Sistem digital yang digunakan untuk menginformasikan dan melindungi Tim F1 McLaren dan tim esports mengalami peningkatan besar dari penggunaan kecerdasan buatan dan pembelajaran mesin untuk membantu melakukan lompatan ke depan dalam kompetisi.
Dari telemetri hingga keamanan dunia maya, jumlah data yang dikumpulkan di Formula 1 sangatlah besar, dan memahami bahwa data yang rumit seringkali sangat penting, terutama di lingkungan yang mengutamakan kecepatan.
TechRadar Pro Memiliki kesempatan untuk berbicara dengan Ed Green, Chief Commercial Technology Officer di McLaren, dan James Hodge, GVP dan Chief Strategy Adviser untuk penyedia platform data tim, Splunk, tentang di mana AI cocok untuk persamaan, dan bagaimana AI dapat membantu melindungi bisnis perusahaan. dunia digital dan meningkatkan prosesnya Pengambilan keputusan di dalamnya – selain keterbatasannya.
keamanan dan keputusan
Seperti yang Anda bayangkan, keamanan penting bagi McLaren dalam semua operasinya. Untuk tim esport McLaren Shadow, Green menggambarkan pengaturan tipikal:
“Jika Anda memiliki delapan pemain di atas panggung, itu berarti ada delapan PC di belakang mereka, dan mungkin empat lagi mengarahkan dan memotong pertunjukan, dan begitulah akhirnya Anda memiliki 24 PC yang sama.”
Untuk melindungi semua perangkat ini, Green menjelaskan “Kami memiliki perlindungan titik akhir standar yang kami tempatkan di seluruh properti. Kami menggunakan alat secara internal melalui berbagai mitra keamanan siber untuk memantau pergerakan lalu lintas kami, dan kami memiliki penyedia firewall untuk melihat dengan tepat di mana lalu lintas berjalan.”
Meskipun McLaren telah diam pada perangkat lunak persis yang mereka gunakan, Darktrace diketahui digunakan dalam mode keamanan mereka sampai tingkat tertentu.
Keamanan dunia maya juga harus ringan untuk menghindari terkurasnya daya dari platform simulasi. “Biasanya banyak hal yang cukup ringan, jadi orang tidak ingin banyak faktor pada perangkat mereka melakukan hal-hal kecil,” kata Green.
“Kami memiliki pelanggan titik akhir alami yang kami gunakan di seluruh McLaren, dan mereka melaporkan banyak dasbor yang dapat berguna – saya bisa mendapatkan ikhtisar untuk memantau selama balapan.”
Green juga menjelaskan bahwa AI dan pembelajaran mesin digunakan untuk keamanan siber tim, bukan hanya untuk data balapan:
“Kami telah menggunakan banyak pembelajaran mesin dan kecerdasan buatan selama ini [the cybersecurity] luar angkasa, dan di tahun-tahun sebelumnya itu berarti tim keamanan siber kami akan diisi dengan banyak sekali alumni; Ini adalah pekerjaan yang sangat membosankan dan membosankan untuk duduk di sana dan menggali garis demi garis informasi keamanan siber. “
“Sekarang, dengan menggunakan banyak pembelajaran mesin dan AI, kami tidak memiliki tim keamanan siber yang besar, tetapi mereka memiliki konteks yang lebih relevan, sehingga mereka dapat melihat ke mana arah informasi, dan adopsi pembelajaran mesin dan AI sangat penting bagi kami.”
“Ketika Anda melihat AI dalam keamanan siber, atau secara umum, itu ada untuk membantu Anda menjadi lebih efisien, untuk membantu Anda mengintegrasikan dan menyelesaikan tantangan kompleks yang sangat besar, atau ada untuk memberi Anda bantuan tambahan,” tambahnya.
“Dalam keamanan dunia maya, dalam tim balap, dan dalam strategi khususnya, AI ada sebagai bantuan pengambilan keputusan; Dengan memberi orang-orang ini keputusan terbaik berikutnya atau membantu mereka mensimulasikan apa yang mungkin terjadi, itu berarti bahwa ketika tekanan waktu tinggi, kita dapat membuat keputusan yang tepat.”
Meskipun AI dalam konteks ini sebagian besar digunakan untuk tim Formula 1 kehidupan nyata, Green telah menyarankan bahwa AI mungkin juga berperan untuk tim esports F1 di masa depan.
Pentingnya data
Penyedia data Splunk memulai hubungannya dengan tim Formula 1 McLaren pada tahun 2020 sebagai platform untuk memasok data jarak jauh yang sangat penting ke mobil, sebelum kemudian mendaftar untuk membantu mendukung tim esports Shadow McLaren.
Hodge menunjukkan bagaimana perhitungan yang lebih maju dan prediktif dapat dilakukan dengan menggunakan alat AI-nya. Dia menyebutkan contoh memprediksi degradasi ban, yang dalam permainan dapat dipengaruhi oleh beberapa faktor seperti suhu trek virtual dan tingkat pengendaraan yang agresif:
“Kami dapat mulai melakukan analitik prediktif untuk mengatakan ‘di mana kami pikir kami akan sampai pada titik di mana ban tidak lagi bekerja versus datang ke pit stop,’ dan di situlah kami mulai melihat telemetri dalam game untuk membantu membuat keputusan balap.
Hodge menggemakan bagaimana AI dapat membantu pengambilan keputusan daripada menjadi pembuat keputusan. Dalam hal keterlibatan AI dalam menghentikan strategi, misalnya, Hodge berkata:
“Anda mungkin tidak ingin AI menyala untuk mengatakan ‘lubang sekarang.'” Anda mungkin ingin manusia dalam lingkaran mengatakan, “Sebenarnya, kami tidak dapat menambahkan umpan data itu ke model ini, jadi tidak cukup Baik.”
Dalam menjelaskan mengapa sulit untuk mengotomatisasi pengambilan keputusan, Hodge memberikan contoh hipotetis penggunaan AI untuk mengontrol lampu di rumah:
“Awalnya sederhana: Ketika saya masuk ke kamar saya menginginkan mereka. Nah, berapa lama mereka harus tinggal? Jadi Anda tidak melihat gerakan apa pun, atau mereka harus tinggal sampai tengah malam karena saya selalu tidur jam 11: 30 malam. Ya, saya baru saja begadang.” Saya terlambat untuk menonton film, jadi sekarang jam dua belas; Saya menonton film untuk tidak bergerak, jadi saya mematikan lampu. Jadi pada kenyataannya, apa yang tampak seperti masalah sederhana menjadi sangat kompleks. Sekarang, ketika Anda memikirkannya dalam teknologi perusahaan, itu menjadi jauh lebih sulit. . ”
Dia menekankan pentingnya membuat data yang cukup sebelum mengandalkan alat AI. Dan bahkan di samping AI, metode peramalan statistik tradisional masih memiliki tempatnya:
“Saya pikir ini tentang lapisan demi lapisan [of data]. Jadi ketika kita melihat keamanan siber misalnya, dapatkah kita memantau semua yang ada di seluruh dunia terlebih dahulu? – Di sinilah kami mulai melihat banyak tim keamanan dan tim kontrol TI yang berbeda berkumpul, karena mereka semua ingin memantau dan mengontekstualisasikan semua yang terjadi secara digital. ”
“Sekarang mari kita lihat outlier statistik. Itu biasanya tempat yang bagus untuk memulai. Kemudian kita dapat menambahkan sedikit pemodelan prediktif dasar yang terkait dengan ML, dan kemudian, dalam konteks keamanan siber, lihat mengambil banyak indikator berbeda secara bersamaan, dan berkata, ‘Apakah maksud Anda statistik Potensi ini berkompromi sekarang karena ada kemungkinan besar James adalah aktor yang buruk?” Saat itulah Anda lebih mengenal AI.
Dia juga memperingatkan agar tidak mempertimbangkan masalah praktis saat mengembangkan AI:
“Anda juga harus melihat seberapa jauh Anda ingin mendorongnya dan di mana upaya terbaik untuk diinvestasikan. Karena sering kali sisi stat membuat Anda cukup dekat dengan tempat yang Anda inginkan. Anda bisa menghabiskan waktu lama untuk mendapatkan yang sempurna model AI, dan hampir membuang-buang tenaga dan uang untuk melakukannya.”
“Saya sangat percaya dalam melakukan fundamental dengan benar, karena tidak ada perusahaan di dunia ini yang fundamentalnya sempurna. Semakin banyak Anda bisa melakukannya, semakin baik kemampuan Anda untuk mendorong proses pengambilan keputusan ke karyawan lini depan Anda untuk melakukan apa yang harus mereka lakukan.”