Entre septiembre y enero, seis teléfonos inteligentes Google Pixel viajaron en cuatro vagones del metro de Nueva York en la línea A —atornillados dentro de carcasas de plástico debajo de los vagones y en sus interiores—, acumulando datos de acelerómetro, magnetómetro, giroscopio y (en las unidades exteriores) micrófono a lo largo de las 32 millas entre el alto Manhattan y el sur de Queens. El experimento de la MTA y Google, llamado TrackInspect, planteó si tecnología barata y en su mayoría disponible en el mercado podía complementar la inspección de vías, y Google Public Sector no cobró al organismo por ello.
La escala de la alternativa importa: los inspectores humanos recorren a pie las 665 millas de vías del metro, y los vagones de medición de geometría de vía cargados de sensores circulan solo tres veces al año. Durante cuatro meses, TrackInspect identificó el 92 por ciento de las ubicaciones de defectos que los inspectores humanos señalaron después, según la MTA. Una sola persona hizo el grueso del etiquetado: Robert Sarno, subjefe de vías de NYCT, veterano de 14 años apodado el susurrador de las vías, etiquetó juntas flojas, pernos flojos y defectos de riel y traviesas a partir de fragmentos de audio, superando el 80 por ciento de correlación con defectos reales.
En total, el proyecto combinó 335 millones de lecturas de sensores y 1200 horas de audio con la base de datos de defectos de New York City Transit para entrenar un conjunto de unos 200 modelos de predicción individuales. Como los modelos dicen qué tipo de problema escuchan, los inspectores pueden llegar con las herramientas adecuadas —el objetivo declarado es que «dediquen tiempo a reparar en lugar de a identificar». Los reguladores estadounidenses siguen exigiendo la inspección humana, y el consultor de WSP Brian Poston espera que siga siendo así; Nueva York es singular en el uso de armónicos —audio más vibración— en lugar de cámaras junto a la vía o sensores fijos.
Los Pixel de serie atornillados bajo los vagones del metro escuchan los problemas de la vía: los flujos de sensores más el oído de un veterano etiquetan y entrenan unos 200 modelos que orientan a los inspectores hacia los defectos.
Convierte a la propia flota en la red de sensores: cada viaje programado se transforma en una pasada de inspección, con el costo marginal de un soporte y un teléfono.
El recurso escaso —un oído experto— se usa donde es irreemplazable (el etiquetado), y el aprendizaje automático lo propaga a través de millones de lecturas.
La salida del modelo es accionable, no solo una alarma: los tipos de defecto previstos indican a las cuadrillas qué herramientas llevar, lo que colapsa el ciclo de identificar y luego reparar.
Un experimento inicial gratuito redujo el riesgo de la idea antes de que la MTA se comprometiera con un piloto de producción.
El sensor que necesitas puede estar ya en el bolsillo de alguien: combina hardware de serie barato con el juicio escaso de un experto —el experto etiqueta, los modelos amplían el oído del experto a todo el sistema.
La colaboración se amplía a un piloto completo en el que Google construye una versión de producción y la pone en manos de los propios inspectores de vías. El presidente de la MTA, Demetrius Crichlow, enmarca el estado final como un sistema modernizado que identifica y organiza automáticamente las reparaciones de vías; el CTO de Google Public Sector dice que espera que el proyecto se convierta en un catalizador de herramientas de seguridad ferroviaria preventivas y más baratas en toda la industria.
CONSULTA LAS PRUEBAS
Las fuentes
- The New York City Subway Is Using Google Pixels to Listen for Track Defects WIRED · wired.com ·