McLaren F1 ve espor takımlarını bilgilendirmek ve korumak için kullanılan dijital sistemler, rekabette öne geçmek için yapay zeka ve makine öğrenimini kullanmaktan önemli bir artış görüyor.
Telemetriden siber güvenliğe, Formula 1’de toplanan veri miktarı muazzam ve özellikle hızın son derece önemli olduğu bir ortamda genellikle çok karmaşık verilerin anlaşılması çok önemlidir.
TechRadar Pro McLaren Ticari Teknoloji Başkanı Ed Green ve ekibin veri platformu sağlayıcısı Splunk’ın GVP’si ve Baş Strateji Danışmanı James Hodge ile AI’nın denklemde nerede yer aldığı ve şirketin korunmasına nasıl yardımcı olabileceği hakkında konuşma şansı buldu. dijital dünya ve karar verme sürecini ve sınırlamalarını geliştirin.
Güvenlik ve kararlar
Tahmin edebileceğiniz gibi güvenlik, McLaren için tüm operasyonlarında önemlidir. Green, McLaren Shadow espor ekibi için tipik bir kurulumu şöyle anlattı:
“Sahnede sekiz oyuncu varsa, bu, arkalarında sekiz PC ve muhtemelen şovu yöneten ve yöneten dört PC anlamına gelir ve böylece toplam 24 PC’ye sahip olursunuz.”
Green, tüm bu makineleri korumak için “site genelinde standart uç nokta korumamız var. Trafiğimizin nasıl hareket ettiğini izlemek için çeşitli siber güvenlik ortakları aracılığıyla dahili olarak araçlar kullanıyoruz ve trafiğin tam olarak nereye gittiğini görmek için güvenlik duvarı sağlayıcılarımız var”.
McLaren tam olarak hangi yazılımı kullandığı konusunda sessiz kalsa da, Darktrace’in güvenlik duruşlarında belirli derecelerde kullanıldığı biliniyor.
Siber güvenliğin, simülasyon donanımlarından gücün kesilmesini önlemek için de hafif olması gerekir. Green, “Pek çok şey normalde oldukça hafiftir, bu nedenle insanlar makinelerinde çok sayıda aracının parça parça çalışmasını istemez”, diyor Green.
“McLaren’da kullandığımız doğal uç nokta istemcilerimiz var, yararlı olabilecek ciddi gösterge panolarına rapor veriyorlar – Yarış sırasında izlemek için bunun bir görüntüsünü alabilirim.”
Green ayrıca yapay zeka ve makine öğreniminin yalnızca yarış verileri için değil, ekibin siber güvenliği için kullanıldığını da açıkladı:
“Tüm dünyada çok sayıda makine öğrenimi ve yapay zeka kullandık [the cybersecurity] uzay ve geçtiğimiz yıllarda bu, siber güvenlik ekibimizin çok ama çok sayıda mezunla dolu olacağı anlamına gelirdi; Orada oturup satır satır siber güvenlik bilgilerine bakmak gerçekten sıkıcı ve sıkıcı bir iş.”
“Şimdi, çok sayıda makine öğrenimi ve yapay zeka kullanımı sayesinde, o kadar büyük bir siber güvenlik ekibimiz yok, ancak daha alakalı bağlamları var, böylece bilginin nereye gittiğini görebilirler, böylece makine öğrenimini benimsiyorlar ve AI bizim için gerçekten önemli.”
“Siber güvenlikte veya genel olarak yapay zekaya baktığınızda, ya daha verimli olmanıza, gerçekten büyük karmaşık zorlukları birleştirmenize ve çözmenize yardımcı olmak için oradadır ya da size ek yardım sağlamak için oradadır.”
“Siber güvenlikte, yarış takımında, özellikle stratejide, yapay zeka karar vermede yardımcı olarak var; sizin yerinize yapmıyor. Yani gerçekten hassas zaman baskıları altında olabilirsiniz. Bir pit stop kararı verin – bu insanlara bir sonraki en iyi kararı vererek veya olabilecekleri simüle etmelerine yardımcı olarak, bu, zaman baskısı altındayken doğru kararı verebileceğimiz anlamına gelir.”
Bu bağlamda AI, ağırlıklı olarak gerçek hayattaki Formula 1 takımı için kullanılsa da Green, gelecekte espor F1 takımı için de devreye girebileceğini öne sürdü.
Verilerin önemi
Veri sağlayıcı Splunk, daha sonra Shadow McLaren espor ekibini desteklemek için kaydolmadan önce, arabaların tüm önemli telemetrik verilerini sağlayan bir platform olarak 2020’de McLaren Formula 1 takımıyla ilişkisine başladı.
Hodge, AI araçları kullanılarak nasıl daha gelişmiş ve tahmine dayalı hesaplamaların yapılabileceğini açıkladı. Oyunda sanal pist sıcaklığı ve sürüş agresifliği seviyesi gibi çok sayıda faktörden etkilenebilen lastik bozulmasını tahmin etme örneğinden bahsetti:
“‘Lastiklerin artık pit stopa gelme konusunda performans gösteremediği belirli bir noktaya nereden geleceğimizi düşünüyoruz’ demek için tahmine dayalı analitik yapmaya başlayabiliriz ve bu yüzden aramaya başladığımız yer burasıdır.” yarış kararlarına yardımcı olmak için oyundaki telemetride.
Hodge, AI’nın karar verici olmaktan ziyade karar vermeye nasıl yardımcı olabileceğini yineledi. Örneğin yapay zekanın pit stop stratejisine dahil olması söz konusu olduğunda, Hodge şunları söyledi:
“Yapay zekanın ‘pit şimdi’ demesi için yanıp sönmesini istemeyebilirsiniz. Muhtemelen döngüdeki bir insanın ‘aslında bu veri akışını o modele ekleyemedik, bu yüzden pek doğru değil’ demesini isteyeceksiniz.”
Hodge, karar verme sürecini otomatikleştirmenin neden bu kadar zor olduğunu açıklarken, evdeki ışıklarınızı kontrol etmek için AI kullanmanın varsayımsal bir örneğini verdi:
“Basit başlıyor: Odaya girdiğimde onları takmak istiyorum. Tamam, ne kadar kalmalılar? Siz hiçbir hareket görene kadar veya gece yarısına kadar kalmalılar çünkü ben her zaman 23.30’da yatarım. Film izlemek için geç saatlere kadar ayakta kaldın, yani saat on iki ve gittiler; film izliyorum ki hareket etmeyeyim, bu yüzden ışıklar söndü. Yani aslında, basit görünen bir sorun çok karmaşık hale geliyor. Şimdi bunu kurumsal teknolojide düşündüğünüzde daha da zorlaşıyor.”
AI araçlarına güvenmeden önce yeterli veriye sahip olmanın önemini vurguladı. Ve AI’nın yanı sıra, geleneksel istatistiksel tahmin yöntemlerinin de yeri var:
“Bence bu, katman katman katmanla ilgili. [of data]. Peki diyelim ki siber güvenliğe baktığımızda, önce tüm dünyadaki her şeyi gözlemleyebilir miyiz? – farklı güvenlik ekiplerinin ve BT izleme ekiplerinin daha fazla bir araya geldiğini görmeye başladığımız yer burasıdır, çünkü hepsi olup biten her şeyi dijital olarak gözlemlemek ve üstüne bağlam koymak istiyor.”
“Şimdi istatistiksel aykırı değerlere bakalım. Orası normalde başlamak için harika bir yer. O zaman biraz daha temel makine öğrenimine bağlı tahmine dayalı modelleme ekleyebilir miyiz? , “Bu potansiyel istatistiksel tavizler şimdi James’in kötü bir oyuncu olma ihtimalinin daha yüksek olduğu anlamına mı geliyor?” İşte o zaman yapay zeka alanına daha fazla giriyorsunuz.”
Ayrıca, AI geliştirirken pratik kaygıları akılda tutması konusunda da uyardı:
“Ayrıca, bunu ne kadar ileri götürmek istediğinize ve yatırım için en iyi çaba miktarının nerede olduğuna da bakmalısınız. Çünkü çoğu zaman istatistiksel taraf, sizi olmanız gereken yere yeterince yaklaştırır. Mükemmel AI modelini elde etmek için çok uzun zaman harcayabilir ve bunu yapmak için neredeyse çaba ve para harcayabilirsiniz.”
“Temelleri doğru yapmaya büyük inancım var, çünkü dünyadaki hiçbir şirket temelleri mükemmel hale getiremez. Bunu ne kadar çok yapabilirseniz, ön saflardaki personeli işe alındıkları şeyi yapmaya o kadar fazla zorlayabilirsiniz. ”