El fabricante de microprocesadores elaboró un informe donde establece un marco teórico dentro del cual es posible desarrollar sistemas de inteligencia artificial que sean realmente seguros y prácticos para la industria del automóvil.
Los vehículos autónomos prometen reducir los accidentes de tránsito al reemplazar los impredecibles conductores humanos con la inteligencia artificial, pero ¿cómo logran las marcas que estos nuevos conductores sean verdaderamente seguros?
Para responder esa pregunta, Nvidia, empresa estadounidense especializada en el desarrollo de microprocesadores y chips, lanzó un documento llamado "Informe de Seguridad de Conducción Autónoma".
En este informe se analizan los procesos de desarrollo de procesadores útiles para crear sistemas de conducción autónoma funcionalmente seguros. "Al lograr el nivel más alto de procesamiento, podemos incorporar la diversidad y la redundancia en cada solución -desde tipos de sensores a procesadores y algoritmos- para asegurarnos de que siempre existan varias líneas de defensa en caso de que se produzca una falla", explica el informe.
Nvidia es un proveedor de soluciones de la gran mayoría de los fabricantes de automóviles, de piezas, de sensores, empresas emergentes y empresas de mapas en el sector de la conducción autónoma.
"Nuestro informe detalla la forma en que el procesamiento transforma el rendimiento en seguridad en todas las etapas, desde la recopilación inicial de datos hasta las pruebas de manejo públicas", indicó la empresa en un informe hecho público recientemente.
De acuerdo al mismo, la conducción autónoma segura debe construirse sobre cuatro pilares básicos:
Pilar 1: Plataforma de implementación y diseño con inteligencia artificial (IA)
Un conductor de IA seguro requiere una plataforma de computación que abarque todo el espectro de la computación, desde la conducción asistida en ruta hasta los robotaxis. Debe combinar el aprendizaje profundo, la fusión de sensores y la visión del entorno para lograr que el automóvil tome decisiones en milisegundos según enormes cantidades de datos.
Pilar 2: Infraestructura de desarrollo compatible con el aprendizaje profundo
Un único vehículo de prueba puede generar petabytes de datos cada año. Capturar, administrar y procesar esta enorme cantidad de datos no solo para un automóvil, sino para una flota, requiere una infraestructura y una arquitectura de computación completamente nuevas.
Pilar 3: Solución del centro de datos para las pruebas y simulaciones robustas
La capacidad para probar un entorno de simulación realista es esencial para lograr vehículos de conducción autónoma seguros. Al combinar kilómetros reales con kilómetros simulados en un centro de datos de alto rendimiento, los fabricantes pueden probar la tecnología de forma extensa y validarla.
Pilar 4: El mejor y más extenso programa de seguridad
El desarrollo de tecnologías de conducción autónoma debe seguir una metodología de seguridad integral que se enfoque en la diversidad y la redundancia del diseño, validación, verificación y soporte continuo de todo el sistema autónomo. Dichas tecnologías deben seguir recomendaciones de organismos nacionales e internacionales especializados en estos temas. El informe menciona la Administración Nacional de Seguridad del Tráfico en las Carreteras, la Organización Internacional de Normalización y el Programa Global de Evaluación de Autos Nuevos.
"Además de estos cuatro pilares, la investigación y el desarrollo extensos, así como la colaboración en toda la industria, son aspectos esenciales para implementar de forma segura los vehículos autónomos", concluye el informe.
