AI moviéndose lentamente hacia el piso de la fábrica

SAN JOSE, California - Las redes neuronales profundas se arrastran hacia el piso de la fábrica.

Para varios de los primeros en adoptar, las redes neuronales son la nueva inteligencia incrustada detrás de los ojos de las cámaras de visión por computadora. En última instancia, las redes se abrirán camino hacia brazos robóticos, puertas de enlace de sensores y controladores, transformando la automatización industrial. Pero el cambio se está produciendo lentamente.

"Todavía estamos en las primeras fases de lo que probablemente será una era de varias décadas de avances y algoritmos de aprendizaje automático de próxima generación, pero creo que veremos un enorme progreso en los próximos años", dijo Rob High, director oficial de tecnología de IBM Watson.

Las redes neuronales se ubicarán en un número creciente de puertas de enlace y controladores x86 multinúcleo con capacidad para Linux que aparecerán en la fábrica y en sus alrededores. Las redes celulares 5G emergentes algún día brindarán a las redes neuronales acceso rápido a centros de datos remotos, dijo High.

Los fabricantes de automóviles y aviones y los proveedores de atención médica se encuentran entre los primeros pasos, principalmente con cámaras inteligentes. Canon está incorporando placas Nvidia Jetson en sus cámaras industriales para activar el aprendizaje profundo. El proveedor de cámaras industriales Cognex Corp. está aumentando sus propias ofertas. Y la startup china Horizon Robotics ya está enviando cámaras de vigilancia que integran sus aceleradores de inferencia de aprendizaje profundo.

"Todos los primeros usuarios han implementado el aprendizaje profundo para la percepción visual, y otros están comenzando a notarlos", dijo Deepu Talla, gerente general de máquinas autónomas en Nvidia. “La percepción es razonablemente fácil de realizar y los investigadores la ven como un problema resuelto.

“Ahora, los grandes problemas están en el uso de la inteligencia artificial para la interacción con humanos y una actuación más detallada:estos son problemas de investigación de 10 años. En áreas como la navegación con drones y robots, estamos más en la etapa de prototipos ”.

Talla llama a la robótica "la intersección de las computadoras y la inteligencia artificial", pero muchos usos industriales del aprendizaje profundo serán menos glamorosos y llegarán antes.

Los robots de fábrica aún no utilizan IA, dijo Doug Olsen, director ejecutivo de Harmonic Drive LLC, un proveedor líder de componentes robóticos. A corto plazo, no se fije tanto en los brazos robóticos inteligentes como en las "máquinas integradas en el piso de la fábrica que pueden predecir fallas, recopilando datos sobre el uso diario para determinar cuándo los sistemas necesitan mantenimiento preventivo", dijo Olsen. "Ahí es donde la IA puede afianzarse primero".

Algunos grandes fabricantes de chips están de acuerdo. Renesas comenzó a experimentar hace tres años, colocando microcontroladores que soportan IA en los nodos finales para detectar fallas y predecir las necesidades de mantenimiento en los sistemas de producción en una de sus fábricas de semiconductores.

En octubre, el gigante japonés de chips lanzó sus primeros MCU con bloques de procesador reconfigurables dinámicamente para el procesamiento de imágenes en tiempo real. Su objetivo es realizar un seguimiento con controladores que puedan respaldar la cognición en tiempo real en 2020 y el aprendizaje incremental en 2022.

Rival STMicroelectronics está adoptando un enfoque similar con sus chips STM32. En febrero, anunció un sistema de aprendizaje profundo en chip y un acelerador en desarrollo, destinado en parte a la detección de fallas en la fábrica.

Los robots inteligentes llegarán eventualmente. La startup covariant.ai, por ejemplo, está trabajando para habilitarlos con el aprendizaje por refuerzo. "Equipar a los robots para que vean y actúen sobre lo que ven será una de las mayores diferencias que hará el aprendizaje profundo en los próximos años", dijo Pieter Abbeel, investigador de inteligencia artificial que fundó covariant y dirige un laboratorio de robótica en la Universidad de California. en Berkeley.

Abbeel muestra simulaciones asombrosas de robots que aprenden a correr usando técnicas de redes neuronales, pero aún es temprano. "De hecho, comenzamos covariantes en parte porque el espacio de la IA industrial aún no está tan abarrotado", dijo.