Las máquinas inteligentes son un subconjunto de inteligencia artificial que pueden enseñarse a sí mismas cómo hacer cosas y realizar tareas. Estas máquinas se están moviendo hacia lo digital, utilizando inteligencia artificial y aprendizaje automático en todo su potencial. La inteligencia artificial (IA) es lo que hace que estas máquinas parezcan inteligentes y proporciona el marco para que funcionen las máquinas inteligentes. Las máquinas inteligentes incluyen robots, autos autónomos y otros sistemas que están diseñados para funcionar a través de tareas sin intervención humana. En los negocios, se espera que estas tecnologías generen mayores márgenes de beneficio y conduzcan a procesos de fabricación más eficientes. Sin embargo, también se espera que las máquinas inteligentes desplacen a los trabajadores y cambien dramáticamente la naturaleza del trabajo y otras normas sociales. Las máquinas inteligentes de hoy pueden parecer revolucionarias, como algo en las películas de ciencia ficción (como C-3PO en Star Wars). Sin embargo, las máquinas inteligentes son el siguiente paso en una larga historia de avances incrementales en máquinas y computación. Las máquinas inteligentes pudieron rastrear sus raíces hasta la primera Revolución Industrial (siglo XVIII), cuando las máquinas rudimentarias se utilizaron para automatizar algunas tareas humanas. La llegada de los ordenadores en el siglo XX, junto con el aumento de Internet de las cosas, los sistemas de almacenamiento de datos y los sensores, permitió la recopilación y el análisis de grandes volúmenes de datos, acelerando aún más el aumento de las máquinas inteligentes. Tales enormes volúmenes de datos pueden ser explotados efectivamente usando métodos de análisis de datos. El análisis de Big Data se refiere a un método para recopilar y comprender grandes conjuntos de datos en términos de lo que se conoce como las tres V, velocidad, variedad y volumen. La velocidad informa de la frecuencia de adquisición de datos, que puede ser concurrente con la aplicación de datos anteriores. La variedad describe los diferentes tipos de datos que pueden ser manejados. El volumen representa la cantidad de datos. Los datos también pueden ser explotados por inteligencia empresarial business intelligence (BI) y analíticas avanzadas, por lo que las computadoras ejecutan algoritmos para analizar datos para identificar patrones y luego usar esos patrones para generar información sobre eventos pasados y actuales y, más adelante, ofrecer información sobre lo que sucedería. y qué podría pasar si se tomaran ciertas acciones futuras. Esta capacidad de análisis, a su vez, condujo al aprendizaje automático y al aprendizaje profundo, donde las propias computadoras realmente aprenden de conjuntos de datos adicionales; Más concretamente, estas máquinas inteligentes utilizan sus nuevos conocimientos para adaptarse y ajustar su producción.
En el área de la medicina, muchas otras personas están hablando sobre cómo obtener una IA / ordenador con algoritmos de aprendizaje automático para diagnosticar a los pacientes o para reemplazar a los médicos, pero se trata de mejorar la asistencia médica, usar el ordenador como una herramienta en lugar de un reemplazo. Por ejemplo en los experimentos [31], cuando un enfermero trata a un paciente, los datos capturados se ejecutan a través de un motor de análisis predictivo, que determina las cinco principales quejas principales que probablemente tiene un paciente. El programa ha mejorado drásticamente las tasas de recolección de datos de quejas principales, de 25% a 95%.
La robótica es un tipo de ingeniería que está detrás del diseño y las operaciones de las máquinas robot que pueden realizar tareas sin ayuda humana. Esta es una herramienta bajo el paraguas de máquinas inteligentes. Según Gartner, deben ser capaces de:
El aprendizaje por cuenta propia en una variedad de entornos diferentes ha convertido a los robots en herramientas vitales en algunas industrias líderes. Entre estos están:
Al implementar los robots en la industria, hay un problema importante: la barrera entre humanos y robots. En la mayoría de los casos ahora, los robots que trabajan en la línea de fábrica se mantienen en jaulas porque presentan demasiados riesgos físicos para los humanos, lo que hace que el flujo de trabajo humano esté completamente separado del flujo de trabajo del robot.
Hay un esfuerzo continuo para lograr que el humano y el robot entrenen juntos, para crear una comprensión compartida de cómo trabajar juntos y ser más eficientes. Un ejemplo temprano es el robot Baxter construido por Rethink Robotics. Baxter, construido en una forma humana, puede trabajar justo al lado de los empleados de la línea de la fábrica, sin una jaula. Varias fábricas han desplegado Baxter para realizar "trabajos aburridos", tareas muy repetidas como el empaquetado de precisión. Baxter está equipado con sensores que permiten al robot "sentir" y "ver" para que pueda adaptarse a su entorno. No es necesario decirle como de rápido se está moviendo una cinta transportadora; él lo ve, lo sabe y tiene sentido común para darse cuenta de eso. A medida que los robots se integran más en el flujo de trabajo, las máquinas inteligentes comienzan a compartir un proceso de negocios con personas, los datos que absorben y generan se vuelven más importantes para la empresa.
Un nuevo elemento poderoso en el área de robótica y máquinas inteligentes es la computación cognitiva. Está claro que la tecnología en robótica se está moviendo hacia herramientas innovadoras que utilizan técnicas de autoaprendizaje para llevar a cabo tareas. La computación cognitiva es una de esas herramientas que han sido una fuerza disruptiva en la industria de las máquinas inteligentes. “La computación cognitiva se basa en sistemas de autoaprendizaje que utilizan técnicas de aprendizaje automático para realizar tareas específicas de tipo humano de manera inteligente”. La computación cognitiva se mantiene fiel a lo que consisten las máquinas inteligentes: una forma de inteligencia artificial que nos permite dar sentido a los datos que se procesan a través de los sistemas. Recorre una gran cantidad de datos que les tomaría a los humanos una cantidad inmensa de tiempo. Luego encuentra y crea datos procesables en lugar de datos sin procesar, lo que significa que las empresas pueden usar la información presentada en tiempo real. Esta herramienta facilita que las organizaciones realicen operaciones porque le da un propósito a los datos. Con tantos datos acumulados en las industrias líderes, el uso de esta herramienta hace que la información encontrada sea realmente útil, por lo que hace que los sistemas sobresalgan.
Otra noción importante es la fabricación inteligente. Es una categoría amplia de fabricación con el objetivo de optimizar la generación de conceptos, la producción y la transacción de productos. Si bien la manufactura puede definirse como el proceso de múltiples fases para crear un producto a partir de materias primas, la manufactura inteligente es un subconjunto que emplea control por computadora y altos niveles de adaptabilidad. La fabricación inteligente apunta a aprovechar las tecnologías avanzadas de información y fabricación para permitir la flexibilidad en los procesos físicos para abordar un mercado dinámico y global. Existe una mayor capacitación de la fuerza laboral para tal flexibilidad y uso de la tecnología en lugar de tareas específicas como es habitual en la fabricación tradicional.