Uno de los productos más interesantes de la era de la IA es el vehículo autónomo.
Los vehículos autónomos también son una de las cosas más misteriosas de las que se oye hablar en la IA ahora. En este vídeo me gustaría compartir contigo una descripción algo simplificada del vehículo autónomo para que entiendas cómo unir varios componentes de IA a fin de construir estos increíbles objetos. Empecemos. Estos son los pasos clave para decidir cómo conducir tu vehículo autónomo, El vehículo tendrá como entrada varios sensores, como imágenes de lo que hay delante del vehículo a los lados o detrás, y quizá un radar o un lidar, que significa lectura de sensor láser. A partir de estas entradas, imágenes y tal vez otras cosas, tiene que detectar otros vehículos. Con todo eso, es de esperar que averigües que hay un vehículo allí, así como peatones, porque queremos evitar otros vehículos y a los peatones. Tanto la detección de vehículos como la detección de peatones se pueden hacer con aprendizaje automático, usando asignaciones de entrada y salida, o de A a B que toman como entrada la imagen y tal vez el radar y el lidar, envía las entradas y nos dice dónde están los otros vehículos y peatones. Por último, ahora que ya sabes dónde están los otros vehículos y los peatones, puedes enviar esta información a otra pieza especializada de software, llamada software de planificación de movimiento, que planea los esquemas de movimiento o la ruta que quieres que tome tu vehículo, para que puedas avanzar hacia tu destino evitando cualquier colisión. Una vez que has planeado el movimiento del vehículo, esto se puede traducir en el ángulo concreto del volante y comandos de aceleración y freno es decir, cuánto pisar el acelerador, y cuánto frenar para que el vehículo se mueva en el ángulo y velocidad deseados. Veamos los tres pasos claves: detección de vehículo, detección de peatones y planificación de movimiento en más detalle. La detección de vehículo utiliza aprendizaje supervisado. Ya hemos visto cómo un algoritmo de aprendizaje puede tomar como entrada imágenes como estas y como salida los vehículos detectados. La mayoría de los vehículo autónomos en lugar de usar solo una cámara frontal, una cámara que mira hacia adelante, usan además con frecuencia cámaras que miran hacia la izquierda, a la derecha y a la parte trasera, por lo que pueden detectar vehículos no solo delante sino alrededor. Esto se hace generalmente usando no solo cámaras sino otros sensores, como el radar y el lidar. Lo siguiente es la detección de peatones, y usando un tipo bastante similar de sensores y técnicas, los vehículos autónomos pueden detectar peatones. Por último, mencioné brevemente la fase de planificación de movimiento. ¿Qué es eso? Aquí tienes un ejemplo. Supongamos que estás conduciendo tu vehículo y tienes este vehículo azul claro delante. La función del software de planificación de movimiento es decirte cuál es el camino, que se muestra aquí en rojo, que debes seguir para estar dentro de la carretera y no tener un accidente. Así que la tarea del software de planificación de movimiento es obtener la ruta y la velocidad a la que debes conducir el vehículo para seguir la carretera, y la velocidad que deberías llevar para no alcanzar al otro vehículo, y además conducir a una velocidad razonable en esta carretera. Aquí hay otro ejemplo: Si aparece este vehículo gris estacionado en el lado derecho de la carretera, querrás pasar a este vehículo parado. El software de planificación de movimiento debe trazar un camino como este para que gires un poco a la izquierda y te adelantes con seguridad al vehículo parado. Hasta ahora he dado una descripción bastante simplificada del vehículo autónomo que incluye principalmente estos tres componentes. Veamos un poco más en detalle cómo podría funcionar un vehículo autónomo real. Esta es la imagen que has visto hasta ahora. Entradas: imagen, radar o lidar, lecturas de sensores para la detección de vehículos y peatones y eso se envía a la planificación de movimiento que te asistirá al seleccionar la ruta y la velocidad. Ahora, en un vehículo autónomo real, se suelen utilizar más cosas además de cámaras, radar y lidar. La mayoría de los vehículos autónomos actuales también usan GPS para detectar su posición, así como acelerómetros, a veces llamados IMU, que significa acelerómetros, y giróscopos, y además un mapa porque sabemos que es más probable que encontremos vehículos en la carretera, y que es más probable que los peatones estén en las aceras, aunque a veces se encuentran en la calzada también. Todo esto suele ser información adicional que se suministra para detectar vehículos y peatones y otros objetos de los que vamos a hablar en un segundo. Además de solo detectar vehículos y peatones, para conducir con seguridad también se necesita saber a dónde irán estos vehículos y peatones en el futuro. Así, otro componente común de los vehículos autónomos es la predicción de trayectoria, donde hay otro componente de IA que te indica no solo los vehículos y los peatones que encuentras, sino también dónde es probable que vayan en los próximos pocos segundos, así puedes evitarlos incluso mientras se están moviendo. Para conducir con seguridad se requiere más que simplemente navegar entre otros vehículos y peatones. También hay que saber dónde están los carriles, así podrías detectar las marcas de carril. Si hay un semáforo también se necesita averiguar donde está, y si está en rojo, amarillo o verde. A veces hay otros obstáculos, como conos de tráfico inesperados o tal vez hay una manada de gansos caminando delante de tu vehículo que debe ser detectada también. Así el vehículo puede evitar otros obstáculos además de vehículos y peatones. En un gran equipo de vehículos autónomos, no sería tan inesperado tener un equipo o tal vez algunas personas que trabajan en cada uno de los cuadros que te muestro aquí en rojo. Creando todos estos componentes y poniéndolos juntos se puede construir un vehículo autónomo. Como puedes ver, tanto en la secuencia de IA de este ejemplo algo complejo como en la del ejemplo anterior, la secuencia de IA en cuatro pasos para el altavoz inteligente, a veces se necesita un equipo para construir todos estos diferentes componentes de un producto complejo de IA. En el siguiente vídeo me gustaría compartir contigo cuáles son los roles clave en los grandes equipos de IA. Si en el equipo hay solo una persona o si el equipo de IA es pequeño, está bien, pero quiero que tengas una idea de cómo será crear un equipo de IA grande, quizás en un futuro lejano. Continuemos con el siguiente vídeo.
Excel para principiantes: Aprenda a utilizar Excel 2016, incluyendo una introducción a fórmulas, funciones, gráficos, cuadros, macros, modelado, informes, estadísticas, Excel Power Query y más
Ciberseguridad: Una Simple Guía para Principiantes sobre Ciberseguridad, Redes Informáticas y Cómo Protegerse del Hacking en Forma de Phishing, Malware, Ransomware e Ingeniería Social