Software y La Nube
Los beneficios de la Nube para las Pymes
Su desarrollo depende de la recolección, comprensión y procesamiento de grandes volúmenes de datos.
Si bien hoy ya se encuentran vehículos con asistencias incorporadas, estos no logran llegar al verdadero auto del futuro con auto-conducción.
Según un estudio de Accenture, lo más desafiante de este desarrollo siguen siendo los datos, la creación de un vehículo completamente autónomo depende de grandes cantidades de datos que puedan entrenar a los sistemas de inteligencia artificial junto con la toma de decisiones por parte del sistema desarrollado.
Sin el correcto manejo y desarrollo de un sistema que logre adquirir, almacenar, manejar y etiquetar a ese gran volumen de datos, el desarrollo de un vehículo completamente autónomo comienza a ser remoto. “Ahora las empresas conocen los desafíos de datos que pueden detener el progreso para avanzar en el desarrollo de vehículos autónomos. Aquellos que recopilen los datos de manera precaria una modificación cuidadosa que aproveche lo que ya está en funcionamiento puede llevar a la organización a un enfoque de datos más seguro, accesible y sostenible.”, sostiene Alexandre Neves, Director Ejecutivo de Accenture.
El estudio realizado por Accenture revela cuatro claves para comprender el proceso de optimización de datos.
Adquisición de datos: A través de las flotas de vehículos, junto con los sensores y los entornos simulados, comienza la recolección de datos del mundo exterior. La inteligencia artificial del vehículo autónomo estará expuesta a una gran diversidad de escenarios que la ayudará a identificar patrones y aprender qué podría encontrar en el camino.
La adquisición de datos debe ejecutarse de la manera más rápida y eficiente posibles, para evitar la redundancia y así integrarse al sistema.
Almacenamiento de datos: La protección, junto con el modo de descarga y el dispositivo en el que se colocará son puntos que deberán evaluarse. Para ello, lo más recomendable será desarrollar un equipo de IT antes de comenzar con el almacenamiento de los datos.
Gestión de datos: Para una correcta gestión de datos, se debe almacenar todo lo que se registra. Para ello se debe contar con una estrategia longitudinal, que abarque a todo lo que se almacene, para así comprender y rastrear lo que los datos aportan y así sacarle el mejor provecho.
Etiquetado de datos: La claridad en el etiquetado facilitará el rápido movimiento a la hora de comprender los datos y analizarlos.
“Resulta imprescindible que las empresas consideren a los procesos relacionados con los datos antes de iniciar la investigación, para así adelantarse a los procesos complejos que surgirán a medida que se dé el desarrollo. Para que los vehículos avancen a niveles más altos de autonomía a través del aprendizaje profundo, sus modelos necesitan volúmenes de datos producidos a partir de sensores, como cámaras, radares, LiDAR y datos ultrasónicos. Estos son los que crean un desafío agudo y una enorme diferenciación” concluye Neves.