Dentro de un entorno de intensa transformaci\u00f3n productiva en el que se desenvuelve la industria automotriz considerada pionera en incorporar e implementar continuas y permanentes innovaciones tecnol\u00f3gicas, los veh\u00edculos aut\u00f3nomos representan hoy, el futuro de lo que la inteligencia artificial (IA) plantea usando como herramienta el Machine Learning (ML) o aprendizaje autom\u00e1tico.<\/p>\n
El ML se ha convertido en la pieza clave de la IA para que los robots se desempe\u00f1en en forma m\u00e1s inteligente, de manera mucho m\u00e1s flexible y efectiva, se adapten a situaciones de mayor complejidad y\/o los robots colaborativos trabajen simult\u00e1neamente con los humanos.<\/p>\n
En este proceso de interrelaci\u00f3n, la IA act\u00faa como el cerebro proporcionando capacidad para pensar y aprender a tomar decisiones de manera que, al identificarse defectos y vulnerabilidades se eleven los est\u00e1ndares en la seguridad integral sobre todo cuando se conduce.<\/p>\n
Si se suministra una completa, abundante y buena base de datos, fotos, se\u00f1ales de tr\u00e1fico, estacionamientos libres u ocupados, peatones, usuarios, modelos de veh\u00edculos, congesti\u00f3n y caos vehicular, rutas, emergencias, condiciones clim\u00e1ticas, de navegaci\u00f3n, informaciones administrativas relacionadas con infracciones de tr\u00e1nsito, excesos de velocidad, consecuencias de conducir ebrio o inapropiadamente, entre otras condiciones m\u00e1s, los veh\u00edculos aut\u00f3nomos reconocer\u00e1n nuestras instrucciones, las aceptar\u00e1n o simplemente responder\u00e1n que no est\u00e1n en condiciones de ayudarnos.<\/p>\n
Es as\u00ed como el ML interpretar\u00e1 y aprender\u00e1 bajo varias modalidades de aprendizaje, sin supervisi\u00f3n o con ella, por refuerzo, ensayo y error o a trav\u00e9s de adiestramiento intenso le ser\u00e1 posible establecer patrones de uso y de conducci\u00f3n de cada piloto.<\/p>\n
En esta interrelaci\u00f3n la IA simula la inteligencia humana, mientras que el ML con t\u00e9cnicas espec\u00edficas determina que el veh\u00edculo aprenda de los datos alojados para que tome decisiones.<\/p>\n
Para que un veh\u00edculo aut\u00f3nomo identifique un sem\u00e1foro y pare cuando est\u00e1 en rojo recopila miles de im\u00e1genes de sem\u00e1foros en diferentes \u00e1ngulos y condiciones de iluminaci\u00f3n, luego etiqueta los colores para identificarlos y establecer el verde, rojo y \u00e1mbar.<\/p>\n
El entrenamiento supervisado al que es sometido el veh\u00edculo aut\u00f3nomo se hace v\u00eda un algoritmo que corresponde a un conjunto ordenado de datos y dise\u00f1ado para encontrar soluciones, clasificando todo lo que ve en tiempo real analizando el entorno, realizando predicciones de posibles cambios y determinando patrones.<\/p>\n
La IA se convierte en la pantalla de visualizaci\u00f3n para reconocimiento facial, detecci\u00f3n de objetos, inspecci\u00f3n de calidad, mientras que el ML permite que los veh\u00edculos aut\u00f3nomos aprendan de la experiencia, mejorando su capacidad de tomar decisiones, a planificar rutas y controlar la direcci\u00f3n, aceleraci\u00f3n y los frenos.<\/p>\n
En este cambiante mundo que continuar\u00e1 evolucionando esperemos que lo que se viene nos permita disfrutar veh\u00edculos aut\u00f3nomos d\u00e1ndole \u00f3rdenes para que nos trasladen sin afectar nuestra tranquilidad.<\/p>\n
Los espero en el siguiente art\u00edculo<\/p>\n
Juan T\u00e1vara Balladares<\/p>\n
CEO y fundador<\/p>\n
www.carrosok.com<\/p>\n
Autoridad automotriz<\/p>\n","protected":false},"excerpt":{"rendered":"