Los centauros

Alemania quiere utilizar la inteligencia artificial para reforzar su posición como líder de la industria mundial. Porsche promueve el uso de sistemas centauros que combinan las capacidades de personas y máquinas. ¿Cuál es su potencial?

Primero fue el jaque mate, seguido por las derrotas en el póquer y el juego de estrategia de Go: después de haber avanzado en la defensa de la humanidad, el 11 de mayo de 1997, el ex campeón mundial de ajedrez Garry Kasparov se vio obligado a ceder después de la sexta partida contra el ordenador de IBM Deep Blue. Dos décadas más tarde, el superordenador Libratus de la Universidad Carnegie Mellon superó a los mejores jugadores de póquer del mundo en la meca del juego de Las Vegas. Más o menos al mismo tiempo, el jugador chino de Go Ke Jie, en ese entonces el mejor jugador del mundo, fue derrotado por el programa AlphaGo de Google.

Los juegos se han convertido actualmente en una realidad: cada vez más, la inteligencia artificial (IA) busca emular la percepción y el comportamiento humano a través de las máquinas. Lo que una vez comenzó como un método de programación informática está cada vez más ligado al estudio del pensamiento humano.

Los asistentes digitales y las máquinas de aprendizaje están pensadas para ayudar a las personas a hacer sus vidas más fáciles, seguras y predecibles. Analizan el comportamiento de uso de los clientes, predicen la esperanza de vida, encuentran al mejor candidato para un trabajo, especulan en el mercado de valores, revisan los informes comerciales y advierten de los peligros antes de que ocurran. Si uno cree a la consultoría McKinsey, la aplicación de la IA podría impulsar la creación de valor por 13 billones de dólares hasta el año 2030. Esto, a su vez, supondría un aumento anual del 1,2 % del PIB mundial por encima de la tasa de crecimiento que cabría esperar. En cambio, la introducción de robots industriales en la década de 1990, según los consultores, añadió sólo un 0,6 % más de crecimiento al año.

El mensaje ha sido recibido: en noviembre de 2018 el gobierno federal alemán lanzó una estrategia de "inteligencia artificial" destinada a promover tanto la investigación en Alemania como las aplicaciones en el sector privado. Como parte de la estrategia, el gobierno ha propuesto miles de millones en inversiones adicionales, así como la perspectiva de 100 cátedras adicionales en universidades.

A finales del siglo XX ya se disponía de potentes redes neuronales con las que las máquinas podían analizar información no estructurada, como las imágenes de vídeo. Sin embargo, la enorme capacidad de cálculo necesaria para esta tarea sólo podría lograrse en los centros de investigación, con supercomputadoras del tamaño de una habitación. Los volúmenes de datos en crecimiento exponencial, impulsados inicialmente por la búsqueda de gráficos cada vez mejores en los juegos de ordenador, son manejados hoy en día por máquinas de aproximadamente el tamaño de un refrigerador. Usando teléfonos inteligentes y altavoces inteligentes en casa, hoy en día cualquier persona puede acceder a estos servidores desde casi cualquier lugar.

Los sistemas de IA actuales son altamente especializados: algunos han aprendido a analizar imágenes de caras humanas, mientras otros reconocen el significado de las órdenes habladas. Y otros buscan correlaciones significativas a través de enormes cantidades de datos.

En algunas áreas, esta inteligencia artificial "débil" es igual o incluso superior a la inteligencia humana. La inteligencia artificial "fuerte", por el contrario, opera al menos en el mismo nivel que el cerebro humano - es imaginable, pero todavía queda en un futuro lejano. "Probablemente pasarán décadas antes de que las máquinas tengan siquiera las capacidades motoras y cognitivas de los seres humanos", dice Frank Kirchner, del Centro Alemán de Investigación para la Inteligencia Artificial (DFKI) en Kaiserslautern.

Incluso hoy en día los humanos trabajan rutinariamente mano a mano con los robots en equipos híbridos, apoyados por sistemas de asistencia inteligentes. La fábrica del futuro es flexible, segura y capaz de producir desde series de producción en masa hasta unidades individuales con una utilización óptima de los recursos.

El potencial de la IA en el campo médico está demostrado por el gemelo cardiaco digital. Entre el 30 y el 50% de los pacientes sometidos a una terapia de resincronización cardíaca (TRC), en la que se implanta un marcapasos, no responden al tratamiento. El gemelo cardíaco digital utiliza la inteligencia artificial para evaluar las posibilidades de éxito con mayor precisión y planificar el tratamiento antes de que se lleve a cabo el procedimiento.

Curiosamente, el pionero del equipo humano-máquina no era otro que Kasparov, el derrotado genio del ajedrez. Dice que esta combinación es capaz de vencer al ordenador más rápido trabajando por su cuenta. En la mitología griega el centauro combina la inteligencia de un humano con la velocidad de un caballo. Los llamados sistemas centauro están en el centro de todos los desarrollos con los que las empresas buscan mejorar su productividad a través de la inteligencia artificial: tanto en la administración como en la producción o en las ventas.

Mattias Ulbrich, el nuevo Director de Información (CIO) de Porsche desde septiembre de 2018, considera la inteligencia artificial como una piedra angular de la estrategia de TI: el objetivo no es desplazar el trabajo humano, sino complementarlo eficazmente. "La inteligencia artificial aumenta la productividad a lo largo de toda la cadena de creación de valor", dice Ulbrich. "En el futuro, la gente tendrá más tiempo para centrarse en tareas esenciales." Ulbrich considera que estas actividades esenciales típicas incluyen encontrar soluciones creativas, conducir discusiones y tomar las decisiones correctas en situaciones complejas: "Así como la fuerza física ya no determina quién es un buen trabajador en la producción, las calificaciones puramente formales también serán mucho menos relevantes en el futuro".

Junto con todos los departamentos, en un primer paso Ulbrich identificó los campos adecuados para la aplicación de las tecnologías de IA. Sólo en los departamentos de compras y finanzas se seleccionaron más de dos docenas de aplicaciones potenciales. El Porsche Digital Lab de Berlín también sigue adelante con este tema. "Pero hay una gran diferencia entre lo que es potencialmente posible y la necesidad real de sistemas estables para las operaciones en curso", dice Ulbrich. Por ejemplo, el uso de métodos de IA sólo tiene sentido cuando se dispone de datos de alta calidad: "Abarcamos la brecha entre los dos mundos."

Porsche invierte en su propio centro de experiencia en la Inteligencia Artificial. El objetivo es reunir de 30 a 40 expertos en los próximos dos años. No es nada fácil porque el personal cualificado en este campo de rápido crecimiento es escaso y muy selectivo. Sin embargo, Ulbrich es optimista. Su ventaja es la forma en que Porsche pretende utilizar la IA tanto en el vehículo como en los procesos de la fábrica del futuro.

Tomemos el ejemplo del automovilismo: en junio de 2018, un Porsche 919 Hybrid Evo pulverizó el récord de vuelta de 35 años para el Nordschleife de Nürburgring en casi un minuto a pesar de los cambios en el "infierno verde" en los años intermedios que lo hicieron aún más exigente de lo que ya era. Los alerones en la parte trasera del coche de carreras, que se podían ajustar sobre la marcha, garantizaban una óptima carga aerodinámica en cada sección de la pista. Simular de antemano todas las geometrías y opciones de ajuste de los alerones, por no hablar de sus efectos recíprocos entre sí, así como las características del campo utilizando métodos convencionales, llevaría incluso a los ordenadores de alto rendimiento hasta el límite de sus capacidades. Por lo tanto, los desarrolladores de Porsche confían en el aprendizaje de la máquina y, de paso, están haciendo historia en el mundo del automovilismo.

El procedimiento, probado en el circuito de carreras más duro del mundo, dice Ulbrich, se aplicará finalmente a la gestión de toda la empresa. Los datos ya determinan muchas decisiones de gestión. En la mayoría de los casos, esas decisiones se basan en pronósticos pasados o inciertos. Los datos en tiempo real pueden mejorar su calidad. En vista de la abundancia de información, un sistema de este tipo para ayudar a la alta dirección sería impensable sin métodos de IA.

Otra forma de apoyo al trabajo humano está siendo investigada por Porsche Digital Lab. Una de las muestras de investigación en este caso es una máquina de café. El fondo: el software de reconocimiento de imágenes basado en la IA está muy desarrollado. Sin embargo, los sonidos que hace un sistema a menudo revelan más sobre su condición que su apariencia. Si se instala un sistema de IA especial en reconocimiento de patrones con patrones de sonido típicos, se puede detectar desviaciones y hacer sonar la alarma. Al igual que un conductor cuidadoso se detiene tan pronto como el motor empieza a emitir sonidos extraños, un sistema de este tipo proporciona una advertencia antes de que se produzcan daños.

"Cada sistema mecánico tiene su propia huella acústica", dice Claudio Weck, un empleado del Laboratorio Digital. "Las desviaciones son casi siempre indicaciones de un cambio significativo en el comportamiento del sistema." Sin embargo, no es fácil detectar tales anomalías en un entorno ruidoso, como una sala de producción. Las vibraciones acústicas se superponen entre sí, como las ondas de un lago cuando una piedra cae en él. Por esta razón, el análisis de sonido con métodos convencionales, asistidos por ordenador, alcanza rápidamente sus límites a menos que se realice en un laboratorio acústico insonorizado. Las capacidades de las redes neuronales, en comparación, fueron probadas por el equipo usando la máquina de café. Más tarde presentaron los resultados de su trabajo en una feria interna de Porsche. Los resultados le interesaron a un gerente de producción. En el montaje de vehículos, se deben conectar muchos contactos eléctricos. En algunos casos, la conexión del conector sólo puede escucharse a través del típico sonido de clic. Aunque la totalidad de la electricidad del vehículo se comprueba después del montaje, en algunos casos límite se establece un contacto eléctrico, incluso cuando el conector no está completamente conectado. Con la idea del laboratorio, un sistema de análisis de sonido puede proporcionar una certeza absoluta.

El detective de sonido tiene una plétora de otros usos potenciales. Un banco de pruebas en el Centro de Desarrollo Porsche de Weissach comprueba el correcto funcionamiento de los retrovisores exteriores retráctiles eléctricamente. La prueba se realiza en funcionamiento continuo. Y no es sólo la estabilidad y el movimiento suave lo que se está examinando. El patrón de sonido también debe permanecer constante. Es una tarea exigente y que requiere mucho tiempo para la persona que maneja el banco de pruebas. Con un sistema de IA, el empleado podía salir de la estación de escucha y preparar la siguiente prueba de resistencia.

Joachim Deisinger es el responsable de los vehículos virtuales en Porsche. Uno de los objetivos es reducir a la mitad el número de vehículos en la fase de construcción para el año 2025. Los vehículos de la fase de construcción son prototipos reales, construidos en parte a mano, para pruebas en la fase de desarrollo. Ahora esos prototipos serán reemplazados por modelos virtuales en un proceso paso a paso. Esto no sólo ahorra tiempo y dinero, sino que también es bueno para el medio ambiente al utilizar menos recursos. Y eso, sobre todo en lo que se refiere a la conducción automática, es una necesidad absoluta. Se calcula que se necesitarían unos 240 millones de kilómetros de prueba para validar todas las situaciones en las que puede entrar un vehículo de este tipo. Cada modelo tendría que circunnavegar el mundo unas 6.000 veces antes de superar todos los obstáculos - "simplemente imposible", dice Deisinger. Su respuesta: simulación.

Sin embargo, existe una diferencia fundamental entre los prototipos físicos y los digitales. Un coche real llega a la pista de carreras para realizar pruebas dinámicas. En las pruebas de choque se golpea contra la pared - es un todoterreno, un empleado de todos los oficios. Los prototipos digitales, por el contrario, son especialistas. Para las pruebas de choque, por ejemplo, se utilizan los llamados modelos de elementos finitos. En los modelos de elementos finitos todos los componentes del vehículo se dividen en elementos geométricos muy pequeños. Esto permite calcular con gran precisión las fuerzas dentro de las estructuras del vehículo en un impacto con un obstáculo definido. Para el desarrollo de la dinámica del vehículo, se mapea un chasis completo en una simulación multicuerpo y luego se prueba en circuitos virtuales. De esta manera, los desarrolladores construyen 18 prototipos digitales diferentes para cada nuevo modelo de Porsche.

Los sistemas de IA ganan terreno sobre todo en los escenarios que implican grandes volúmenes de datos, lo que es una característica definitoria del desarrollo virtual. Comienza tan pronto como se recogen los datos. Un Porsche consta de 10.000 a 15.000 componentes individuales, fabricados por departamentos individuales y una multitud de proveedores. Los datos de diseño de cada pieza se almacenan en un sistema de gestión de archivos, con ingenieros cualificados que introducen y estructuran los datos, un trabajo tedioso e improductivo. "¿Qué tal si automatizamos tales procesos usando inteligencia artificial?" se pregunta Deisinger. "Estamos creando espacio para la creatividad."

Ahora está dando sus frutos que Porsche invirtió en el desarrollo digital en una fase temprana. Las pruebas con prototipos reales y virtuales generan grandes volúmenes de datos de los que se puede obtener información mediante métodos de IA. Esto abre la puerta a una multitud de aplicaciones potenciales de la IA. Reducen el número de kilómetros de prueba realmente recorridos y mejoran las características del producto. El aprendizaje a máquina puede ayudar a generar elementos como las geometrías de los vehículos optimizadas en el coeficiente de resistencia, como el alerón trasero del 919 Evo. Y el procedimiento también se puede aplicar al desarrollo de series. Las redes neuronales permiten examinar un mayor número de variantes geométricas para determinar su idoneidad potencial sin que el tiempo de cálculo se dispare. El análisis de datos de pruebas reales y virtuales se simplifica, ya que el reconocimiento de patrones permite una detección más rápida de las desviaciones salientes de los valores objetivo y medios.

La inteligencia artificial es, sin embargo, de ninguna manera infalible. Mientras que las supercomputadoras pueden procesar rápidamente grandes cantidades de datos con correlaciones estadísticamente significativas, no pueden identificar las causas y los efectos si no fueron definidos por una persona de antemano. Tyler Vigen, un estudiante de Derecho de Harvard, fundó un sitio web que publica correlaciones espurias. Según las cifras, el número de doctorados en ingeniería civil en los EE.UU. se correlaciona con el consumo per cápita de mozzarella. Un humano lo sabe inmediatamente: pura coincidencia!

El problema fundamental es la calidad de los datos que se utilizan para entrenar las redes neuronales. Un sistema de IA identificó a un husky como un lobo porque todas las imágenes mostraban lobos en la nieve - incluyendo la con el husky. El sistema no pudo explicar su decisión.