Combinar las ventajas y eliminar los inconvenientes: evolutivamente, los humanos hemos aprendido a crear conocimiento y dar forma al progreso. Del fuego y el agua a la máquina de vapor, del descubrimiento de la conductividad electrónica y la fuerza magnética a los motores eléctricos. De una red de cuatro ordenadores al Aparnet. O del Regla de aprendizaje de Hebb y Retropropagaciónsobre el renacimiento de la Redes neuronales.  

En la actualidad, los procesos basados en la IA están allanando el camino hacia la conducción autónoma. En este contexto, el proyecto de investigación AI Knowledge, financiado por el BMWI, investiga y desarrolla métodos para integrar los conocimientos existentes en las funciones de IA basadas en datos de los vehículos autónomos.  

Después de que en marzo informáramos de la recepción de la financiación, en este artículo explicamos con más detalle qué planteamiento subyace en el proyecto de investigación y cómo se resuelven exactamente los retos de la conducción autónoma.

Conocimiento de la IA: un enfoque híbrido para nuevos modelos de IA en la conducción autónoma  

Los métodos de IA más utilizados se basan en grandes cantidades de datos de entrenamiento. En la fase de entrenamiento, se prescinde de la intervención de expertos y la AI optimizado exclusivamente a través de datos en un proceso continuo. Esto se debe a que la recopilación y el procesamiento de datos llevan mucho tiempo y, en última instancia, son muy caros. Además, los modelos de IA basados en datos tienen un carácter de caja negra cuya toma de decisiones no siempre puede comprenderse directamente. Para resolver estos problemas, los enfoques de investigación anteriores se han centrado en optimizar los datos necesarios para el entrenamiento. 

El proyecto de investigación AI Knowledge adopta un nuevo enfoque para eliminar estas deficiencias: Se utiliza un enfoque híbrido que combina procedimientos basados en datos con métodos basados en el conocimiento.  

Por ello, se está investigando cómo integrar en los sistemas de IA los conocimientos conocidos sobre el contexto del tráfico. Esto definirá una base de entrenamiento y validación completamente nueva para los modelos de IA de conducción autónoma.  

Estructura del proyecto de la iniciativa de investigación 

La estructura del proyecto de la iniciativa de investigación se divide en cuatro módulos y se centra en las siguientes innovaciones fundamentales: 

Integración de conocimientos

Se identifican, sistematizan y procesan los conocimientos pertinentes para el contexto del tráfico. Esta base de conocimientos en el contexto del tráfico se diferencia según tres tipos: condiciones físico-matemáticas, normas sociales y conocimiento del mundo en el contexto del tráfico rodado.   

Extracción de conocimientos

Se están investigando, adaptando y perfeccionando diversos métodos de extracción de conocimientos para que puedan aplicarse con provecho al caso de uso de la conducción autónoma. Entre ellos figuran, por ejemplo, la extracción de conceptos a partir de modelos o modelos con una salida estructurada directa. La extracción sirve así para reconocer y utilizar los conocimientos recién adquiridos de una IA y compararlos con los ya existentes. 

Conformidad de los conocimientos

Esto implica el desarrollo de métodos que comprueben la conformidad de los resultados de los sistemas de IA en relación con los conocimientos existentes y apoyen así la plausibilidad y validación de las funciones de IA de los vehículos autónomos. 

Integración y demostración

Las funciones, componentes y métodos desarrollados en el proyecto se definen en tres casos de uso y se demuestran en un simulador de conducción autónoma.  

Así pues, está surgiendo un ecosistema global que aborda fundamentalmente los retos de los sistemas de conducción autónoma a través de la investigación y el desarrollo dedicados: una base de datos reducida, el aumento de la estabilidad de la IA entrenada frente a las perturbaciones de los datos, la eficiencia de los datos, la verosimilitud y validación de las funciones respaldadas por la IA y el aumento de la bondad funcional. 

[es proveedor tecnológico de la comunidad del proyecto  

Conocimientos de IA es un proyecto de la familia AI, que incluye AI Delta Learning, AI Safeguarding y AI Data Tooling. El proyecto de investigación iniciado por la iniciativa emblemática de la VDA "conducción autónoma y conectada" está financiado por el Ministerio Federal de Economía y Energía por un período de 36 meses y cuenta con 16 socios de proyecto altamente especializados de Alemania. [at] apoya el innovador entorno del proyecto AI Knowledge como experto en tecnología.  

Basándose en los autocodificadores, nuestros especialistas intentan desarrollar una imagen más diferenciada de los modelos de caja negra y hacer explicables las decisiones tomadas localmente. Concretamente, a partir de datos de imágenes y/o sensores del vehículo autónomo y con ayuda de modernos métodos de clasificación de textos, intentaremos dividir las situaciones de conducción en peligrosas, precarias y normales. 

Para ello, el conocimiento existente sobre los datos antes y/o durante el entrenamiento del modelo se extrae del propio conjunto de datos. El resultado es una evaluación de la conformidad mediante la medición de la similitud entre la predicción y el conocimiento extraído. A su vez, estos resultados pueden utilizarse para activar advertencias de conformidad, seleccionar datos de entrenamiento y mejorar el modelo.