Quan s’indaga sobre intel·ligència artificial (IA), sempre s’acaba llegint sobre la famosa partida d’escacs entre l’ordenador d’IBM Deep Blue i Kasparoff de fa 20 anys. Aquest va ser el primer pas d’un camí que encara continua avui i que ja aleshores va demostrar que els ordinadors podien fer sorprenentment bé tasques estrictament lligades a les capacitats cognitives humanes, com ara jugar a escacs, planificar estratègies i preveure els moviments de l’adversari.

 

 

En l’última dècada investigadors del camp de la intel·ligència artificial, amb el patrocini de gegants tecnològics com Google o Facebook i d’universitats d’arreu del món, han desenvolupat nous algoritmes i tècniques d’IA que ens han portat al que alguns experts anomenen «la quarta revolució».

Medicina, transport, ciberseguretat, comunicacions, serveis financers i molts altres àmbits es poden beneficiar de la IA, i això no és ciència-ficció. El sector aeroespacial també vol formar part d’aquest gran avenç tecnològic i GMV no es queda enrere en absolut; ben al contrari, ja que encapçala els projectes SAFETERM i AI-GNCAir per a l’Agència Europea de Defensa (EDA), dues de les iniciatives més avançades de GMV en aquest camp.

SAFETERM té com a objectiu utilitzar la IA per millorar els sistemes de terminació segura de vol (FTS) que s’utilitzen actualment en operacions de sistemes de vehicles tripulats remotament (RPAS). El requisit principal del sistema SAFETERM és incrementar el nivell general de seguretat en gestionar situacions d’emergència en què es produeixi la pèrdua de l’enllaç C2. En aquestes situacions, el pilot al comandament (PiC) no pot interaccionar amb la plataforma i, com que tampoc pot arribar a les àrees de terminació de vol predeterminades, ha de definir una nova àrea d’aterratge adequada i segura mitjançant tècniques de visió artificial.

La tecnologia de visió artificial, o visió per computador (VC), se centra principalment en la manera com els ordinadors poden aconseguir un coneixement d’alt nivell de la zona circumdant mitjançant imatges o vídeos digitals. En altres paraules, la tecnologia de visió artificial pretén que els ordinadors «vegin» el món real. Com a éssers humans, això ens pot semblar un repte fàcil d’aconseguir, però la percepció visual en un món físic dinàmic, amb una capacitat gairebé infinita de variació, és una qüestió extremament complexa que no es pot prendre lleugerament.

Com a camp d’investigació, la visió per computador és una frontera intel·lectual i, com qualsevol altra frontera, és apassionant i desorganitzada, i sovint no compta amb cap autoritat fiable a la qual poder recórrer. Moltes idees útils no tenen cap fonament teòric i algunes teories són inservibles en la pràctica. Les àrees desenvolupades estan massa disperses i sovint semblen totalment inaccessibles entre si.

En aquest punt, és important tenir en compte que visió artificial no és el mateix que processament d’imatges. Aquesta segona tecnologia està més relacionada amb la creació d’una imatge nova a partir d’una altra d’existent millorant o simplificant les dades d’alguna manera. Es podria dir que el processament d’imatges és el primer pas per preparar l’entrada de dades per al flux de treball de la visió artificial.

Entre totes les possibles aplicacions de la visió artificial, SAFETERM es basa en el reconeixement de zona: quines zones hi ha a la imatge i on són. En aquest projecte, un altre objectiu de l’EDA és ponderar els reptes que presenta l’ús de tecnologia d’IA en l’aviació. Es poden desenvolupar maquinari i programari d’aviònica reals seguint estàndards d’aviació que avaluen els elements i les fites de certificació d’aquests sistemes integrats basats en IA.

El projecte AI-GNCAir inclou un altre tipus de tècnica: la fusió de dades per a l’autolocalització, procedents de sensors de vehicles aeris. Obtenir «tècniques de presa de decisions autònomes i automatitzades per a sistemes tripulats i no tripulats» i assolir «control i cooperació multirobot» són els objectius del projecte, en el marc del qual es reforçaran els sistemes GNC mitjançant l’ús de tècniques d’intel·ligència artificial per a la gestió de dades i informació.

En aquest camp, són molt importants els aspectes de seguretat: confidencialitat per evitar les interferències externes, integritat per protegir la precisió de les dades quan es transfereixen pels fluxos de treball i disponibilitat perquè el flux de dades no s’interrompi mai. Els algoritmes d’IA han de poder reconèixer les interferències en els senyals i les lectures incorrectes dels sensors i, fins i tot, predir dades que podrien faltar per causa d’aquests dos factors.

Alguns dels camps en què se centra el projecte AI-GNCAir són la gravació robusta de dades, els protocols eficients de fusió de dades, la gestió de la complexitat computacional de la fusió de dades o la selecció dinàmica de sensors per a una disponibilitat contínua de les dades.

La intel·ligència artificial i l’aprenentatge automàtic són termes genèrics que abracen una enorme varietat de tècniques de processament, control i optimització de dades, aplicables a pràcticament cada sector o sistema. Els vehicles aeris poden beneficiar-se d’aquestes tecnologies avançades, que garantiran una major autonomia i seguretat i permetran als operadors humans proporcionar dades de més alt nivell i més control de supervisió.

 

Autors: Javier Ferrero i Eugenio Sillero