El motorsport ja s’ha convertit en un entorn on la velocitat i la seguretat depenen, cada cop més, de la capacitat de capturar dades, interpretar-les i decidir amb criteri en temps real.
Eric Ernst, dibuixa el circuit com una xarxa d’infraestructura i dades que ja ha alimentat el control de cursa: timing loops per al cronometratge, senyalització digital (banderes i llums), Track CCTV, comunicacions amb marshals i transmissions de telemetria, àudio i vídeo. En aquest ecosistema, la IA ja ha actuat com un sistema de triatge que ha detectat patrons i ha prioritzat l’atenció humana.
Ernst és Executive Technology Advisor a Alkamel Systems, i al costat de Roger Frigola, especialista en Machine Learning aplicat a la competició, han participat en la jornada “Intel·ligència Artificial i Motorsport”, organitzada per la Comissió de Mobilitat del Col·legi d’Enginyers Industrials de Catalunya. És la segona sessió del cicle “IA i l’automòbil”, que ha analitzat com la intel·ligència artificial està transformant el motorsport, tant en la gestió de les curses com en el desenvolupament tècnic dels vehicles.
En paraules d’Ernst, la IA ja s’ha orientat a “l'escalament de la càrrega cognitiva”, és a dir, reduir la càrrega mental en entorns on s’ha hagut de vigilar simultàniament molts punts del traçat. Per exemple, l’anàlisi de telemetria ja ha pogut generar alertes quan el sistema ha detectat un impacte: “Hi ha hagut un alt impacte G en aquest cotxe”. També destaca la necessitat d’integrar fonts diverses (vídeo, telemetria, ràdio) per reconstruir incidents amb context i rapidesa.
Humà al bucle: automatitzar rutina, no substituir criteri
Un dels missatges que defensen tant Ernst com Frigola és que la IA no pren decisions per si sola. Ernst ho formula de manera explícita: “Sempre vull tenir un humà en el circuit”. I adverteix d’un risc operatiu: “La IA és molt bona per perdre el context molt ràpid”. Per això, el seu enfocament ja prioritza sistemes que alerten, recullen evidències i presenten informació, mentre la decisió final ja ha continuat en mans de les persones oficials.
Aquesta lògica també s’ha aplicat a la revisió d’infraccions repetitives (com els límits de pista), on la IA ja ha ajudat a aplicar un criteri consistent en grans volums: “intenta obtenir una resposta dins de la mateixa volta”, explica Ernst, amb l’objectiu de guanyar rapidesa i uniformitat.
Equitat a escala: coherència quan el volum ja desborda
Quan el volum d’incidents potencials ja ha estat massa alt per revisar manualment, la IA ja ha permès separar casos clars de casos amb matís i elevar aquests últims a revisió humana. Ernst ho resumeix amb una idea que ha buscat tranquil·litzar equips i federacions: “La IA no canvia la decisió, assegura que no es perd cap incidència”. En aquest sentit, la tecnologia ja s’ha utilitzat per fer el control de cursa més consistent i més previsible.
El reforç tècnic: models més ràpids per optimitzar rendiment
Frigola connecta la IA amb l’enginyeria de competició, especialment quan l’objectiu ja ha estat accelerar càlculs i exploració de disseny. Explica com els metamodels (surrogate models) ja han permès passar de simulacions costoses a prediccions gairebé instantànies: “una funció matemàtica que puc avaluar-la en menys d’un mili segon”.
També fa valer les tècniques de reducció de dimensionalitat per entendre dades complexes de telemetria i aerodinàmica, i subratlla el paper dels assistents d’IA en el treball professional: “és el millor amic de la meva carrera professional”.
La IA, doncs,ja ha aportat valor quan s’ha integrat com a assistència tècnica (al race control i al desenvolupament) per guanyar velocitat d’anàlisi, coherència operativa i capacitat de decisió, mantenint el criteri expert al centre.
