Le auto connesse sono indubbiamente il futuro ma per farlo è necessaria la giusta infrastruttura. Non solo in termini di potenza di calcolo – indispensabile per riuscire a gestire la massiva quantità di dati generata da ogni veicolo – ma anche di sicurezza. Curiosi di saperne di più? Ve lo racconta in questo articolo Danilo Poccia, Principal Evangelist Serverless in Amazon Web Services.
Auto connesse, cloud e sicurezza informatica
Le auto connesse e autonome sono pensate e progettate per rendere la guida più sicura, intelligente ed efficiente e sono dotate di connessioni internet per comunicare tra loro e con l’ambiente circostante. Questa caratteristica permette alle auto di mantenere la distanza e di sincronizzare le frenate per evitare incidenti. In un settore in costante sviluppo come quello delle “Connected Car”, le novità sono all’ordine del giorno e in futuro le auto autonome integreranno funzioni come l’assistenza per la guida in corsia, la prevenzione delle collisioni e le chiamate automatiche ai servizi di emergenza per offrire un’esperienza di guida più sicura. Alcuni marchi automobilistici stanno facendo un ulteriore passo avanti nell’automazione per consentire ai veicoli di comunicare con le infrastrutture vicine e con i pedoni, portando così ulteriori benefici alla società.
Per sviluppare e distribuire auto autonome su larga scala è fondamentale disporre della giusta infrastruttura tecnologica. La produzione di questi veicoli richiede una capacità di calcolo ad alte prestazioni senza dimenticare una sicurezza informatica senza soluzione di continuità e la capacità di gestire numerosi dati. Ecco perché molte organizzazioni sfruttano i numerosi vantaggi offerti dal cloud, tra cui l’affidabilità, la scalabilità e la sicurezza dell’infrastruttura cloud.
Formazione e test
Le auto autonome rappresentano l’impegno nel creare veicoli in grado di operare in modo più sicuro rispetto agli esseri umani e per riuscire a raggiungere questo obiettivo è necessaria una grande attività di modelling e test. La capacità di raccogliere, memorizzare e gestire i dati è quindi fondamentale, così come lo sono le tecniche avanzate di Machine Learning.
Il Toyota Research Institute (TRI) ritiene che un’accurata preparazione delle auto autonome richieda miliardi di chilometri di test. Per ottenere questo risultato, dispone di una flotta di auto di prova dotate di sensori di direzione della luce e di raggio (Lidar) per registrare i dati, raccogliendo terabyte di dati ogni giorno che necessitano di un rapido recupero e di analisi. TRI utilizza AWS per gestire questi dati e ottenere la potenza di elaborazione necessaria per addestrare rapidamente i modelli di Machine Learning. Utilizzando l’infrastruttura cloud, il Toyota Research Institute ha acquisito la capacità di far girare le risorse di calcolo e di archiviazione su richiesta e di fonderle con i servizi di gestione e di orchestrazione. TRI oggi aggiorna i modelli, aumenta la precisione e introduce nuove funzionalità più velocemente. Seguendo questo esempio, un maggior numero di aziende automobilistiche riuscirà ad accelerare lo sviluppo di auto più sicure.
Un passo avanti
Consentire alle auto autonome di prendere decisioni rapide sulla base dei dati renderà le nostre strade più sicure. Queste macchine hanno bisogno di analizzare le informazioni in tempo reale, compresi i dati sulle condizioni della strada e meteorologiche e il comportamento degli altri veicoli per poi reagire in modo rapido e sicuro grazie all’applicazione dell’AI. Tutto rende necessaria un’infrastruttura affidabile con bassa latenza e alta disponibilità.
L’edge computing permette a questa tecnologia core in-car di eseguire il calcolo dei dati in-car. Quando un secondo di ritardo può fare la differenza tra una risposta sicura e una pericolosa, le auto autonome non possono premettersi di attendere l’elaborazione dei dati nel cloud. Pertanto, le organizzazioni devono avvalersi di fornitori di cloud con soluzioni di bordo integrate, consentendo l’analisi dei dati mission-critical alla fonte e riducendo il costo di trasmissione di dati aggiuntivi al cloud.
Sicurezza nel cloud
La cybersecurity è una priorità assoluta nello sviluppo di auto autonome orientate alla sicurezza. Ogni veicolo diventa un nuovo punto finale che deve essere messo in sicurezza e protetto da hacker e malware per garantire che non possano accedere ai controlli di guida o ai dati che attraversano ogni veicolo.
I produttori di auto autonome si rivolgono al cloud per supportare e far funzionare le auto connesse ed è compito del fornitore di cloud garantire che gli aggiornamenti e gli upgrade della sicurezza informatica avvengano regolarmente. Inoltre, i migliori fornitori di cloud forniscono servizi di sicurezza automatizzati che applicano l’apprendimento automatico delle macchine per gestire in modo proattivo le attività, comprese le valutazioni della sicurezza, il rilevamento delle minacce e la gestione delle policy. Avendo la sicurezza a portata di mano, i produttori possono essere certi di essere in possesso delle soluzioni adatte per rilevare le vulnerabilità e le nuove minacce emergenti che diminuiranno il rischio di una violazione e ridurranno gli ipotetici danni ai conducenti.
Auto connesse, cloud e sicurezza
Le auto autonome sono il nostro futuro; tuttavia, per favorirne l’adozione, i produttori devono garantire che siano sicure e supportate da una solida infrastruttura. L’utilizzo dei giusti fornitori di cloud è fondamentale perché permette alle organizzazioni di concentrare le proprie risorse sulla costruzione di esperienze automobilistiche differenziate, piuttosto che sulla gestione dell’infrastruttura IT.
In quest’ottica, AWS fornisce una suite completa di servizi a supporto dello sviluppo e dell’implementazione dei veicoli autonomi e dei sistemi avanzati di assistenza alla guida (Advanced Driver Assistance Systems – ADAS). La capacità di memorizzazione e di calcolo quasi illimitata di AWS e il supporto di framework di apprendimento profondo come Apache MXNet, TensorFlow e PyTorch accelerano la preparazione e il test degli algoritmi. AWS Greengrass fornisce capacità di calcolo edge computing con inferenza ML per l’elaborazione in tempo reale di regole ed eventi locali nel veicolo, riducendo al minimo i costi di trasmissione dei dati al cloud. Una combinazione di capacità di storage e di calcolo scalabile e il supporto di framework di apprendimento profondo aiutano ad accelerare i test e lo sviluppo dei servizi. Allo stesso tempo, la nostra agile piattaforma aiuta le aziende ad accelerare il ritmo dell’innovazione, a migliorare la postura di sicurezza e a ridurre i costi della struttura IT.
Rimani aggiornato seguendoci su Google News!
Da non perdere questa settimana su Techprincess
🎮 Che impatto avranno le elezioni americane sui videogiochi?
🚘 I gadget più strani delle case automobilistiche
🇨🇳 Un gruppo di ricercatori cinesi ha sviluppato un modello di IA per uso militare basato su Llama di Meta
🔍 ChatGPT si aggiorna e ora naviga sul web
Ma lo sai che abbiamo un sacco di newsletter?
📺 Trovi Fjona anche su RAI Play con Touch - Impronta digitale!
🎧 Ascolta il nostro imperdibile podcast Le vie del Tech
💸E trovi un po' di offerte interessanti su Telegram!
