You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
IA NO AUTOMÓVEL<br />
conseguinte, em tais situações, quando a utilização<br />
especificada for claramente indicada, deve ser dada<br />
aos produtores a certeza de que a utilização pretendida<br />
aquando conceberam o produto não seja<br />
alterada pelo utilizador, de forma inadequada ou<br />
com uma intenção maliciosa.<br />
Inteligência artificial e dados<br />
A utilização de dados a bordo dos veículos é um<br />
dos principais motores da criação de serviços de<br />
mobilidade novos e inovadores. Pode também trazer<br />
melhorias significativas aos serviços existentes,<br />
como a reparação e a manutenção. Sem dados,<br />
o desenvolvimento da IA e de outras aplicações<br />
digitais é impossível. Os sistemas de aprendizagem<br />
automática, por exemplo, “aprendem” a reconhecer<br />
padrões, grupos ou anomalias através do<br />
processamento de dados de treino. Quanto mais<br />
dados de treino são fornecidos ao sistema, mais<br />
preciso e exato o sistema pode tornar-se. Os dados<br />
são a força vital da IA, o que significa que um<br />
melhor acesso e a gestão dos dados é fundamental.<br />
Como a Comissão identificou corretamente,<br />
o setor automóvel está também sujeito a desequilíbrios<br />
de poder de mercado em relação ao<br />
acesso e à utilização de dados. Atualmente, os<br />
dados a bordo dos veículos são controlados e e<br />
explorados comercialmente pelos fabricantes de<br />
veículos. Outros intervenientes no mercado, como<br />
fornecedores de automóveis, mas também oficinas<br />
de reparação independentes, companhias de<br />
seguros ou fornecedores de lugares de estacionamento,<br />
dependem dos fabricantes de veículos para<br />
disponibilizar os dados e estão, por conseguinte,<br />
numa posição de desvantagem.<br />
Para que seja criado um mercado competitivo<br />
em benefício das empresas e dos consumidores,<br />
o acesso aos dados brutos dos veículos conectados<br />
tem de cumprir vários critérios técnicos fundamentais:<br />
acesso independente e não monitorizado<br />
aos dados e recursos dos veículos, todos os dados<br />
tecnicamente disponíveis e não processados do<br />
veículo, e os terceiros devem ser autorizados a processar<br />
dados no veículo e interagir diretamente<br />
com o condutor. Deve ser reconhecido o direito<br />
dos indivíduos decidirem o que deve ser feito com<br />
os seus dados pessoais. Os fornecedores do setor<br />
automóvel estão empenhados em respeitar os<br />
princípios europeus delineados no Regulamento<br />
Geral de Proteção de Dados (RGPD) e na Diretiva<br />
Privacidade e Comunicações Eletrónicas.<br />
Por exemplo, a exigência de manter registos dos<br />
dados utilizados para a formação de sistemas de<br />
IA poderia entrar em conflito com os limites do<br />
RGPD em matéria de conservação de dados. Devese<br />
garantir que os novos requisitos potenciais não<br />
se sobreponham aos requisitos existentes. Quanto<br />
mais dados forem fornecidos ao sistema, mais preciso<br />
e exato o sistema pode tornar-se.<br />
Requisitos obrigatórios<br />
Compreendemos que muitos dos requisitos têm<br />
por objetivo garantir que a IA não crie ou nem<br />
reforce situações discriminatórias, nem se intrometa<br />
na vida privada dos cidadãos. No entanto, as<br />
utilizações da IA no setor automóvel não criam,<br />
normalmente, tais riscos. Por conseguinte, os requisitos<br />
para o nosso setor devem centrar-se principalmente<br />
em garantir a robustez e a exatidão e<br />
evitar sobrecarregar o desenvolvimento de produtos<br />
automóveis com barreiras desnecessárias. No<br />
que respeita à garantia da segurança, salientamos<br />
igualmente que a regulamentação deve centrar-se<br />
na definição de normas de segurança aceitáveis<br />
(por exemplo, com KPI) e pedir aos produtos de IA<br />
que demonstrem, através de testes que cumprem<br />
essas normas. Além disso, antes de ser formalmente<br />
proposto um quadro legislativo, recomenda-se que<br />
a Comissão realize um estudo sobre a sua aplicação<br />
ao sector automóvel (por exemplo, para a<br />
condução autónoma), a fim de garantir que os<br />
requisitos propostos são tecnicamente viáveis.<br />
Conjuntos de dados<br />
Quaisquer requisitos sobre conjuntos de dados<br />
que venham a ser impostos pelo futuro quadro<br />
legislativo devem ter em conta a duração do ciclo<br />
de desenvolvimento dos produtos do sector automóvel,<br />
que deve incluir o tempo para ensaios e<br />
certificação. Os veículos com funções autónomas<br />
que estarão nas estradas nos próximos anos já estão<br />
a ser testados. A inovação não deve ser desnecessariamente<br />
dificultada por barreiras onerosas.<br />
Os requisitos regulamentares devem ser sempre<br />
proporcionais aos possíveis riscos e deixar espaço<br />
para testes e experimentação. Por conseguinte, comentamos<br />
a seguir, os requisitos obrigatórios para<br />
as aplicações de IA de alto risco que a Comissão<br />
propôs no seu Livro Branco. No que se refere ao<br />
requisito de manutenção de registos e dados, tal<br />
exigiria um esforço significativo para catalogar,<br />
armazenar e manter (por exemplo historicizar<br />
completamente todos os dados e modelos). Nos<br />
domínios de áreas de aplicação que operam com<br />
margens reduzidas, as aplicações de IA podem<br />
tornar-se economicamente inviáveis.<br />
A cobertura dos conjuntos de dados e a sua qualidade<br />
podem ser fundamentais para a segurança<br />
das aplicações de alto risco e deve ser avaliada<br />
demonstrando a conformidade com os requisitos<br />
de segurança no âmbito da homologação de veículos<br />
ou outras normas estabelecidas para o sector<br />
automóvel. Embora a cobertura e, de um modo<br />
mais geral, a qualidade dos dados, seja importante,<br />
não deve ser um requisito obrigatório. Com certas<br />
técnicas, como a aprendizagem supervisionada é<br />
possível treinar bons sistemas mesmo em conjuntos<br />
de dados que não são inteiramente rotulados por<br />
humanos, o que é especialmente útil quando os<br />
conjuntos de dados podem não estar disponíveis,<br />
ou ser insustentáveis em termos de tempo, custos<br />
e segurança.<br />
Além disso, não existe atualmente uma ferramenta<br />
para definir e avaliar a qualidade de um<br />
conjunto de dados. É típico que os algoritmos de<br />
aprendizagem profunda sejam desenvolvidos usando<br />
três conjuntos de dados: para treinamento,<br />
validação e teste. Os modelos são ajustados utilizando<br />
o conjunto de dados de formação, enquanto<br />
o conjunto de dados de validação é utilizado<br />
No setor automóvel, as aplicações de IA baseiam-se em algoritmos<br />
de aprendizagem automática, um subconjunto da IA que constrói um<br />
modelo matemático baseado em dados de amostra<br />
Top100 Aftermarket <strong>2023</strong><br />
223