Os desenvolvedores do Google criaram um algoritmo de IA que tornará as sugestões de rotas no Google Maps mais personalizadas.
De acordo com o Google, o modelo, que inclui 360 milhões de parâmetros, usa dados reais de condução dos usuários do Maps para analisar quais fatores eles consideram ao tomar decisões de rota. Os cálculos de IA incluem informações como tempo de viagem, pedágios, condições da estrada e preferências pessoais.
O Google diz que a tecnologia é baseada em uma abordagem chamada “aprendizagem por reforço inverso” (IRL), na qual o sistema aprende com o comportamento do usuário com base em um novo algoritmo de IRL chamado “Receding Horizon Inverse Planning (RHIP)”.
“Planejamento Inverso do Horizonte Recuado” para perto e longe
O Google diz que trabalhou com a Deepmind no RHIP por vários anos. Nas imediações de uma rota real percorrida, o algoritmo usa modelos estocásticos computacionalmente intensivos para considerar opções improváveis. Para áreas mais distantes, o RHIP muda para métodos determinísticos mais simples para economizar energia.
“Exemplo do modelo esparso de parâmetros 360M encontrando e corrigindo um erro de qualidade de dados em Nottingham.
A rota preferida é marcada incorretamente como propriedade privada devido à presença de um portão (que nunca é fechado),
e incorretamente incorre em um alto custo. A rota de desvio é longa e estreita. O modelo esparso aprende a corrigir o
erro de dados com uma grande recompensa positiva no segmento fechado.” | Imagem: Google
Em testes, o RHIP foi capaz de melhorar a precisão de suas sugestões de rota em uma média de 16 a 24 por cento para veículos de condução e de duas rodas (por exemplo, scooters, motocicletas, ciclomotores) em comparação com a linha de base bem ajustada do Maps. Ao combinar as abordagens de IA, os pontos fortes de cada uma podem ser maximizados. O sistema aprende com os movimentos dos usuários do Google Maps e deve melhorar a previsão de qual rota eles preferem ao longo do tempo.
No passado, diz o Google, as tentativas de usar sistemas de IA em escala para o planejamento de rotas muitas vezes falharam devido à enorme complexidade das redes rodoviárias do mundo real. Os algoritmos não conseguiam lidar com a miríade de possibilidades.
O RHIP agora pode superar esse obstáculo com uma abordagem sofisticada. Os desenvolvedores do Google dizem que o RHIP é a maior aplicação de aprendizado de reforço inverso para planejamento de rotas até o momento, confirmando a tendência de que um melhor desempenho está relacionado à escala, tanto em termos de conjunto de dados quanto de complexidade do modelo.
O algoritmo foi aplicado a dados do Google Maps em todo o mundo. No entanto, testes extensivos com o usuário são necessários para determinar se a técnica funciona na prática e realmente produz consistentemente melhores rotas.
