Tecnologías disruptivas de la Inteligencia Artificial

Edge Computing

Hemos visto que Big Data es un conjunto de tecnologías para procesamiento masivo de datos. Esto supone una herramienta fundamental en el contexto de IoT (o deberíamos decir IoE) e Industria 4.0: tenemos multitud de robots funcionando de forma autónoma, generando datos a gran escala... y lo que queremos es que estos robots incorporen inteligencia artificial, es decir, tomen decisiones correctas por sí mismos: hacia dónde moverse, con qué velocidad, con qué fuerza apretar un tornillo o desplazar un paquete...

Pero este enfoque tiene un problema: Big Data se basa en los Data Lake (lagos de datos donde almacenamos todos los datos para poder procesarlos), y estos data lake están en la nube. Esto quiere decir que para poder procesar los datos, tenemos que transportarlos y almacenarlos en dicho espacio en la nube: esto dificulta tener respuestas en tiempo real para que los robots resulten realmente eficientes; sería inviable un robot se quede "esperando" a que un sistema de inteligencia central le de órdenes en cada instante sobre qué hacer y cómo.

Contra este problema, aparece un nuevo enfoque: ¿Y si utilizamos los mismos datos para tomar las mismas decisiones, pero sin necesidad de transportar y almacenar físicamente esos datos en ningún sitio? Al fin y al cabo, muchos de esos datos ya no son necesarios en cuanto se toma la decisión (mover un brazo, soldar, empujar un paquete, desplazarse...) y se desechan.

Y aquí es cuando aparece Edge Computing: los datos que un robot necesita para tomar sus decisiones a nivel local, se procesan en el propio robot, sin necesidad de transportarlos a otra parte. Esto aumenta la velocidad de respuesta, simplifica las comunicaciones y convierte a cada robot individual en un ente con cierto nivel de inteligencia propia.

Sigue existiendo envío masivo de datos, por supuesto, para que un ente central coordine los distintos robots y orqueste, por ejemplo, toda una cadena de montaje o una nave industrial logística.

En esta línea se está avanzando mucho con drones que saben moverse (navegar) en grupos sin chocar, de forma similar a como lo hacen los bancos de peces: no sería necesario que un ente central aporte este nivel de seguridad. Esto será un paso más en el nivel de inteligencia individual de los robots.

2019 es el "año del Edge Computing": Ericsson, Akamai, Limelight, Fastly lo están introduciendo, y están descubriendo que es más barato y más fácil de administrar que la computación en la nube centralizada, porque no todo depende de un gran almacén y centro de computación central.

Factores clave de Edge Computing

Con Edge Computing tratamos de reproducir el modelo de inteligencia colectiva que mejor funciona con las personas: dejar que cada una piense y actúe por sí misma, con cierta organización centralizada que no anula las inteligencias individuales, sino que coordina y vela por la seguridad del conjunto.

El aporte de Edge Computing es que elimina la necesidad de consultar los motores de inteligencia centralizados cuando un dispositivo solicita información, para que el dispositivo pueda realizar el cálculo, estando más cerca del usuario o de la actividad operativa que se está ejecutando.

Los elementos que impulsan este enfoque disruptivo son:

IoT

IoT requiere que los datos del sensor se analicen en milisegundos, lo cual es imposible de lograr si los datos se deben mover a un CPD o a la nube. Las organizaciones que mueven más datos (financieras, sanitarias, manufactureras) deben considerar los datos de sensores o de operativa constante como el activo más importante.

Tiempo real

Las interacciones en tiempo real entre los cobots son cruciales para mantener el orden en la producción. Al igual que también las interacciones entre la empresa y sus clientes requieren tiempo real para mantener su lealtad (si un servicio o producto no está disponible al momento, el cliente comprará o utilizará el de la competencia).

Las aplicaciones orientadas al cliente, por ejemplo, asistentes de inteligencia artificial, deben implementarse de manera cercana (físicamente) a los clientes: nuestro teléfono móvil o nuestro navegador web aplica inteligencia artificial para modelar nuestros comportamientos, sin tener que conectarse con otro ente central.

Nuevos medios y posibilidades

Los medios de realidad virtual y aumentada permitirán que algunas industrias proporcionen información casi en tiempo real. Por ejemplo, para que sus fanáticos del fútbol vean un partido desde un asiento virtual, en cualquier lugar, una organización deportiva necesita obtener datos de las cámaras del estadio, entrelazar las vistas distintas y enviar este contenido a las redes de video.

Podría parecer que Edge Computing es una vuelta al pasado en cierto sentido, puesto que se trata de "darle la vuelta" al uso del cloud del que tanto se ha hablado durante los últimos años. Pero se trata de otro paso hacia adelante, no hacia atrás: un ente (robot) autónomo inteligente debe poder disponer y trabajar con todos los datos que necesite para actuar de forma independiente. De hecho, la transmisión de datos sigue siendo aumentando a tal ritmo, que por ello aparece 5G.

Redes 5G

La banda ancha inalámbrica 5G de va a revolucionar las comunicaciones. No es una batalla de tipos de tecnología, ya que la línea fija siempre será superior en cuanto a velocidad... pero ambas son necesarias: no podemos tener robots autónomos con inteligencia artificial embarcada, si no pueden comunicarse a la velocidad que necesitan. Y no pueden estar enganchados a ningún cable.

Se espera que para 2030 haya un billón de dispositivos conectados a Internet: a un cerebro humano le cuesta mucho ser capaz de comprender el volumen de intercambio de datos que esto supone. Y pensemos en millones de robots comunicándose en una industria o incluso en una ciudad entera: la capacidad de 4G no resulta suficiente.

Tal y como lo presentan en las noticias, parece que el valor añadido de 5G es que podremos emitir y recibir vídeo en tiempo real en el teléfono móvil, por ejemplo. Esto resulta muy "publicitario" pero de poco impacto económico a gran escala.

Lo que sí tendrá un gran impacto será la liberalización de la conexión a internet inalámbrica. En España aún estamos andando este camino, pero son miles de ciudades en el mundo desarrollado las que ya ofrecen a sus habitantes, de forma gratuita (mejor dicho, soportado por los impuestos como un servicio más), conectividad 4G ilimitada.

Cuando esta conectividad sea a velocidades 5G, sí que vamos a vivir un cambio importante en el negocio de las compañías de telecomunicaciones, que deberán responder a la democratización de la conectividad a internet que habremos conseguido.

Las redes 5G aportan una gran ventaja por sí mismas, pero en nuestro contexto podemos ver por qué es un soporte necesario para la inteligencia artificial: si entendemos la IA como la capacidad de automatizar las decisiones de entes (robots) físicos inalámbricos, entonces con 5G tendremos la seguridad de que estos robots dispondrán de todos los datos que necesiten para funcionar de forma independiente, a la vez que transmitirán todos los datos que puedan aportar gracias a su trabajo.

Por ejemplo, estamos viviendo la explosión en el uso de los drones: si pueden enviar vídeo en tiempo real de lo que están viendo (y estas imágenes son analizadas por algoritmos de deep learning que saben "leer y entender" esas imágenes), podríamos vigilar constantemente presencias humanas en ciertos perímetros, fuegos en los bosques, localizar personas perdidas en un área determinada, etc.

Y con 5G no sólo se conectarán robots entre ellos, sino también los trabajadores con sus empresas: ya no habrá lugar a un trabajador "desconectado" que trabaje en remoto (trabajos de mantenimiento, conductores de flotas, etc.), sino todo lo contrario: los trabajadores podrán enviar grandes cantidades de información, ficheros, imágenes...

Gemelos Digitales

¿Qué es un gemelo digital y por qué interesan tanto en el mundo de la inteligencia artificial?

Un Digital Twin es la representación exacta de un objeto real (que no tiene por qué existir aún en el mundo real): desde un tornillo o pieza sencilla, hasta un avión comercial o un rascacielos. Se pueden aplicar a ingeniería, construcción, investigación médica, fabricación...

Los Digital Twins brindan grandes valores adicionales: se utilizan para probar diseños, realizar miles de horas de simulación (incluidas simulaciones de errores), o planificar un proyecto de manera virtual a partir de especificaciones concretas que podamos modelizar.
Permiten compartir fácilmente toda la información digital que contienen, a través del proceso de creación, con todos los interesados involucrados: diseñadores, personal de presupuestos, gerentes de proyectos, constructores, proveedores y gerentes de procesos.

Los gemelos digitales requieren la comunicación de más datos, ya que una gran cantidad de datos ya estarán contenidos en el modelo digital, por lo tanto se apoyarán en otra innovación como 5G.

Los gemelos digitales deben compartirse con las partes interesadas que diseñan, prueban y construyen los objetos reales. Por ejemplo, más de 100,000 personas que trabajan en 57 países diferentes, en el diseño y construcción de un nuevo avión comercial. Se están convirtiendo en el estándar para representar cosas. y en 5 años, podemos esperar que existan los Gemelos Digitales de todo: no solo diseños de ingeniería, sino todo el cuerpo humano o incluso todo producto de consumo.

Los gemelos digitales serán una herramienta muy valiosa para la inteligencia artificial: para ejecutar aprendizajes automáticos, no será necesario "fabricar" nada; estos algoritmos pueden lanzarse sobre simulaciones digitales; de hecho, esto resulta especialmente ventajoso, puesto que así no es necesario colocar sensores, ni leerlos ni transportar esos datos. Directamente son generados en el mundo digital.

De esta forma, la aplicación de inteligencia artificial estará perfectamente entrenada desde el primer día que se utilicen los objetos reales fabricados.

Obtener el máximo valor del gemelo digital

El uso de gemelos digitales, equivalentes virtuales de productos físicos, puede acelerar y revolucionar los procesos de desarrollo de productos o servicios y monitorizar y mejorar su desempeño en el mundo real.

Los componentes de los gemelos digitales son:

Sensores

Ya sean físicos o no, el punto inicial es identificar dónde se generarán los datos.

Marco virtual

¿Estamos modelizando un proceso de fabricación, una máquina, una obra de ingeniería...? Las especificaciones y modo de trabajo de cada sector son diferentes.

IoT

En ese marco "vital" del gemelo digital, y partiendo de los sensores que generarán los datos, ¿cómo se van a mover y poner a disposición todos estos datos para generar métricas y reproducir comportamientos con el modelo?

Big Data

Si el volumen de datos es grande (lo cual es previsible), ¿qué plataformas tecnológicas de almacenamiento y procesamiento necesitamos para hacer correr todo este modelo?

Aprendizaje automático

¿Para qué queremos generar el gemelo digital? ¿Queremos saber cómo funciona, predecir su comportamiento, su consumo de energía, sus potenciales problemas, sus propiedades, posibles mejoras...?

Hay muchas formas en que los gemelos digitales pueden generar valor añadido adicional:

Diseñar y mejorar productos.
Analizar el rendimiento del producto.
Ofrecer productos como servicios.
Ofrecer análisis de datos como servicio.
Ofrecer entrega de datos como servicio.
Ofrecer un servicio basado en datos de productos en el campo.
Rastrear activos en el campo y hacer mantenimiento predictivo.
Optimizar la energía.
Automatizar la gestión de dispositivos y sistemas.

Los gemelos digitales pueden ser gemelos de productos, de procesos, o de seres vivos.

La reproducción de un modelo digital exacto y completo de los seres vivos es, con mucha diferencia, el reto más complejo al que se enfrenta este enfoque... pero también el que puede tener consecuencias más impactantes: ¿Podría una impresora 3D ser capaz de reproducir físicamente un gemelo digital exacto de un órgano o parte del cuerpo? Ahora ya sabemos que la respuesta es "absolutamente sí". La pregunta ya es cuánto tardará en madurar esta tecnología, aportar resultados sin incertidumbre, y cuánto costará a las personas aceptar (legal y éticamente) estas posibilidades y sacar el mejor provecho de ellas.

Inversiones en innovación para IA

Cualquier perfil ejecutivo de TI admite que está dispuesto a gastar significativamente en inteligencia artificial, big data, y "cualquier tecnología que haga posible la explotación eficiente de sus posibilidades".

Como ejemplo, algunos datos sobre cuánto más han gastado las compañías de América del Norte en el último año respecto del anterior:

Integración de datos y ETLProcesos de extracción, transformación, y carga de datos desde cualquier fuente externa a un sistema, tanto de datos estructurados como no estructurados a gran escala o con grandes volúmenes de datos.: 63%.
Plataforma de ciencia de datos - 58%.
Preparación de datos y limpieza - 52%.
Gobierno de datos - 34%.
Análisis y gestión de metadatos - 30%.

Las empresas de todo el mundo se están involucrando más y más en el aprendizaje automático y herramientas de inteligencia artificial: herramientas, tecnologías y equipos de trabajo. La inteligencia artificial necesita datos etiquetados que deben recopilarse, entregarse, filtrarse, almacenarse y combinarse: por lo tanto, también hay que invertir en profesionales con nuevos perfiles que sepan llevar a cabo ese trabajo.

Cabe siempre recordar que el trabajo basado en datos está regulado por el Reglamento General de Protección de Datos (GDPR) en Europa, y equivalentes en todo el mundo.

Por poner un ejemplo fuera de España, la Ley de Privacidad del Consumidor en California, que introduce conceptos como “control del usuario” y “privacidad por diseño”.

Es decir, cualquier ejecutivo relacionado con el negocio o la tecnología, desde el que trabaja en una mediana empresa hasta las grandes corporaciones, afirman que están invirtiendo o van a invertir más en inteligencia artificial, tecnologías que soportan la analítica de datos, o gobierno del dato. En consecuencia, la mayor inversión de todas en este ámbito se está enfocando en las personas: la demanda de profesionales en este sector no hace más que aumentar, con salidas laborales atractivas ya en el momento presente, y aún más a medio plazo.

Como ya hemos venido apuntando, cabe reflexionar sobre la realidad de que la Inteligencia Artificial, la robotización, y en general la automatización (cuyo objetivo es que las máquinas adopten más y mejores capacidades) implica una alta necesidad de cubrir numerosísimos puestos de trabajo, que sólo pueden desempeñar personas (no robots) y con perfiles altamente cualificados.