Utilizzo dell'apprendimento automatico per creare mappe che forniscano consigli di guida più intelligenti

In associazione con Fondazione del Qatar

Se guidi negli Stati Uniti, è probabile che non ricordi l'ultima volta che hai acquistato una mappa cartacea, stampato una mappa digitale o addirittura ti sei fermato a chiedere indicazioni. Grazie al Global Positioning System (GPS) e alle app di mappatura mobile sui nostri smartphone e ai loro consigli di percorso in tempo reale, la navigazione è un problema risolto.

Ma nelle parti del mondo in via di sviluppo o in rapida crescita, non tanto. Se vivi in ​​un luogo come Doha, in Qatar, dove la lunghezza della rete stradale è triplicata negli ultimi cinque anni, i servizi di mappatura commerciale di Google, Apple, Bing o altri fornitori semplicemente non riescono a tenere il passo con il ritmo dell'infrastruttura modificare.

Ognuno di noi che è cresciuto in Europa o negli Stati Uniti probabilmente non riesce a capire la scala a cui crescono queste città, afferma Rade Stanojevic, uno scienziato senior presso il Qatar Computing Research Institute (QCRI), parte della Hamad Bin Khalifa University, una Fondazione del Qatar università, a Doha. Praticamente ogni quartiere vede un nuovo sottopassaggio, un nuovo cavalcavia, una nuova grande autostrada aggiunta ogni due mesi.

Mentre il Qatar deve far fronte a questa rapida crescita, e soprattutto mentre si prepara a ospitare la Coppa del Mondo FIFA nel 2022, i cattivi consigli sull'itinerario e l'accumulo di ritardi di viaggio dovuti a mappe digitali obsolete sono sempre più costosi. Ecco perché Stanojevic e colleghi di QCRI hanno deciso di provare ad applicare l'apprendimento automatico al problema.

Una rete stradale può essere interpretata come un grafo gigante in cui ogni incrocio è un nodo e ogni strada è un bordo, afferma Stanojevic, la cui specialità è l'economia delle reti. I segmenti stradali possono avere sia caratteristiche statiche, come il limite di velocità designato, sia caratteristiche dinamiche, come la congestione nelle ore di punta. Per vedere dove sta realmente andando il traffico, piuttosto che dove una vecchia mappa dice che dovrebbe andare, e quindi prevedere i percorsi migliori attraverso un labirinto in continua evoluzione, tutto ciò di cui un modello di apprendimento automatico avrebbe bisogno sono molti dati aggiornati su sia i fattori statici che quelli dinamici. Fortunatamente, le moderne flotte di veicoli dispongono di questi sistemi di monitoraggio che producono molti dati, afferma Stanojevic.

Stanojevic parla di taxi. Il suo team al QCRI ha collaborato con una compagnia di taxi con sede a Doha chiamata Karwa per raccogliere dati GPS completi sull'andirivieni dei loro veicoli. Hanno usato quei dati per costruire un nuovo servizio di mappatura chiamato QARTA che offre consigli di routing agli autisti di Karwa e ad altri operatori come le flotte di consegna.

Stanojevic afferma che la comprensione più approfondita da parte di QARTA della reale situazione stradale e del traffico a Doha aiuta i conducenti a risparmiare decine di secondi su ogni viaggio, il che si traduce in un aumento dell'efficienza dell'intera flotta dal 5% al ​​10%. Se gestisci una flotta di 3.000 auto, il 5% è di 150 auto, afferma Stanojevic. In pratica puoi rimuovere 150 auto dalla strada e non perdere alcun affare.

Sebbene il sistema di QCRI probabilmente non possa competere con i grandi fornitori di servizi cartografici nel mondo sviluppato, potrebbe aiutare le città del Medio Oriente e di altre regioni in via di sviluppo a gestire la crescita in modo più saggio, afferma Stanojevic. E tra qualche anno, man mano che sempre più veicoli autonomi scendono in strada, i consigli di routing basati sull'apprendimento automatico potrebbero guardare al quadro generale di una città frenetica e aiutare le flotte a ridurre le emissioni di carbonio tenendo i conducenti fuori dagli ingorghi. Avendo una sorta di visione globale di ciò che sta accadendo in tutta la città, i veicoli autonomi possono effettivamente reindirizzarci per avere una sorta di bilanciamento del carico globale, per aiutare tutti a stare meglio.

Questo podcast è stato prodotto in collaborazione con la Qatar Foundation.

Mostra note e collegamenti

Istituto di ricerca informatica del Qatar

Percorsi di traffico nella città di Doha in continua evoluzione , Sofiane Abbar, Rade Stanojevic, Shadab Mustafa e Mohamed Mokbel, Comunicazioni dell'ACM, aprile 2021

Trascrizione completa

Lauro Ruma: Da MIT Technology Review, sono Laurel, e questo è Business Lab, lo spettacolo che aiuta i leader aziendali a dare un senso alle nuove tecnologie che escono dal laboratorio e nel mercato.

Il nostro argomento oggi, una migliore mappatura per le città in rapida crescita. Traffico. Il traffico è difficile per tutti noi, ma con un numero crescente di veicoli sulle strade e congestione, le app che cercano di calcolare i percorsi migliori non possono miracolosamente creare scorciatoie. Ma cosa succede quando il tuo paese raddoppia di dimensioni in 10 anni? Nuove strade, nuovi quartieri, nuovi edifici: è tempo di una nuova mappa.

Due parole per te: mappatura automatica.

Il mio ospite è il dottor Rade Stanojevic, che è uno scienziato senior presso il Qatar Computing Research Institute, parte della Hamad Bin Khalifa University, un'università della Qatar Foundation. Il Dr. Stanojevic studia reti di computer ed economia delle reti. Attualmente sta usando la teoria dei grafi, l'apprendimento automatico e altre tecniche per cercare di costruire modelli più accurati del traffico del mondo reale a Doha, in Qatar e in altre città.

Prima di entrare a far parte di QCRI, ha lavorato come ricercatore presso l'Institute for Advanced Studies Network Institute di Madrid e Telefonica I&D in Spagna.

Questo episodio di Business Lab è prodotto in collaborazione con la Qatar Foundation.

Benvenuto, dottor Stanojevic.

Rade Stanojevic: È fantastico essere con te oggi, Laurel. Grazie.

Alloro: Quindi ultimamente ti sei concentrato su una domanda molto specifica, ovvero come scrivere un software di mappatura in grado di generare stime più accurate del tempo di viaggio se qualcuno sta guidando dal punto A al punto B. E chiunque sia mai rimasto bloccato nel traffico perché hanno scelto le strade sbagliate possono capire perché potrebbe essere utile. Ma puoi spiegare perché la comprensione del traffico è un problema di scienza della rete e quali informazioni può portare un approccio di analisi della rete?

Rade : Quindi, per avere una comprensione accurata del problema che hai appena menzionato, come instradare dal punto A al punto B, hai sostanzialmente bisogno di due cose. Hai bisogno di una mappa accurata e di un modello di traffico accurato in cima a quella mappa. E questi due problemi sono sia di scienza delle reti che di apprendimento automatico. Quindi, se si pensa alla rete stradale come a una rete oa un grafo, questa rete è fondamentalmente un elenco di bordi, un elenco di nodi e un elenco di bordi, dove il bordo è il segmento stradale. Questo tratto stradale, ciò che rende questa rete viaria oggetto di studio interessante, è la complessità che deriva dalle caratteristiche di questi bordi della rete.

Quindi le caratteristiche di questi segmenti stradali, possiamo dividerli in due tipi. Uno sono le caratteristiche statiche. Queste sono cose come il limite di velocità, il numero di corsie, il tipo di pagamento, ecc. E questo è il genere di cose che una volta che hai capito bene, lo hai fatto per sempre.

D'altra parte, ci sono caratteristiche della rete stradale che sono più dinamiche. Quindi questi sono i tipi di cose che sono legate al traffico, al livello di congestione, alla velocità media, che dipendono dall'ora del giorno, dal giorno della settimana. Alcuni eventi che non possiamo davvero anticipare in anticipo, ecc. Comprendere sia la sottostante staticità della rete stradale sia le parti dinamiche che derivano dal traffico è ciò che rende l'intero problema interessante e utile alla vita di tutti i giorni, e in particolare, i casi aziendali di cui probabilmente parleremo un po' più avanti quello, di cui ci occupiamo.

Alloro: Bene, parlando di dinamica, il Qatar è quasi raddoppiato nella popolazione in soli 10 anni, e quindi questo crea un problema enorme, poiché vengono costruite nuove strade e nuovi edifici e gli automobilisti sono bloccati nel traffico, ma avevano queste mappe rapidamente obsolete che sono appena diventate obsolete . Come hai visto questa come un'opportunità per aiutare quei conducenti e le città stesse?

Rade : Oh ragazzo. Quindi ognuno di noi che è cresciuto in Europa o negli Stati Uniti probabilmente non poteva o non può capire la scala a cui crescono queste città. Quindi nella mia città natale, che è una città di 200 o 250.000 persone, l'unico vero cambiamento nell'infrastruttura della rete stradale avvenuto negli ultimi 20 anni da quando ero bambino è stato solo un unico ponte che è stato costruito. Tuttavia, nella città di Doha, praticamente ogni quartiere vede un nuovo sottopassaggio, un nuovo cavalcavia, una nuova grande autostrada aggiunta ogni due mesi. Quindi, con quel tipo di velocità con cui la città cresce, i tradizionali servizi di mappatura non riescono davvero a tenere il passo con il ritmo. E questo ha causato un'enorme sorpresa per la maggior parte di noi che provenivano dall'Europa o dal Nord America. Siamo rimasti stupiti quando siamo arrivati ​​in città e ci siamo resi conto che tutti i servizi che diamo per scontati come Google Maps o Bing Maps o Apple Maps, qualunque sia la tua mappa digitale preferita, semplicemente non funzionano. Non lavorano nella città di Doha.

E il motivo per cui non funzionano è perché non sono stati costruiti sul presupposto che l'infrastruttura cambi rapidamente come a Doha. Quindi all'Istituto, al QCRI, ci siamo resi conto che molte di queste domande possono essere risolte con la scienza delle reti e l'apprendimento automatico. E molti di noi hanno iniziato a esaminare il problema dell'inferenza automatica della mappa. Abbiamo iniziato con questo nel 2017 e ci siamo resi conto che questo problema è sia incredibilmente importante per molte città in via di sviluppo, ma anche molto impegnativo. E abbiamo fatto molti progressi in quella parte, nella comprensione della rete sottostante. E poi, in seguito, ci siamo resi conto di come aggiungere, oltre a ciò, queste proprietà dinamiche della mappa, che sono legate al traffico.

Alloro: Penso che sia davvero un ottimo modo per cercare di spiegare alle persone che potrebbero non capire l'aggiunta di una nuova autostrada o una nuova rampa di accesso o un nuovo cavalcavia per ogni quartiere come se fosse sbalorditivo, giusto?

Rade : È sbalorditivo. Quindi sostanzialmente negli ultimi sette anni, dal 2013, la lunghezza delle infrastrutture stradali nella città di Doha è triplicata. Quindi è davvero difficile avvolgere la testa attorno a quel numero. È una quantità incredibile di infrastrutture in costruzione. Tutto questo fa parte del progetto che mira a costruire l'infrastruttura adeguata per la Coppa del Mondo che si svolgerà tra circa 18 mesi qui a Doha, la Coppa del Mondo di calcio, o come direste voi in Nord America di calcio.

Alloro: Allora perché i cartografi come Google, Bing e Apple Maps hanno avuto tali problemi a tenere il passo? Ad esempio, come stimano tradizionalmente i tempi di viaggio e la mappatura? Stai inviando l'auto di Google in giro per mappare i quartieri?

Rade : In realtà è una domanda interessante. Quindi, in pratica, la maggior parte dei tradizionali creatori di mappe come Google Maps o Here Maps o Bing Maps, normalmente hanno una mappa statica che acquistano una volta ogni due anni, dal governo o dai fornitori di mappe locali. E poi corrono partendo dal presupposto che queste mappe cambiano di tanto in tanto, e che possono cogliere questi cambiamenti, osservando una sorta di dati a loro disposizione, o rintracciando i telefoni dove hanno una sorta di servizi abilitati alla localizzazione, o attraverso altri mezzi. I presupposti di fondo che le reti stradali non cambiano così frequentemente. Pertanto, ogni volta che la rete stradale cambia, è necessario che un annotatore umano etichetti la modifica e aggiorni la mappa. Tuttavia, in una città come Doha, dove i cambiamenti avvengono costantemente e quotidianamente, questo presupposto di fondo è infranto.

Un importante incrocio che è stato cambiato nel 2016, quando ci siamo trasferiti, quando mi sono trasferito a Doha, a poche centinaia di metri dal nostro ufficio, ci sono voluti circa 18 mesi perché quell'incrocio si riflettesse in Google Maps. Quindi sostanzialmente quell'incrocio è stato invisibile a Google Maps per circa 18 mesi. E tutti quei percorsi che avrebbero dovuto essere instradati attraverso quell'incrocio, in pratica, avrebbero costretto i conducenti a fare una grande deviazione che era del tutto inutile. E Google è migliorato nel corso degli anni, Google e altri servizi di mappe sono migliorati nel tempo. Riconoscono il problema e ora non ci vogliono 18 mesi per riflettere il cambiamento. Ora quel processo è ridotto a un paio di mesi. Ma comunque anche un paio di mesi possono essere tanti se un autista o un taxi o un fattorino richiedono un percorso preciso e ottimale. E l'abbiamo vista come un'opportunità per risolvere il problema con tutti i dati che potevamo acquisire e il più rapidamente possibile.

Alloro: Sì, un tempo di risposta di due mesi sembra impossibile nella vita in tempo reale di tutti, giusto? Quindi, in che modo tu, tu e il tuo team avete effettivamente trovato un modo migliore per stimare i tempi di viaggio? Raccontami la storia della compagnia di taxi Karwa.

Rade : Questa è una storia interessante, ma permettetemi di dire qualche parola su quale sia l'ingrediente chiave per affrontare il problema di percorsi precisi e tempi di percorrenza accurati nella città in rapida evoluzione come Doha. L'ingrediente chiave è l'aggiornamento costante delle mappe. Quindi osservare la mappa, osservare i cambiamenti che accadono e affrontarli il più rapidamente possibile, idealmente in modo completamente automatico, è la chiave. Quindi non saremmo in grado di farlo senza la partnership con Karwa.

Quindi Karwa è una compagnia di taxi locale che gestisce circa 3.000 veicoli in città. Produce una grande quantità di informazioni che utilizziamo per costruire la mappa sottostante e anche per costruire il modello di traffico su quella mappa. E c'è una storia interessante su come abbiamo dato il via a questo progetto. Quindi questo progetto è iniziato puramente come un progetto di ricerca, come ho detto, forse nel 2017 o all'inizio del 2018, abbiamo avuto il nostro primo incontro con la compagnia di taxi. E a quel punto abbiamo fatto dei progressi per quanto riguarda i map services, il progetto di map inference automatico di cui ho parlato qualche minuto fa. Ma dopo aver condiviso con loro quei risultati iniziali, quello che ci hanno detto è che stavano usando Google Maps. Non ne erano contenti al cento per cento, ma il fatto che l'intero servizio fosse relativamente economico, da qualche parte nell'ordine di grandezza tra $ 10.000 e $ 20.000 all'anno, non era un elemento enorme nella loro fattura annuale. E in pratica ci hanno detto che non ci preoccupiamo davvero di questo tipo di problemi perché acquistiamo tali informazioni non sono idealmente accurate, ma sono abbastanza economiche da non preoccuparci.

E poi siamo stati d'accordo con quello. Era solo, ecco com'è. Se Google o i servizi di mappe commerciali possono venderlo a un prezzo così basso, non ha davvero senso che la compagnia di taxi se ne preoccupi molto. Tuttavia, Google Maps, e anche molti altri fornitori di mappe, hanno praticamente aumentato i prezzi di questi servizi API di mappe di un fattore da 10 a 20 verso la fine del 2018. E a quel punto con la crescita del loro volume, le loro bollette sono cresciute da decine di migliaia di dollari a centinaia di migliaia di dollari, praticamente da un giorno all'altro. A quel punto erano molto più ricettivi all'idea di creare il servizio che potesse aiutarli a radere qualche centinaio di migliaia di dollari all'anno di quella fattura dei servizi cartografici. E a quel punto, abbiamo iniziato a esaminare il problema. A quel punto, non potevamo davvero dire se possiamo costruire un prodotto che abbia una qualità paragonabile alle mappe commerciali. Ed è qui che è iniziato il nostro viaggio.

Verso la fine del 2018, avevamo già un po' di comprensione ed esperienza su come fare questo genere di cose. Ma in realtà abbiamo iniziato a lavorare sul prodotto verso la fine del 2018 e a metà del 2019 avevamo un prodotto pronto per il test. E ci sono voluti un paio di mesi di test per capire effettivamente quanto siamo bravi rispetto a Google Maps. E i risultati sono stati davvero impressionanti in termini di qualità dei nostri risultati, velocità delle nostre risposte, disponibilità delle nostre risorse. E poi verso la fine del 2019, la compagnia di taxi locale con 3.000 veicoli è passata dalle mappe commerciali, da Google Maps, all'utilizzo dei nostri servizi.

Quindi è stata una strada rocciosa, ci sono voluti un paio d'anni per andare avanti e indietro. E direi che probabilmente il passo principale è stato l'introduzione di questo nuovo prezzo, il momento in cui Google si è reso conto di poter effettivamente monetizzare su questo e in cui ha aumentato i prezzi di un fattore da 10 a 20, questo è stato un problema per noi. Senza quello probabilmente non lo faremmo accadere.

Alloro: Questo è un aumento incredibilmente enorme quando sei probabilmente una compagnia di taxi che potrebbe o non potrebbe andare bene, a seconda di quanto sia competitivo quel tipo di condivisione della corsa.

Rade : Esatto, questo ha fatto un grande affare. Quindi, fondamentalmente, le attività di taxi in generale sono attività con margini di profitto molto bassi. Quindi si preoccupano di ogni piccolo centesimo che possono risparmiare.

Alloro: Quindi, come fornire quei servizi simili a costi inferiori? È perché non hai il sovraccarico di una mappa di Google o di un Waze?

Rade : Quindi ci piace pensare al nostro sistema come a un Google Maps molto leggero per le aziende. Quindi Google Maps probabilmente prende circa 1 miliardo di dollari, il pubblico, voglio dire, è difficile fornire una stima accurata di quanto Google investe nelle mappe ogni anno, ma alcune stime approssimative sono dell'ordine di grandezza di 1 miliardo di dollari all'anno. E questo è un investimento enorme. Tuttavia, per il particolare tipo di applicazioni di cui hanno bisogno le compagnie di consegna e taxi, non hai davvero bisogno di tutti i macchinari implementati da Google Maps. Quindi ci piace pensare al nostro sistema che abbiamo coniato QARTA—QARTA è una parola che è in molte lingue, una parola usata per le mappe—quindi il nostro sistema chiamato QARTA è molto leggero, quindi fondamentalmente rimuoviamo tutti i blocchi non necessari e conserviamo tutto ciò che è necessario per rispondere al tipo di domande che le società di consegna, le società di consegna dell'ultimo miglio, le società di logistica o le società di condivisione di corse o le società di taxi richiedono per gestire le loro attività. E così facendo, possiamo ridurre al minimo i costi di gestione.

Alloro: QARTA, ma con una Q, che è un cenno al Qatar, che è fantastico.

Rade : QARTA con una Q. Se permuti le lettere ottieni il nome del paese in cui ci troviamo, Qatar.

Alloro: Giusto. Quindi dicci di più sulla tecnologia. Stavi usando l'apprendimento automatico con i dati di Karwa per cercare di capire il modo migliore per regolare le stime dei tempi di viaggio in base all'ora del giorno, ecc. Quindi puoi parlare un po' di più di questo approccio? Ad esempio, come hai effettivamente mantenuto i tuoi dati in tempo reale?

Rade : Quindi l'apprendimento automatico è ottimo quando si desidera acquisire relazioni complesse da un lato e si dispone anche di dati sufficienti per acquisire tali relazioni e addestrare i modelli di apprendimento automatico. Quindi, fortunatamente, le moderne flotte di veicoli dispongono di questi sistemi di monitoraggio che producono molti dati. La produzione di tali dati rende possibile questo apprendimento automatico. Direi che 10 o 15 anni fa, la maggior parte dei taxi non avrebbe abilitato il tracciamento GPS. E poi senza tale tracciamento GPS, tutto questo apprendimento automatico non sarebbe stato possibile. Tuttavia, siamo abbastanza fortunati da collaborare con Karwa, che dispone di quel ricco sistema di monitoraggio che fondamentalmente ci aiuta a catturare quei dati, elaborarli e capire quei due ingredienti importanti che ho appena menzionato, ma li ripeterò di nuovo, capire la rete stradale sottostante da un lato e capire il traffico che va oltre.

Quindi tutte queste informazioni ci consentono non solo di essere comparabili con le mappe commerciali, ma anche di eliminare qualche decina di secondi di errori per ogni viaggio. E queste poche decine di secondi si traducono in un aumento dell'efficienza compreso tra il 5 e il 10 percento. È davvero difficile trovare il numero esatto di come l'efficienza viene migliorata dal miglioramento degli errori della mappa digitale sottostante. Potrebbe non sembrare [come] molto, ma come ho detto, in un'azienda che funziona con un margine di profitto molto stretto, migliorare l'efficienza del cinque percento è un grosso problema.

O in altre parole, se gestisci una flotta di 3.000 auto, il cinque percento è di 150 auto. In pratica puoi rimuovere 150 auto dalla strada e non perdere alcun affare. E la rimozione di 150 auto si traduce in X milioni di dollari all'anno di riduzione dei costi. Quindi quello che sto cercando di dire è che tutte queste piccole cose, pochi secondi qui, una piccola percentuale là, in realtà contano a causa della maggiore efficienza e una maggiore efficienza si traduce in una migliore equazione dei ricavi dei costi.

Alloro: E questo è importante anche per il trasporto pubblico, per le agenzie governative che stanno cercando di risparmiare quella piccola percentuale qua o là mentre cercano di diventare più efficienti.

Rade : Assolutamente. In realtà i servizi pubblici qui, i trasporti pubblici qui sono molto, molto immaturi. Quindi gran parte del trasporto pubblico si basa su servizi di taxi e ride sharing. C'è una sorta di stima che i servizi di taxi e ride sharing occupino oltre l'80% dei trasporti pubblici. Quindi la rete di autobus è molto scarsa. Quindi la maggior parte delle volte, se non possiedi un'auto e vuoi spostarti da A a B, chiamerai un taxi o Uber o un servizio di trasporto simile. Attualmente la metropolitana è in costruzione e fa parte dei progetti infrastrutturali di cui parlavamo prima. La prima linea è stata aperta l'anno scorso. E le due linee seguenti vengono aperte quest'anno. Si spera che con il trasporto pubblico un po' più regolare e la rete di trasporto pubblico un po' più fitta, si spera che il bisogno di taxi diminuisca.

Alloro: Quindi, parlando di cercare di costruire una società migliore, il QCRI è uno degli istituti di ricerca della Qatar Foundation. E gli obiettivi della Qatar Foundation sono, uno, far progredire la ricerca pionieristica in aree di priorità nazionale per il Qatar e due, sostenere anche lo sviluppo sostenibile e la diversificazione economica. Ma questo tipo di obiettivi ha il vantaggio di aiutare il mondo intero. Quindi chiaramente il lavoro che stai facendo soddisfa entrambi questi criteri. Qual è l'importanza più ampia di costruire sistemi di mappatura più intelligenti e meno costosi, nonché sistemi di trasporto? In che modo questa tecnologia potrebbe aiutare altri centri urbani in crescita in Medio Oriente e nel resto del mondo?

Rade : Quindi, una cosa interessante sulle mappe commerciali e molti prodotti high-tech costruiti in Europa e Nord America: sono costruiti nel mondo sviluppato e per il mondo sviluppato. Quindi le mappe commerciali non fanno eccezione laggiù. Sono sviluppati pensando a un utente particolare e quell'utente normalmente viene fornito con una tasca profonda e normalmente arriva nel mondo in cui le strade non cambiano così frequentemente. Questi due presupposti sono infranti nel mondo in via di sviluppo. Pagare un paio di dollari al mese potrebbe non essere un grosso problema per un taxi che opera a Boston o Madrid. Ma pochi dollari al mese per taxi sono forse il 10 per cento dello stipendio di un autista a Nuova Delhi oa Kuala Lumpur. Quindi vediamo QARTA come una soluzione che ho menzionato, una soluzione leggera, che può soddisfare le esigenze senza andare in profondità nelle tasche di questi fornitori di trasporti.

Questo in qualche modo accompagna la missione della Qatar Foundation di aiutare il mondo in via di sviluppo. Vediamo il nostro mercato di riferimento per il sistema che stiamo costruendo nel mondo in via di sviluppo. Non credo che possiamo competere con i Google del mondo nel mondo sviluppato per i motivi che ho appena descritto. Non abbiamo le risorse e le aspettative degli utenti in Occidente sono in qualche modo diverse dalle aspettative nel mondo in via di sviluppo. Questo è uno dei motivi per cui noi e la nostra leadership siamo entusiasti di spingere per il Qatar.

Alloro: È eccellente. Ma come risponde alla possibile nuova ondata di veicoli autonomi? È qualcosa che ti aiuta davvero ad affrontare questa sfida?

Rade : Oh wow, sì, sono molto, molto entusiasta dell'era dei veicoli autonomi. È difficile dire quando arriverà quell'era, ma più ci avviciniamo a quella data, più importante sarà il ruolo di mappe digitali accurate. Quindi un tasso di opportunità di segnalazione per i veicoli autonomi è la loro capacità di ottimizzare i percorsi e la guida in generale, per ridurre le inefficienze del processo decisionale umano. Quindi, ad esempio, gli esseri umani tendono a utilizzare percorsi non ottimali. Quindi ogni volta che vado da casa al lavoro, ogni volta che prendo questa strada, non mi piace molto esplorare. Ho amici che infatti, ogni volta che salgono in macchina, digitano la destinazione e cercano il percorso ottimale in quel particolare momento. Non sono una di quelle persone. Faccio lo stesso percorso ogni giorno. Il carico cognitivo per cui devo preoccuparmi del percorso ottimale è qualcosa di cui non voglio davvero preoccuparmi.

Tuttavia, con i veicoli autonomi, le persone non dovrebbero preoccuparsene. Potresti semplicemente premere il pulsante e il veicolo autonomo seguirà il percorso ottimale per te ogni volta che sali in macchina. Quindi questo è un modo per i veicoli autonomi di aiutarti a risparmiare un paio di minuti qui, un paio di minuti là, probabilmente un paio d'ore al mese.

Inoltre, i veicoli autonomi con un'accurata comprensione dell'infrastruttura della rete stradale e di tutte le dinamiche che stanno accadendo, i veicoli autonomi possono ottimizzare per una sorta di ottimale globale. Molto spesso gli esseri umani tendono ad essere avidi. Ed essendo avidi, potremmo finire tutti per usare l'autostrada. E sperando di risparmiare un paio di minuti, potremmo mettere così tanta congestione sull'autostrada da soffrire tutti. Avendo una sorta di visione globale di ciò che sta accadendo in tutta la città, i veicoli autonomi possono effettivamente reindirizzarci per avere una sorta di bilanciamento del carico globale per aiutare tutti a stare meglio.

E quanto siamo lontani da lì? Non direi che siamo così lontani, ma probabilmente mancano alcuni anni, se non un decennio, da quel percorso ottimale a livello globale, che non vedo davvero l'ora. Perché se ci pensi, ci sono così tante infrastrutture stradali là fuori. Se pensi a quante strade ci sono nella città di Boston e nella città di Doha. Tuttavia, l'utilizzo di queste risorse è in qualche modo sbilanciato verso pochissime strade principali che finiscono per essere congestionate nelle ore di punta. E sono fermamente convinto che una pianificazione ottimale a livello globale delle decisioni di percorso possa ridurre sostanzialmente la congestione in città e aiutare le nostre vite in generale. Fondamentalmente possiamo spendere qualche ora ogni settimana in meno nel traffico rispetto a quello che facciamo oggigiorno. D'altra parte, se sarà così facile viaggiare, allora potremmo finire per viaggiare di più. Ma questa è una cosa separata di cui preoccuparsi.

Alloro: [Audio confuso] sfide come la riduzione dell'energia e la progettazione di nuovi servizi Internet?

Rade : Una cosa con cui mi tengo occupato ultimamente è l'utilizzo del mondo che già abbiamo. Quindi tutto ciò che riguarda le mappe digitali e un'accurata comprensione del traffico per aiutare a ridurre le emissioni di CO2. Quindi le emissioni di CO2, voglio dire, ci sono persone che credono e ci sono persone che non credono nell'effetto serra e nel riscaldamento globale, ma le emissioni di CO2 e, in generale, il consumo di benzina sono un grosso problema. E i trasporti contribuiscono a questo in un modo non banale. Sono fermamente convinto che la comprensione del traffico possa ridurre di un paio di punti percentuali le emissioni di CO2 e anche il consumo di benzina, e questo può avere un effetto immediato sulla riduzione delle bollette che paghiamo per la benzina, ma anche sulla riduzione a lungo termine dell'emissione di CO2 è quasi obbligatorio. In un modo o nell'altro dovremo trovare un modo per affrontare questo problema e credo che sarà necessaria la combinazione di guida autonoma, auto elettriche e una sorta di riduzione delle inefficienze. E per fare ciò, la mappa del traffico sottostante sarà di grande aiuto.

Quindi lascia che ti faccia solo un esempio. Se la tua auto e tu come autista hai capito abbastanza bene per quanto tempo il semaforo verde sarà ancora verde, puoi avere una decisione informata se vuoi mantenere la tua guida a 50 chilometri all'ora, o forse vuoi rallentare giù e non sprecare quella benzina perché la luce diventerà rossa in un paio di secondi e sprecherai tutta l'energia di sfrecciare proprio davanti al semaforo. Questo è il tipo di cose su cui sto lavorando in questo momento, e speriamo di poter segnalare qualcosa di interessante, ma questo è ancora un work in progress.

Alloro: Dr. Stanojevic, grazie mille per esserti unito a noi oggi. È stata un'ottima conversazione su Business Lab.

Rade : Grazie mille, Lauro. È stato bello parlare con te.

Alloro: Era il dottor Rade Stanojevic, uno dei principali scienziati del Qatar Computing Research Institute, parte della Hamad Bin Khalifa University, un'università della Qatar Foundation, con cui ho parlato da Cambridge, Massachusetts, sede del MIT e MIT Technology Review, che si affaccia sul fiume Charles.

Questo è tutto per questo episodio di Business Lab. Sono il tuo ospite, Laurel Ruma. Sono il direttore di Insights, la divisione di pubblicazione personalizzata di MIT Technology Review. Siamo stati fondati nel 1899 presso il Massachusetts Institute of Technology e puoi trovarci sulla stampa, sul web e in occasione di eventi in tutto il mondo. Per informazioni su di noi e sullo spettacolo, visita il nostro sito Web all'indirizzo technologyreview.com.

Questo programma è disponibile ovunque tu abbia i tuoi podcast. Se ti è piaciuto questo episodio, speriamo che ti prenderai un momento per valutarci e recensirci. Business Lab è una produzione di MIT Technology Review. Questo episodio è stato prodotto da Collective Next. Grazie per aver ascoltato.

Questo episodio del podcast è stato prodotto da Insights, il ramo dei contenuti personalizzati di MIT Technology Review. Non è stato prodotto dalla redazione del MIT Technology Review.

nascondere