El nuevo y viejo mundo de la fabricación: IA, diseño e innovación

Mi intención original para esta columna era discutir una frase que genera mucho revuelo últimamente: inteligencia artificial (IA). Por cualquier medida, el interés en IA se expande exponencialmente, tanto en número de artículos sobre el tema como, según Google Trends, en búsquedas de esos artículos.

Hay otras formas de IA, como optimización de diseño y forma, diseño generativo y analítica predictiva —por citar algunas prominentes— y uno podría pensar que los trabajadores inteligentes deberían sentirse amenazados. Algunos expertos dicen que la inteligencia artificial bien podría reemplazarnos a todos.

No lo creo. Creo que nos ayudará enormemente, potenciándonos en lugar de reemplazarnos.

Para entender por qué, considere que lo que la gente llama IA es solo matemáticas. Sí, lo oyó bien: son solo dígitos y números combinados con funciones y cálculos asombrosamente complejos. Tengo algo de experiencia en esto. Me adentré en esta área al principio de mi carrera, programando una red neuronal simple, una de las bases detrás de muchas formas de IA que encuentran aceptación amplia hoy. Lo hice para entender mejor cómo usar IA en análisis de imágenes, y llegué a darme cuenta de algunas cosas.

La primera fue que la forma de IA que usa vastas cantidades de datos para replicar acción "humana" es solo una forma de modelado estadístico y análisis de regresión —aunque una forma increíblemente extrema. Se necesitan muchos datos para entrenar el algoritmo. Lo mismo ocurre, usando diferentes matemáticas, para optimización o diseño generativo. La IA son solo matemáticas muy complejas empaquetadas en una forma más fácil de usar.

Otra realización fue cuánto tardábamos en obtener una respuesta aceptable hace 20 años. Esto contrasta radicalmente con la facilidad con que se resuelven problemas mucho más difíciles hoy gracias a la computación potente. Sensores baratos y ubicuos proporcionan vastos conjuntos de datos. Tampoco tienes que programar funciones de IA, como hice yo. Puedes comprar o alquilar modelos, como "redes neuronales profundas". Watson de IBM y Neural Network Toolbox de MathWorks son solo dos ejemplos. Tú aportas los datos y obtienes tu propia solución IA única. Hoy, la IA hace que los robots en planta sean más versátiles y ayuda a ingenieros a diseñar piezas mediante optimización.

Pero matemáticas, sensores y datos siguen siendo herramientas que deben ser moldeadas por los deseos de ingenieros y trabajadores. Pueden realizar tareas individuales mejor que humanos, pero qué tareas realizar y por qué siempre permanecerá en el ámbito humano. La inteligencia artificial carece de propósito. Ese será siempre nuestro trabajo.

No siempre la herramienta adecuada

Finalmente, matemáticas sofisticadas como la IA en sus diversas formas no siempre son la herramienta adecuada. Aquí llegamos a la parte "vieja" del título de esta columna. Esto me golpeó cuando investigaba un artículo para el ME de este mes sobre comparadores ópticos, una tecnología de metrología con raíces en los años 1920. Aunque la mayoría de modelos hoy se actualizan con electrónica digital rudimentaria, la idea básica sigue igual —magnificar la sombra de una pieza en una pantalla grande y que un humano haga la medición. Encuentras estas máquinas en todas partes en fabricación, con grados variables de mejora digital de la idea básica, hasta incluir visión artificial. Una de mis fuentes me dijo que su servicio recientemente restauró un modelo de 50 años.

Es esta coexistencia de tecnología futurista como IA con lo probado y verdadero la realidad continua de fabricación e ingeniería. Quizás parte de esto sea simple reticencia de ingenieros a abrazar plenamente nueva tecnología. Como me dijo la misma fuente, a veces necesita enfatizar que tecnologías más nuevas, incluso en comparadores ópticos, están disponibles. Aun así, tecnologías como comparadores ópticos, micrómetros, calibradores y los humanos que los usan no es probable que sean reemplazados totalmente por nada más sofisticado.