Vještačka inteligencija imaće veću ulogu u razvoju budućih pravila Formule 1 zahvaljujući novom partnerstvu Međunarodne automobilističke federacije (FIA) i kompanije Amazon Web Services (AWS). Cilj je da se naprednijim simulacijama ubrza rad inženjera, preciznije procijeni ponašanje bolida i unaprijedi provjera propisa.
AWS će postati zvanični partner FIA za vještačku inteligenciju, računarstvo u oblaku, mašinsko učenje i infrastrukturu u oblaku, navodi Race.
Saradnja će obuhvatiti razvoj aerodinamičkih pravila, unapređenje sistema izdavanja licenci širom svijeta i širu primjenu novih tehnologija u svakodnevnom radu Federacije.
Ipak, generativna vještačka inteligencija zasad neće samostalno predlagati dizajn bolida. Prioritet je da alati ubrzaju i podrže rad ljudi, dok će inženjeri nastaviti da vode razvoj.
Kako će AI pomoći u oblikovanju budućih bolida?
U središtu partnerstva je računarska dinamika fluida, poznata pod skraćenicom CFD. Ona omogućava analizu strujanja vazduha oko digitalnog modela bolida, bez potrebe da se svaka ideja prvo provjeri na fizičkom modelu.
AWS će biti dio FIA virtuelnog vazdušnog tunela i podržati razvoj konceptualnih bolida. Na njima se, između ostalog, provjerava koliko automobil gubi aerodinamičkog potiska kada prati drugi bolid i da li predložena pravila omogućavaju željeno trkanje.
Proces počinje trodimenzionalnim digitalnim prikazima dijelova koji se povezuju u model. Prostor oko bolida zatim se dijeli na milione sitnih ćelija, a jednačine strujanja rješavaju se za svaku od njih.
Dobijeni podaci pretvaraju se u prikaze pritiska, vizuelizacije strujanja i vrijednosti sila koje inženjeri mogu da analiziraju.
Zamjenik tehničkog direktora FIA za Formulu 1 Dominik Harlou objasnio je da osnovu i dalje čini klasičan inženjerski postupak.
"AWS hardver podržava taj zadatak, odnosno tradicionalni CFD proces koji se izvodi pomoću OpenFOAM-a, softverskog paketa otvorenog koda, i različitih alata za naknadnu obradu podataka."
Vještačka inteligencija trebalo bi da nadogradi taj rad.
"Uz to, poboljšanja u pregledu i obradi CFD podataka mogla bi da dođu od vještačke inteligencije."
Mogu li simulacije koje traju satima biti zamijenjene procjenama za nekoliko sekundi?
Jedna od mogućnosti jeste korišćenje zamjenskih AI modela obučenih na ranijim rezultatima CFD simulacija.
Takav model uči odnos između oblika dijela bolida i njegovog aerodinamičkog učinka. Umjesto ponovnog rješavanja svih fizičkih jednačina, procjenjuje rezultat za novi oblik.
Dok potpuna CFD simulacija može trajati satima, AI model takvu procjenu može dati za nekoliko sekundi ili minuta.
"Mogli bismo da koristimo određene zamjenske pristupe, obučene na našim CFD podacima, kako bismo skratili simulacije i povećali produktivnost cijelog procesa, uz manje računarskog vremena, manje inženjerskog rada, manju potrošnju energije i manje novca", rekao je Harlou.
Za FIA bi to značilo mogućnost provjere znatno većeg broja varijanti nacrta pravila, uključujući različite oblike krila i geometriju poda bolida.
Da li se već pripremaju pravila za 2030. godinu?
Iako je sadašnji pravilnik tek u prvoj godini primjene, već je počeo rad na mogućim potpuno novim bolidima i pogonskim jedinicama za 2030. godinu.
Harlou očekuje da će se pri razvoju tih pravila međusobno porediti rezultati vazdušnog tunela, CFD simulacija i AI alata.
Takav pristup mogao bi da popuni praznine u podacima sa staze, ali i da unaprijedi virtuelni razvoj.
"Već je počeo rad na novim aerodinamičkim konceptima za buduće bolide, na osnovu onoga što učimo iz ovih iz 2026. godine. Postoje neke drugačije ideje koje bismo mogli da ispitamo", rekao je.
Kako će se tehnologija koristiti za motore i provjeru ispravnosti?
Primjena neće biti ograničena na aerodinamiku. FIA odjeljenje za performanse razmatra korišćenje ovih alata i u oblastima elektronike i pravila za pogonske jedinice.
"U oblasti performansi imaju alate poput računarskog vida, odnosno analize fotografija i video-snimaka, kao i alate koji nam omogućavaju da na kontrolnim panelima prikazujemo veliki broj pokazatelja koje prikupljamo. Neki se odnose na bezbjednost, neki na upravljanje energijom, neki na provjeru usklađenosti sa pravilima i slično", objasnio je Harlou.
Dodao je da AI može ubrzati prepoznavanje trendova i obrazaca u velikoj količini pristiglih podataka.
Kod pogonskih jedinica takvi alati mogu služiti za otkrivanje odstupanja od očekivanog rada.
"Slične alate koriste u grupi za pogonske jedinice radi otkrivanja anomalija. Neuronska mreža može da predstavi bilo koju kontinuiranu funkciju."
Kako je objasnio, dovoljno razvijen model može da prikaže veoma složene obrasce, a zatim ih uporedi sa podacima sa staze i ukaže, na primjer, na pad pritiska ulja.
Zašto je važno da ljudi razumiju zaključke vještačke inteligencije?
Otkrivanje anomalija zasniva se na tome da model nauči kako izgledaju uobičajeni podaci, pa označi ono što odstupa od njih.
Takvi alati mogu pomoći analizi FIA, ali imaju i ograničenja. Neuronske mreže mogu funkcionisati kao takozvane crne kutije, čiji je unutrašnji proces zaključivanja ljudima teško ili nemoguće pratiti.
Zbog toga bi FIA morala da razumije zašto je određeni alat označio neki podatak kao problematičan.
Sistem koji uči iz novih informacija mogao bi razvoj pravila da pretvori u kontinuiran proces. Umjesto da se posao završi usvajanjem pravilnika, podaci sa staze pomagali bi daljem usavršavanju modela i procjeni stvarnih posljedica promjena.
To je posebno važno poslije velikih izmjena propisa, kada raniji podaci više ne opisuju dovoljno precizno nove bolide.
Hoće li inženjeri jednog dana zadavati AI sistemu da osmisli automobil?
Složenost bolida Formule 1 zasad ograničava sposobnost AI alata da stvore potpuno novo rješenje.
Harlou ipak ne isključuje mogućnost da se u budućnosti razvije projektovanje pomoću tekstualnih uputstava, odnosno zahtjeva upućenih generativnom modelu.
"Generativni dio vještačke inteligencije jeste nešto što možemo zamisliti u budućnosti, ali u ovom trenutku proces vode ljudi, vode ga inženjeri."
Naglasio je da takav razvoj zahtijeva obuku i usavršavanje modela, uz velike računarske kapacitete i ulaganja.
"Projektovanje automobila pomoću upita zavisi od obuke i razvoja modela, a za takve stvari sigurno je potrebno mnogo računarske snage i novca. Uvjeren sam da će doći i to."
Može li snažniji hardver ranije otkriti probleme poput poskakivanja bolida?
Jedna od koristi partnerstva biće pristup novijim grafičkim procesorima, odnosno GPU hardveru.
CFD simulacije tradicionalno su se izvodile na centralnim procesorima, ali se softver prilagođava radu na grafičkim procesorima. Oni mogu istovremeno obavljati ogroman broj jednostavnijih računskih operacija, što odgovara i AI sistemima i CFD analizama.
Takav rad može biti višestruko brži, uz mogućnost preciznijih simulacija.
Harlou je kao primjer naveo aerodinamičko poskakivanje bolida, poznato kao „porpoising“, koje je na početku ere efekta tla 2022. iznenadilo više timova i samu FIA.
"Umjesto da izvodite samo standardnu CFD simulaciju stacionarnog strujanja, možete pokrenuti simulaciju koja prati promjene kroz vrijeme u nestacionarnim uslovima."
Takav pristup mogao bi da pomogne u ranijem razumijevanju problema.
"Kod pojave poput poskakivanja možda biste mogli da steknete bolji uvid prije nego što postane problem ili prije nego što se pojavi na bolidu u punoj veličini."
Kako će AI provjeravati pravilnik i čuvati povjerljive podatke?
FIA razmatra i upotrebu velikih jezičkih modela za odgovaranje na pitanja timova o dozvoljenim rješenjima i provjeru mogućih slabosti ili nejasnoća u propisima.
Zamisao je da se koristi namjenski prilagođen, zatvoren i bezbjedan sistem, umjesto javnih AI servisa poput ChatGPT-a ili Claudea.
Time bi se zaštitila intelektualna svojina i obezbijedilo da povjerljivi materijal ostane unutar FIA, uz mogućnost analize obimnog pravilnika i međusobno povezanih odredaba.
Može li tehnologija ubrzati odluke o granicama staze?
Šira primjena obuhvatila bi i podršku unaprijeđenom centru za daljinske operacije u Ženevi, koji tokom trka pomaže kontroli trke.
Jedna od mogućnosti jeste pomoć pri provjeri poštovanja granica staze.
Postojeći automatizovani sistem može označiti stotine situacija koje zatim mora pregledati čovjek. AI bi mogao da napravi listu prioriteta ili predloži niz provjera prije donošenja odluke.
Konačnu procjenu i dalje bi donosili ljudi, ali bi im tehnologija mogla omogućiti brži i dosljedniji rad.