Jeszcze do niedawna bolidy Formuły 1 kojarzyły się przede wszystkim z surową mocą, mechaniką i aerodynamiką. Dzisiaj są również jeżdżącymi centrami danych.

Skala najlepiej pokazuje zmianę. Samochody Ferrari generują ponad milion punktów danych na sekundę. Dane dotyczą m.in. temperatury, ciśnienia, tarcia, paliwa czy zachowania samochodu. Dla zespołu inżynierów to ogromne źródło wiedzy, ale również wyzwanie: jak w odpowiednim momencie wyłowić z tego strumienia informację, która rzeczywiście ma znaczenie?

Tu coraz większą rolę odgrywają zaawansowana analityka, modele predykcyjne i AI. Ich znaczenie nie polega na zastępowaniu człowieka. Technologia pozwala analizować ogromne zbiory informacji, szukać zależności i szybciej oceniać możliwe scenariusze. W Formule 1, gdzie decyzje podejmuje się w ciągu sekund, skrócenie drogi od danych do decyzji może mieć ogromne znaczenie. Ale nawet najlepszy model sam nie wygra wyścigu.

20 sekund straty. I decyzja, która zmieniła wyścig

Grand Prix Francji w 2021 roku jest dobrym przykładem tego, jak ważne w Formule 1 są dane, strategia i umiejętność szybkiego reagowania na sytuację na torze. Lewis Hamilton prowadził, a Mercedes realizował strategię jednego pit-stopu. Red Bull zdecydował się na inne rozwiązanie.

Na 32. okrążeniu zespół ponownie ściągnął Maxa Verstappena do boksu i założył mu świeże opony. Holender wrócił na tor ze stratą około 20 sekund do Hamiltona. Do końca pozostawało około 20 okrążeń.

„Gdy spojrzeliśmy na nasze systemy symulacyjne, pokazały nam one, że jeżeli zrobimy drugi pit-stop, dogonimy Hamiltona na przedostatnim okrążeniu. Powiedzieliśmy sobie: nie mamy nic do stracenia, zróbmy to” –  mówił po wyścigu Christian Horner, ówczesny szef Red Bull Racing.

Na pierwszy rzut oka wyglądało to jak oddanie prowadzenia. Red Bull postawił jednak na strategię dwóch pit-stopów, podczas gdy Mercedes pozostał przy jednym. Verstappen zaczął odrabiać stratę, ustanawiając kolejne najszybsze okrążenia. Najpierw dogonił i wyprzedził Valtteriego Bottasa, a na 52. z 53 okrążeń także Hamiltona. Wygrał Grand Prix Francji i powiększył przewagę nad Hamiltonem w klasyfikacji kierowców. Sergio Pérez ukończył wyścig na trzecim miejscu, a Red Bull zanotował trzecie zwycięstwo z rzędu po raz pierwszy od 2013 roku. To kuszący przykład, żeby powiedzieć: „wygrała technologia”. Tyle że byłoby to zbyt proste.

Strategia musiała zostać właściwie oceniona i podjęta przez zespół, pit-stopy wykonane sprawnie, a Verstappen przez ostatnią część wyścigu musiał wykorzystać przewagę świeższych opon i dogonić jednego z najlepszych kierowców w historii F1. Dane i modele pomagają zobaczyć scenariusz. Wynik nadal zależy od ludzi, którzy muszą zdecydować, czy warto go zrealizować.

IBM x Ferrari. Co zrobić z milionem punktów danych na sekundę?

Sztuczna inteligencja w Formule 1 ma dziś znaczenie również poza samym torem. W 2024 roku IBM i Ferrari ogłosiły wieloletnią współpracę, w ramach której IBM od 2025 roku zostało Official Fan Engagement and Data Analytics Partner Scuderia Ferrari HP.

Jednym z głównych projektów partnerstwa było stworzenie na nowo aplikacji Scuderia Ferrari. Punkt wyjścia był ciekawy. Ferrari dysponuje ogromną ilością aktualnych i historycznych danych. Dla inżyniera są one narzędziem pracy. Dla kibica same liczby, parametry i statystyki mogą być jednak trudnym do zinterpretowania szumem. IBM pomaga Ferrari zamienić tę masę informacji w treści i doświadczenia, z których kibic rzeczywiście może skorzystać.

Aplikacja wykorzystuje rozwiązania IBM watsonx, a watsonx.data służy do zarządzania i przygotowywania dużych, zróżnicowanych zbiorów danych do przetwarzania przez modele AI. Co z tego dostaje kibic?

Race Centre

Race Centre łączy wizualizacje danych, kontekst historyczny oraz podsumowania wyścigów generowane przez AI. W najnowszej wersji rozwinięto również szczegółowe osie czasu poszczególnych sesji, dane dotyczące kierowców oraz informacje pozwalające śledzić wydarzenia od treningów po sam wyścig.

Zamiast kolejnych tabel i parametrów kibic dostaje kontekst, który pomaga mu lepiej zrozumieć to, co dzieje się na torze.

AI Companion

AI Companion jest cyfrowym przewodnikiem działającym w aplikacji. Użytkownik może zadawać pytania własnymi słowami i w ten sposób docierać do informacji o zespole, kierowcach, sezonie czy historii Ferrari.

To dobrze pokazuje jedną ze zmian, które generatywna AI wnosi do pracy z danymi. Użytkownik nie musi wiedzieć, gdzie znajduje się konkretna informacja. Może zacząć od pytania, na które chce poznać odpowiedź.

Game Centre

AI i dane mają również utrzymywać kontakt z kibicem poza samym wyścigiem. Game Centre obejmuje ligi typowania wyników, codzienne quizy, cyfrowe odznaki i globalne rankingi. Aplikacja przestaje więc być miejscem odwiedzanym wyłącznie w niedzielę podczas Grand Prix.

Czy to działa?

Według danych IBM od ponownego uruchomienia aplikacji w maju 2025 roku:

• skumulowana liczba pobrań wzrosła o 35%,
• średnia miesięczna liczba aktywnych użytkowników wzrosła o 36%,
• średnia liczba aktywnych użytkowników podczas wyścigów wzrosła o 56%,
• liczba odsłon wzrosła o 62%.

Wyniki pokazują, że AI może zwiększać wartość produktu nie przez dokładanie kolejnych danych, ale przez ułatwienie użytkownikowi dotarcia do tych, które mają dla niego znaczenie.

Inżynier nadal siedzi przy pit wall

Formuła 1 jest dobrym laboratorium dla AI właśnie dlatego, że brutalnie weryfikuje wartość technologii. Można analizować ogromne ilości danych, budować modele, generować scenariusze i znajdować zależności, których człowiek nie byłby w stanie wychwycić odpowiednio szybko.

Ale algorytm nie zjedzie do boksu za kierowcę. Nie wykona pit-stopu. Nie zdecyduje samodzielnie, że warto zaryzykować zmianę strategii. I nie wyprzedzi Hamiltona na przedostatnim okrążeniu. AI może skrócić drogę od danych do informacji i od informacji do decyzji. Na końcu tej drogi nadal stoi człowiek.

Ten sam wzorzec, dane, infrastruktura i modele AI zamienione w konkretną wartość biznesową, to codzienna praca zespołów wdrażających rozwiązania IBM, także poza torem wyścigowym. Watsonx czy hybrid cloud, o których mowa w tym tekście, to technologie, z którymi Averbit pracuje na co dzień przy projektach dla klientów enterprise.

Autor: Maksymilian Winiarski