Как мы использовали искусственный интеллект в шестичасовой гонке на картах. И что из этого получилось
Недавно рассказывал, как мой приятель использует искусственный интеллект в строительном бизнесе. А сегодня хочу привести ещё один пример. На этот раз из совершенно другой области — автоспорта.
Мы с этим товарищем оба увлекаемся картингом. Не профессионалы, конечно, но участвуем в соревнованиях, тренируемся, пытаемся улучшать результаты.
И вот недавно выяснилось, что мы оба независимо друг от друга придумали использовать ИИ для гоночной аналитики. Причём совершенно по-разному.
Персональный аналитик чемпионата за один вечер
После одной из тренировок приятель решил немного поэкспериментировать с Codex — инструментом для разработки программ и создания ИИ-агентов.
Загрузил туда регламенты чемпионата, предоставил доступ к сайту гоночной серии и своему Telegram. Поставил задачу отслеживать результаты соревнований и рассчитывать турнирную ситуацию.
В результате получил систему, которая во время гоночного уикенда практически в реальном времени сообщала ему, что происходит в чемпионате.
С какой позиции предстоит стартовать, сколько очков нужно набрать, как изменилось положение в турнирной таблице после очередного заезда.
Причём система не просто пересказывала результаты с сайта. Она сопоставляла их с регламентом, рассчитывала различные варианты и присылала готовые отчёты.
По сути, человек сделал себе персонального гоночного аналитика. Без команды программистов, сложного технического задания и дорогостоящего специализированного софта.
А мы пошли другим путём
Недавно наша команда участвовала в шестичасовой гонке на прокатных картах Sodi RT8. Трасса длиной 960 метров, три пилота, десять обязательных пит-стопов, смены машин и пилотов.
Закончили четвёртыми. До подиума не хватило совсем немного.
И вот после гонки мне стало интересно: где именно мы потеряли время?
На первый взгляд всё просто. Кто-то ехал быстрее, кто-то медленнее, где-то не повезло с машиной. Но хотелось разобраться предметно.
Я загрузил в ChatGPT результаты гонки с временами кругов всех команд и начал копаться.
Мы сравнивали темп пилотов, разбирали отдельные отрезки, считали потери на пит-стопах. Учитывали, что трасса сначала была мокрой, а потом постепенно высыхала.
Отдельная история — сами карты. В прокатном картинге машины далеко не одинаковые. Одна едет отлично, другая заметно хуже, а третья может вообще сломаться.
У нас как раз случилась неприятность с картом №10. Потом достался ещё один не самый быстрый, №12.
И мы начали моделировать: а что было бы, если вместо этих машин нам достались хотя бы средние по скорости?
Самое интересное началось с цифр
В одном из отрезков наш пилот терял на плохом карте несколько секунд с круга относительно своего обычного темпа.
Плюс мы обнаружили очень длинные круги после выезда с пит-лейна. Например, один занял 3 минуты 1 секунду при обычной смене порядка 2 минут 11–12 секунд.
Стали сопоставлять эти потери с результатами соперников, отдельно учитывать ожидание машин, сравнивать реальные и возможные сценарии.
И постепенно выяснилось, что проблема была далеко не только в скорости пилотов.
Неудачные машины, поломка и ожидание на пит-стопах могли стоить нам борьбы за третье место.
Разумеется, это не означает, что мы гарантированно приехали бы на подиум. Но теперь хотя бы понятно, где именно искать потерянные секунды.
А заодно мы разобрали мой собственный темп, сравнили его с призёрами и нашли участки трассы, над которыми стоит работать.
И зачем всё это обычному любителю?
Вот здесь, на мой взгляд, самое интересное.
В профессиональном автоспорте существуют целые инженерные команды, которые анализируют телеметрию, просчитывают стратегии и помогают пилотам принимать решения.
У нас же любительский картинг. Никто не будет нанимать отдельного аналитика, чтобы разобраться, почему команда приехала четвёртой.
Но теперь это и необязательно.
Мой товарищ самостоятельно собрал систему, которая следит за чемпионатом во время соревнований.
А я с помощью ChatGPT получил подробный разбор уже состоявшейся гонки, включая моделирование альтернативных сценариев.
Причём ни он, ни я не разрабатывали для этого специализированное гоночное программное обеспечение традиционным способом.
Конечно, ИИ не заменяет реальные данные, опыт пилота и здравый смысл. Он может неправильно интерпретировать результаты, ошибиться в расчётах или сделать слишком смелые выводы. Поэтому всё существенное приходится перепроверять.
Но он позволяет обычному человеку выполнять аналитическую работу, на которую раньше потребовались бы специальные инструменты и немало времени.
И вот это мне особенно нравится в современных технологиях.
Искусственный интеллект становится полезен не тогда, когда ему поручают думать вместо человека, а когда с его помощью человек начинает решать задачи, которые раньше были ему недоступны.
Даже если речь всего лишь о том, чтобы понять, куда делись те самые секунды, которых не хватило до гоночного подиума.
