¿Qué puede hacer la inteligencia artificial mejor que los humanos? “El cerebro humano es extremadamente bueno en el reconocimiento de patrones”, dice el profesor Thomas Rauschenbach, director de la rama de Ingeniería de Sistemas Aplicados del Instituto Fraunhofer de Optrónica, Ingeniería de Sistemas y Análisis de Imágenes. “Puedes distinguir una taza de café de un vaso de agua sin mucho esfuerzo. Por otro lado, se vuelve mucho más difícil a la hora de reconocer patrones en los llamados datos masivos, también conocidos como ‘big data’. Aquí es donde la inteligencia artificial es superior a los humanos”. Fraunhofer-Gesellschaft está trabajando en cómo la industria podría usar esto. Con alrededor de 30.000 empleados, no solo en Alemania, pero la organización líder mundial en investigación orientada a aplicaciones.
Aquí conocerá tres proyectos de IA de la Sociedad Fraunhofer para la industria:
REMORA: requisito previo y base para el uso de IA
El uso de la inteligencia artificial en las empresas encuentra muchos obstáculos, por ejemplo, sistemas y máquinas de diferentes fabricantes de diferentes edades. A menudo “hablan” muchos idiomas diferentes y almacenan datos en diferentes formatos y bases de datos. El proyecto REMORA (Multi-Stage Automated Continuous Delivery for AI-based Software & Services Development in Industry 4.0), como un marco abierto y tecnológicamente neutral, tiene como objetivo permitir la comunicación entre todos los sistemas de una empresa y, por lo tanto, permitir el uso integral de AI.
Supervisión del estado y mantenimiento predictivo: para que las máquinas funcionen
“Condition Monitoring” utiliza los cambios más pequeños en la serie de datos de valores medidos, por ejemplo, el sonido de una máquina, para identificar problemas inminentes en los sistemas de producción durante la operación, como desgaste o mal funcionamiento. Los clasifica y desencadena reacciones. El “mantenimiento predictivo” predice errores y desgaste en máquinas individuales o parques de plantas completos a partir del análisis de series de datos. Esto permite una planificación precisa del servicio y el mantenimiento. Esto minimiza el tiempo de inactividad y acelera la resolución de problemas y las reparaciones.
“IA explicable” (XAI): cómo la IA obtiene sus resultados
¿La IA también tiene desventajas en la industria? Thomas Rauschenbach dice: “Un gran desafío cuando se utilizan algunos métodos de aprendizaje profundo es que no podemos comprender claramente los resultados de la IA”. -algoritmos de aprendizaje. “Con los procesos de IA, mucho es como una caja negra. Si el resultado no coincide, es difícil entender por qué”, dice Rauschenbach. Por lo tanto, la “IA explicable” (XAI) es un tema de investigación importante en la Fraunhofer-Gesellschaft. Debería hacer transparente y comprensible cómo la IA llega a sus resultados.
¿Le gustaría recibir información periódica sobre Alemania? Así es como registrarse: