Revolucionando productos cotidianos con inteligencia artificial

Jul 18, 2023

Imagen anterior Imagen siguiente

"¿Quién es Bram Stoker?" Esas tres palabras demostraron el asombroso potencial de la inteligencia artificial. Fue la respuesta a una pregunta final en un episodio particularmente memorable de 2011 de Jeopardy!. Los tres competidores eran los ex campeones Brad Rutter y Ken Jennings, y Watson, una supercomputadora desarrollada por IBM. Al responder correctamente la pregunta final, Watson se convirtió en la primera computadora en vencer a un humano en el famoso programa de preguntas y respuestas.

"En cierto modo, que Watson ganara Jeopardy! parecía injusto para la gente", dice Jeehwan Kim, profesor de desarrollo profesional de la Clase '47 y miembro de la facultad de los departamentos de Ingeniería Mecánica y Ciencia e Ingeniería de Materiales del MIT. "En ese momento, Watson estaba conectado a una supercomputadora del tamaño de una habitación, mientras que el cerebro humano pesaba solo unas pocas libras. Pero la capacidad de replicar la capacidad de aprendizaje del cerebro humano es increíblemente difícil".

Kim se especializa en aprendizaje automático, que se basa en algoritmos para enseñar a las computadoras cómo aprender como un cerebro humano. "El aprendizaje automático es computación cognitiva", explica. "Tu computadora reconoce cosas sin que le digas a la computadora lo que está mirando".

El aprendizaje automático es un ejemplo de inteligencia artificial en la práctica. Si bien la frase "aprendizaje automático" a menudo evoca ciencia ficción tipificada en programas como "Westworld" o "Battlestar Galactica", los sistemas y dispositivos inteligentes ya son omnipresentes en el tejido de nuestra vida diaria. Las computadoras y los teléfonos usan reconocimiento facial para desbloquear. Los sistemas detectan y ajustan la temperatura en nuestros hogares. Los dispositivos responden preguntas o reproducen nuestra música favorita a pedido. Casi todas las principales empresas automovilísticas han entrado en la carrera para desarrollar un coche autónomo seguro.

Para que cualquiera de estos productos funcione, el software y el hardware tienen que funcionar en perfecta sincronía. Las cámaras, los sensores táctiles, el radar y la detección de luz deben funcionar correctamente para enviar información a las computadoras. Los algoritmos deben diseñarse para que estas máquinas puedan procesar estos datos sensoriales y tomar decisiones basadas en la mayor probabilidad de éxito.

Kim y gran parte de la facultad del Departamento de Ingeniería Mecánica del MIT están creando un nuevo software que se conecta con el hardware para crear dispositivos inteligentes. En lugar de construir los robots sensibles idealizados en la cultura popular, estos investigadores están trabajando en proyectos que mejoran la vida cotidiana y hacen que los humanos sean más seguros, más eficientes y mejor informados.

Hacer que los dispositivos portátiles sean más inteligentes

Jeehwan Kim sostiene una hoja de papel. Si él y su equipo tienen éxito, algún día la potencia de una supercomputadora como la Watson de IBM se reducirá al tamaño de una hoja de papel. "Estamos tratando de construir una red neuronal física real en un tamaño de papel de carta", explica Kim.

Hasta la fecha, la mayoría de las redes neuronales se han basado en software y se han creado utilizando el método convencional conocido como método informático de Von Neumann. Sin embargo, Kim ha estado utilizando métodos de computación neuromórficos.

"Computadora neuromórfica significa IA portátil", dice Kim. "Entonces, construyes neuronas artificiales y sinapsis en una oblea a pequeña escala". El resultado es el llamado 'cerebro en un chip'. En lugar de computar información a partir de señales binarias, la red neuronal de Kim procesa la información como un dispositivo analógico. Las señales actúan como neuronas artificiales y se mueven a través de miles de matrices hasta puntos de cruce particulares, que funcionan como sinapsis. Con miles de matrices conectadas, se podrían procesar grandes cantidades de información a la vez. Por primera vez, un equipo portátil podría imitar el poder de procesamiento del cerebro.

"La clave con este método es que realmente necesitas controlar bien las sinapsis artificiales. Cuando hablas de miles de puntos de cruce, esto plantea desafíos", dice Kim.

Según Kim, el diseño y los materiales que se han utilizado para hacer estas sinapsis artificiales hasta ahora han sido menos que ideales. Los materiales amorfos utilizados en los chips neuromórficos hacen que sea increíblemente difícil controlar los iones una vez que se aplica voltaje.

En un estudio de Nature Materials publicado a principios de este año, Kim descubrió que cuando su equipo fabricó un chip de germanio de silicio, pudieron controlar la corriente que salía de la sinapsis y reducir la variabilidad al 1 por ciento. Con el control sobre cómo reaccionan las sinapsis a los estímulos, era hora de poner a prueba su chip.

"Visualizamos que si construimos la red neuronal real con material, en realidad podemos hacer reconocimiento de escritura a mano", dice Kim. En una simulación por computadora de su nuevo diseño de red neuronal artificial, proporcionaron miles de muestras de escritura a mano. Su red neuronal pudo reconocer con precisión el 95 por ciento de las muestras.

"Si tiene una cámara y un algoritmo para el conjunto de datos de escritura a mano conectados a nuestra red neuronal, puede lograr el reconocimiento de escritura a mano", explica Kim.

Si bien la construcción de la red neuronal física para el reconocimiento de escritura a mano es el próximo paso para el equipo de Kim, el potencial de esta nueva tecnología va más allá del reconocimiento de escritura a mano. "Reducir el poder de una supercomputadora a un tamaño portátil podría revolucionar los productos que usamos", dice Kim. "El potencial es ilimitado: podemos integrar esta tecnología en nuestros teléfonos, computadoras y robots para hacerlos sustancialmente más inteligentes".

Haciendo los hogares más inteligentes

Mientras Kim trabaja para hacer que nuestros productos portátiles sean más inteligentes, el profesor Sanjay Sarma y el científico investigador Josh Siegel esperan integrar dispositivos inteligentes dentro del producto más grande que poseemos: nuestros hogares.

Una noche, Sarma estaba en su casa cuando uno de sus disyuntores no dejaba de apagarse. Este disyuntor, conocido como interruptor de circuito por falla de arco (AFCI), fue diseñado para cortar la energía cuando se detecta un arco eléctrico para evitar incendios. Si bien los AFCI son excelentes para prevenir incendios, en el caso de Sarma no parecía haber ningún problema. "No había ninguna razón perceptible para que siguiera sonando", recuerda Sarma. "Fue increíblemente molesto".

Los AFCI son conocidos por tales "viajes molestos", que desconectan objetos seguros innecesariamente. Sarma, quien también se desempeña como vicepresidente de aprendizaje abierto del MIT, convirtió su frustración en una oportunidad. Si pudiera integrar el AFCI con tecnologías inteligentes y conectarlo a la 'internet de las cosas', podría enseñarle al disyuntor a aprender cuándo un producto es seguro o cuándo un producto realmente representa un riesgo de incendio". Piense en ello como un virus. escáner", explica Siegel. "Los escáneres de virus están conectados a un sistema que los actualiza con nuevas definiciones de virus a lo largo del tiempo". Si Sarma y Siegel pudieran integrar una tecnología similar en los AFCI, los disyuntores podrían detectar exactamente qué producto se está conectando y aprender nuevas definiciones de objetos con el tiempo.

Si, por ejemplo, se enchufa una nueva aspiradora en el disyuntor y se corta la energía sin razón, el AFCI inteligente puede saber que es seguro y agregarlo a una lista de objetos seguros conocidos. El AFCI aprende estas definiciones con la ayuda de una red neuronal. Pero, a diferencia de la red neuronal física de Jeewhan Kim, esta red está basada en software.

La red neuronal se construye recopilando miles de puntos de datos durante las simulaciones de formación de arcos. Luego se escriben algoritmos para ayudar a la red a evaluar su entorno, reconocer patrones y tomar decisiones basadas en la probabilidad de lograr el resultado deseado. Con la ayuda de una microcomputadora de $35 y una tarjeta de sonido, el equipo puede integrar económicamente esta tecnología en los interruptores automáticos.

A medida que el AFCI inteligente aprende sobre los dispositivos que encuentra, puede distribuir simultáneamente su conocimiento y definiciones a todos los demás hogares utilizando el Internet de las cosas. "El Internet de las cosas también podría llamarse 'inteligencia de las cosas'", dice Sarma. "Las tecnologías locales inteligentes con la ayuda de la nube pueden hacer que nuestros entornos se adapten y la experiencia del usuario sea perfecta".

Los disyuntores son solo una de las muchas formas en que se pueden usar las redes neuronales para hacer que los hogares sean más inteligentes. Este tipo de tecnología puede controlar la temperatura de su casa, detectar cuando hay una anomalía, como una intrusión o una tubería rota, y ejecutar diagnósticos para ver cuándo es necesario reparar las cosas.

"Estamos desarrollando un software para monitorear sistemas mecánicos que es autodidacta", explica Siegel. "No le enseñas a estos dispositivos todas las reglas, les enseñas cómo aprender las reglas".

Fabricación y diseño más inteligentes La inteligencia artificial no solo puede ayudar a mejorar la forma en que los usuarios interactúan con productos, dispositivos y entornos. También puede mejorar la eficiencia con la que se fabrican los objetos al optimizar el proceso de fabricación y diseño.

"El crecimiento de la automatización junto con tecnologías complementarias que incluyen la impresión 3D, la IA y el aprendizaje automático nos obligan, a largo plazo, a repensar cómo diseñamos las fábricas y las cadenas de suministro", dice el profesor asociado A. John Hart.

Hart, que ha realizado una amplia investigación en impresión 3D, ve la IA como una forma de mejorar el control de calidad en la fabricación. Las impresoras 3D que incorporan sensores de alto rendimiento, que son capaces de analizar datos sobre la marcha, ayudarán a acelerar la adopción de la impresión 3D para la producción en masa.

"Tener impresoras 3D que aprendan a crear piezas con menos defectos e inspeccionen las piezas a medida que las fabrican será un gran problema, especialmente cuando los productos que se fabrican tienen propiedades críticas, como dispositivos médicos o piezas para motores de aviones, "Hart explica.

El propio proceso de diseño de la estructura de estas piezas también puede beneficiarse del software inteligente. La profesora asociada Maria Yang ha estado analizando cómo los diseñadores pueden usar herramientas de automatización para diseñar de manera más eficiente. "Lo llamamos inteligencia híbrida para el diseño", dice Yang. "El objetivo es permitir una colaboración efectiva entre herramientas inteligentes y diseñadores humanos".

En un estudio reciente, Yang y el estudiante de posgrado Edward Burnell probaron una herramienta de diseño con distintos niveles de automatización. Los participantes usaron el software para elegir nodos para una armadura 2-D de una señal de alto o un puente. Luego, la herramienta generaría automáticamente soluciones optimizadas basadas en algoritmos inteligentes sobre dónde conectar los nodos y el ancho de cada parte.

"Estamos tratando de diseñar algoritmos inteligentes que encajen con las formas en que los diseñadores ya piensan", dice Burnell.

Hacer robots más inteligentes

Si hay algo en el campus del MIT que más se parezca a los robots futuristas de la ciencia ficción, sería el guepardo robótico del profesor Sangbae Kim. La criatura de cuatro patas detecta el entorno que la rodea utilizando tecnologías LIDAR y se mueve en respuesta a esta información. Al igual que su homónimo, puede correr y saltar obstáculos.

El enfoque principal de Kim está en la navegación. "Estamos construyendo un sistema único especialmente diseñado para el movimiento dinámico del robot", explica Kim. "Creo que va a remodelar los robots interactivos en el mundo. Puedes pensar en todo tipo de aplicaciones: médicas, sanitarias, fábricas".

Kim ve la oportunidad de eventualmente conectar su investigación con la red neuronal física en la que está trabajando su colega Jeewhan Kim. "Si quieres que el guepardo reconozca a las personas, la voz o los gestos, necesitas mucho aprendizaje y procesamiento", dice. "El hardware de la red neuronal de Jeewhan posiblemente podría habilitar eso algún día".

Combinar el poder de una red neuronal portátil con un robot capaz de navegar hábilmente por su entorno podría abrir un nuevo mundo de posibilidades para la interacción humana y de IA. Este es solo un ejemplo de cómo los investigadores en ingeniería mecánica pueden colaborar algún día para llevar la investigación de IA al siguiente nivel.

Si bien podemos estar a décadas de interactuar con robots inteligentes, la inteligencia artificial y el aprendizaje automático ya se han abierto camino en nuestras rutinas. Ya sea usando el reconocimiento facial y de escritura a mano para proteger nuestra información, accediendo al Internet de las cosas para mantener nuestros hogares seguros o ayudando a los ingenieros a construir y diseñar de manera más eficiente, los beneficios de las tecnologías de IA son omnipresentes.

La fantasía de ciencia ficción de un mundo dominado por robots está lejos de la verdad. "Existe esta noción romántica de que todo va a ser automático", agrega Maria Yang. "Pero creo que la realidad es que vas a tener herramientas que funcionarán con las personas y ayudarán a que su vida diaria sea un poco más fácil".

Elemento anterior Elemento siguiente