El superpoder de los sistemas autónomos de IA

Las estadísticas disfrazadas de IA pueden proporcionar valiosos conocimientos, percepciones y correlaciones, pero es esencial saber que la IA puede percibir y luego, en tiempo real, puedes decidir y actuar basándote en lo que percibes.

En este artículo, Andy Wylie, director principal de programas, arquitecto de soluciones de IA autónoma, y Kence Anderson, diseñador y profesor de inteligencia artificial autónoma, le invitan a leer sus reflexiones sobre los músculos que hay detrás de los sistemas de IA autónoma, publicadas originalmente en Data-powered Innovation Review | Wave 2.

La IA por fin toma decisiones de alto valor en el mundo real

La toma de decisiones en los negocios es difusa, sin embargo, matizada y llena de compromisos estratégicos. Antes, solo los humanos podían tomar bien estas decisiones. Sin embargo, la IA ha madurado hasta el punto de que, para conclusiones específicas en escenarios controlados, puede impulsar a los dueños de procesos con superpoderes de toma de decisiones que pueden captar y actuar de forma autónoma en nombre de la empresa. Además, la creación de estos sistemas de IA está ahora al alcance de los propios expertos empresariales.

Ir más allá de las predicciones

Una cosa es predecir. Otra cosa es decidir y actuar. Chatbots, aplicaciones de mantenimiento predictivo. Además, las estadísticas disfrazadas de IA pueden proporcionar valiosos conocimientos, percepciones y correlaciones, pero es esencial saber que la IA puede percibir y luego, en tiempo real, puede decidir y actuar basándose en lo que percibe.

He aquí por qué es importante…

Los ingenieros aeroespaciales de Bell Flight, por ejemplo, utilizaron la plataforma de código reducido AI Project Bonsai para entrenar una IA autónoma que aterrizara vehículos aéreos sin tripulación utilizando la visión como única entrada. Históricamente, los vuelos autónomos se basaban en el GPS para navegar y aterrizar. Sin embargo, cuando los obstáculos o los edificios bloquean el GPS, los vehículos deben aterrizar utilizando únicamente la visión, y sus sistemas de control deben actuar basándose en características visuales, como hacen los pilotos humanos. Muchos de los casos de uso más atractivos para los sistemas autónomos basados en la IA requieren observaciones y sonidos, predicciones u otras entradas perceptivas avanzadas para decidir y actuar bien.

La IA aplicada aporta superpoderes

No hace mucho tiempo, la mayoría de las empresas no estaban preparadas para la adopción a gran escala de la IA. Mucho cambió con la pandemia de COVID. El “nuevo” mundo necesita una mejor tecnología de toma de decisiones autónoma para adaptarse, tener éxito y mejorar. La IA aplicada se desprende de la capa del laboratorio de investigación y se dirige a aspectos de la toma de decisiones similares a los humanos en el mundo real. Deja de lado a los proveedores de la ficción y la ciencia ficción, en lugar de asignar los superpoderes de la IA pertinente a las lagunas de los métodos de toma de decisiones existentes. La IA no es consciente de sí misma.

Un “cerebro” de IA sólo puede tomar decisiones optimizadas para procesos específicos en los que ha sido entrenado y, principalmente, en base a lo que ha aprendido y se le ha enseñado. Al igual que un experto humano en la materia aprende y construye decisiones de proceso intuitivas a través de la práctica constante, la IA puede aprender a controlar equipos y optimizar procesos practicando en una amplia variedad de escenarios, hasta el punto de poder actuar de forma autónoma en nuestro nombre. He aquí tres características distintivas que permiten a los sistemas autónomos basados en la IA tomar y ejecutar decisiones de gran valor en el mundo real:

Aprender probando

Gracias a la simulación a hiperescala en plataformas en la nube como Microsoft Azure, los profesores de máquinas pueden traducir décadas de datos de experiencia en planes de estudio que establecen metas y objetivos relevantes. Los agentes de IA pueden entonces condensar enormes cantidades de práctica en semanas, días e incluso horas. El procedimiento tiene lugar en un “patio de recreo digital” donde los algoritmos de aprendizaje profundo por refuerzo (DRL) pueden explorar con seguridad nuevas técnicas y estrategias. Al mismo tiempo, aprenden a explotar lo mejor de lo que saben para lograr la mejor toma de decisiones y resultados procesables posibles.

Planificar con anticipación

La retrospectiva es algo hermoso. Los seres humanos y la IA aprovechan las experiencias pasadas para adaptarse a nuevas situaciones y adelantarse a las situaciones complicadas. El siguiente paso es convertir la retrospectiva en previsión, permitiendo a la IA experimentar los altibajos de la toma de decisiones en una simulación y aprender de ello. Los algoritmos DRL aprenden maximizando las recompensas futuras. Esto permite a la IA tomar decisiones que parecen insatisfactorias a corto plazo, pero que le reportan importantes beneficios en el futuro. Los expertos hacen lo mismo cuando toman decisiones operativas de alto riesgo en su negocio.

Aprender estrategia a través de la práctica

Incluso las decisiones aisladas para controlar u optimizar los procesos pueden ser difíciles. Y con objetivos de optimización que compiten entre sí y que dictan diferentes estrategias para gestionar la toma de decisiones en varios escenarios -y codificar cómo enfrentar los objetivos entre sí- se vuelve casi imposible. Sin embargo, la IA puede aprender la estrategia a través de la práctica. Empresas con visión de futuro como SCG están construyendo una IA modular que enseña explícitamente estrategias que los expertos han necesitado décadas de experiencia para dominar. Utilizando la plataforma de desarrollo de IA de bajo código Project Bonsai, sus propios ingenieros químicos diseñaron y construyeron una IA autónoma para sus procesos basada en su experiencia.

Hacer que la IA sea específica y real

Una IA general y omnisciente será ciencia ficción durante mucho tiempo. Es mucho mejor centrarse en el diseño y la construcción de sistemas de IA que tengan éxito en tareas específicas y de gran valor. Cuando los expertos optimizan sus procesos empresariales, no aprovechan todo el espectro de capacidades cognitivas humanas. En cambio, dirigen las tres capacidades cognitivas mencionadas hacia tareas específicas en entornos controlados. La IA puede hacer precisamente lo mismo. Para generar un valor similar -ya sea asesorando a los menos experimentados o liberando a los expertos para que realicen tareas de mayor valor- necesita ofrecer una inteligencia idéntica y específica.

Todo se reduce a esto…

La experiencia de alta calidad es un recurso escaso. Muchas empresas aspiran a “descargar” los mejores conocimientos de su organización en sistemas de IA que puedan asesorar, capacitar y elevar el nivel de su personal. Y cuando estos sistemas se vuelvan autónomos, podrán incluso actuar en su nombre. Con plataformas de desarrollo de IA de bajo código, como el Proyecto Bonsai, esto ya no está sólo en el ámbito de los científicos de datos altamente especializados. En realidad, está en manos de los expertos empresariales.

Conclusiones de la innovación

1. Todo por mí mismo

Los sistemas autónomos combinan la percepción avanzada, la toma de decisiones basada en el aprendizaje y la ejecución automatizada. Aplíquelos a los procesos que requieren percepción, previsión y estrategia.

2. Aplicarse para el éxito

La IA no es ciencia ficción, ni un supercerebro omnisciente. No obstante, las organizaciones que se centran en aplicaciones específicas y orientadas a las tareas obtendrán beneficios tempranos.

3. Herramienta empresarial

Los expertos empresariales pueden participar ahora en el diseño y la ejecución de la IA avanzada. La IA autónoma puede capacitar a los expertos como profesores, y otros pueden aprender de ella. Las herramientas de desarrollo de IA de bajo código, como el Proyecto Bonsai, permiten escalar en toda la organización.

¿Lectura interesante?

Data-powered Innovation Review | Wave 2 presenta 21 de estas poderosas historias de nuestros principales socios tecnológicos y expertos mundiales de primera línea, que abarcan campos como los datos para una sociedad mejor, los sistemas autónomos, la arquitectura de malla de datos, la IA creativa y los ecosistemas de intercambio de datos, que te inspirarán y activarán tus músculos de innovación. Descarga tu copia aquí.

#machineteaching #autonomousystems #artificialintelligence #innovation #machinelearning