El número de millas recorridas ha sido siempre un indicador fundamental para los vehículos autónomos (AV): más millas equivalen a más datos de aprendizaje. Los desarrolladores actuales de AV tienen un apetito insaciable de datos: cuanto más conducen, más capaz se vuelve su software de conducción autónoma.
Estos datos siempre han representado una ventaja competitiva clave para los desarrolladores de AV, por lo que prácticamente nada se ha compartido más allá de las paredes de sus oficinas (en su mayoría) de Silicon Valley.
Hasta ahora.
De las puertas cerradas a los conjuntos de datos abiertos
Durante el último año y medio, varios desarrolladores líderes de tecnología de conducción autónoma han comenzado a publicar sus conjuntos de datos de conducción en carretera. Antes de esto, debido a la intensidad de recursos que supone la recogida de datos, solo había disponibles para la comunidad académica muy pocos conjuntos de datos pequeños.
Publicar conjuntos de datos abiertos es una buena forma de dar acceso a los investigadores del ámbito académico para experimentar e investigar sobre la tecnología de conducción autónoma, y de impulsar la innovación en este campo. Sin embargo, lo que se pasa por alto es que el intercambio de datos podría ser fundamental para alcanzar el santo grial de los vehículos autónomos: la seguridad.
Fomentar la colaboración y el intercambio de datos entre las partes interesadas es la base para desarrollar normas de seguridad adecuadas y uno de los principales puntos de atención de la Orientación voluntaria para vehículos autónomos de la National Highway Traffic Safety Administration. El intercambio de datos y la seguridad van de la mano, y este es el motivo, partiendo de dos premisas.
En primer lugar, la seguridad es el objetivo número uno de la sociedad en lo que respecta a los coches autónomos. Esta tecnología promete reducir a (idealmente) cero las 40.000 muertes que se producen cada año solo en las carreteras de EE. UU., y la seguridad debe estar garantizada antes de que podamos ver un despliegue masivo de los AV.
En segundo lugar, lo que queremos fomentar que se comparta a gran escala, ante todo, son los escenarios de conducción. Un escenario de conducción puede entenderse como la narrativa de una situación que se produce durante la conducción, junto con todas sus condiciones de contorno y especificaciones del entorno; por ejemplo, una situación en la que un coche corta el paso a otro en un tramo concreto de la autopista, a una determinada velocidad y bajo una lluvia intensa.
Compartir es cuidar
Compartir este tipo de escenarios no debería ser especialmente controvertido, porque se trata de datos que no están profundamente vinculados a la propiedad intelectual ni a la pila tecnológica central de ninguna empresa. Simplemente requiere tiempo y esfuerzo para recopilarlos.
Pero compartir estos datos a gran escala generará externalidades positivas, mientras que la negativa a compartir tendrá el efecto contrario. En conjunto, el sector se beneficiaría enormemente de aprovechar un gran conjunto de datos y escenarios de conducción compartidos, ya que cada empresa tendría la oportunidad de entrenar y validar sus propios componentes de software en un conjunto de datos más amplio, más rico y de mayor tamaño. Por otro lado, mantener los datos aislados y privados haría que cada empresa estuviera menos capacitada para afrontar situaciones peculiares derivadas de sus propias lagunas de datos únicas. Esta es la razón por la que estas empresas siempre han protegido tanto sus datos: detrás de la excusa del «secreto comercial» se esconde el deseo de inhibir la comprensión que tiene la competencia del mundo.
Ser el primero en llegar al mercado es, por supuesto, una gran ventaja. Pero, en última instancia, para que los sistemas de conducción automatizada (ADS) tengan éxito, será necesario contar con un conjunto de normas de seguridad que todos los fabricantes deban cumplir antes de que se les permita poner sus vehículos en las carreteras. Creemos que las ventajas competitivas deberán encontrarse en el diseño, la experiencia del cliente y los modelos de negocio, pero no en la seguridad básica.
Otra externalidad que hay que tener en cuenta es que el entrenamiento de algoritmos con un conjunto de datos compartido podría mejorar la capacidad de los distintos ADS para trabajar entre sí. En situaciones peligrosas o complejas, disponer de una comprensión de base diferente del mundo, y de un lenguaje distinto para describirlo, puede dar lugar a interpretaciones diferentes, lo que en última instancia aumenta la complejidad de resolver una situación para cada fabricante, al tiempo que reduce la seguridad general de la tecnología.
Por último, construir un conjunto compartido y completo de escenarios de conducción es el primer paso hacia el desarrollo de normas de seguridad fiables, transparentes y sólidas para los AV, que a su vez allanarán el camino para la regulación. Es casi imposible establecer un umbral de seguridad significativo que deba cumplirse si no existe un medio común y compartido sobre el que establecer una «escala de medición». Los reguladores, los responsables políticos y las autoridades necesitan entender lo que realmente ocurre en las carreteras y basar sus decisiones en datos reales; es preferible que esto esté unificado, organizado y coordinado por organizaciones externas.
Por último, pero no menos importante, la creación de un conjunto compartido de datos supondría un gran paso hacia la transparencia, lo que podría tener un impacto significativo en la confianza y la aceptación pública de los vehículos autónomos. Dada la actual falta de confianza general en la tecnología autónoma, esta es una necesidad clara y urgente.
El camino hacia un Safety Pool de datos compartidos
Coordinar un esfuerzo de intercambio de datos de este tipo implica desafíos técnicos y operativos, como identificar un lenguaje común para describir escenarios o decidir una taxonomía común que sirva como descripción estándar del mundo, y establecer el esquema de incentivos adecuado para maximizar los beneficios de todos los participantes.
En Deepen AI hemos estado trabajando intensamente en un plan para abordar esas cuestiones y hacer realidad esta base de datos compartida de datos de seguridad y escenarios de conducción. Gracias al Proyecto Data for AV Safety que codirigimos con el Foro Económico Mundial, estamos lanzando Safety Pool, un servicio de corretaje basado en incentivos para escenarios de conducción compartidos entre los principales actores de las tecnologías de conducción autónoma. Daremos a conocer más detalles en las próximas semanas; mientras tanto, únase a nosotros en nuestra misión hacia una conducción autónoma segura, fiable y sólida.
La colaboración entre empresas privadas y otras partes interesadas es probablemente más importante en nuestro sector que nunca. Actores destacados como Cruise o Daimler ya han aplazado sus plazos de despliegue de AV debido a los importantes desafíos técnicos que aún existen. Los ingenieros y los líderes del sector han empezado a reconocer que resolver la autonomía puede requerir una colaboración que vaya mucho más allá de los límites de cada empresa. Además, dados los accidentes y las muertes que han golpeado a la industria de la conducción autónoma en los últimos años, la atención a la seguridad es mayor que nunca, y existe un acuerdo compartido de que la seguridad debe priorizarse por encima de cualquier otra cosa.
Ha llegado el momento de que el sector trabaje de forma cooperativa hacia un transporte más seguro y cómodo. Compartir datos es el primer paso fundamental para alcanzar este objetivo.
