MIT Transit Lab recebe US$ 2,1 milhões para criar um assistente de IA de código aberto para centros de controle de transporte

Quando um trem quebra ou uma linha de ônibus fica bloqueada, a equipe de um centro de controle de transporte precisa tomar decisões rápidas enquanto acompanha uma parede de telas e fluxos de dados separados. Um novo projeto do Instituto de Tecnologia de Massachusetts quer facilitar esse trabalho. O Transit Lab do MIT vai receber US$ 2,1 milhões do Google.org, braço filantrópico do Google, para desenvolver uma plataforma de código aberto chamada Public Transit Intelligence Hub, ou PTIQ.

O projeto é um dos 15 selecionados no mundo no Google.org Impact Challenge: AI for Government Innovation, anunciado em 15 de setembro. O financiamento dura três anos, e o Google.org também oferecerá apoio voluntário de seus engenheiros e especialistas em produtos de IA.

O PTIQ pretende reunir numa única plataforma orquestrada por IA os sistemas de monitoramento em tempo real, controle operacional e comunicação com passageiros que as agências de transporte hoje operam separadamente. Sua interface de apoio à decisão vai combinar modelos preditivos, mecanismos de otimização e raciocínio contextual baseado em grandes modelos de linguagem. Os benefícios esperados incluem respostas mais rápidas a interrupções, menos aglomeração em plataformas e pontos de ônibus e informações mais rápidas e precisas para os passageiros, apoiando desde despachantes até condutores e equipes de comunicação.

A equipe insiste que o objetivo não é automatizar as decisões do transporte: a palavra final continua com as equipes. O projeto é liderado por Awad Abdelhalim, líder técnico do PTIQ no Transit Lab, e por Jinhua Zhao, à frente do Departamento de Estudos Urbanos e Planejamento do MIT. Jim Aloisi, que gerencia o programa e já comandou a pasta de Transportes de Massachusetts, dirige o Transit Research Consortium, que também inclui pesquisadores da Northeastern University. O laboratório já trabalhou com agências de transporte de Washington, Chicago, Londres, Boston, Tóquio e Hong Kong.

Os pesquisadores também são francos sobre os desafios. Zhao argumenta que a adoção depende menos da tecnologia do que da capacidade da organização de trabalhar com IA e da confiança das equipes nela, e Abdelhalim observa que a IA costuma ser testada em problemas com uma única resposta certa, enquanto operações reais de transporte raramente têm uma. Os benefícios ainda são metas, mas uma ferramenta de código aberto pode permitir que agências de todos os tamanhos compartilhem o que funciona.