El Internet de las cosas (IoT) está muy relacionado con la Inteligencia Artificial (AI). De hecho, IoT no sería muy poderoso sin IA.
Previsibilidad
IoT conectará dispositivos desde el extremo superior, como las computadoras, hasta el extremo inferior, como los sensores. La mayoría de los dispositivos se conectarán en el extremo inferior.
- Supongamos que se inventa una IA de propósito general, entonces, ¿cómo ayudará a dar forma al mundo?
- Cómo entrar en inteligencia artificial general
- Cómo codificar un algoritmo de inteligencia artificial para usar en robótica
- ¿Estamos subestimando los peligros de la inteligencia artificial?
- ¿Qué puede hacer la inteligencia artificial para los automóviles o la industria automotriz?
Entonces habrá un ecosistema de dispositivos de todo tipo. La mayoría de estos no requerirá una autoconciencia avanzada. En cambio, le daremos un valor a la previsibilidad y le daremos a cada dispositivo una IA limitada.
Cada dispositivo será tan inteligente como sea necesario, y no más inteligente. Cualquier exceso de cálculo es solo un desperdicio de energía.
Y demasiado pensamiento autorreflexivo podría hacer que un dispositivo sea impredecible, lo que es contrario a un objetivo de diseño importante.
Escalabilidad
IoT puede escalar a un número potencialmente ilimitado de dispositivos, cada uno realizando un flujo constante de mediciones.
La IA se puede utilizar para hacer inferencias sobre estos datos y resumirlos antes de transmitirlos a otros dispositivos. Esto reduciría la avalancha de datos a un nivel manejable.
Se puede usar otra IA para coordinar los dispositivos y actuar como un administrador de grupos de dispositivos.
Esto permitiría la conexión de una mayor cantidad de dispositivos a la red, lo que se denomina escalabilidad.
Compartir datos
Los dispositivos son más inteligentes cuando comparten datos juntos.
Por ejemplo, la combinación de varios sensores domésticos puede brindar una mejor imagen de la actividad en el hogar. ¿Hay gente ahí? ¿Hay mascotas allí? ¿Están durmiendo? ¿Ya han comido? ¿Se dedican a alguna actividad como mirar televisión?
Si todos los dispositivos se comunican, la entrada de otros dispositivos puede informar a la IA de ese dispositivo. Le daría un flujo de datos más rico.
Por supuesto, esto también plantea la posibilidad de violación de la privacidad. Por lo tanto, los problemas de seguridad deberán abordarse al habilitar este tipo de intercambio de datos.
Aprendizaje colaborativo
Otro tipo de intercambio de datos es el aprendizaje colaborativo. Tesla está utilizando este enfoque para su auto sin conductor.
Al conectar sus autos en red, se crea un sistema de aprendizaje colaborativo. Cuando un automóvil aprende algo sobre la conducción, todos lo hacen.
Elon Musk, CEO de Tesla, dice que esto es actualmente más avanzado que el enfoque de aprendizaje aislado adoptado por competidores como Google.
Mejora del servicio
La minería de datos se puede aplicar a los datos generados por los dispositivos para mejorar el servicio que brindan.
Tales datos generalmente no están disponibles en dispositivos tontos o dispositivos que no están conectados a Internet.
Acción independiente
El aprendizaje automático se puede utilizar de forma limitada para reaccionar ante situaciones inesperadas.
Google usa este enfoque en RankBrain. Su motor de búsqueda recibe cientos de millones de consultas al día que no han categorizado por adelantado. RankBrain utiliza el aprendizaje profundo para adivinar mejor el significado de la consulta para que pueda ser respondida en tiempo real sin investigación previa en humanos.
Si bien este no es un ejemplo de I0T, es fácil imaginar que este ejemplo se aplique a dispositivos. Cuando un dispositivo recibe una consulta inesperada o detecta condiciones inusuales, necesita saber si debe responder de forma autónoma o hacer sonar una alarma para obtener más ayuda humana.
Para tomar tales decisiones se requiere un aprendizaje inteligente y capacidad de toma de decisiones.
La personalización en masa
El aprendizaje automático puede ayudar a cada dispositivo a adaptarse a las condiciones de su entorno.
Un ejemplo sería el termostato Nest. Cuando se implementa en el entorno doméstico, aprende las preferencias de sus usuarios y sus patrones de comportamiento típicos.
Esto no sería posible programar de antemano. Y sería difícil para el usuario promedio programar su propio termostato a mano.
Por lo tanto, el fabricante del termostato Nest puede producir en masa millones de tales dispositivos, pero cada uno resulta ser único en su uso real. Esa es una forma de personalización masiva.
Interacción humana
Interactuar con humanos implica reconocer no solo patrones de comportamiento irregulares sino también comentarios verbales y expresiones faciales.
Dicha entrada es demasiado compleja para ser programada a mano. Por lo tanto, se agregará IA a la entrada y la capa sensorial de los dispositivos para que puedan aprender a reconocer los rostros, los estados emocionales y las solicitudes de las personas.