Volkswagen niedawno ujawnił, że bada wykorzystanie innowacyjnej formy rozproszonej księgi (tj. Technologii blockchain) o nazwie IOTA „Tangle”, aby dostarczać aktualizacje oprogramowania do swoich autonomicznych samochodów. Technologia może być dostępna dla klientów już wiosną 2019 r. To tylko najnowsza z pozornie niekończącego się strumienia wiadomości na temat połączone samochody, szerokie pojęcie, które obejmuje wszystko, od samochodów z wbudowanym systemem GPS po w pełni autonomiczne półciężarówki napędzane sztuczną inteligencją w powstającej przestrzeni IoT.
Chociaż tematy rozmów obejmują wszystko, od prawodawstwa po etykę programowania, za mało czasu poświęcono na omówienie, w jaki sposób pojawienie się tej nowej technologii zmieni statut zespołów IT, które będą miały za zadanie wspieranie przyszłości transportu. .
Prawdziwa autostrada informacyjna
Gdy samojezdne pojazdy wjeżdżają na drogi, eksplodował rynek inżynierów, którzy mogą budować i utrzymywać symulowane środowiska do testowania pojazdów, tworzyć nowe modele przewidywania zachowań i ulepszać algorytmy widzenia komputerowego. Wystarczy spojrzeć na przykładowe tablice ogłoszeń Uber i Waymo (Google).
Niewątpliwie te innowacje motoryzacyjne stworzą zapotrzebowanie na zespoły operacyjne nowej generacji, które będą w stanie poradzić sobie z ogromnym napływem danych w czasie rzeczywistym i wszystkim, co się z tym wiąże, aby nasze drogi działały sprawnie – i bezpiecznie. Dlatego już rośnie liczba stanowisk IT związanych konkretnie z testowaniem i wdrażaniem zautomatyzowanych systemów jazdy i pojazdów z dostępem do sieci.
Chociaż w pełni niezależne pojazdy są nadal daleko od ogólnego rynku konsumenckiego, specjaliści IT w przemyśle motoryzacyjnym mogą się przygotować, przeglądając globalne standardy SAE International, na których oparte są wszystkie zautomatyzowane systemy jazdy. Normy te określają różnice między różnymi poziomami automatyzacji, od systemów zapobiegania wypadkom po w pełni autonomiczną jazdę bez nadzoru kierowcy. Można bezpiecznie założyć, że standardy SAE zostaną przełożone na protokoły operacyjne i umowy SLA dla zespołów IT, które znajdą się np. W obsłudze zespołów dyspozytorów pojazdów dla „plutonowych” pojazdów użytkowych lub zdalnych kierowców.
DevOps i wiele języków samochodów
Sercem wszystkich połączonych samochodów jest często ekosystem oprogramowania o nazwie Robot OS (ROS). Poza motoryzacją, ten projekt open source obsługuje wiele dzisiejszych autonomicznych urządzeń IoT. Nie trzeba dodawać, że dla IT, zwłaszcza zespołów DevOps, ważne będzie rozwinięcie czegoś więcej niż tylko znajomości ROS, aby zapewnić odpowiednie wsparcie.
Ale nawet znajomość ROS może po prostu zarysować powierzchnię; istnieje już cała masa innego oprogramowania, które zajmuje się konstruowaniem, testowaniem i działaniem pojazdów autonomicznych. Niektóre z używanych języków i technologii to:
C ++ Robot OS NoSQL (NoSQL poprawił wydajność w środowiskach o małych opóźnieniach w porównaniu z SQL) Apache Kafka Apache Hadoop JSON Java Scala Edge Computing
Podczas gdy większość systemów pojazdów autonomicznych jest zakorzeniona w popularnych obecnie technologiach i językach programowania, każdy producent pojazdów stosuje nieco inną kombinację, więc krzywa uczenia się może być stroma. Biorąc wszystko pod uwagę, silny C ++ jest prawdopodobnie najważniejszą podstawową umiejętnością dla zespołów IT i DevOps, które będą zajmować się bezpośrednio programowaniem i obsługą autonomicznych pojazdów.
Samochody, dane i sztuczna inteligencja, o mój Boże
Przetwarzanie ogromnych ilości danych generowanych przez połączone samochody nadal będzie stanowić kolejne poważne wyzwanie dla IT. Wykorzystanie sztucznej inteligencji i uczenia maszynowego w chmurze jest niezbędne, zwłaszcza gdy patrzymy na bardziej zautomatyzowane pojazdy z niewielką lub żadną interwencją człowieka. A ponieważ problemy z opóźnieniami mogą z łatwością uniemożliwić wykonanie skomplikowanych obliczeń opartych na sztucznej inteligencji, przetwarzanie brzegowe szybko staje się wymogiem dla zautomatyzowanych systemów jazdy.
Wprowadzając sztuczną inteligencję i ML na „krawędź” Internetu – tj. Przenosząc dużą ich część do pojazdu (i na autostradę) – można złagodzić lub całkowicie ominąć wiele potencjalnych problemów z opóźnieniami. Korzystając z połączenia uczenia maszynowego i filtrowania algorytmicznego, ogromną ilość danych, które zautomatyzowane pojazdy absorbują przez swoje czujniki, można szybko i efektywnie ograniczyć do niezbędnych, zmniejszając ilość danych, które muszą być wysyłane do iz chmury. podczas eksploatacji pojazdu. Podobnie jak same samochody, systemy oparte na AIOps muszą być ściśle monitorowane, szczególnie w początkowej fazie uczenia się, co stanowi kolejne ważne zadanie dla pracowników IT.
Rozwój samochodów autonomicznych może wydawać się powolnym i stałym marszem w kierunku przyszłości, która nigdy nie nadejdzie, ale warto pamiętać, że wszystko to jest prawdopodobnie bliżej masowej adopcji, niż myślisz.
Kredyt zdjęciowy: Syda Productions / Shutterstock
Matthew Harper jest wiceprezesem ds. Marketingu korporacyjnego u dostawcy AIOps, Moogsoft, jednego z najbardziej ekscytujących i szybko rozwijających się start-upów oprogramowania dla przedsiębiorstw w Dolinie Krzemowej. Jest odpowiedzialny za opracowanie ogólnej strategii marketingowej dla Moogsoft, kierując zespołem ekspertów marketingowych, którzy działają w pełnym zakresie płatnych, posiadanych i zarobionych kanałów medialnych, aby dostarczać wyniki biznesowe przez cały cykl życia klienta. Matt koncentruje się na niszczeniu starszych graczy, kradzieży ich udziału w rynku i odkrywaniu na nowo całych kategorii.
