, y nosotros los humanos interpretamos el mundo de manera muy diferente. Nuestro objetivo es ayudar a nuestros clientes a acordar cómo interpretar el mundo y luego transferir ese acuerdo a sus algoritmos mediante la producción de grandes volúmenes de datos de capacitación consistentes", señala Oscar Petersson.