Los sistemas digitales utilizados para informar y proteger a los equipos de McLaren F1 y de deportes electrónicos están experimentando un impulso significativo gracias al uso de la IA y el aprendizaje automático para ayudar a dar un salto en la competencia.
Desde la telemetría hasta la ciberseguridad, la cantidad de datos recolectados en la Fórmula 1 es colosal, y comprender que a menudo los datos son muy complejos es crucial, especialmente en un entorno donde la velocidad es de suma importancia.
TechRadar Pro Tuve la oportunidad de hablar con Ed Green, jefe de tecnología comercial de McLaren, y James Hodge, GVP y asesor principal de estrategia del proveedor de la plataforma de datos del equipo, Splunk, sobre dónde encaja la IA en la ecuación, cómo puede ayudar a proteger la empresa mundo digital y mejorar su toma de decisiones, así como sus limitaciones.
Seguridad y decisiones
Como puede imaginar, la seguridad es importante para McLaren en todas sus operaciones. Para su equipo de esports McLaren Shadow, Green describió una configuración típica:
«Si tienes ocho jugadores en el escenario, eso significa ocho PC detrás de ellos, y probablemente otros cuatro dirigiendo y editando el espectáculo, por lo que terminas con 24 PC involucrados».
Para proteger todas estas máquinas, Green explicó que “tenemos una protección de punto final estándar que ponemos en todo el estado. Usamos herramientas internamente a través de varios socios de seguridad cibernética para monitorear cómo se mueve nuestro tráfico, y tenemos proveedores de firewall para ver exactamente hacia dónde se dirige el tráfico”.
Aunque McLaren guardó silencio sobre el software exacto que usa, se sabe que Darktrace se usa en su postura de seguridad hasta cierto punto.
La ciberseguridad también tiene que ser liviana para evitar agotar el poder de las plataformas de simulación. “Muchas cosas normalmente son bastante livianas, por lo que la gente no quiere muchos agentes en sus máquinas haciendo partes”, dice Green.
«Tenemos clientes finales naturales que usamos en McLaren, informan en una serie de paneles que pueden ser útiles. Puedo obtener una vista de eso para monitorear durante la carrera».
Green también explicó que la IA y el aprendizaje automático se utilizan para la ciberseguridad del equipo, no solo para los datos de carrera:
“Hemos utilizado mucho el aprendizaje automático y la IA en [the cybersecurity] espacio, y en años pasados eso significaría que nuestro equipo de seguridad cibernética estaría lleno de muchos, muchos graduados; es un trabajo realmente tedioso y aburrido sentarse allí mirando líneas y líneas de información de seguridad cibernética».
«Ahora, mediante el uso de mucho aprendizaje automático e IA, no tenemos un equipo de seguridad cibernética tan grande, pero tienen un contexto más relevante, para que puedan ver a dónde va la información, por lo que adoptan el aprendizaje automático y La IA es realmente importante para nosotros”.
Agregó que «cuando miras a la IA en ciberseguridad, o en general, está ahí para ayudarte a ser más eficiente, para ayudarte a fusionarte y resolver desafíos realmente grandes y complejos, o está ahí para brindarte asistencia adicional».
«En la seguridad cibernética, en el equipo de carrera, en la estrategia en particular, la IA está ahí como una ayuda para la toma de decisiones; no se está ejecutando para ti. Por lo tanto, es posible que estés bajo presiones de tiempo realmente delicadas: puedes tener tres segundos para tomar una decisión para una parada en boxes, por lo que al darles a esas personas la siguiente mejor decisión o ayudarlos a simular lo que podría suceder, eso significa que cuando hay presión de tiempo, podemos tomar la decisión correcta».
Aunque la IA en este contexto se usa predominantemente para el equipo de Fórmula 1 de la vida real, Green sugirió que también puede entrar en juego para el equipo de F1 de deportes electrónicos en el futuro.
La importancia de los datos
El proveedor de datos Splunk comenzó su relación con el equipo de Fórmula 1 de McLaren en 2020 como una plataforma para suministrar todos los datos telemétricos importantes de los autos, antes de registrarse para ayudar al equipo de esports Shadow McLaren.
Hodge explicó cómo se pueden realizar cálculos más avanzados y predictivos utilizando sus herramientas de IA. Mencionó el ejemplo de predecir la degradación de los neumáticos, que puede verse afectada en el juego por numerosos factores, como la temperatura de la pista virtual y el nivel de agresividad al conducir:
«Podemos comenzar a hacer análisis predictivos para decir ‘¿dónde creemos que vamos a llegar a un cierto punto en el que los neumáticos ya no tienen el mejor rendimiento para entrar en la parada en boxes’, y ahí es donde comenzamos a buscar en la telemetría en el juego para ayudar con las decisiones de carrera”.
Hodge se hizo eco de cómo la IA puede ser una ayuda para la toma de decisiones en lugar de ser quien toma las decisiones. Cuando se trata de la participación de AI en la estrategia de parada en boxes, por ejemplo, Hodge dijo:
“Es posible que no desee que la IA parpadee para decir ‘pit ahora’. Probablemente querrá que un humano en el circuito diga: ‘en realidad, no pudimos agregar esta fuente de datos a ese modelo, por lo que no está del todo bien'».
Al explicar por qué es tan difícil automatizar la toma de decisiones, Hodge dio el ejemplo hipotético del uso de IA para controlar las luces en el hogar:
«Comienza de manera simple: cuando entro en la habitación, los quiero puestos. Está bien, ¿cuánto tiempo deben permanecer puestos? Hasta que no vea ningún movimiento, o deben permanecer puestos hasta la medianoche porque siempre me acuesto a las 11:30 p. m.». Bueno, te has quedado despierto hasta tarde para ver una película, así que son las doce en punto y se han ido; estoy viendo una película, así que no me habría movido, así que las luces se apagaron. Entonces, en realidad, lo que aparentemente es un problema simple se vuelve muy complicado. Ahora, cuando piensas en eso en la tecnología empresarial, se vuelve aún más difícil».
Hizo hincapié en la importancia de contar con datos adecuados antes de confiar en las herramientas de IA. E incluso además de la IA, los métodos estadísticos tradicionales de predicción todavía tienen su lugar:
“Creo que se trata de capa sobre capa sobre capa [of data]. Entonces, cuando miramos, digamos, la ciberseguridad, ¿podemos primero observar todo en el mundo entero? – Aquí es donde comenzamos a ver diferentes equipos de seguridad y equipos de monitoreo de TI que se unen mucho más, porque todos quieren observar todo lo que sucede digitalmente y ponerle contexto».
«Ahora echemos un vistazo a los valores atípicos estadísticos. Por lo general, ese es un buen lugar para comenzar. Luego, podemos agregar un poco de modelado predictivo vinculado a ML más básico, para luego, en un contexto de seguridad cibernética, analizar la combinación de muchos indicadores diferentes y decir , ‘¿Estos posibles compromisos estadísticos ahora significan que hay una mayor probabilidad de que James sea un mal actor?’ Ahí es cuando te metes más en el espacio de la IA”.
También advirtió que se deben tener en cuenta las preocupaciones prácticas al desarrollar IA:
“También tienes que ver hasta dónde quieres impulsarlo y dónde está la mejor cantidad de esfuerzo para la inversión. Porque muy a menudo el lado estadístico lo acerca lo suficiente a donde necesita estar. Puede pasar demasiado tiempo obteniendo el modelo de IA perfecto y casi desperdiciando esfuerzo y dinero al hacerlo».
«Soy un gran creyente en tener los conceptos básicos correctos, porque ninguna empresa en el mundo tiene los conceptos básicos perfectos. Cuanto más pueda hacer eso, más podrá empujar la toma de decisiones al personal de primera línea para que haga aquello para lo que están empleados. .”