Inteligencia artificial para la Industria 4.0

Un paseo por la Inteligencia Artificial

Probablemente no hay mejor manera de describir la inteligencia artificial (IA) que ateniéndose a las definiciones que los fundadores de esta disciplina establecieron. John McCarthy fue quien acuñó el término en 1959 exponiendo lo siguiente: «Es la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes».

Otra descripción altamente aceptada es la de Marvin Minsky, uno de los padres de las ciencias de la computación y cofundador del laboratorio de IA del MIT: «Es la ciencia de hacer que las máquinas hagan cosas que requerirían inteligencia si las hicieran las personas». Por último y en la misma línea; Elaine Rich, una distinguida profesora de la universidad de Texas, definió la IA de la siguiente manera: «Estudiar cómo hacer que las computadoras hagan cosas que, de momento, las personas hacemos mejor».

 «Autonomía, Comunicación, Memoria, Auto–Conocimiento, Aprendizaje, Adaptabilidad, Creatividad o Razonamiento.» Características para determinar si algo es inteligente.

¿Cómo construimos la Inteligencia artificial?

En el ámbito de la inteligencia artificial existen dos aproximaciones: podemos construir sistemas que actúan de forma inteligente (IA simbólica), donde el objetivo es obtener resultados inteligentes (un programa de ajedrez) o sistemas que directamente piensan de forma inteligente (IA subsimbólica), cuyo objetivo es reproducir procesos mentales de los seres inteligentes (redes neuronales artificiales).

Por tanto, los simbólicos no se esfuerzan en simular comportamientos o razonamientos humanos, sino que directamente buscan lograr resultado inteligentes. Los sistemas expertos son un buen ejemplo de este tipo de enfoque.

Sin embargo, a partir de los 80 el progreso en la IA simbólica empezó a decrecer y muchos creyeron que los sistemas simbólicos nunca serían capaces de imitar los procesos de la cognición humana; especialmente la percepción, la robótica, el aprendizaje y el reconocimiento de patrones. Desde entonces, muchos investigadores empezaron a fijarse al enfoque subsimbólico para resolver problemas.

Pero… ¿y todo esto en qué se traduce en el mundo actual? Durante la última década, la inversión en investigación ha dado sus frutos y actualmente coexisten varios algoritmos capaces de simular y llegar a soluciones inteligentes resolviendo problemas complejos y que han hecho posible el mundo tecnológico donde vivimos.

Algoritmos de IA (Inteligencia artificial)

Para simplificar, a continuación describiré a grandes rasgos, los algoritmos de Soft Computing más usados en la actualidad. Teniendo claro que Soft Computing es la rama de la IA que emplea algoritmos para poder resolver problemas con información incompleta o inexacta.

Lógica difusa

La lógica difusa permite a los programas informáticos distinguir entre valores que se sitúan entre lo verdadero y lo falso. Es capaz de diferenciar entre “frio, templado y caliente” mediante el uso de modelos matemáticos y por ende, muy útil a la hora de realizar máquinas que sean capaces de asimilar información difícil de definir.

Uno de los objetivos más importantes de los sistemas basados en lógica difusa es reproducir la toma de decisiones humanas pero de forma más rápida. Son tolerantes a ruido en la entrada de datos y actualmente se encuentran muy extendidos en nuestra sociedad. Las lavadoras inteligentes o los sistemas de aire acondicionado los utilizan.

Algoritmos  Bio-Inspirados

Se trata de una de las áreas de la IA con más potencial. Mediante métodos tradicionales, muchos problemas de optimización son imposibles de resolver y necesitan del uso de algoritmos evolutivos basados en la naturaleza para llegar a soluciones óptimas. Inspirados en los principios darwinianos, estos algoritmos simulan los mecanismos existentes en la evolución de los seres vivos como la selección natural y la reproducción.

Son tenidos muy en cuenta debido a su potencial para resolver problemas complejos, siendo utilizados con frecuencia en aplicaciones relacionados con la asignación de recursos, clasificación de patrones, planificación de procesos u optimización de las rutas de vehículos.

Razonamiento Probabilístico

La teoría de la probabilidad hace uso del teorema de Bayes, enunciado por Thomas Bayes en 1763. Expresa la probabilidad condicional de que ocurran determinados hechos, teniendo en cuenta relaciones probabilísticas entre sucesos que han ocurrido previamente.

Por ejemplo, si disponemos de la cantidad adecuada de ejemplos históricos de datos, podemos saber la posibilidad de tener gripe si se tiene un dolor de cabeza. La importancia que tienen para todas las áreas de la ingeniería es mayúscula, al poseer un vínculo tan estrecho con la probabilidad de aspectos casuales dado el efecto observado.

Redes Neuronales Artificiales

Ser capaces de procesar la información como lo hace el ser humano ha sido un objetivo que los científicos han perseguido desde prácticamente el inicio de IA. Las redes de neuronas artificiales son un paradigma de aprendizaje automático inspirado en la forma en la que trabaja el sistema nervioso biológico, en el que millones de neuronas trabajan en equipo mediante interconexiones y producen salidas a estímulos recibidos. Se caracterizan por gozar de propiedades como la capacidad de aprendizaje a partir de ejemplos.

Al emular el funcionamiento del cerebro humano, poseen en muchos casos, características parecidas. Son capaces de abstraer características esenciales a partir de entradas que presentan información irrelevante, aprender de la experiencia y generalizar casos anteriores a nuevos casos. Son por tanto, especialmente adecuadas para aplicaciones donde ningún modelo matemático identificable pueda ser programado.

Se han utilizado para hacer predicciones en el mercado financiero, patrones de fraude económico, hacer predicciones de tiempo atmosférico y generalmente para problemas de clasificación y reconocimiento de patrones.

Futuro de la Inteligencia artifial (IA)

Aunque el ritmo de paradigmas surgidos en el campo de la IA ha decrecido en lo últimos años, no se paran de añadir mejoras a lo existente. Lo anterior, junto con la mejora continuada aunque no ilimitada, en la cantidad de información que somos capaces de procesar por segundo; hace que lo usos que le demos sigan aumentando en cantidad y complejidad.

De hecho, según ha descrito el presidente ejecutivo Sundar Pichai en la carta anual de Google, el poder del aprendizaje automático y de la inteligencia artificial continúan siendo una cuestión clave en su inversión a largo plazo. “Es lo que te permite usar tu voz para buscar información, traducir la web de un lenguaje a otro, filtrar el spam de tu bandeja de entrada, buscar imperfecciones en tus fotos y mejorarlas y en general, para resolver muchos problemas de tu vida diaria. Es lo que nos permite construir productos que mejoren con el tiempo, haciéndolos siempre más útiles”.

Más tarde añade: «De cara al futuro, el próximo gran paso será que el propio concepto de ‘dispositivo’ va a desaparecer. Con el tiempo, la propia computadora, cualquiera que sea su forma, será un asistente inteligente que te ayude con tu día. Vamos a pasar del mundo del móvil primero a un mundo donde la Inteligencia artificial es primero».

Aplicación en Industria 4.0

En la fabricación de hoy en día ya se están empleando estas técnicas avanzadas para el control y optimización de los procesos y líneas de producción, pero también en el análisis y explotación de datos producidos por la empresa. Ejemplos prácticos incluyen visión artificial, sistemas que optimicen su funcionamiento de forma automática según condiciones del entorno o sistemas que aprenden a través del análisis de datos para ofrecer mejor atención al cliente o recomendar un producto correcto para un cliente potencial.

Otra área importante en la aplicación de la IA se encuentra en el análisis de datos producidos por la maquinaria, sensores y también por los propios procesos de negocio. Estos sistemas Big Data a través de la aplicación de algoritmos avanzados de análisis consiguen aprovechar grandes cantidades de información procedente de fuentes diferentes y ayuda en la toma de decisiones tanto a nivel de producción como de negocio.

La conexión e integración de los sistemas internos de la empresa – tanto la maquinaria industrial como sistemas de gestión – con plataformas externas permite a las empresas acceder a este tipo de servicios avanzados sin realizar grandes inversiones en nuevos sistemas y en el posterior mantenimiento de los mismos.

Conclusion

La tecnología no cesa de evolucionar y solo quien es capaz de dominar los últimos avances y técnicas será capaz de realizar productos con alto valor añadido para los usuarios o clientes. Las personas ya no piden herramientas que les ayuden a realizar sus tareas, sino aplicaciones que directamente las hagan por ellos y se anticipen a sus necesidades.