Los autos autónomos podrían estar a décadas de distancia, sin importar lo que diga Elon Musk

En 2015, Elon Musk dijo que los autos autónomos que podrían conducir “a cualquier lugar” estarían aquí dentro de dos o tres años .

En 2016, el director ejecutivo de Lyft, John Zimmer, predijo que “casi terminarían” con la propiedad de automóviles para 2025.

En 2018, el director ejecutivo de Waymo, John Krafcik, advirtió que los robocars autónomos tardarían más de lo esperado.

En 2021, algunos expertos no están seguros de cuándo, si es que alguna vez, las personas podrán comprar autos sin volante que salgan del estacionamiento.

A diferencia de los inversionistas y directores ejecutivos, los académicos que estudian inteligencia artificial (IA), ingeniería de sistemas y tecnologías autónomas han dicho durante mucho tiempo que crear un automóvil completamente autónomo llevaría muchos años, quizás décadas. Ahora, algunos van más allá y dicen que, a pesar de las inversiones que ya superan los 80.000 millones de dólares, es posible que nunca consigamos los coches autónomos que nos prometieron. Al menos no sin grandes avances en inteligencia artificial, que casi nadie predice que llegará pronto, o un rediseño completo de nuestras ciudades.

Incluso aquellos que han promocionado más esta tecnología (en 2019, Musk duplicó las predicciones anteriores y dijo que la robotaxis autónoma de Tesla debutaría en 2020) están comenzando a admitir públicamente que los expertos en desacuerdo pueden tener razón.

“Una parte importante de la IA del mundo real tiene que resolverse para hacer un trabajo autónomo completo, generalizado y sin supervisión”, tuiteó recientemente el propio Musk . Traducción: para que un automóvil se conduzca como un humano, los investigadores deben crear una IA a la par con uno. Los investigadores y académicos en el campo le dirán que es algo que no tenemos ni idea de cómo hacer. Musk, por otro lado, parece creer que eso es exactamente lo que logrará Tesla. Él hypes continuamente la próxima generación de la tecnología-en realidad un sistema de asistencia al conductor “Full Auto de conducción” de la compañía con un nombre engañoso, que se encuentra actualmente en fase de pruebas.

Un artículo publicado recientemente titulado “Por qué la IA es más difícil de lo que pensamos” resume muy bien la situación. En él, Melanie Mitchell, científica informática y profesora de complejidad en el Instituto Santa Fe, señala que a medida que se han ido acercando los plazos para la llegada de los vehículos autónomos, las personas dentro de la industria están redefiniendo el término. Dado que estos vehículos requieren un área de prueba geográficamente limitada y condiciones climáticas ideales, sin mencionar los conductores de seguridad o al menos los monitores remotos, los fabricantes y partidarios de estos vehículos han incorporado todas esas advertencias en su definición de autonomía.

Incluso con todos esos asteriscos, escribe el Dr. Mitchell, “ninguna de estas predicciones se ha hecho realidad”.

En los vehículos que realmente se pueden comprar, la conducción autónoma no se ha manifestado como algo más que un control de crucero mejorado, como el Super Cruise de GM o el optimista piloto automático Tesla. En San Francisco, Cruise, subsidiaria de GM, está probando vehículos autónomos sin conductor detrás del volante, pero un humano monitoreando el desempeño del vehículo desde el asiento trasero. Y solo hay un servicio de robotaxi comercial operando en los Estados Unidos sin conductores humanos en absoluto, una operación a pequeña escala limitada a partes de baja densidad del área metropolitana de Phoenix, de Waymo, subsidiaria de Alphabet.

Aun así, los vehículos Waymo han estado involucrados en accidentes menores en los que fueron chocados por detrás, y su comportamiento confuso (para los humanos) fue citado como una posible causa. Recientemente, uno estaba confundido por conos de tráfico en un sitio de construcción.

“No soy consciente de que nos atropellen o nos choquen por detrás, al igual que un conductor humano”, dice Nathaniel Fairfield, ingeniero de software y jefe del equipo de “comportamiento” de Waymo. Los vehículos autónomos de la compañía han sido programados para ser cautelosos, “lo opuesto al conductor adolescente canónico”, agrega.

Chris Urmson es director de la startup de camiones autónomos Aurora, que recientemente adquirió la división de conducción autónoma de Uber. (Uber también invirtió $ 400 millones en Aurora). “Veremos vehículos autónomos en la carretera haciendo cosas útiles en los próximos años, pero para que se vuelva omnipresente llevará tiempo”, dice.

La clave para el lanzamiento inicial de Aurora será que solo operará en carreteras donde la compañía ya ha creado un mapa tridimensional de alta resolución , dice Urmson. El objetivo final de Aurora es que tanto los camiones como los automóviles que usen sus sistemas viajen más lejos de las carreteras donde se implementará al principio, pero Urmson se negó a decir cuándo podría suceder eso.

El lento despliegue de vehículos “autónomos” limitados y constantemente monitoreados por humanos era predecible, e incluso predijo , hace años. Pero algunos directores ejecutivos e ingenieros argumentaron que surgirían nuevas capacidades de conducción autónoma si estos sistemas pudieran registrar suficientes millas en las carreteras. Ahora, algunos están adoptando la posición de que todos los datos de prueba del mundo no pueden compensar las deficiencias fundamentales de la IA.

Décadas de avances en la parte de la inteligencia artificial conocida como aprendizaje automático han producido solo las formas más primitivas de “inteligencia”, dice Mary Cummings, profesora de ciencias de la computación y directora del Laboratorio de Humanos y Autonomía de la Universidad de Duke, quien ha asesorado a la Departamento de Defensa sobre IA.

Para medir los sistemas de aprendizaje automático actuales, desarrolló una escala de cuatro niveles de sofisticación de IA. El tipo de pensamiento más simple comienza con un razonamiento “de abajo hacia arriba” basado en habilidades. Las IA de hoy en día son bastante buenas en cosas como aprender a mantenerse dentro de las líneas en una carretera. El siguiente paso es el aprendizaje y el razonamiento basados en reglas (es decir, qué hacer en una señal de alto). Después de eso, está el razonamiento basado en el conocimiento.} (¿Sigue siendo una señal de alto si la mitad está cubierta por la rama de un árbol?). En la parte superior está el razonamiento experto: la habilidad humana única de caer en un escenario completamente nuevo y aplicar nuestro conocimiento, experiencia y habilidades para salir. en una pieza.

Los problemas con los autos sin conductor realmente se materializan en ese tercer nivel. Los algoritmos de aprendizaje profundo de hoy, la élite de la variedad de aprendizaje automático, no pueden lograr una representación del mundo basada en el conocimiento , dice el Dr. Cummings. Y los intentos de los ingenieros humanos para compensar esta deficiencia, como la creación de mapas ultra detallados para completar los espacios en blanco en los datos de los sensores, tienden a no actualizarse con la frecuencia suficiente para guiar a un vehículo en todas las situaciones posibles, como encontrarse con un sitio de construcción no cartografiado.

Los sistemas de aprendizaje automático, que son excelentes para la coincidencia de patrones, son terribles para la extrapolación: transfieren lo que han aprendido de un dominio a otro. Por ejemplo, pueden identificar a un muñeco de nieve al costado de la carretera como un peatón potencial, pero no pueden decir que en realidad es un objeto inanimado que es muy poco probable que cruce la calle .

“Cuando eres un niño pequeño, te enseñan que la estufa caliente está caliente”, dice el Cummings. Pero la IA no es buena para transferir el conocimiento de una estufa a otra, agrega. “Tienes que enseñar eso para cada estufa que existe”.

Algunos investigadores del MIT están tratando de llenar este vacío volviendo a lo básico. Han realizado un gran esfuerzo para comprender cómo aprenden los bebés, en términos de ingeniería, con el fin de trasladar eso a los futuros sistemas de inteligencia artificial.

“Se han gastado miles de millones de dólares en la industria de los vehículos autónomos y no van a obtener lo que pensaban que iban a obtener”, dice el Cummings. Esto no significa que finalmente no obtendremos algún tipo de automóvil “autónomo”, dice. Simplemente “no será lo que todos prometieron”.

Pero, agrega, los transbordadores pequeños de baja velocidad que trabajan en áreas bien mapeadas, repletas de sensores, podrían permitir a los ingenieros reducir la cantidad de incertidumbre a un nivel que los reguladores y el público encontrarían aceptable. Imagine los transportes desde y hacia el aeropuerto, conduciendo por carriles especialmente construidos, por ejemplo.

Fairfield de Waymo dice que su equipo no ve barreras tecnológicas fundamentales para hacer que los servicios de robotaxi autónomos como los de su empresa se generalicen. “Si eres demasiado conservador e ignoras la realidad, dices que te llevará 30 años, pero simplemente no es así”, agrega.

Un número creciente de expertos sugiere que, después de todo, el camino hacia la autonomía total no se basa principalmente en la inteligencia artificial. Los ingenieros han resuelto muchos otros problemas complicados, incluido el aterrizaje de naves espaciales en Marte, dividiendo el problema en pequeños trozos, de modo que los humanos inteligentes puedan crear sistemas para manejar cada parte. Raj Rajkumar, profesor de ingeniería en la Universidad Carnegie Mellon con una larga historia de trabajo en automóviles autónomos, es optimista sobre este camino. “No va a suceder de la noche a la mañana, pero puedo ver la luz al final del túnel”, dice.

Esta es la estrategia principal que Waymo ha seguido para poner sus lanzaderas autónomas en la carretera y, como resultado, “no creemos que se necesite una IA completa para resolver el problema de la conducción”, dice Fairfield.

Urmson de Aurora dice que su empresa combina la inteligencia artificial con otras tecnologías para crear sistemas que puedan aplicar reglas generales a situaciones novedosas, como lo haría un ser humano.

Llegar a los vehículos autónomos a la antigua usanza, con una “ingeniería de sistemas” probada y verdadera, significaría gastar enormes sumas de dinero en equipar nuestras carreteras con transpondedores y sensores para guiar y corregir los autos robot, dice Mitchell. Y permanecerían limitados a ciertas áreas y ciertas condiciones climáticas, con teleoperadores humanos en espera en caso de que las cosas salieran mal, agrega.

Esta versión animatrónica de Disney de nuestro futuro autónomo estaría muy lejos de crear inteligencia artificial que podría simplemente colocarse en cualquier vehículo, reemplazando inmediatamente a un conductor humano. Podría significar automóviles más seguros conducidos por humanos y vehículos totalmente autónomos en un puñado de áreas cuidadosamente monitoreadas. Pero no sería el fin de la propiedad de un automóvil, no en el corto plazo.