No muchos terminan de comprender exactamente el verdadero significado de Big Data e Inteligencia Artificial, a pesar de que son dos términos que, hoy en día, circulan entre nosotros de forma rutinaria. ¿Es algún tipo de robot de ficción distópica de Orwell? ¿Acaso es un personaje de las novelas de Bradbury? Y por encima de ello, ¿qué posible relación puede tener con la seguridad vial en nuestras vidas?
De qué hablamos cuando hablamos de IA y Big Data
La realidad es que el significado de “Big Data” no es otro más que “muchos datos”, es decir, una ingente cantidad de información que puede ser recopilada gracias a múltiples herramientas tecnológicas. Pero lo importante no es tanto el hecho de disponer de muchos datos almacenados en algún lugar, como el saber qué hacer luego con esos datos para extraer un conocimiento de ellos sobre algo.
Y es ahí donde entra en juego la Inteligencia Artificial: un procesador que ordena todos esos datos para extraer conclusiones que nos permitan describir la realidad. Pongamos un ejemplo: en un partido de tenis, el Big Data puede acumular información sobre cuántos golpes han sido de revés y cuántos liftados, cuántos han dado en la red, desde qué posición se ha golpeado a la pelota, cuántas bolas han salido por el extremo izquierdo de la pista y con qué potencia se ha golpeado a cada una de ellas.
Todo ese Big Data no deja de ser papel mojado del que hay muchos números y pocas conclusiones. En cambio, una vez se ha organizado e interpretado a través de la IA, resulta mucho más útil. Al pasar por este filtro, podemos describir, entre otras cosas, cuál es el perfil más cómodo del tenista, qué espacios acostumbra a buscar en la pista y cómo suelen ser sus bolas ganadoras. Información clave a la hora de adaptar tu juego al de tu oponente. Compañías tecnológicas como Olocip ya trabajan con esta aplicación de la IA en el deporte a nivel profesional, pero también en la industria y el turismo. Podéis observar el trabajo que han realizado en la predicción de la evolución de la pandemia por la Covid-19 a través de su página web.
Cuando ordenamos la información podemos interpretarla y de esta forma obtenemos conocimiento. Es ahí donde realmente existe una verdadera utilidad.
De la descripción de los datos a la predicción de la seguridad vial
En relación a la temática que nos ocupa en Circula Seguro, ya hemos hablado de cómo la seguridad vial predictiva trabaja con la IA y el Big Data. Por un lado, el Big Data registra la información sobre lo que ocurre en el asfalto (qué es lo que está fallando para que se produzcan los accidentes) y, en segundo lugar, la IA predice cuáles serán las consecuencias y cómo evolucionarán las curvas de accidentalidad.
Para situarnos, imaginemos entonces que los datos nos revelan que la mayoría de accidentes con peatones de los últimos seis meses se han producido en la intersección con la calle X. La IA podría interpretar todas las variables involucradas: velocidad media de circulación, número de vías en la calzada, visibilidad, tiempo de espera del semáforo… De esta manera, se nos describe qué factores influyen más y se podría predecir cuántos accidentes se producirían en el futuro con ese mismo volumen de tráfico de vehículos en ese punto negro en concreto.
Pero, ¿y si alteramos alguna de esas variables? Es ahí donde entra en juego lo que llamaremos “seguridad vial prescriptiva”.
¿Qué prescribe la IA que debemos hacer para reducir la accidentalidad?
Si sabemos las razones que llevan a producirse los accidentes con peatones en esa calle y podemos predecir el número de víctimas que habrá en el futuro, entonces podríamos alterar algún factor para intentar influir en las cifras. ¿Qué ocurriría si se redujera un 20% la velocidad de los vehículos en ese tramo? ¿Y si se colocara más lejos la parada de autobús para mejorar la visibilidad del paso de peatones? ¿Y si el tiempo en ámbar del semáforo fuera más corto?
Todas esas respuestas se podrían obtener gracias a la Inteligencia Artificial, de tal manera que observaríamos datos a futuro (más o menos exactos) sobre lo que puede ocurrir. Se introducen las variables que se ven implicadas en un accidente con peatones en ese punto, se modifican sus valores y observamos qué sucede:
- Si el semáforo en ámbar durase menos de X segundos, el tiempo de reacción de los conductores aumentaría en un X%, lo que supondría X vehículos detenidos X segundos antes del cruce de peatones, con lo que X accidentes podrían ser evitados.
Este no es más que un ejemplo de lo que podríamos consultar a la IA y qué predicción obtendría. Pero podríamos darle la vuelta y empezar por el final. En ese sentido, por lo tanto, si nuestro Objetivo Cero implica reducir la accidentalidad en un 50% durante los próximos diez años, podríamos acceder a consultar a la IA qué factores tendríamos que modificar para acercarnos a conseguirlo.
La IA nos puede ofrecer, más allá de la capacidad descriptiva y predictiva, una dimensión prescriptiva.
Objetivo vial: reducir la incertidumbre y tomar mejores decisiones
Hay dos puntos que no debemos pasar por alto y que resultan imprescindibles de comprender. Por un lado, hemos mencionado que los datos a futuro son “más o menos exactos” y que, consultando a la IA, podríamos “acercarnos” a la consecución de nuestros objetivos en seguridad vial. Esto es importante dado que ninguna herramienta puede predecir exactamente lo que va a ocurrir mañana, por lo que su valor reside en la reducción de la incertidumbre: poder tomar mejores decisiones a futuro y con un menor margen de error y mayores certezas –incluso cuando no tenemos una evidencia 100% asegurada–, es de por sí una gran ventaja diferencial.
Debemos evitar pensar en “si no sabemos todo, no sabemos nada” y analizar de qué manera la IA puede aportar una solución que nos ayude a tomar las medidas adecuadas. Así podremos reducir la letalidad de los accidentes de tráfico y prevenir las circunstancias que los provocan, para actuar mucho antes de que estos ocurran.
En Circula Seguro | Seguridad vial predictiva o cómo el Big Data evitará el accidente antes de que suceda
Imágenes | iStock metamorworks NicoElNino milindri Kichigin
