Todo el mundo en el sector tecnológico conoce la carrera por ser el ganador en inteligencia artificial (IA). Menos conocido fuera del mundo de alta tecnología y alto rendimiento de la Fórmula Uno (F1) es el desafío de utilizar la IA para ganar una carrera.
Como están aprendiendo sus primeros usuarios, el éxito con la IA tiene que ver con los datos, y en la F1, los datos son la forma de lograr el éxito. Los autos de Fórmula Uno están equipados con más de 300 sensores, que registran cada pequeña variación que afecta su velocidad, desde la aerodinámica hasta la altura de manejo, la temperatura y presión del aire, las vibraciones, las tensiones de la carrocería, el rendimiento del motor y el estado de los neumáticos.
Esos sensores generan enormes cantidades de datos en tiempo real: durante una carrera, hasta 7 MB (megabytes) por segundo; durante un fin de semana de Gran Premio, eso suma aproximadamente 1,5 TB (terabytes) por automóvil. Y cada equipo corre con dos autos.
Es un deporte que opera con márgenes increíblemente finos: cada equipo desarrolla continuamente sus autos para reducir unos milisegundos más los tiempos de vuelta. Todos los equipos de F1 se centran en el mismo objetivo: ir más rápido.
“Lo que intentamos hacer como empresa es sólo una cosa: conseguir que el coche sea más rápido. Eso es lo único que hace esta empresa”, dice Laurent Mekies, director del equipo Visa Cash App Red Bull (VCARB), el equipo de F1 anteriormente conocido como Alpha Tauri, o antes Toro Rosso o, para los verdaderos entusiastas de la F1, Minardi.
“Primero, [that means] tener una tasa de desarrollo lo más alta posible. En segundo lugar, es hora de comercializar, lo que aquí llamamos tiempo de competir. La primera es conocida: si aceleras tu coche para ir más rápido, vencerás a los demás. El segundo es un poco menos conocido pero tiene un gran impacto en la Fórmula Uno”.
Mekies dice que la brecha en el rendimiento entre el más rápido y el más lento de los 10 equipos en la parrilla de F1 es menor que nunca y, como resultado, la necesidad de encontrar ganancias marginales es mayor que nunca.
“Tomemos un ejemplo: si tomamos el auto con el que corrimos en Abu Dhabi, la última carrera del [2023] temporada y devolver ese coche a Bahréin. [the first race of the season] nueve meses [before], probablemente ganaría la carrera. Pero no ganamos en Bahrein. Así que se trata en gran medida de qué tan rápido podemos desarrollarnos y qué tan rápido podemos llevar eso a los pilotos”.
Avances en IA
Según las regulaciones actuales, todos los equipos de F1 operan bajo un límite de costos de 135 millones de dólares para la temporada 2024, con límites adicionales sobre cómo se gasta ese dinero, como la cantidad de tiempo disponible para probar nuevos diseños aerodinámicos en túneles de viento o para los pilotos. utilizando simuladores de carreras.
Los avances en IA de los últimos años han presentado a los equipos una nueva oportunidad para mejorar sus operaciones y rendimiento en cada etapa de su negocio, desde el diseño hasta la fabricación, el día de la carrera y el análisis competitivo, como explicó Mekies cuando se invitó a Computer Weekly a ir detrás del escenas en la fábrica de VCARB en Faenza, Italia, antes de un Gran Premio en la famosa pista de Imola, la carrera local del equipo.
“¿Cómo se estructura una empresa para que sea la mejor en el ‘momento de competir’? La columna vertebral de esto es el ERP”, afirma.
VCARB utiliza el software de planificación de recursos empresariales (ERP) de Epicor, un socio estratégico y patrocinador del equipo, para respaldar cada etapa del proceso de fabricación e ingeniería, desde el diseño hasta los procesos intensivos en mano de obra de construcción del automóvil, laminación de fibra de carbono y ensamblando más de 14.000 componentes individuales para fabricar un automóvil. Alrededor del 80% de esos componentes se fabrican internamente y se analizan y actualizan constantemente para ofrecer las más mínimas mejoras que puedan contribuir a la velocidad de carrera.
El ERP, un sistema común a todas las empresas de fabricación, puede no parecer la parte más atractiva de un coche de F1, pero aquí también los datos que contiene son una mina de oro de la IA. VCARB es uno de los primeros clientes de Epicor en adoptar las nuevas herramientas de IA generativa Prism (GenAI) del proveedor.
Cada proceso de fabricación que se puede acelerar mediante el uso de GenAI representa una mejora adicional en el “tiempo para competir”. VCARB inicialmente apunta a tres casos de uso: acelerar la codificación para generar informes más rápidos; automatizar el envío y recepción de solicitudes de cotizaciones de proveedores; y para consultas en lenguaje natural de la base de datos (consulte el cuadro Cómo el equipo VCARB F1 utiliza GenAI para mejorar su plataforma ERP).
Un coche más rápido
Pero, ¿cómo conduce eso a un coche más rápido? Según Guillaume Dezoteux, responsable de prestaciones de vehículos de VCARB, se trata de reducir el tiempo necesario para identificar una mejora favorable del vehículo y convertirla en realidad.
“Observamos los datos del coche, hablamos con los pilotos, vemos una oportunidad para mejorar el coche, lo probamos en un simulador y luego, cuando encontramos una mejora valiosa, el resto [needs to be] muy rápido”, afirma.
Grupo de contenidos de Getty Images/Red Bull
“Sería interesante utilizar [AI] tecnología para detectar patrones en el comportamiento de su competencia. Tienen una estrategia de carrera, algo está pasando. Y tú [could] Tener un medio para predecir lo que puede hacer su competidor. Esa es una aplicación que puede ser muy relevante en el futuro”.
Guillaume Dezoteux, VCARB
Dezoteux cita un ejemplo reciente en el que el conductor Daniel Ricciardo tenía problemas con la dirección: “La sensación de la dirección es un parámetro clave para que el conductor mida el rendimiento y el equilibrio del coche. Hemos estado trabajando en eso, probando diferentes opciones para hacer la dirección más pesada, más liviana, para cambiar los parámetros de la dirección asistida que tenemos en el auto. Y una vez que definimos un nuevo objetivo, lo descartamos. [to the factory team]. Y luego el tiempo de comercialización es increíblemente rápido”.
Llevar esas mejoras al coche una carrera antes de lo que hubiera sido posible supone una enorme diferencia. “Todo el mundo está desarrollando, todo el mundo está mejorando sus coches. Y [this is] una forma de generar una oportunidad adicional. Estamos hablando de pequeñas diferencias. Por eso es tan importante para nosotros que, una vez definido nuestro objetivo, tengamos un buen momento para comercializar”, añade.
Con el límite presupuestario, cada decisión y cada posible mejora del coche debe evaluarse para optimizar la combinación de potencial de mejora, gasto y “tiempo para competir”.
“Es necesario saber qué tipo de desarrollo le gustaría realizar durante la temporada”, afirma el director de TI e innovación, Raffaele Boschetti.
“No se trata simplemente de decir: ‘Me gustaría que este nuevo suelo [for the car]’. El punto es que puedes hacerlo si tienes el presupuesto, tienes los recursos y el tiempo de entrega es bueno. Entonces el beneficio de esto [GenAI] La plataforma es que realmente somos capaces de analizar estas cosas y entender si podemos o no, dependiendo de la forma en que estemos desarrollando el coche a lo largo de la temporada, porque el coche es un proyecto de I+D, nunca es lo mismo”.
Boschetti ya está pensando en otras formas en que la GenAI puede ayudar al proceso de fabricación. Por ejemplo, entrenar un motor de IA utilizando imágenes de piezas para ayudar a identificar posibles defectos en componentes recién fabricados.
Ganando una ventaja
Dezoteux también está entusiasmado con el potencial de la IA basada en ERP para ayudar a obtener una ventaja en la pista durante una carrera.
“Durante un fin de semana de carrera, es difícil encontrar patrones en el comportamiento del coche, o en los neumáticos, o en la interacción entre el coche y el piloto. [that take place] en una gran cantidad de carreras”, explica.
“Vamos a Imola [for example], miramos los datos de Imola en vivo, analizamos todos esos datos para tener una buena comprensión de lo que está sucediendo. Pero es difícil encontrar un patrón, si algo que sucede en el automóvil puede estar relacionado con algo que sucedió. [in previous races]porque entonces el coche era diferente.
“Por eso, controlar el estado del coche en la pista es un desafío. [This is] donde el sistema ERP es una herramienta fantástica porque tienes un seguimiento constante de cuál es la configuración del coche, sabes cómo estaba el coche en cada momento. Entonces [combining that] con la telemetria [from the race] Encontrar un patrón es algo que en el futuro nos ayudará mucho”.
Por supuesto, ERP no es la única área en la que la IA puede ayudar a un equipo de Fórmula Uno como VCARB. Como explica el director del equipo, Mekies, la F1 ha sido líder en la automatización del análisis de datos durante mucho tiempo, debido a los grandes volúmenes de datos que genera.
“Ese enorme flujo de datos que se está analizando, ¿cuánto de ellos está automatizado? Ya es un porcentaje enorme: al menos entre el 70% y el 80%”, afirma.
“Pero habrá muchas maneras de utilizar mejor estos datos si eres capaz de crear algún análisis inteligente que pueda extraer lo que necesitas extraer, o tal vez puedas extraer lo que aún no sabes, pero que deberías estar buscando”. en. ¿Llevamos mucho tiempo haciendo esto? Sí. ¿Está explotando exponencialmente ahora? También lo es. Cada día descubrimos nuevas formas de aprovecharlo”.
regulaciones F1
Los ingenieros están explorando formas en que la IA puede ayudar a aliviar las exigencias de las regulaciones de la F1 que limitan la cantidad de pruebas que pueden realizarse sobre el diseño y los componentes de los autos durante una temporada. Por ejemplo, además de los límites en el uso de túneles de viento, los equipos tienen restricciones en la cantidad de horas de trabajo que pueden completar utilizando el software de dinámica de fluidos computacional (CFD), que ayuda a modelar el rendimiento aerodinámico del automóvil.
Mekies describe el CFD como un “túnel de viento virtual”, y con todos los datos acumulados durante muchas horas de uso del CFD, los algoritmos de IA ofrecen la oportunidad de proporcionar la misma respuesta sin tener que realizar más ejecuciones del CFD.
“Porque [the AI] ya vimos 10,000 ejecuciones antes, se puede decir – bueno, ya está [analysed] esa modificación y puede decirle qué va a hacer, por lo que no necesita presionar un botón para [complete a CFD run]. En términos de regulaciones, eso es interesante porque en realidad no presionamos el botón”, dice.
La IA ya apoya la estrategia durante una carrera de F1. A medida que van llegando datos del coche (e información sobre los coches rivales), el equipo analiza sus opciones, como cuándo cambiar neumáticos o cómo reaccionar ante la introducción de un coche de seguridad, que ralentiza la carrera durante un periodo de tiempo. .
“Las decisiones estratégicas se toman en el muro de boxes, y eso también implica que el software basado en inteligencia artificial realiza miles de millones de cálculos. La carrera está en marcha y la máquina analiza continuamente lo que sucede”, afirma el director general de VCARB, Peter Bayer.
“En última instancia, para estos muchachos [making race decisions], terminan con una o dos opciones que el humano tiene que decidir en lugar de 300 opciones. Es bastante fascinante ver eso”.
También para “estos muchachos”, la IA está estimulando debates sobre otras formas de obtener una ventaja en la pista que van más allá de la potencia del motor y el rendimiento de los neumáticos.
“Sería interesante utilizar este tipo de tecnología para detectar patrones en el comportamiento de la competencia”, afirma Dezoteux, director de rendimiento de vehículos. “Tienen una estrategia de carrera, algo está pasando. Y tú [could] Tener un medio para predecir lo que puede hacer su competidor. Ésa es una aplicación que puede ser muy relevante en el futuro”.
Sensores virtuales
Otra aplicación potencial son los sensores virtuales. Esos más de 300 sensores en el automóvil que miden la fuerza, la temperatura, la velocidad, etc., pueden ser pequeños, pero todos agregan peso, y el peso agrega milisegundos a los tiempos de vuelta. También suelen ser costosos y pueden dañarse en un accidente. Con IA puedes crear un sensor virtual.
“Entonces, mientras el [physical] sensor está instalado, el sistema está aprendiendo sobre su comportamiento en comparación con los parámetros del automóvil y [the AI] “El auto descubrirá por sí mismo cuáles son los parámetros del automóvil que son suficientes para crear el comportamiento del sensor; luego retira el sensor y solo obtiene una señal”, dice Dezoteux.
“Actualmente funciona, pero el nivel de precisión no es lo suficientemente bueno. Pero en el futuro esperamos poder tener una configuración del coche para practicar que tenga más sensores y sea más cara. Y luego hacemos el coche más ligero, más barato y más sencillo para las carreras”.
El equipo VCARB no es el único que explora el uso de la IA: esta es solo un área más en la que los equipos de F1 intentan constantemente superarse entre sí y encontrar ese poquito extra de velocidad que podría marcar la diferencia el día de la carrera.
Como resultado, también hay una nueva carrera, tanto entre los equipos como con las grandes empresas de tecnología: para capturar el mejor talento en IA.
“Es importante que la F1 siga siendo un lugar al que esta gente quiera venir y que no los perdamos frente a todas las grandes empresas tecnológicas que también están en una carrera diferente”, dice Mekies. “Así que debemos asegurarnos de que nosotros, como…