O que falta para termos carros autônomos pelas ruas?

A tecnologia vem mudando – e moldando – a maneira como as pessoas interagem. Da educação à saúde, dos serviços financeiros à mobilidade urbana, soluções de ponta são pesquisadas e desenvolvidas todos os dias.

Entre os muitos estudos em andamento, um dos que mais vêm atraindo a atenção do público é o desenvolvimento e a produção de carros autônomos. O que antes parecia apenas fruto da criatividade dos filmes de ficção científica, está cada vez mais perto de se tornar realidade.

Onde os veículos autônomos são permitidos

Desde que foram autorizados, pela primeira vez, no estado americano da Califórnia, testes de veículos autônomos deram um salto quando, recentemente, a cidade de São Francisco concedeu à Cruise, empresa de carros autônomos da General Motors (GM), a primeira permissão para cobrar por passeios nestes automóveis em uma área densamente povoada.

A China parece seguir o mesmo caminho: um conjunto de disposições introduzidas pelo governo de Shenzhen, o “Vale do Silício” chinês, está aproximando a indústria de um futuro sem motorista. A cidade é a primeira do país a estabelecer regras abrangentes para veículos inteligentes e conectados, permitindo que carros autônomos operem sem um humano ao volante.

Por que ainda não temos carros autônomos andando por aí

Ainda que os veículos autônomos estejam ganhando mais espaço, especialistas em tecnologia consideram que há um importante trajeto a ser percorrido para garantir a produção de automóveis confiáveis, altamente estáveis e seguros.

Isso porque existem dúvidas sobre a capacidade dos carros autônomos de reconhecer diferentes geografias, distintas condições climáticas ou prever a reação de humanos a mudanças abruptas. Um caminho que, na opinião de muitos estudiosos, pode ser resolvido com uma combinação de dados, inteligência artificial e colaboração.

A resposta está no uso da inteligência artificial

Tema central do documentário Road to AI, produzido pela Red Hat , líder global no fornecimento de soluções open source, essa soma de esforços culmina na chave para a inovação.

Segundo Chris Nicholson, cofundador e CEO da Skymind, empresa de inteligência artificial open source, a grande discussão em volta dos carros autônomos é como eles podem ser ensinados a reconhecer diferentes espaços e alimentados com informações que permitam a rápida tomada de decisões. A inteligência artificial é a resposta.

Como ensinar uma máquina a aprender

Mais integrada à nossa vida e à sociedade do que nunca, a IA vem sendo uma espécie de interface com um mundo cada vez mais repleto de informações e complexo. E Road to AI mostra como a inteligência artificial será capaz, inclusive, de mudar o significado do que é ser humano.

A maneira mais fácil de se pensar a IA é como uma caixa com soluções matemáticas e códigos com instruções tecnológicas dentro. Os dados entram nessa caixa e as decisões saem desse mesmo espaço, após uma análise criteriosa das informações. Quanto mais dados forem recebidos e experimentados em diferentes cenários, mais inteligente e capaz a máquina se torna.

“A aplicação de IA em carros autônomos é uma das implementações mais inovadoras dessa tecnologia. No entanto, aproveitar todo o seu potencial requer um trabalho prévio para gerar uma grande quantidade e diversidade de dados, treinamento em múltiplos cenários e contextos, além de testes exaustivos”, explica Victoria Martinez Suárez, gerente de desenvolvimento de negócios e inteligência artificial na Red Hat.

Segundo ela, essas atividades são fundamentais para uma evolução eficiente, confiável e estável de qualquer projeto que envolva a inteligência artificial. “É nesse ponto que utilizamos ferramentas que facilitam a gestão ágil desses processos de alta complexidade. Eles nos permitem ir mais rápido de forma segura, naturalizando o uso da ciência de dados. Processos repetíveis, estáveis ​​e confiáveis ​​em um contexto de mudança nos permitem acelerar a inovação”, diz Victoria.

O poder do data science

O crescimento na adoção de tecnologias emergentes, como a IA e o machine learning, ampliou a atenção sobre a data science, ciência que estuda e analisa um grande volume de informações sobre uma determinada área, para gerar insights fundamentais para garantir o sucesso e o futuro dos negócios.

“Os dados são o nosso melhor ativo e uma gestão adequada deles guarda o segredo do verdadeiro aprendizado para gerar novos serviços e disrupções, como os carros autônomos”, afirma Victoria.

Buscando impulsionar essa inovação gerada pela ciência de dados, a Red Hat trouxe recentemente ao mercado o Red Hat OpenShift Data Science, um serviço gerenciado de nuvem que oferece suporte completo para desenvolver, treinar e testar rapidamente modelos de aprendizado de máquina na nuvem pública.

Com a ferramenta, as empresas podem projetar e implantar modelos de inteligência artificial e aprendizado de máquina (AI/ML), integrando aplicativos de código aberto com outras tecnologias. “Os modelos de aprendizado de máquina criados no Red Hat OpenShift Data Science são facilmente portados para outras plataformas, permitindo que as equipes os implantem em produção, em contêineres ou em nuvem híbrida”, conta Thiago Araki, diretor de tecnologia e GTM na Red Hat para a América Latina.

Open source e o valor do compartilhamento

A ciência de dados ajuda a filtrar e a melhorar o nível das informações que alimentam os projetos de IA/ML, como os algoritmos dos carros autônomos. E quanto melhores os dados e sua gestão, melhores serão as decisões, gerando um impacto positivo na redução de acidentes e, consequentemente, na proteção de mais vidas.

Mas chegar a esse nível de acuracidade e produção de veículos autônomos em grande escala não irá depender apenas dos dados, mas também do compartilhamento de conhecimento. Essa via de mão dupla é coordenada pelo open source.

Diversas iniciativas de código aberto ao redor do mundo estão empenhadas em coletar o maior número possível de informações e compartilhá-las. Um desses projetos, apresentados no documentário da Red Hat, é o Duckietown, do Instituto de Tecnologia de Massachusetts (MIT).

Por meio de uma pequena plataforma, alunos e professores podem estudar os desafios científicos reais inerentes a uma plataforma de robô autônomo real em grande escala. Com IA e aprendizado de máquinas, desenvolvem soluções abertas e compartilhadas para avançar na resolução de problemas e no desenvolvimento de distintos projetos, como os carros autônomos.

Atuando como motor da indústria automobilística, o open source abre uma série de possibilidades para o desenvolvimento não só de carros autônomos, mas de outras importantes melhorias para criar veículos cada vez mais seguros.

A condução autônoma, a eletrificação e a conectividade fluida dos veículos implicam uma mudança radical nos circuitos logísticos e de distribuição, agilizando tempos e experiências e melhorando a sustentabilidade do segmento automobilístico.

Mais uma vez, vemos a colaboração entre os setores alcançando resultados que beneficiam as comunidades. A incorporação de veículos definidos por software na frota de transporte urbano, por exemplo, pode melhorar a conectividade entre os usuários, reduzindo tempos de espera.

O open source está remodelando todo o ecossistema automotivo, baseado na colaboração e no compartilhamento, impulsionando a captação e a troca de dados para gerar cada vez mais segurança, transparência e eficiência em um mundo ágil e conectado.

No site da Red Hat é possível encontrar mais informações sobre como o uso das tecnologias de código aberto está ajudando a endereçar diversos problemas da atualidade.