Google Maps è ha costantemente migliorato il proprio servizio, con una continuità ed una linearità che nessun altro servizio Google ha probabilmente mai saputo confermare per così tanti anni consecutivamente. Il prossimo passo sarà compiuto grazie all’applicazione dell’Intelligenza Artificiale sulle previsioni del traffico, utili per calcolare l’orario stimato di arrivo a destinazione e, attraverso quest’ultima informazione, calibrare i consigli di percorrenza su strade alternative.
Google Maps: consigli tramite l’Intelligenza Artificiale
Per poter procedere in questa direzione, Google ha dovuto anzitutto affrontare un problema che ha probabilmente aperto gli occhi sull’incredibile variabilità delle circostanze e sulla loro incidenza relativamente a modelli basati semplicemente su dati storici e medie aritmetiche. Il lockdown, infatti, ha abbattuto il traffico ed ha pertanto cambiato tutte le stime che potevano essere basati su pochi mesi di informazioni. L’eccezione non ha confermato la regola: ne ha svelate, piuttosto, le debolezze.
Google è così intervenuta anzitutto per basare le nuove stime sui dati delle ultime settimane, così da escludere la parentesi del lockdown dalle proprie analisi predittive, ma ha anche accompagnato tutto ciò con l’intervento di DeepMind ed i laboratori di ricerca AI di Alphabet. L’obiettivo è quello di migliorare la già eccellente accuratezza delle stime fin qui apportate (Google stima il tasso qualitativo odierno in un ottimistico 97%), ma soprattutto quello di arrivare a stime subitanee più precise non solo sulla base di quel che la realtà racconta, ma anche sugli eventi presumibili sulla base dei dati storici.
Questa tecnica è ciò che consente a Google Maps di prevedere meglio se sarai o meno coinvolto da un rallentamento che ancora deve accadere
A tutto ciò si aggiungeranno ulteriori elementi valutativi, tali per cui non siano soltanto la lunghezza ed i tempi di percorrenza a portare Google Maps ad un consiglio invece che ad un altro: la scelta delle strade per raggiungere la meta dovrà essere il risultato di una sommatoria di più fattori, comprensivi tanto dei possibili rallentamenti in corso quanto della qualità del selciato, delle curve e di altri fattori (il meteo non è citato, ma è un elemento presumibilmente incisivo).
[gallery_embed id=144972]
Quando il problema giunge a tali livelli di complessità, condito da un numero di informazioni estremamente ampio, l’intelligenza artificiale è in grado di costruire modelli che semplificano analisi e scelte ponderate, basando quindi sul machine learning tutto quel che sarà lo sviluppo ulteriore dei processi di scelta. All’utente tutto ciò arriverà attraverso una voce rassicurante che consiglierà il miglior percorso del momento, sperando nella fiducia dell’utente e nella bontà delle previsioni conseguite.
Ti potrebbe interessare
3 set 2020