¿Cómo revolucionará la GenAI los Sistemas de Transporte Inteligente (ITS)?

Introducción: los pilares de la GenAI

Los orígenes de la GenAI pueden encontrarse en el nacimiento del concepto de inteligencia artificial (IA), que puede definirse como programas que perciben, razonan, se adaptan y actúan. Se trata de un marco general que engloba todo lo relacionado con la teoría y el desarrollo de sistemas informáticos capaces de llevar a cabo tareas que normalmente requieren la cognición y la inteligencia humanas.

Podemos considerar que los orígenes de la inteligencia artificial como tal se remontan a mediados del siglo XX, gracias al británico Alan Mathison Turing, lógico y pionero informático. El concepto de ordenador concebido por Turing era el de un programa almacenado en el que la máquina tenía la posibilidad de modificar o mejorar su propio programa. Turing solía plantear cómo los ordenadores podían aprender de la experiencia, así como resolver nuevos problemas mediante el uso de principios rectores, un proceso que ahora se conoce como resolución heurística de problemas.

Otro ingrediente básico para alcanzar la GenAI actual es el aprendizaje automático (ML, del inglés machine learning), que se centra en la parte de «adaptación» de la IA. Consiste en utilizar algoritmos para mejorar el rendimiento del programa en el que se encuentra, alimentándose y aprendiendo de cantidades crecientes de datos con el tiempo, sin necesidad de ser programado explícitamente.

El tercer concepto que se ha desarrollado mucho como parte de los algoritmos del aprendizaje automático es el aprendizaje profundo (deep learning), en el que las redes neuronales profundas multicapa aprenden automáticamente a partir de cantidades ingentes de datos y se adaptan a partir de la experiencia en cada iteración. Por sí mismo, el aprendizaje profundo ha evolucionado de ser inicialmente un modelo discriminativo a un modelo generativo en el que se aprende de la probabilidad de la distribución de los datos a partir de los datos que se reciben como entrada, lo que permite generar una nueva instancia sobre la base de la lógica de los ya aprendidos.

Por último, llegamos a la IA generativa (GenAI), que utiliza un subconjunto de técnicas de aprendizaje profundo para generar nuevos contenidos, tras aprender a través de una cantidad masiva de datos y largos periodos de entrenamiento. La diferencia más profunda entre la GenAI y la IA tradicional es la capacidad de la inteligencia artificial generativa para operar sin necesidad de ejemplos etiquetados. Así, la GenAI aprende patrones y estructuras a partir de los datos y utiliza esta comprensión para generar contenidos totalmente nuevos, desde respuestas textuales y obras de arte hasta composiciones musicales y voces humanas realistas.

La aplicación de la GenAI en la gestión de autopistas

La GenAI ofrece infinitas posibilidades y lo cierto es que no hemos hecho más que empezar a explorarlas. Ha llegado una nueva era y, con ella, se nos brindan grandes oportunidades para mejorar nuestras vidas por completo con todo tipo de aplicaciones diferentes, tanto en la vida profesional como en la personal.

Hay muchos sectores y temas que se pueden tratar para ahondar en las aplicaciones de la GenAI, pero en esta ocasión me gustaría centrarme en su aplicación en el sector en el que llevo trabajando más de 18 años: las carreteras interurbanas. En la siguiente sección he elaborado una breve lista de posibles aplicaciones de la GenAI en las carreteras interurbanas, en la que se destacan los beneficios transformadores que aportará.

1. Análisis de vídeo: detección de incidentes

En los sistemas inteligentes de transporte (ITS), que son los que se suelen implantar en las autopistas (teléfonos SOS, cámaras de CCTV, paneles de mensaje variable, sistemas de detección de vehículos, etc.), también es bastante común desplegar sistemas de detección automática de incidentes (AID) con cámaras, que se instalan en infraestructuras críticas y en determinados tramos de carretera, como en los túneles. Estos sistemas se llevan aplicando desde hace más de 20 años, con nuevas mejoras tecnológicas que se han ido incorporando a lo largo del tiempo. No solo se van utilizando mejores cámaras, sino que, además, se han introducido componentes de IA y ML en los algoritmos de detección de incidentes, con el fin de reducir las falsas alertas de incidentes comunicadas a los operarios y que, por lo general, están causadas, por ejemplo, por reflejos de luz, pájaros o sombras. Sin embargo, incluso con la introducción de estas mejoras, muchas de estas detecciones de incidentes siguen siendo limitadas, siguen teniendo una cantidad significativa de alertas falsas positivas y, por tanto, siguen requiriendo la verificación por parte de un operario antes de proceder a la acción correspondiente.

Una de las características que introduce la GenAI son los modelos de visión amplia (LVM), que se refieren a modelos avanzados de inteligencia artificial diseñados para procesar e interpretar datos visuales, normalmente imágenes o vídeos. Estos modelos son de visión «amplia» en el sentido de que tienen un gran número de parámetros, muchas veces de millones o incluso miles de millones, lo que les permite aprender patrones complejos en los datos visuales.

Una de las particularidades de los sistemas de AID es que los casos prácticos tienen que programarse uno por uno y, por tanto, hay que cubrir muchas situaciones convencionales, frecuentes y críticas. Cada caso se implanta en el sistema de un modo específico, con un conjunto concreto de parámetros y limitaciones, lo que deja muchos otros sin cubrir. Por consiguiente, hay muchos casos que pueden ser críticos o importantes, pero que el sistema de identificación automática pasa totalmente por alto, ya que no se ajustan a las especificidades de ninguno de los pocos casos programados.

En caso de aplicar algoritmos de GenAI a los mismos conjuntos de vídeo, el sistema será capaz de entender el vídeo como un todo y, de este modo, identificar todo tipo de anomalías, sin tratar de hacerlas encajar en uno de los casos de uso incluidos en una lista delimitada, sino desde una perspectiva más amplia, como lo haría un operario, es decir, con capacidad para identificar cualquier anomalía en un vídeo concreto, debido a todo un conjunto de posibles razones. Por ejemplo, al tratarse de una autopista, además de vehículos hay otras cosas en la carretera (peatones, animales, carga perdida). Asimismo, podrá detectar una conducción peligrosa, por ejemplo ante un cambio repentino de carril o un cambio brusco de velocidad. También podrá identificar y anular fácilmente elementos como los pájaros, las sombras o los reflejos y, gracias a ello, eliminará una mayor variedad de falsos positivos.

Una vez identificada una anomalía, el sistema de GenAI podrá clasificarla según el nivel de gravedad y tomar las medidas necesarias automáticamente o crear un informe detallado siguiendo el mejor formato, con toda la información necesaria para facilitar la inspección y la comprensión por parte de un operario. Esta información podría incluir datos como, por ejemplo, el número de vehículos implicados, las marcas, modelos y colores de los vehículos, el número de personas presentes en el lugar, si hay menores o personas mayores, si alguna de las personas pertenece a la policía o al cuerpo de bomberos, las condiciones físicas de la carretera (como derrames de agua o aceite)… Además, todo ello puede entregarse por escrito o incluso respaldarse con un boceto, una imagen o un vídeo de creación propia para facilitarle al operario la comprensión exhaustiva de la situación.

Es importante destacar la palabra «comprensión», ya que mientras que un sistema de AID puede detectar varios acontecimientos independientes, como la presencia de humo, la circulación excesivamente lenta de un vehículo, el cambio de carril, la circulación de un vehículo por el arcén o la detención de un vehículo, el sistema de GenAI es capaz de comprender en realidad la escena de vídeo cotejando todos los incidentes como una acción completa, de principio a fin y, probablemente, informar de la secuencia de acontecimientos antes mencionada como «avería de un vehículo» con un enfoque exhaustivo. Esto es posible para la IA generativa después de aprender a través de cantidades masivas de datos sobre lo que es y lo que no es «normal», así como de tener en cuenta información complementaria recogida de muchas fuentes diferentes. Todo ello aporta a la GenAI una visión y comprensión más amplias del mundo en el que vivimos y, así, el sistema logra alcanzar mayores niveles de comprensión cuando se analiza una escena, además de ser capaz de proporcionar una descripción muy detallada en el formato requerido que prácticamente garantiza entender el informe.

1. Análisis de vídeo: prevención

Con el uso de los mismos algoritmos de GenAI a través de cantidades ingentes de vídeos históricos y en tiempo real, la GenAI revolucionará la prevención y la minimización de los atascos y los accidentes y, gracias a ello, garantizará un tráfico más fluido y aumentará la seguridad vial. Los algoritmos de la GenAI podrán identificar patrones que provoquen atascos o accidentes antes incluso de que ocurran, de modo que se podrán tomar medidas en tiempo real, como el ajuste de los límites de velocidad o la redacción de mensajes informativos específicos mediante el uso de paneles de mensaje variable o el ajuste de la duración de los semáforos en los sistemas de ramp meter que controlan el flujo de entrada y salida del tráfico en la autopista.

La GenAI tendrá una amplia visión y comprensión de toda la autopista y sus alrededores y será capaz de tomar decisiones más inteligentes, ya que actúa como un sistema completo de extremo a extremo, no solo en una ubicación concreta y, además, tiene en cuenta tanto los datos de vídeo (históricos o en tiempo real) como cantidades masivas de otros datos que condicionan sus decisiones y optimizan los resultados, como, por ejemplo, la época del año, la hora del día, las condiciones meteorológicas, los tipos de vehículos que hay en la zona (coches, camiones, emergencias, etc.), las condiciones reales del tráfico y la evolución prevista en las carreteras o poblaciones actuales o de los alrededores, entre muchos otros.

Otros tipos de sistemas sobre los que podría actuar la GenAI, si estuvieran disponibles en la autopista, serían el envío de mensajes informativos a los usuarios por radio, SMS, aplicaciones móviles o incluso directamente al vehículo en el caso de vehículos conectados y autónomos mediante equipos específicos en carretera. De este modo, se les proporcionaría información sobre el tráfico y sugerencias sobre la velocidad, el carril por el que circular, las mejores opciones de ruta, etc. También se podrían enviar alertas a los usuarios antes de que inicien un viaje sobre la situación actual y las mejores opciones disponibles, como rutas, transporte público, mejores horas para viajar, etc., antes de que se pongan en marcha, y todo ello con un mayor nivel de comprensión e información transmitida que el que pueden proporcionar sistemas similares en la actualidad.

1. Análisis de vídeo: simulación

Otra potente herramienta que la GenAI va a mejorar enormemente será la simulación. A través de un chatbot de texto o de voz, el operario podrá describir un escenario de tráfico concreto y preguntar sobre la mejor forma de gestionar la situación, ya sea con el fin de prevenirla, optimizarla, minimizar el impacto, aumentar la seguridad, o todo ello al mismo tiempo. El algoritmo de GenAI podrá facilitar una lista de opciones con sus ventajas e inconvenientes, otras consideraciones e incluso una recomendación. De nuevo, tal y como se ha mencionado con otros casos anteriores, el hecho de que la GenAI tenga en cuenta cantidades masivas de información histórica y un gran número de datos adicionales y parámetros de influencia, ofrecerá a los operarios la mejor ejecución posible del plan para una situación determinada.

A continuación presentamos una breve lista a modo de ejemplo sobre en qué tipo de situaciones puede ser interesante solicitar un análisis:

• Ruta origen-destino para el transporte de mercancías peligrosas o grandes cargas.
  Respuesta del sistema: documentación necesaria, mejor fecha y hora, velocidad, ruta específica, señalización del transporte y de la carretera, medidas en caso de accidente según la mercancía transportada, etc.
• Planificación para días concretos con expectativas de mucho tráfico: fiestas, vacaciones, conciertos, etc.
  Respuesta del sistema: mensajería y señalización vial en diferentes fechas y horas, límites de velocidad recomendados, gestión del tráfico necesaria: dónde y cómo, etc.
• Planificación de los trabajos de mantenimiento: cierre de carriles, desvíos, límites de velocidad, etc.
  Respuesta del sistema: mensajería y señalización vial en diferentes fechas y horas, mejor señalización de la zona de trabajo, medidas de seguridad de los trabajadores, eficiencia laboral para trabajar de forma más inteligente y rápida, etc.

En todos los casos anteriores será necesario, a la par que sencillo, añadir posibles extras específicos como la existencia de zonas de trabajo, la ocurrencia de accidentes, diferentes niveles de vehículos pesados, etc., para que la GenAI los tenga en cuenta como parte de cada escenario.

1. Mantenimiento y asistencia técnica

En este caso, la aplicación no es específica solo para carreteras y, de hecho, puede aplicarse a todo tipo de mantenimiento y asistencia técnica. Gracias a la inteligencia artificial generativa, el personal o los técnicos de mantenimiento no tendrán que depender de su capacidad de organización, recordar qué documento necesitan para un trabajo concreto, etc. Con la GenAI, es muy sencillo implantar un simple chatbot que se puede utilizar tanto por escrito como por voz y con el que el personal puede mantener una conversación en cualquier idioma, con una interfaz en la que el motor de la GenAI podrá explorar cantidades ingentes de datos no estructurados y proporcionar la información necesaria, del documento correcto y en la página correcta. ¡Y todo ello en una fracción de segundo!

Además, este tipo de chatbot también puede aplicarse como interfaz de usuario para la asistencia técnica, donde los algoritmos de GenAI pueden ofrecer una conversación completa y ayudar a resolver el problema recurriendo a la documentación interna e incluso complementándola con información disponible en Internet. Asimismo, puede conformar un ticket muy detallado para que los técnicos sean capaces de generar esquemas, dibujos, representaciones, imágenes, etc. a medida, contrastados previamente con el usuario y adjuntarlos a una descripción minuciosa, una tabla con toda la información del usuario y del dispositivo para facilitar la comprensión del problema. Incluso puede enumerar la lista de herramientas necesarias que previsiblemente se podrían utilizar para resolver el problema.

En resumen, la introducción de algoritmos de GenAI en nuestras vidas va a suponer un gran cambio que mejorará y optimizará nuestras vidas en todos los aspectos profesionales y personales gracias a su poder para analizar y procesar millones de datos procedentes de miles de fuentes diferentes. En concreto, en el sector de las carreteras interurbanas, hay toda una serie de aplicaciones y casos de uso posibles que no solo ayudarán a los operarios y al personal de mantenimiento a mejorar su trabajo, sino que introducirán análisis y respuestas automáticas en tiempo real a muchas situaciones en niveles a los que ningún humano podría llegar, con resultados más precisos y estudiados que ayudarán a que nuestras carreteras sean más seguras, a mejorar la fluidez del tráfico, a optimizar nuestros desplazamientos, a prevenir accidentes y a quién sabe qué otras muchas maravillas que podrán surgir en un futuro próximo.

La GenAI acaba de llegar y está aquí para quedarse y transformar nuestro mundo. Eso sí, como toda moneda, tiene dos caras. Por un lado, nos ayudará a mejorar nuestras vidas, pero, por otro, también dará lugar a nuevas estafas, robos de identidad y muchas otras amenazas que nunca pensamos que podían existir ni de las que teníamos que preocuparnos. Por eso, es bueno aprovechar los nuevos algoritmos de GenAI en nuestro beneficio, pero es aún más importante aprender y ser conscientes de los nuevos peligros a los que tendremos que enfrentarnos y que nos harán mucho más vulnerables.