Uso de inteligencia artificial por parte de las empresas
La Sociedad Fraunhofer estudia el uso de la IA: orientada a aplicaciones y con el objetivo de ayudar a la economía.
¿En qué supera la inteligencia artificial a las personas? “La mente humana es extremadamente buena en el reconocimiento de patrones”, afirma el Profesor Thomas Rauschenbach, director del Departamento de Técnica de Sistemas Aplicada del Instituto Fraunhofer de Optoelectrónica, Técnica de Sistemas y Análisis de Imágenes. “Por ejemplo, puede distinguir sin grandes esfuerzos entre una taza de café y un vaso de agua. En cambio, el reconocimiento de patrones en los denominados “macrodatos” o “big data” le resulta mucho más complicado. En este aspecto, la inteligencia artificial supera a las personas”. La Sociedad Fraunhofer está estudiando cómo la industria podría aprovechar esto. Con sus casi 30 000 empleadas y empleados, es la organización líder en investigación orientada a aplicaciones no solo de Alemania, sino del mundo.
Aquí te presentamos tres proyectos de IA para la industria de la Sociedad Fraunhofer:
REMORA: requisito y fundamento del uso de IA
El uso de la inteligencia artificial en empresas se enfrenta a numerosos obstáculos, como sistemas y máquinas de diversa antigüedad y múltiples fabricantes. A menudo, “hablan” muchos idiomas distintos y almacenan datos en diferentes formatos y bases de datos. Como marco abierto y tecnológicamente neutro, el proyecto REMORA (Multi-Stage Automated Continuous Delivery for AI-based Software & Services Development in Industry 4.0) busca permitir que todos los sistemas de una misma empresa se comprendan entre sí y, de este modo, se pueda utilizar la IA a nivel global.
Condition Monitoring y Predictive Maintenance: para que las máquinas funcionen
El “Condition Monitoring” detecta problemas incipientes en instalaciones de producción mientras están funcionando, como desgaste o errores de funcionamiento, mediante cambios mínimos en los conjuntos de datos de mediciones, por ejemplo, el sonido de una máquina. Así, clasifica los problemas y responde a ellos. El “Predictive Maintenance” predice errores y desgaste de máquinas en particular o parques de equipos completos a partir del análisis de conjuntos de datos. De este modo, se pueden planificar los trabajos de servicio técnico y mantenimiento de forma precisa, lo que minimiza los tiempos de inactividad y acelera las búsquedas de errores y reparaciones.
“Explainable AI” (XAI): cómo llega la IA a sus resultados
¿Existen desventajas también en la aplicación de la IA en la industria? Sobre esta cuestión, Thomas Rauschenbach afirma: “Un gran reto en el uso de procedimientos propios de Deep Learning es que no podemos comprobar los resultados de la IA de forma unívoca”. En los análisis estadísticos, los resultados pueden explicarse de manera concluyente, pero la situación es distinta con algoritmos más complejos o de autoaprendizaje. “En los procedimientos de la IA, muchas cuestiones se asemejan a una caja negra. Si el resultado es incorrecto, es difícil saber por qué”, añade Rauschenbach. Por eso, en la Sociedad Fraunhofer, “Explainable AI” (XAI) es un importante tema de investigación. Su objetivo es clarificar cómo la IA llega a sus resultados y facilitar la comprensión.
¿Desea recibir regularmente información sobre Alemania? Suscríbase aquí a nuestro boletín.
