En este artículo se exploran los desarrollos y las capacidades recientes de la IA, centrándose de manera específica en la visión artificial. Se resalta cómo la IA está transformando industrias como atención médica, agricultura, manufactura y automotriz.
Al hablar de tendencias tecnológicas transformadoras, no se puede soslayar el impacto de la inteligencia artificial (IA). Este avance innovador permite el análisis de datos, el reconocimiento de patrones, la automatización robótica y la conciencia perceptiva que replica la eficacia analítica de nivel humano. Las aplicaciones “inteligentes” son cada vez más frecuentes, impulsadas por sofisticados algoritmos de aprendizaje y redes de procesamiento neuronal que respaldan cálculos complejos y una rápida toma de decisiones. Con proyecciones para convertirse en un mercado de USD 2 billones en 2030, la IA revolucionará la producción y adaptabilidad de las industrias.
A medida que siguen apareciendo casos de uso de IA inteligentes e impulsados por información, su potencial de productividad está casi a la par con su alta demanda de energía, lo que significa que la necesidad de conjuntos de conectores confiables, sensores sofisticados y de un rendimiento significativamente mayor de los centros de datos nunca ha sido más imperativo. Analicemos más en detalle los desarrollos recientes de la IA desde la perspectiva de sus capacidades de percepción, en particular la visión artificial.
Descripción general de la IA: oleadas de conocimiento sin precedentes
Desde que se convocó la Conferencia de Dartmouth (The Dartmouth Summer Research Project on Artificial Intelligence) en 1956, la IA se ha considerado revolucionaria. Ahora que el ChatGPT generativo de OpenAI es un término familiar, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA, por sus siglas en inglés) ha dividido la progresión de la IA en “olas”. Los sistemas basados en reglas se desarrollaron en la primera ola, mientras que la segunda ola de entrenamiento de conjuntos de datos, la percepción y el aprendizaje estadístico es donde nos encontramos actualmente.
Esto significa que la IA actualmente hace posible que los sistemas electrónicos y mecánicos hagan lo siguiente:
- Descubrir y reconocer. El aprendizaje automático (ML, por sus siglas en inglés), un subconjunto fundamental de la IA, se refiere a las tecnologías y los algoritmos de entrenamiento de datos que permiten a los sistemas basados en IA identificar patrones y sacar conclusiones lógicas, aprovechando la experiencia para acelerar la comprensión. Mediante el uso de una combinación de IA y ML, equipos automatizados ahora pueden analizar su alrededor y reconocer entradas para tomar decisiones contextuales rápidas.
- Sentir y ver. Con la ayuda de sensores avanzados, la IA permite que las computadoras y los robots detecten información ambiental que respalde el análisis inteligente. La visión artificial, que en ocasiones se denomina visión computarizada, es la capacidad de un sistema mecanizado para percibir y procesar observaciones de manera que respalden una acción plausible. Impulsada por una gama de sofisticados componentes de hardware y software, la visión artificial depende de la IA para su capacidad de analizar, interpretar y adaptarse. Piense en la visión artificial como la capacidad de darles “ojos” a los equipos modernos:
un concepto futurístico que de manera gradual se convierte en realidad.
Visualizamos las eficiencias de la IA
Las capacidades de IA, ML y de visión artificial están preparadas para ayudar a sensores basados en percepción y aplicaciones inteligentes a transformar la eficiencia en las empresas y en el paisaje de consumo. A continuación se resumen algunos ejemplos prometedores de la industria.
El sector de la atención médica de rápida evolución de hoy en día es un ejemplo de cómo la IA está mejorando la calidad de vida. En términos de visión artificial, existen herramientas que pueden detectar con precisión lesiones cutáneas de aspecto sospechoso. Se encuentran en evaluación otros dispositivos que ayuden a predecir la probabilidad de arteriopatía coronaria al analizar escaneos visuales.
Quizás uno de los desarrollos médicos más prometedores involucra robots quirúrgicos impulsados por datos que ayudan a mejorar la visualización y precisión durante procedimientos, con orientación intraoperativa asistida por IA. Entre los desafíos de navegar por el cuerpo humano se encuentran espacios reducidos, estructuras intrincadas e ingreso de humedad; por lo tanto, para garantizar la seguridad del paciente y un rendimiento confiable, estos robots altamente maniobrables normalmente emplean una combinación de conectores sellados, aparatos microelectrónicos, sensores miniaturizados, equipos de cámaras y fibra óptica.
Colectivamente, estos elementos ayudan a médicos humanos capacitados a brindar una atención mínimamente invasiva al acceder y ver áreas anatómicas definidas con precisión para tomar decisiones en tiempo real respaldadas por IA. Esto normalmente reduce drásticamente el tamaño de las incisiones, lo que aumenta la seguridad, reduce el dolor y las cicatrices, acelera el tiempo de recuperación del paciente y limita los gastos. Gracias a los robots quirúrgicos, muchos procedimientos que antes requerían hospitalización prolongada ahora se pueden realizar en centros de atención ambulatoria.
Proveer al mundo de alimentos es una tarea esencial, por lo que la industria agricultora ya ha estado experimentado con tecnologías inteligentes hace algún tiempo. Como consecuencia, la IA ya entrega una gran cantidad de mejoras que generan un impacto en las principales actividades agrícolas.
En cuanto al manejo de ganado, la visión artificial y los sensores se combinan con dispositivos y drones integrados con IA para monitorear el bienestar de los animales, rastrear los rebaños, evaluar la alimentación y los patrones de comportamiento. Por ejemplo: se está evaluando el uso de imágenes infrarrojas para ayudar a detectar síntomas de salud y condiciones de vida de preocupación, mientras que los modelos entrenados por IA aprenden a reconocer movimientos anormales de los animales.
Muchos de los sensores que se usan en los sistemas de rastreo de animales modernos son portátiles y transmiten datos a la nube mediante comunicación de bajo ancho de banda. Por ejemplo, innovadores monitores de pastoreo robóticos emplean bandas electrónicas en las piernas que interactúan con sensores instalados en los animales para evaluar la interacción social y los patrones de alimentación. De manera similar, se usan collares inteligentes basados en biosensores en regiones como Escocia para monitorear la fertilidad de las vacas.
Con respecto a la gestión de cultivos, los invernaderos inteligentes integran sensores con actuadores, tecnología de calefacción, ventilación y aire acondicionado (HVAC, por sus siglas en inglés), sistemas de riego e iluminación que ayudan a visualizar, automatizar y optimizar el crecimiento de las plantas. De hecho, el término “agricultura de precisión” se ha acuñado para describir el uso colectivo de sensores compatibles con IA, monitores con sistema de posicionamiento global (GPS, por sus siglas en inglés), comunicaciones inalámbricas y vehículos aéreos no tripulados (UAVS, por sus siglas en inglés) para supervisar la eficiencia agrícola. Por ejemplo, los tractores inteligentes de hoy en día aprovechan redes de sensores, monitores visuales impulsados por IA, controladores integrados y otras tecnologías avanzadas para automatizar ciertas funciones impulsoras, medir previamente y plantar semillas, aplicar fertilizante, evaluar el rendimiento y transmitir información sobre niveles de combustible de equipos.
La Industria 4.0, la cuarta revolución industrial, empodera a los fabricantes para capturar y analizar la información en maneras que reduzcan los cuellos de botella de productividad y mejoren el manejo de materiales. La Internet industrial de las cosas (IIoT, por sus siglas en inglés) en constante expansión está generando fábricas inteligentes interconectadas que se ven cada vez más mejoradas por las aplicaciones de ML y el uso de la visión artificial. De hecho, Grandview Research sugiere que las necesidades cada vez mayores de automatización y mejores procesos de inspección de la calidad seguirán impulsando la adopción de la visión artificial en entornos industriales (donde se espera que el mercado crezca a una tasa de crecimiento anual compuesta de 7,7 % entre hoy y 2030).
Las fábricas introducen una gama de potenciales casos de uso de la visión artificial. La evaluación del estado de los equipos es un ejemplo. Los fabricantes ya utilizan la IA para analizar datos de sensores y maquinaria en la fábrica, lo que ayuda a predecir la probabilidad de fallas en los equipos. A medida que las máquinas realizan autoverificaciones de rutina, la visión artificial puede aprovechar algoritmos de aprendizaje predefinidos para detectar problemas operacionales y acelerar las reparaciones proactivas.
En cuanto a la fabricación de productos, las líneas de montaje automatizadas comienzan a aplicar una lógica localizada de máquina a máquina (M2M, por sus siglas en inglés) controlada por sofisticados módulos de ML que analizan la información para autoajustarse en tiempo real. La visión artificial puede ayudar a evaluar rápidamente los materiales en cada etapa del montaje, lo que elimina los elementos defectuosos a medida que se identifican. Ventajas similares son la fabricación aditiva, que normalmente se denomina impresión en 3D, donde la visión artificial puede ayudar a detectar errores iniciales y problemas en la creación de prototipos antes de que causen costosos defectos en un producto terminado complejo.
La visión artificial hace que los robots industriales también sean más avanzados. Mientras que los primeros robots industriales solo podían usar sensores para medir factores como las vibraciones y la temperatura, la visión artificial puede permitir un aprendizaje perceptivo que ayude a los robots a reconocer pequeñas grietas u otras imperfecciones.
Los vehículos de hoy son cada vez más electrificados y en un futuro no tan lejano, muchos tendrán conducción plenamente autónoma también. Esta revolución requiere la integración perfecta de numerosos sensores, cámaras, antenas, cables y conectores que transmiten datos de manera confiable para su análisis rápido.
Impulsados por estos complejos relés de comunicación, los automóviles autónomos emplean la IA para interactuar con otros vehículos mientras identifican la señalética vial, las señales de tránsito y los peatones en tiempo real. A medida que la visión artificial se vuelve cada vez más predominante, es la clave para el funcionamiento seguro y confiable de los vehículos autónomos.
Dentro de la cabina, por ejemplo, la visión artificial tiene el potencial de determinar si un conductor está quedándose dormido, alertando al vehículo para que emita una alarma audible. Fuera del vehículo, la visión artificial puede aumentar la capacidad de los sensores y las cámaras compatibles con IA para interpretar elementos de la infraestructura que indican estaciones de carga o espacios de estacionamiento disponibles. Esta misma tecnología también puede seguir mejorando la comunicación entre vehículos (V2V, por sus siglas en inglés), lo que ayuda a los automóviles a detectar señales de un cambio de carril inminente o identificar peligros ocultos para evitar colisiones.
Por cierto, la mayoría de las líneas de montaje de automóviles ya emplean la visión artificial para detectar nuevas piezas, ayudar con la inspección de calidad, ayudar a los robots a instalar componentes y mucho más. Pocas industrias exponen los sistemas electrónicos a una gama más amplia de condiciones agotadoras que el transporte, por lo que en cuanto a mejoras en las fábricas inteligentes impulsadas por la IA, el sector del transporte predica con el ejemplo.
Conclusión: industrias que evolucionan con la IA
La IA está ganando muchos adeptos al acelerar el tiempo para recibir información y transformar la eficiencia. A medida que se implementan capacidades avanzadas como la visión artificial en una creciente variedad de casos de uso, es cada vez más probable que la tercera ola de IA definida por DARPA finalmente se haga realidad: es decir, la capacidad de las máquinas de hacer inferencias y explicar sus decisiones.
Para optimizar la productividad impulsada por IA, sin embargo, las capacidades de gestión de la energía y de los datos se deben seguir ampliando de manera exponencial. Esto exige una mayor velocidad y capacidad de los centros de datos, sensores y componentes microelectrónicos avanzados y conectores ultraconfiables diseñados para soportar entornos exigentes. Con décadas de conocimientos especializados en ingeniería y experiencia integrada a nivel mundial en todas las principales industrias, Molex y Arrow Electronics brindan soluciones de conectividad de vanguardia que ayudan a las empresas tecnológicas y a los ingenieros de diseño de hoy a impulsar la innovación continua.
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
Ver Productos relacionados
