Ci hanno organizzato anche una gara, Traffic4cast. La capacità di prevedere il traffico diventa più realistico che predire il futuro. Questo attraverso l’Intelligenza Artificiale e i computer neurali che rispetto a ogni sistema GPS o di geolocalizzazione riesce a “imparare”. La capacità di apprendere informazioni e immagazzinare “input” come avviene con un cervello umano ha vinto ampiamente su tutti i sistemi in uso che devono essere programmati. Tipo di strada, clima, velocità e svariati altri parametri porta i network neurali a mostrare quale sarà il flusso di veicoli in un dato momento. La realtà virtuale anticipa la realtà reale.
Capacità di predire il futuro e il “traffico”: due cose che in questo caso viaggiano assieme. Strano? Neppure tanto, visto che è e sarà questa una delle ambizioni tecnologiche per la moderna mobilità, avvalendosi della IA (o AI in inglese), ovvero intelligenza Artificiale. Si entra nel mondo dei computer e network neurali.
L’Istituto per la Ricerca Avanzata nell’Intelligenza Artificiale (IARAI, un istituto indipendente di HERE Technologies) ha appena annunciato i risultati e i vincitori di una “innovativa” quanto particolare competizione. Il confronto è nella capacità di prevedere le condizioni del traffico.
La competizione, Traffic4cast, vede emergere la capacità dei “macchinari” di imparare e capire le complesse variabili del traffico in una determinata zona e mostrare visivamente (tipo filmato) come il traffico cambierà e quanto sarà scorrevole.
A quanto pare i risultati dimostrano come AI (l?intelligenza Artificiale) riesca già a superare e risolvere le approssimazioni errate dell’industria geospaziale e servizi di localizzazione.
Apprendere informazioni per continuare ad imparare
Il traffico cambia quando il guidatore prende decisioni condizionate da determinati schemi.
Questi schemi dipendono da vari fattori, come orario del giorno, rete stradale, festività, condizioni climatiche e giorno della settimana. La capacità di analisi cresce anche per quanto il sistema neurale riesce ad apprendere, imparare, fino a raggiungere le soglie della preveggenza su come il traffico andrà a spostarsi lungo un determinato tragitto impostato a un determinato orario.
L’intelligenza artificiale e in specifico il network neurale si possono rappresentare come dei sistemi digitali computerizzati modellati sul comportamento del cervello umano e il sistema nervoso. In tanti campi è già stato assodato che gli IA riescono a risolvere problemi estremi per quanto abili e veloci ad analizzare schemi soggetti a molteplici variabili.
I network neurali “imparano” sul campo e assolvono missioni senza bisogno di essere programmati con dati specifici e impostazioni software preventive. Il fatto strano è nell’affermazione della Here Technologies: sappiamo che hanno enormi capacità di apprendere informazioni ed evolversi nell’identificare gli schemi del traffico, ma il perché non è ancora ben chiaro. E fino a quali limiti. O forse è uno dei segreti industriali hi-tech da proteggere.
A quanto pare le logiche di apprendimento delle reti neurali è ancora uno dei misteri delle “macchine che imparano” (definite anche black-box IA), anche perché i processi alla base non sono facilmente comprensibili o “testabili” in modo ripetuto e con medesime condizioni dai “normali” programmatori.
L’intelligenza batte gli algoritmi
I risultati della competizione Traffic4cast ha di fatto dimostrato come le Reti Neurali siano state le più efficaci nel “predire” le mutazioni di traffico stradale, conquistando tutte le posizioni di vertice. Vittoria assoluta della IA rispetto a sistemi di geolocalizzazione, Bayesian network o altri con algoritmi prefissati. I vincitori, da Korea del Sud, Oxford/Zurich e Toronto, si sono imposti su 40 team di tutto il mondo.
IARAI ha fornito i team partecipanti di un filmato sul traffico sviluppato su un anno di dati del traffico di tre città: Berlino, Istanbul e Mosca, utilizzando 100 bilioni di punti nevralgici riportati da una grande flotta di veicoli utilizzati allo scopo. Da mattina a sera, ore di punta incluse, tutto mappato dai GPS, caratterizzando per colore vari parametri, come flussi di traffico e velocità.
Come un gioco in consolle
Doveva essere completato un livello di tre e tre le città per passare all’identificazione della situazione successiva. 72 giorni di test per riuscire a riprodurre i risultati generati dal proprio sistema neurale IA. Roba da genialoidi.
Michael Kopp, capo ricercatore a Here e fondatore di IARAI, sostiene questa “rivoluzione dell’intelligenza artificiale”. La capacità di risolvere problematiche come quella del traffico comprendendolo “in tempo reale” si rifletterà positivamente nell’applicazione a molte discipline scientifiche. Un salto verso la comprensione di come la IA (o AI in inglese) sa imparare.
MotorAge.it – Fabrizio Romano