A nivel global, cerca del 95% de los accidentes de tráfico ocurren por errores humanos de acuerdo con cifras de la Comisión Europea, un patrón que se replica en Colombia donde el factor humano es identificado como preponderante en la accidentalidad vial. Causas externas como distracciones, fatiga o decisiones tardías pueden causar todo tipo de accidentes en la vía. Sin embargo, los recientes avances de la IA prometen reducir estas causas drásticamente. Y aunque escuchamos hablar constantemente de vehículos autónomos como el futuro de la movilidad, la realidad es que la inteligencia artificial ya se está implementando en los vehículos de hoy en día en maneras menos invasivas, pero que aportan en gran medida a la seguridad al conducir.
Ese frenazo automático que te salvó de un golpe, el control de velocidad que mantiene la distancia con el carro de adelante, incluso la voz que te responde cuando preguntas por la ruta más rápida, todo eso es inteligencia artificial al servicio de la conducción. A lo largo de este artículo estaremos viendo cómo la inteligencia artificial está cobrando protagonismo tanto en vehículos autónomos como en otro tipo de ayudas para una conducción más tradicional, pero a su vez más segura.
La inteligencia artificial está en tu carro (aunque no lo notes)
Si compras un vehículo nuevo hoy, casi con certeza viene equipado con algún sistema de inteligencia artificial. Y en algunos lugares del mundo esto no es opcional, sino que es parte de la norma; por ejemplo, Desde julio de 2024, todos los vehículos nuevos matriculados en países de la Unión Europea deben incorporar sistemas ADAS. Con esta normativa, se busca reducir las muertes en carretera y los accidentes causados por errores humanos.
Los Sistemas Avanzados de Asistencia al Conductor (ADAS, por sus siglas en inglés) son un conjunto de tecnologías (muchas veces basadas en inteligencia artificial) que ayudan al conductor en situaciones específicas. estos sistemas intervienen de forma semiautomática o automática en la transmisión, el control o las señales del vehículo.
Entre estos sistemas se incluyen ayudas de manejo como:
- El control crucero adaptativo, que ajusta automáticamente las distancias con los vehículos que están adelante y los que vienen detrás.
- El frenado automático de emergencia que detecta obstáculos y actúa si el conductor no reacciona a tiempo.
- El asistente de mantenimiento de carril corrige la dirección cuando el conductor se sale del carril sin señalizar.
- Detectores de puntos ciegos
- Sistemas de detección de somnolencia que monitorea patrones de conducción errática.
Si bien su principal función es la seguridad, la inteligencia artificial en los vehículos va un poco más allá de esto. El ejemplo más claro son los asistentes de voz que emplean procesamiento de lenguaje natural para entender comandos complejos más allá del típico “llama a tal persona”.
La IA aquí está orientada a personalizar la experiencia del conducto y a preservar la vida útil del vehículo. Por ejemplo, diversas marcas están implementando funciones de “mantenimiento predictivo” en las computadoras de sus modelos con el fin de informar al usuario sobre el estado del vehículo antes de que algo falle.
Cómo la IA percibe, decide y actúa al conducir
Para entender qué hace posible que un vehículo “vea”, “piense” y “actúe”, hay que descomponer el proceso en tres fases.
1. Percepción
Los “sentidos” que la inteligencia artificial le otorga a los vehículos funcionan con de cámaras, radares y tecnologías como el LiDAR (Light Detection and Ranging).
Las cámaras detectan carriles, señales, semáforos y peatones mediante visión por computadora. Los radares monitorean posición y velocidad de vehículos cercanos, funcionando incluso con lluvia. El LiDAR emite pulsos de luz láser que crean un mapa tridimensional preciso del entorno. Tal y como lo explica este artículo de DataScientest, la inteligencia artificial posibilita la fusión de todos los datos que ofrecen estos sensores y configura una representación única y precisa del entorno.
2. Decisión (machine learning y predicción)
Toda la información sensorial que se obtiene de la fase anterior (percepción) llega a la computadora del vehículo. Allí, la inteligencia artificial a través de algoritmos de deep learning entrenados para reconocer diferentes situaciones analiza y decide.
Las redes neuronales profundas aprenden a distinguir entre un animal cruzando y una bolsa de plástico. Modelos probabilísticos anticipan movimientos de otros vehículos y peatones, evaluando escenarios en fracciones de segundo.
Según Sernauto, en su análisis sobre IA en automoción, los vehículos analizan millones de datos en tiempo real, tomando decisiones en milisegundos. El desafío: el “sentido común” humano aún representa una barrera para la IA.
3. Acción: control del movimiento
Los sistemas de control y conducción ajustan velocidad, dirección y frenado según las condiciones. DataScientest señala que gracias a la combinación de percepción, decisión y acción es que los vehículos logran ser autónomos.
¿Qué son los vehículos autónomos?
Los vehículos autónomos son capaces de percibir su entorno y funcionar sin que un humano necesite tomar el control. Sin embargo, no todos son iguales. La Sociedad de Ingenieros Automotrices (SAE) creó el estándar SAE J3016, que establece seis niveles de autonomía. estos niveles se definen según quién controla el movimiento, quién detecta objetos y bajo qué condiciones funciona el sistema.
Nivel 0: Aquí no hay automatización alguna, el conductor realiza todas las tareas manualmente.
Nivel 1 – Asistencia al conductor: El sistema automatiza movimiento longitudinal (acelerar/frenar) o lateral (dirección), pero no ambos a la vez. Por ejemplo, el control crucero adaptativo que ya mencionamos.
Nivel 2 – Automatización parcial: Controla movimiento longitudinal y lateral simultáneamente. El conductor debe permanecer atento. Aquí están la mayoría de vehículos “avanzados”. Por ejemplo: Nissan ProPilot, Mercedes Drive Pilot, Volvo Pilot Assist, Tesla Autopilot.
Nivel 3 – Automatización condicional: El sistema controla todo y detecta objetos completamente, pero solo bajo condiciones específicas. El “conductor” puede dejar de prestar atención, pero debe estar listo para retomar control cuando se solicite. Mercedes-Benz Drive Pilot es el primer sistema certificado nivel 3.
Nivel 4 – Alta automatización: Funciona sin intervención humana y tiene sistema de respaldo propio, pero limitado a condiciones específicas. Un ejemplo de vehículos autónomos a este nivel es Waymo, que opera taxis autónomos nivel 4 en San Francisco.
Nivel 5 – Automatización completa: Funciona en cualquier condición, sin limitaciones. No requiere conductor ni controles manuales. Este nivel actualmente se encuentra en desarrollo.
La realidad es que la inmensa mayoría de vehículos están en niveles 0, 1 y 2. Incluso el Full Self-Driving de Tesla oscila entre nivel 2 y 3. Se estima que los vehículos completamente autónomos (nivel 5) se produzcan efectivamente en los próximos años.
Retos y limitaciones actuales
Los obstáculos son múltiples. Desafíos técnicos: condiciones climáticas adversas siguen siendo problemáticas para sensores. Como señala DataScientest, anticipar cada peligro en la carretera se ha demostrado más difícil de lo previsto. Por otra parte, el “sentido común” humano sigue siendo difícil de replicar.
Desafíos regulatorios: ¿Quién es responsable en caso de accidente? En la actualidad no existe (y es muy evidente que se requiere) un marco legal claro sobre los vehículos autónomos y las ayudas que la inteligencia artificial ofrece para la conducción. Es vital que se considere que estos sistemas (así como la conducción humana) eventualmente pueden fallar y se necesita un marco legal para evaluarlos.
Consideraciones éticas: La ética juega un papel importante también, en la vía todo puede pasar; y en caso de que un accidente sea inevitable, ¿ la IA debe el vehículo priorizar la vida del pasajero o de los peatones? Varias entidades sugieren que el entrenamiento debe ser transparente y universal respecto a este tipo de decisiones.
Confianza pública: Una encuesta sobre los vehículos autónomos publicada por la Fundación Repsol en sus resultados señala que casi el 48% de las personas no utilizaría un vehículo autónomo. Los accidentes, aunque raros, generan desconfianza.
Impacto social: Millones de conductores profesionales podrían perder empleos. DataScientest señala que este hecho puede ser un freno al entusiasmo por la tecnología de los vehículos autónomos.
Entre el entusiasmo tecnológico y la realidad
La conversación sobre vehículos autónomos y la presencia de la inteligencia artificial en la conducción necesita cambiar de enfoque. En lugar de preguntarnos “cuándo tendremos carros que se conduzcan solos?” deberíamos prestar más atención a todas las ayudas y ventajas que la inteligencia artificial ya ofrece en esta práctica.
Los ADAS actuales están salvando vidas silenciosamente. Con 1.19 millones de muertes anuales por accidentes de tráfico a nivel mundial según la OMS, estudios científicos estiman que los sistemas ADAS podrían prevenir hasta el 40% de los siniestros y el 29% de las víctimas mortales. La diferencia entre morir en un choque o salir con lesiones menores en muchas ocasiones depende de las ayudas de manejo con las que cuenta el vehículo.
Las empresas que desarrollan estos sistemas tienen la responsabilidad de ser transparentes sobre capacidades y limitaciones. Tesla ha enfrentado críticas justificadas por comercializar “Full Self-Driving” cuando el sistema aún requiere supervisión constante. Esta brecha entre marketing y realidad afecta la confianza necesaria para la adopción de estas tecnologías.
Los entes reguladores, por su parte, necesitan marcos legales que equilibren innovación con seguridad. No pueden ser tan restrictivos que paralicen el desarrollo, ni tan permisivos que pongan vidas en riesgo mientras la tecnología madura.
Finalmente, para los usuarios actuales, la recomendación es simple: aprender a usar (y entender) las ayudas que sus vehículos ofrecen. Muchas personas desactivan asistencias porque no comprenden cómo funcionan o las encuentran molestas inicialmente. Sin embargo, estas tecnologías pueden marcar la diferencia en situaciones puntuales.
