Sido A2A, así que aquí no pasa nada.
Un primer aspecto es que hoy en día no es tanto cómo puede ser sino cómo se aplica. El entorno de fabricación es un dominio ideal para aplicaciones de informática y IA, y esto incluye incluso lo que ahora se llama “buena vieja IA”. Está muy estructurado de forma predeterminada desde los días de Henri Fords y tenemos un robot automatizado durante mucho tiempo en este campo. Por supuesto, estos robots estuvieron históricamente más dominados por la teoría de control en un entorno muy estrictamente definido y controlado, pero esto se ha hecho durante tanto tiempo que proporciona buenos fundamentos para reducir un poco de lo “estructurado” para dar más espacio a la IA.
Esto se ha hecho muchas veces y ahora está más allá de simples experimentos de investigación.
- ¿Cómo se transformó e impactó el conjunto de datos de ImageNet en el mundo de la IA?
- ¿La obsesión por comprender la mente / pensamiento humano y el deseo de construir inteligencia artificial / sistemas inteligentes es hedonista?
- Tu mejor amigo de repente tiene un 50% de posibilidades de convertirse en una IA a partir de 200 años en el futuro sin que te des cuenta. ¿Qué pides para saber si son una IA?
- ¿Una IA fuerte desempeñará un papel crucial en el control de los problemas mundiales?
- ¿Puede AI ser mi terapeuta en 4 años?
El ejemplo más reciente que se me ocurre es la “programación por demostración” (Algoritmo de aprendizaje por refuerzo para la programación de robots industriales por demostración) que tiene el título del documento que doy dice que es aprendizaje por refuerzo. Y si desea ver un producto comercial haciendo tal cosa, mire Baxter de Rethink Robotics. Este robot está dirigido a pequeñas empresas (aunque lo suficientemente grandes como para permitirse el mínimo de $ 25000) y una de sus características es exactamente esto, como se demuestra en este video:
por supuesto, está lejos de ser perfecto, pero es mucho más barato que contratar a un profesional para que realice la manipulación que desea.
En este video mencionan también la visión. La visión y el reconocimiento de patrones también es un dominio que ha sido explorado en profundidad y aplicado. Imagine una cadena de producción de alimentos donde todas, digamos manzanas, caen al azar en una cinta transportadora y la máquina necesita clasificarlas y también eliminar las que no se ven bien (no las que son malas, pero solo la que tiene demasiado) grandes áreas marrones que el consumidor tenderá a no comprar). Esto no se puede hacer por clasificación de tamaño o densidad típica, pero se puede hacer por visión y mediante el aprendizaje automático. Otro ejemplo (menos convincente pero sigue siendo el mismo principio) es el enrutamiento de correos basados en el código postal escrito por humanos (y a menudo mal). Este último se ha hecho durante una década y es tan básico ahora que una de las muestras de prueba más populares utilizadas en la investigación para OCR se llama USPS (Reconocimiento óptico de conjunto de datos de dígitos escritos a mano).
Entonces, por supuesto, puede decir que ambos son problemas muy “simples” que ya no son parte de la IA (aunque lo desafío a decirle a las personas que trabajan en cualquiera de estos campos 😉). Pero la cuestión es que estos pasos se iniciaron y continuaron hace décadas y el progreso solo demostró cómo la fabricación es un terreno perfecto para experimentar con técnicas de IA y avanzar sin arriesgar demasiado, ya que el dominio está nuevamente muy controlado y muchos de los base estaban en su lugar.
Además, y aún están relacionados con la fabricación, los problemas de programación u optimización de las cadenas de producción son IA clásica y estas técnicas se usan ampliamente, aunque más como un sistema experto que brinda una solución al gerente que luego puede sentirse libre de aplicarla o no.
El problema de la “programación por demostración” también es explorado por personas que utilizan los enfoques más modernos cuando se habla de IA. Es decir, algunos investigadores de Cornell usan Baxter pero, en lugar del programa predeterminado, prueban su sistema de aprendizaje profundo: Aprendizaje profundo para captar objetos nuevos
y finalmente sobre cómo se podría aplicar la IA, tome todo lo anterior e integrelo en una cadena completa de producción. Visión para una mejor comprensión e identificación de elementos deseables / indeseables, aprendizaje de refuerzo para adaptar fácilmente el sistema (y enloquecer, hacer que el aprendizaje también use la visión e identifique el vínculo casual al mirar a un empleado y mapearlo con él … pero esto es muy difícil y No estoy al tanto de ningún experimento, incluso menos resultados), luego la programación y la optimización para administrar la cadena desde los productos crudos hasta la entrega y reducir los costos. Este es el tipo de fábrica que podemos ver surgir en algún momento en el futuro. No importa qué técnicas de IA se usen debajo, en mi opinión será un poco más que todo, estas técnicas existen y se exploran tanto en términos de investigación como de industria mientras escribo esto.
¿Eso significa el fin del ser humano en la fabricación? Tal vez, pero ¿por qué los humanos todavía estamos en el círculo ahora cuando ya sabemos cómo un robot estúpidamente programado estáticamente puede hacer todas las tareas para producir un automóvil?
