La Inteligencia Artificial puede combinar los beneficios de IoT al agregar conciencia y toma de decisiones similares a las humanas en el entorno en cuestión para en última instancia, aumentar la eficiencia y mejorar los procesos.
IoT y IA son dos de los temas más candentes en tecnología, lo cual es una buena razón por la cual los tecnólogos empresariales deben comprenderlos.
Las dos tecnologías son muy simbióticas, por lo que es fundamental planificar cómo pueden apoyarse entre sí para beneficiar a los usuarios.
¿Qué es IoT?
IoT es una red de dispositivos en lugar de personas. Las aplicaciones de IoT normalmente se crean a partir de dispositivos que detectan las condiciones del mundo real y luego activan acciones para responder de alguna manera.
Si quieres profundizar en la definición de Internet de las Cosas, no dudes en visitar la guía de IoT para principiantes
A menudo, la respuesta incluye pasos que influyen en el mundo real. Un ejemplo simple es un sensor que cuando se activa, enciende algunas luces, pero muchas aplicaciones de IoT requieren reglas más complicadas para vincular activadores y acciones.
Los mensajes que representan disparadores y acciones/comandos en IoT fluyen a través de lo que comúnmente se llama un bucle de control.
La parte de una aplicación de IoT que recibe los disparadores e inicia las acciones es el punto central de ese ciclo y el lugar donde residen las reglas de IoT.
El ciclo de control es solo una parte del flujo de información total en una aplicación de IoT, la parte que realmente recibe información sobre las condiciones del proceso del mundo real y genera respuestas del mundo real.
La mayoría de las aplicaciones de IoT también generan algunas transacciones comerciales.
Por ejemplo, la lectura de un manifiesto de envío a la entrada de un almacén podría abrir la puerta para el conductor (una decisión de ciclo de control) y también generar una transacción para recibir los bienes representados en el manifiesto en el inventario (una transacción comercial).
Las decisiones que se toman en el ciclo de control deben cumplir con los requisitos de latencia de la aplicación que a menudo se conocen como la longitud del ciclo de control.
A menudo, los bucles de control solo requieren un procesamiento simple para cerrar el bucle y crear una respuesta real a un evento. Ingresar un código para abrir una puerta es un ejemplo de eso.
En otros casos, la tramitación necesaria para decidir es más complicada. Cuando el procesamiento debe aplicar más factores de decisión, el tiempo requerido para tomar estas decisiones puede afectar la duración del ciclo de control y la capacidad de IoT para proporcionar las características esperadas.
Un retraso de medio minuto en que un trabajador escanee un manifiesto antes de admitir un camión en un almacén de carga, por ejemplo, podría reducir la capacidad del almacén.
IoT podría leer un código QR en el manifiesto y tomar las decisiones necesarias mucho más rápido, acelerando el movimiento de las mercancías.
¿Qué es la IA?
La IA es una clase de aplicaciones que interpretan condiciones y toman decisiones, de manera similar a la forma en que las personas responden a sus sentidos, pero sin requerir la intervención humana directa.
Si quieres puedes profundizar mucho más en la terminología con esta serie de artículos sobre la inteligencia artificial
Existen tres formas extendidas de IA en uso hoy en día, que son las siguientes:
- La IA simple o basada en reglas: Es un software que tiene reglas o políticas que relacionan los eventos desencadenantes con las acciones. Estas reglas están programadas, por lo que es posible que algunas personas no reconozcan esto como una forma de IA. Sin embargo, muchas plataformas de IA se basan en esta estrategia.
- El aprendizaje automático (ML): Es una forma de IA en la que la aplicación aprende el comportamiento en lugar de tenerlo programado. El aprendizaje puede tomar la forma de monitorear un sistema en vivo y relacionar las respuestas humanas a los eventos y luego repetirlas cuando ocurren las mismas condiciones.
- La inferencia o las redes neuronales: Utilizan IA para construir un “motor” que está diseñado para imitar un cerebro biológico simple y hacer deducciones que generan respuestas a desencadenantes en función de lo que el motor “infiere” que son las condiciones. Hoy en día, esta tecnología se aplica con mayor frecuencia al análisis de imágenes y análisis complejos.
Las tres formas de IA están diseñadas para representar la inteligencia humana pero su capacidad para representar algo que incluso se acerque a la inteligencia humana real es mayor a medida que avanza a través de las tres en el orden anterior.
¿Cómo pueden el IoT y la IA apoyarse mutuamente?
En IoT, los eventos del mundo real se señalan y procesan para crear una respuesta adecuada.
Entonces, en un sentido simple, cualquier aplicación de IoT que use software para generar una respuesta a un evento desencadenante es al menos una forma básica de IA, por lo que la IA es entonces esencial para IoT.
La pregunta para los usuarios y desarrolladores de IoT no es si usar IA, sino hasta dónde se puede llevar la IA. Eso depende de la complejidad y la variabilidad del sistema del mundo real que admite IoT.
La IA simple basada en reglas diría “Si se presiona el interruptor, encienda la luz A” y una evolución más sofisticada podría decir “Si se presiona el interruptor y está oscuro, encienda la luz A”.
Eso representa no solo el reconocimiento de eventos (disparador-interruptor), sino también el reconocimiento de estado (si está oscuro o la cantidad de luz eixstente).
Los programadores usan tablas de estado/eventos para describir cómo se interpreta una serie de eventos en múltiples estados, pero eso solo funciona si hay un número limitado de estados que se pueden reconocer fácilmente.
Haciendo referencia al ejemplo de un camión que llega a un almacén con productos para almacenar, la IA simple podría proporcionar un medio para que el conductor ingrese un código para pasar por una puerta de seguridad.
Esto eliminaría el costo de contratar a un trabajador para atender la puerta.
También es posible leer un código de barras o una etiqueta RFID en el propio vehículo y permitir la entrada sin introducir un código.
Eso permitiría que el camión siguiera moviéndose mientras se validaba su derecho de ingreso, lo que aceleraría aún más el proceso.
Si se deben analizar más condiciones para determinar una respuesta a un evento de IoT, el proceso queda fuera de las capacidades de la aplicación de IA simple.
Si el estado oscuro se sustituyera por uno llamado, necesito más luz y el sistema IoT respondiera no a un interruptor de activación específico sino a la tarea que una persona intenta realizar, la Inteligencia Artificial simple no sería suficiente.
En esa situación, la forma de Machine Learning de IA podría monitorear la llegada de un camión lleno de mercancías al almacén.
Con el tiempo, el dispositivo podría ser capaz de aprender cuándo los conductores y trabajadores necesitan más luz y activar el interruptor sin que la persona tenga que actuar.
Alternativamente, un experto podría realizar las tareas esperadas y “enseñar” al software cuándo sería apropiado tener más o menos luz.
El software de IA/ML eliminaría la necesidad de que un programador construyese cada aplicación IoT.
En la forma de inferencia de la IA, la aplicación IoT intenta recopilar la mayor cantidad de información posible, imitando lo que siente una persona.
Luego aplica reglas de inferencia, como que las personas no pueden trabajar donde los niveles de luz están por debajo de X y a partir de las condiciones detectadas y la aplicación de esas reglas, decide encender una luz.
La IA basada en inferencias requiere un software más complicado para recopilar condiciones y definir reglas de inferencia, pero puede responder a una gama más amplia de condiciones sin ser programada.
El mismo nivel de procesamiento de inferencia podría determinar si se deben asignar trabajadores adicionales a la descarga, porque los bienes se necesitan con urgencia, el trabajo se está retrasando o simplemente porque hay trabajadores disponibles.
Todo esto podría mejorar el movimiento de mercancías y la eficiencia general de los camioneros y el personal de un almacén.
Conclusión final
IoT se trata de usar herramientas informáticas para automatizar procesos del mundo real y como todas las tareas de automatización, se espera que reduzca la necesidad de participación humana directa.
Aunque la IoT tiene como objetivo reducir el trabajo humano, eso no elimina la necesidad de juicios y decisiones humanos.
Aquí es donde la IA puede intervenir y mejorar significativamente el sistema de IoT.