Artículo de opinión de Jeon Byeong-wook, Director del Instituto de Investigación en Tecnología de IA y Conducción Autónoma del Instituto Coreano de Investigación del Automóvil
La competencia mundial en conducción autónoma es cada vez más intensa. Waymo de Estados Unidos operaba aproximadamente 3.000 vehículos en febrero de este año, y hasta finales de junio acumuló más de 270 millones de millas recorridas sin conductor. La expansión china también es vertiginosa. La distancia acumulada totalmente autónoma de Baidu Apollo Go ha superado los 240 millones de kilómetros, y la flota mundial de robotaxis de Pony.ai alcanzó 1.975 vehículos a finales de junio.
¿Dónde nos encontramos nosotros? Los taxis autónomos nocturnos de Seúl aumentaron a 19 vehículos en agosto pasado, pero operan en zonas y horarios limitados con un conductor de prueba a bordo. Aunque se realizan pruebas de conducción autónoma en diversos lugares del país, los servicios comerciales de robotaxis a gran escala sin ocupante en el asiento del conductor aún no han comenzado. La brecha entre nosotros y Estados Unidos y China, donde miles de vehículos operan diariamente en ciudades proporcionando servicios comerciales, debe ser reconocida con frialdad.
Lo más importante no es solo la diferencia en el número de vehículos, sino la diferencia en los datos que generan. En la conducción autónoma con IA, los vehículos recopilan datos, se entrena la IA con esos datos, y luego se implementa la IA mejorada nuevamente en los vehículos. A medida que mejora el rendimiento, aumentan el área de operación y la cantidad de vehículos, y más vehículos generan más datos. Se trata del llamado "efecto volante de inercia de datos", donde la recopilación, aprendizaje, validación e implementación de datos se ciclan continuamente. Una vez que comienza a funcionar correctamente, la velocidad de aprendizaje y mejora se acumula, por lo que la brecha entre los pioneros y los seguidores inevitablemente se ampliará con el tiempo.
Por eso, lo más urgente para nosotros ahora no es esperar a que se desarrolle una tecnología de conducción autónoma perfecta. Es necesario desplegar vehículos a escala en carreteras reales y activar lo antes posible el efecto volante de inercia que conecta la recopilación de datos, el aprendizaje, la validación y el reimplementación. Según mi experiencia, este efecto volante no se completa después de terminar la tecnología, sino que la tecnología se perfecciona durante el proceso de funcionamiento. A medida que los errores y las intervenciones descubiertos en entornos reales, junto con numerosos casos extremos, vuelven a entrar en el aprendizaje, la IA evoluciona. No significa que no haya posibilidades de victoria simplemente porque comenzamos tarde. Lo más peligroso es continuar retrasando el inicio mismo.
Sin embargo, el efecto volante de datos de carreteras reales es una condición necesaria, no suficiente. Simplemente seguir los miles de millones de kilómetros de recorrido en carreteras reales que ya han acumulado los pioneros de la misma manera no es suficiente para cerrar la brecha. Los seguidores necesitan una estrategia que aumente dramáticamente la velocidad de rotación del efecto volante mientras lo mantienen activo.
Uno de esos métodos es combinar el mundo real con el mundo virtual. Se trata de aumentar la cantidad y diversidad de situaciones que la IA puede experimentar, es decir, la "densidad de experiencia", utilizando simulaciones y modelos de mundo generativo basados en datos reales.
Waymo ha recorrido cientos de millones de millas en carreteras reales, pero ya ha completado más de 20.000 millones de millas en el mundo virtual. El modelo de mundo que Waymo reveló este año no solo genera situaciones raras que rara vez se encuentran en carreteras reales, sino que también crea en el mundo virtual qué futuro se desplegaría si el vehículo hubiera elegido una acción diferente en la misma situación. La simulación ha evolucionado hasta convertirse en un bucle cerrado de aprendizaje donde la IA mejora continuamente las políticas a través del aprendizaje repetido de acciones y resultados.
En el campo de la robótica, este cambio es aún más rápido. Se está generalizando el método de transferencia Sim-to-Real, donde se entrenan simultáneamente numerosos robots virtuales, se les hace experimentar repetidamente fallos como caídas, deslizamientos y colisiones, y luego se aplican políticas mejoradas mediante aprendizaje por refuerzo a robots reales. En el mundo real, los fallos son difíciles de repetir debido a costos y riesgos, pero en el mundo virtual pueden convertirse fácilmente en activos de aprendizaje.
Recientemente, el mundo está obsesionado con la IA física y la robótica. Sin embargo, los vehículos autónomos son esencialmente "robots sobre ruedas". Comparten la misma trayectoria técnica en el sentido de que perciben el frente con sensores, predicen cambios en el mundo circundante, toman decisiones de acción y aprenden de nuevo de los resultados. Comparten una parte significativa del pila tecnológica fundamental, incluidos datos, modelos de IA, modelos de mundo, simulación, aprendizaje por refuerzo, semiconductores de IA, validación de seguridad y sistemas operativos.
En ese sentido, soñar con ser una potencia robótica de dos piernas sin siquiera tener suficientes bases tecnológicas para entrenar robots sobre ruedas a gran escala y operarlos en el mundo real podría ser un castillo en el aire. La conducción autónoma no es una industria separada de la robótica, sino el campo de pruebas más práctico para acumular y validar a gran escala la capacidad de desarrollo de IA física en entornos reales.
El tiempo que nos queda no es mucho. El efecto volante de datos de las empresas líderes mundiales está girando rápidamente en este mismo momento. Lo que necesitamos no es esperar una preparación perfecta, sino activar inmediatamente un efecto volante a gran escala, conectar el mundo real con el mundo virtual para aumentar su velocidad de rotación, y expandir la tecnología obtenida aquí hacia la robótica y la manufactura.
La conducción autónoma es tanto una competitividad de la industria automotriz como una cabeza de puente estratégica que Corea del Sur debe asegurar para convertirse en una potencia de IA física y robótica. Lo que debemos crear ahora es la base de la IA física que evolucione por sí misma en las próximas industrias, y la conducción autónoma de IA será la primera plataforma construida sobre esa base.
* Este artículo ha sido traducido por IA.