Mucho se habla del uso de Inteligencia Artificial como si se utilizara y aprovechara al ciento por ciento. Sin embargo, expertos en el tema coinciden que para llegar a la IA aún falta camino por recorrer, ya que hasta al momento sólo se utilizan algunas ramas de la IA, como el machine learning o aprendizaje de las cosas.
Debido a que los sistemas de Inteligencia Artificial aún no cuentan con un proceso completo para que generen datos, clasificarlos, seleccionarlos, ordenarlos, procesarlos y decidirlos.
“Hay instituciones o empresas que están avanzando muy rápido en ello, pero no es definitivo todavía que estemos en posibilidades de hablar del desarrollo total de la inteligencia artificial”, comentó Ricardo Barrera, MSC Industrial Supply, especialista Metalworking.
Según Rasikh Tariq, profesor investigador en Inteligencia Artificial, en el Instituto para el Futuro de la Educación, del Tecnológico de Monterrey, la inteligencia artificial cuenta con seis niveles de implementación. El uno quiere decir la implementación en tareas sencillas (el inicio de automatización de la máquina a través de IA) y el seis quiere decir una inteligencia artificial humana (toma decisiones como lo hace un humano).
“Nosotros todavía hablamos en el nivel tres o cuatro, el máximo en el mundo, o sea que no podemos romper esta barrera siempre, ya que necesitamos un humano que enseñe a las máquinas, entonces el 6 es inalcanzable, ya que no las dejas decidir por sí solas”, expresó el académico.
Dentro del machine learning o aprendizaje automático, hay diferentes campos entre ellos el de aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo, debido a que las máquinas aprenden de diferentes formas.
Por ejemplo, en la industria se utiliza el aprendizaje supervisado para saber cuándo las máquinas van a fallar, lo cual se hace a través de un análisis de vibraciones o de aceite. Por lo que primero se genera una base de datos y se decide que si una máquina se encuentra en ciertas condiciones, pues está pronosticada a que va a fallar en 20, 22 o 30 días.
Otro caso es la utilización de la Optimización, la cual se implementa en la industria metalmecánica para los planes de producción, donde se les enseña a los algoritmos a optimizar y mejorar la cadena de suministro de las líneas del cualquier sector, ya sea automotriz, aeroespacial, entre otras, para que durante los procesos se reducen desperdicios, tiempos de operación o de ciclos.
“Este proceso se realiza a través de aprendizaje automático, donde ya no está un humano haciendo estas actividades, sino los algoritmos de optimización a través de apoyo de aprendizaje automático pues tomar decisiones y arrojan un layout completo de cómo debes operar tu fábrica para poder tener la mejor productividad”, comentó Tariq.
Una de las actuales tendencias del machine learning es el aprendizaje profundo o deep learning, una rama de aprendizaje automático que se basa en el uso de las redes neuronales artificiales, que intentan simular el comportamiento del cerebro humano.
El deep learning mejora la automatización, realiza tareas físicas y analíticas, sin que el humano intervenga. Esta tecnología se encuentra en vehículos autónomos o asistentes digitales
Mito
Uno de los grandes mitos en torno al uso de la Inteligencia Artificial o machine learning, es que los operadores van a ser reemplazados por este tipo de tecnología, sin embargo, al operar líneas con IA ayuda a que los usuarios no realicen tareas de alto riesgo.
Por ejemplo, en algunas compañías automotrices, sus líneas de ensamble ya operan, prácticamente, al 50% con inteligencia artificial, pero son operaciones de alto riesgo como las de soldadura, de remache, de fundición, que son tareas que ponen en un alto riesgo a las personas.
También, entre más se implemente tecnología de IA en la industria, se va a requerir que el personal tenga una mayor preparación técnica, programática y de análisis.
En el Informe sobre el futuro del empleo 2023, del World Economic Forum, menciona que, en los próximos cinco años, los puestos de trabajo que crecerán más rápidamente son los de especialistas en inteligencia artificial y aprendizaje automático, entre otros. Por lo que las empresas no sólo tendrán que automatizar más sus procesos y adquirir la mejor tecnología, sino también van a requerir mano de obra calificada con conocimientos en estas carreras.
“Toda la información con la que se configuran los algoritmos para la inteligencia artificial y el machine learning, pues todavía seguimos siendo las personas que estamos haciendo o trabajando en ese desarrollo. Y los resultados como evaluación del desempeño de las inteligencias artificiales, pues también depende todavía de nosotros”, comentó Barrera.
Vehículos Inteligentes
El uso de los Vehículos de Guiado Automático (Automatic Guided Vehicle, AGV por sus siglas en inglés) o Robots Móviles Autónomos (AMR por sus siglas en inglés) cada vez son más comunes en la intralogística de almacenes o líneas de producción.
Sergio Bautista, director de Robótica en México para ABB, menciona que aún los equipos no cuentan con inteligencia artificial, sino machine learning, ya que aún necesitan una base de datos para tomar decisiones propias.
“Creo que antes de llegar a la inteligencia artificial, las máquinas necesitan muchas bases de datos, mucha información… Soy muy cuidadoso del concepto de inteligencia artificial, no porque no exista ni crea en él. Me parece que todavía no llegamos ahí”, puntualizó.
Sin embargo, agregó que hay algunas cosas que ya cuentan con Inteligencia Artificial, pero en el caso de las máquinas, robots, etcétera, aún se está en una etapa recabar datos para poder para el siguiente paso de toma de decisiones inteligentes.
TEMAS RELACIONADOS:
Automatización
