Pensamiento real sobre la inteligencia artificial

Mis instintos me dicen que necesitamos un sentido de urgencia en torno al uso de la inteligencia artificial (IA) en la fabricación.

La urgencia está impulsada por la rapidez con la que la tecnología puede moverse hoy y cómo un avance inesperado puede dominar rápidamente. La IA se utiliza en el reconocimiento facial, la conversión del habla en palabras escritas y para ganar partidas de ajedrez. Sin duda, debe haber una horda de aplicaciones potenciales en la fabricación.

Si bien he escrito antes que creo que la realidad de la "inteligencia" de la IA son matemáticas complejas, obtuve una visión más ilustrada cuando planteé ese punto de vista a un verdadero experto. En su opinión, debemos pensar en la IA en términos más amplios. “Es justo decir que son matemáticas, pero es fácil obsesionarse demasiado con las matemáticas porque en realidad se trata más de datos”, explicó Oliver Christy, fundador de Foxy Machine, una firma de estrategia y consultoría de inteligencia artificial con sede en Nueva York. Ciudad de York. "La IA nos permite hacer nuevas preguntas usando datos en cualquier situación".

Pero incluso limitarse a los datos y las matemáticas es, bueno, limitante. Una tercera consideración debe ser el problema comercial:cuál es la situación que está considerando y qué herramientas están disponibles, según Christy. “Es necesario analizar cualquier problema dado desde los tres enfoques”, explicó. “Matemáticas, datos y el problema en sí. Ese punto de vista holístico [puede] brindarle una solución sólida”.

También cree que la fabricación está madura para las aplicaciones de IA. “Algunos de los problemas más fáciles para la IA es resolver los riesgos de seguridad y fabricación”, dijo. “Ahora tenemos sistemas de inteligencia artificial que pueden comprender a gran escala qué riesgos podría haber y cómo mejorar la seguridad”. El uso de técnicas de reconocimiento de imágenes en el control de calidad es otra victoria fácil. Una aplicación en la que Christy trabajó recientemente capacitó un sistema de inteligencia artificial para reconocer la calidad del acero después del tratamiento térmico, señalando muestras que podrían ser motivo de preocupación. Luego, las muestras fueron examinadas con más detalle por un ser humano.

Hizo hincapié en un punto clave sobre cómo se podría utilizar mejor la IA:aumentar en lugar de reemplazar al trabajador de control de calidad. Usando imágenes digitales, un sistema de IA puede mirar y marcar muchas más muestras que un ser humano sin fatigarse. Pero en el caso de la calidad del acero, no pudo proporcionar el toque humano final necesario para garantizar que fuera bueno o no. Relató cómo un sistema similar utilizado para encontrar cánceres de piel funcionó mejor que un oncólogo capacitado, pero el sistema de IA combinado con el oncólogo funcionó incluso mejor que cualquiera de ellos solo. “Se debe usar exactamente el mismo enfoque en la fabricación, donde los sistemas de máquinas y los humanos pueden trabajar de la mano”, dijo.

Punto de inflexión en la potencia informática

De vuelta a mi sentido de urgencia. Gran parte de la tecnología de inteligencia artificial actual no es nueva. El concepto de usar computadoras para imitar las habilidades humanas en lugar de solo como máquinas calculadoras ha existido desde que existieron las computadoras mismas. Pero un punto de inflexión en el poder de cómputo y los datos lo hace urgentemente relevante. “Cuando comencé hace 20 años, el costo de la potencia informática y los datos limitaban las [posibles] aplicaciones”, dijo Christy. “Ahora tenemos enormes cantidades de datos mixtos y computación muy barata. Tengo acceso a computadoras de un millón de dólares, acceso directo a tecnología como Watson de IBM que no cuesta casi nada”. A esto, agregue el software de IA de código abierto como TensorFlow de Google, que es efectivamente de uso gratuito, y tenemos una "tormenta perfecta de todos los componentes necesarios para construir y usar IA", dijo Christy.

Él cree que la IA puede convertirse fácilmente en la próxima ventaja competitiva. Sin embargo, puede ser desalentador. ¿Su consejo? Empieza pequeño. Cree un equipo pequeño, comience a recopilar datos en torno a un problema comercial piloto y aprenda cómo los mejores enfoques pueden resolver un problema de fabricación. “Pero empieza hoy”, dijo.