Η FIA και η Amazon Web Services (AWS) ενώνουν τις δυνάμεις τους για να αξιοποιήσουν περισσότερο την τεχνητή νοημοσύνη στη Formula 1. Η AWS γίνεται επίσημος συνεργάτης της FIA στους τομείς της τεχνητής νοημοσύνης, της μηχανικής μάθησης και των cloud υποδομών. Η συνεργασία θα συμβάλει στην εξέλιξη των μελλοντικών τεχνικών κανονισμών, στη βελτίωση των αεροδυναμικών προσομοιώσεων αλλά και στην εσωτερική λειτουργία της Ομοσπονδίας.
Κεντρικό ρόλο θα έχουν οι προσομοιώσεις υπολογιστικής ρευστοδυναμικής (CFD), οι οποίες θα εκτελούνται με ισχυρότερο υλικό και θα υποστηρίζονται από εργαλεία τεχνητής νοημοσύνης. Στόχος είναι να μειωθούν: ο χρόνος υπολογισμού, η απαιτούμενη εργασία, η κατανάλωση ενέργειας και το κόστος, χωρίς να περιορίζεται η ακρίβεια των αποτελεσμάτων.
Ο αναπληρωτής τεχνικός διευθυντής της FIA για τη Formula 1, Dominic Harlow, εξήγησε: «Το hardware της AWS υποστηρίζει αυτή τη διαδικασία. Πρόκειται για την παραδοσιακή διαδικασία CFD, η οποία εκτελείται με το OpenFOAM, ένα λογισμικό ανοικτού κώδικα, και διάφορα εργαλεία επεξεργασίας των αποτελεσμάτων. Παράλληλα, η τεχνητή νοημοσύνη θα μπορούσε να βελτιώσει τον τρόπο με τον οποίο προβάλλουμε και επεξεργαζόμαστε τα δεδομένα CFD».
- Γνώρισε το MG ZS MAX, με τιμή από 18.950 ευρώ & 7 χρόνια εργοστασιακή εγγύηση!
- Αφιέρωμα «City Mode: ON»: Επιστροφή στην πόλη!
- Αποστολή στην Ουτρέχτη: Γνωρίζουμε το νέο Hyundai Tucson
- Αυτό είναι το νέο Nissan Pixo: Ηλεκτρικό και με τιμή κάτω από 16.000 ευρώ
- Ο Brad Pitt είναι ο πρωταγωνιστής στη νέα καμπάνια της Mercedes-AMG GT 4 Door Coupe (video)
«Θα μπορούσαμε, για παράδειγμα, να χρησιμοποιήσουμε προσεγγιστικά μοντέλα που εκπαιδεύονται με τα δεδομένα των προσομοιώσεών μας, ώστε να επιταχύνουμε τους υπολογισμούς. Έτσι, θα αυξήσουμε την παραγωγικότητα, μειώνοντας τον χρόνο υπολογισμού και μηχανικής εργασίας, την κατανάλωση ενέργειας και το κόστος».
Η διαδικασία CFD βασίζεται σε τρισδιάστατα ψηφιακά σχέδια εξαρτημάτων, τα οποία συνδυάζονται σε μοντέλα μονοθεσίων τους. Ο αέρας γύρω τους χωρίζεται σε εκατομμύρια μικροσκοπικά κελιά, όπου επιλύονται οι σχετικές εξισώσεις. Στη συνέχεια, τα αποτελέσματα μετατρέπονται σε χάρτες πίεσης, απεικονίσεις της ροής του αέρα και μετρήσεις δυνάμεων.
Η FIA χρησιμοποιεί αυτά τα μοντέλα στην εικονική αεροδυναμική σήραγγά της για να εξετάζει, μεταξύ άλλων, πόσο μειώνεται το αεροδυναμικό φορτίο όταν ένα μονοθέσιο ακολουθεί ένα άλλο από κοντά και κατά πόσο οι κανονισμοί εξασφαλίζουν ευκολία μάχης τροχό με τροχό στην πίστα, που είναι το ζητούμενο.
Περισσότερες προσομοιώσεις για τους μελλοντικούς κανονισμούς
Η FIA έχει ήδη αρχίσει να εξετάζει νέες αεροδυναμικές λύσεις για τα μελλοντικά μονοθέσια, καθώς προετοιμάζεται για την πιθανή εισαγωγή εντελώς νέων μονοθεσίων και κινητήρων το 2030 (ή το 2031). Τα μοντέλα τεχνητής νοημοσύνης θα μπορούσαν να εκπαιδεύονται με εκατοντάδες προηγούμενες προσομοιώσεις CFD, μαθαίνοντας τη σχέση μεταξύ του σχήματος ενός εξαρτήματος και του αεροδυναμικού αποτελέσματος. Έτσι, αντί για μια διαδικασία που διαρκεί ώρες, θα μπορούν να προβλέπουν το αποτέλεσμα ενός νέου σχεδιασμού μέσα σε δευτερόλεπτα ή λεπτά.
Αυτό θα επιτρέψει στην FIA να εξετάζει στον ίδιο χρόνο πολύ περισσότερες εκδοχές κανονισμών, όπως διαφορετικά σχήματα αεροτομών και γεωμετρίες δαπέδου. Η τεχνολογία θα μπορούσε επίσης να καλύψει κενά στα δεδομένα από την πίστα και να ενισχύσει την εικονική εξέλιξη των μονοθεσίων.
Ο Harlow επιβεβαίωσε ότι η εργασία για νέες αεροδυναμικές ιδέες έχει ήδη ξεκινήσει: «Έχουν ήδη αρχίσει οι εργασίες για νέες αεροδυναμικές λύσεις για τα μελλοντικά μονοθέσια, βασισμένες σε όσα μάθαμε από τα αυτοκίνητα του 2026. Υπάρχουν ορισμένες διαφορετικές ιδέες που θα μπορούσαμε να δοκιμάσουμε και να εξετάσουμε».
«Θα μπορούσαμε να φανταστούμε τη χρήση της παραγωγικής τεχνητής νοημοσύνης στο μέλλον, αλλά προς το παρόν η διαδικασία καθοδηγείται από ανθρώπους και μηχανολόγους. Η χρήση εντολών για το σχεδιασμό ενός μονοθεσίου εξαρτάται από την εκπαίδευση και την εξέλιξη των μοντέλων. Απαιτεί πολλούς υπολογιστικούς πόρους και μεγάλο κόστος. Είμαι βέβαιος ότι θα έρθει και αυτή η εποχή».
Προς το παρόν, επομένως, η τεχνητή νοημοσύνη δεν θα δημιουργεί αυτόνομα νέες σχεδιαστικές ιδέες. Θα λειτουργεί ως εργαλείο υποστήριξης των μηχανολόγων, επιταχύνοντας την αξιολόγηση των προτάσεών τους.
Έλεγχος κινητήρων και εντοπισμός προβλημάτων
Η συνεργασία δεν περιορίζεται στην αεροδυναμική. Το τμήμα επιδόσεων της FIA εξετάζει τη χρήση τεχνητής νοημοσύνης για την ανάλυση ηλεκτρονικών συστημάτων, των κανονισμών μονάδων ισχύος και των δεδομένων που συλλέγονται στην πίστα. «Στον τομέα των επιδόσεων, χρησιμοποιούν εργαλεία όπως η υπολογιστική όραση, δηλαδή η ανάλυση εικόνων και βίντεο, καθώς και συστήματα που παρουσιάζουν σε πίνακες ελέγχου πολλές από τις μετρήσεις που συλλέγουμε. Ορισμένα αφορούν την ασφάλεια, άλλα τη διαχείριση ενέργειας και άλλα τους ελέγχους νομιμότητας», ανέφερε ο Harlow.
«Μπορούμε να επεξεργαζόμαστε τα εισερχόμενα δεδομένα ταχύτερα με την τεχνητή νοημοσύνη, να παρακολουθούμε τάσεις και να εντοπίζουμε μοτίβα, κάτι στο οποίο είναι ιδιαίτερα καλή. Αντίστοιχα, η ομάδα των μονάδων ισχύος χρησιμοποιεί τέτοια εργαλεία για τον εντοπισμό ανωμαλιών».
«Ένα δίκτυο νευρώνων μπορεί να αναπαραστήσει οποιαδήποτε συνεχή συνάρτηση. Με αρκετούς νευρώνες, μπορεί να περιγράψει ακόμη και μια εξαιρετικά σύνθετη καμπύλη. Συγκρίνοντας αυτές τις καμπύλες με τα δεδομένα από την πίστα, μπορούμε να εντοπίσουμε, για παράδειγμα, πότε πέφτει η πίεση λαδιού ενός κινητήρα».
Υπάρχει, ωστόσο, ένας σημαντικός περιορισμός: στα δίκτυα νευρώνων δεν είναι πάντα εύκολο να εξηγηθεί πώς καταλήγουν σε ένα συμπέρασμα. Η FIA θα πρέπει να κατανοεί γιατί ένα εργαλείο επισημαίνει μια συγκεκριμένη συμπεριφορά, ώστε να μπορεί να αξιολογεί σωστά τα αποτελέσματα.
Ισχυρότερο υλικό και καλύτερη ανάλυση
Ένα ακόμη πλεονέκτημα της συνεργασίας με την AWS είναι η πρόσβαση σε νεότερες μονάδες επεξεργασίας γραφικών (GPU). Οι προσομοιώσεις CFD βασίζονταν παραδοσιακά σε επεξεργαστές CPU, όμως το λογισμικό προσαρμόζεται πλέον στις GPU, οι οποίες μπορούν να εκτελούν πολλές απλές πράξεις ταυτόχρονα και να προσφέρουν σημαντικά υψηλότερες ταχύτητες.
Ο Harlow έφερε ως παράδειγμα το φαινόμενο αναπηδήσεων των μονοθεσίων (porpoising), το οποίο αιφνιδίασε αρκετές ομάδες και την ίδια τη FIA στις αρχές της εποχής των μονοθεσίων με ground effect, το 2022: «Αντί να εκτελούμε μόνο μια στατική προσομοίωση CFD σε σταθερές συνθήκες, μπορούμε να πραγματοποιούμε χρονικά εξαρτώμενες προσομοιώσεις σε μεταβαλλόμενες συνθήκες. Έτσι, σε ένα φαινόμενο όπως το porpoising, θα μπορούσαμε να το κατανοήσουμε καλύτερα πριν εξελιχθεί σε πρόβλημα ή πριν εμφανιστεί στην πραγματική κλίμακα του μονοθεσίου».
Η FIA εξετάζει επίσης τη χρήση εξειδικευμένων μεγάλων γλωσσικών μοντέλων, τα οποία θα υποστηρίζουν την απάντηση ερωτημάτων των ομάδων σχετικά με τη νομιμότητα των εξαρτημάτων και την ερμηνεία των κανονισμών. Σε αντίθεση με γενικά εργαλεία όπως το ChatGPT και το Claude, τα συστήματα αυτά θα πρέπει να λειτουργούν σε πιο ιδιωτικό και ασφαλές περιβάλλον, ώστε να προστατεύεται η πνευματική ιδιοκτησία και το εμπιστευτικό υλικό.
Η τεχνητή νοημοσύνη θα μπορούσε ακόμη να ενισχύσει το κέντρο απομακρυσμένου ελέγχου (ROC) της FIA στη Γενεύη (και στο Biggin Hill στην Αγγλία), το οποίο υποστηρίζει εξ αποστάσεως τον έλεγχο των αγώνων. Μία πιθανή εφαρμογή αφορά τις παραβάσεις στα όρια της πίστας: το σημερινό αυτοματοποιημένο σύστημα μπορεί να καταγράφει εκατοντάδες περιστατικά, τα οποία πρέπει να ελέγχονται από ανθρώπους. Η τεχνητή νοημοσύνη θα μπορούσε να ταξινομεί τα περιστατικά κατά προτεραιότητα ή να προτείνει πρόσθετους ελέγχους πριν από την έκδοση μιας απόφασης. Η τελική κρίση θα παραμένει στους ανθρώπους, οι οποίοι θα μπορούν να εργάζονται ταχύτερα και με μεγαλύτερη συνέπεια.
