Los desarrolladores de Google han creado un algoritmo de IA que hará más personalizadas las sugerencias de rutas en Google Maps.
Según Google, el modelo, que incluye 360 millones de parámetros, utiliza datos reales de conducción de los usuarios de Maps para analizar qué factores tienen en cuenta a la hora de tomar decisiones sobre rutas. Los cálculos de la IA incluyen información como la duración del trayecto, los peajes, el estado de las carreteras y las preferencias personales.
Google afirma que la tecnología se basa en un enfoque denominado «aprendizaje inverso por refuerzo» (IRL), en el que el sistema aprende del comportamiento del usuario basándose en un nuevo algoritmo IRL denominado «Receding Horizon Inverse Planning (RHIP)».
«Receding Horizon Inverse Planning» para cerca y lejos
Google afirma que lleva varios años trabajando con Deepmind en RHIP. En las proximidades de una ruta real recorrida, el algoritmo utiliza modelos estocásticos computacionalmente intensivos para considerar opciones poco probables. Para zonas más alejadas, RHIP cambia a métodos deterministas más sencillos para ahorrar energía.
» Ejemplo del modelo de parámetros dispersos 360M encontrando y corrigiendo un error de calidad de datos en Nottingham.
La ruta preferida está marcada incorrectamente como propiedad privada debido a la presencia de una verja (que nunca está cerrada),
e incurre incorrectamente en un coste elevado. La ruta de desvío es larga y estrecha. El modelo disperso aprende a corregir el
error de datos con una gran recompensa positiva en el segmento cerrado» | Imagen: Google
En las pruebas, RHIP fue capaz de mejorar la precisión de sus sugerencias de ruta entre un 16% y un 24% de media para vehículos de dos ruedas (por ejemplo, scooters, motocicletas y ciclomotores) en comparación con el modelo de referencia de Mapas bien ajustado. Combinando los enfoques de la IA se pueden aprovechar al máximo los puntos fuertes de cada uno. El sistema aprende de los movimientos de los usuarios de Google Maps y, con el tiempo, debería mejorar su predicción de la ruta que prefieren.
Según Google, los intentos de utilizar sistemas de IA a gran escala para planificar rutas han fracasado a menudo debido a la enorme complejidad de las redes de carreteras del mundo real. Los algoritmos no podían hacer frente a la miríada de posibilidades.
Ahora, RHIP puede superar este obstáculo con un enfoque sofisticado. Los desarrolladores de Google afirman que RHIP es la mayor aplicación del aprendizaje por refuerzo inverso para la planificación de rutas realizada hasta la fecha, lo que confirma la tendencia de que el mejor rendimiento está relacionado con la escala, tanto en términos de conjunto de datos como de complejidad del modelo.
El algoritmo se ha aplicado a datos de Google Maps de todo el mundo. Sin embargo, es necesario realizar pruebas exhaustivas con los usuarios para determinar si la técnica funciona en la práctica y produce realmente rutas sistemáticamente mejores.
