Cómo los sistemas autónomos utilizan IA que aprende del mundo que la rodea

Si una mina colapsa o un terremoto deja atrapadas a las personas en el subterráneo, los servicios de emergencia no pueden precipitarse en ese entorno subterráneo desconocido sin ponerse en peligro potencial.

Un equipo de rescate debe garantizar que un área sea sólida a nivel estructural y que el aire sea respirable antes de avanzar – lo que en ocasiones significa que la ayuda se moverá más lento de lo que todos quisieran.

En una competencia patrocinada por DARPA, los equipos diseñan robots autónomos que puedan explorar y mapear esos paisajes subterráneos que son peligrosos en potencia y también que identifiquen objetos de interés para los servicios de emergencia como sobrevivientes, mochilas, teléfonos móviles o extinguidores.

“Con un robot, puedes tomar mucho más riesgos y de manera potencial, moverte mucho más rápido en un rescate”, comentó Sebastian Scherer, profesor de investigación asociado de la Universidad Carnegie Mellon y líder conjunto de Team Explorer, que obtuvo el primer lugar en la ronda inicial del Subterranean Challenge con la tecnología AirSim de Microsoft para entrenar a sus robots a reconocer objetos en una mina simulada.

“Es en verdad complicado diseñar un sistema que opere en un entorno donde no tienes idea de lo que viene. Debe ser muy robusto y poder tomar decisiones por su cuenta para salir de un problema”, comentó Scherer.

Es justo el tipo de problema complicado que la plataforma de sistemas autónomos de Microsoft está diseñada para hacer más sencillo – junto con una creciente lista de otras aplicaciones industriales y de manufactura en las que la IA puede ser utilizada para enseñar a las máquinas a aprender de y responder al mundo físico.

En su conferencia Ignite en Orlando, Florida, Microsoft anunció que ha expandido un programa limitado en versión previa de su plataforma de sistemas autónomos, la cual ofrecerá más oportunidades para desarrolladores, ingenieros y clientes empresariales para que prueben sus primeros componentes.

Los sistemas autónomos son parte de una nueva clase de sistemas que van más allá de la automatización básica. En lugar de desempeñar una tarea específica de manera repetida y sin variación, son capaces de detectar y responder de manera dinámica a los cambios en los entornos para cumplir una meta deseada. La plataforma de Microsoft utiliza una combinación única de enseñanza automática, aprendizaje de refuerzo y simulación para ayudar a las compañías a crear esos sistemas.

En Ignite, Microsoft también anunció el lanzamiento de sus nuevas asociaciones con compañías como MathWorks, proveedor líder de software matemático de cómputo y creador de productos MATLAB y Simulink que son utilizados por millones de ingenieros y científicos a nivel mundial para diseñar sistemas complejos integrados y multidominio. La asociación permitirá a los ingenieros crear sistemas autónomos que utilicen IA y Azure de Microsoft con las herramientas de modelado y simulación utilizadas de manera amplia que ya se encuentran en las puntas de sus dedos.

Entre los nuevos socios también se encuentra Fresh Consulting, un equipo de consultoría de diseñadores, desarrolladores e ingenieros ubicado en Bellevue, Washington, que ayudan a los clientes a construir nuevos sistemas como tractores que entregan materiales de manera autónoma a granjas solares al aire libre o sitios de construcción.

Microsoft menciona que estas nuevas asociaciones reflejan el compromiso de la compañía de construir un sistema completo de socios – con experiencia que va desde simulación a software de drones e integración de sistemas – que apoyarán a los clientes interesados en dar el salto de sistemas automatizados a sistemas autónomos.

En algunos casos, esas compañías pioneras utilizan sistemas autónomos para desempeñar labores que son muy peligrosas o tediosas para que la gente las quieras hacer. En otros, ayudan a las personas que trabajan con sistemas físicos – algunos que ajustan reacciones químicas para hacer un lote óptimo de plásticos o que ajustan componentes automotrices para asegurar una conducción suave – a tomar decisiones más inteligentes al procesar mayores volúmenes de información que las personas puedan comprender.

El enfoque único de Microsoft de enseñanza automática permite a los empleados que pudieran saber mucho sobre mantener grandes edificios a una temperatura confortable sin desperdiciar energía o cómo se tiene que mover el material alrededor de un sitio de construcción, pero que no son expertos en ciencia de los datos para “enseñar” a los sistemas de IA de manera más intuitiva. Al utilizar la experiencia en el tema para romper complicadas tareas en partes más pequeñas, ayudan a la IA a llegar más rápido a las soluciones. Este enfoque también da como resultado una IA con un comportamiento explicable, lo que brinda a las personas un entendimiento más claro de cómo esta toma decisiones y la confianza de que la solución es sólida.

Los algoritmos de aprendizaje profundo de refuerzo – el cual la plataforma de sistemas autónomos de Microsoft selecciona y gestiona – aprenden al probar una serie de acciones y ver qué tan cerca llegan a una meta deseada. Pero dado que nadie quiere estrellar robots reales o desconectar piezas críticas de equipo mientras los algoritmos descubren qué funcionan, el entrenamiento sucede en entornos simulados.

Con el anuncio de la asociación con MathWorks, los clientes ahora pueden utilizar los modelos de MATLAB y Simulink con las herramientas de enseñanza automática de Microsoft para entrenar sistemas autónomos en la nube. Esto les permite utilizar un rango más amplio de modelos de simulación para activar al instante escenarios que simulen todas las diferentes condiciones que un sistema autónomo podría encontrar. Ya sea que representen las muchas amenazas potenciales dentro de una mina colapsada o el motor de un avión que vuela en diferentes condiciones climáticas, esto permite a la IA aprender de muchas situaciones simuladas a la vez.

El trayecto de sistemas automatizados a sistemas autónomos es un espectro de soluciones, y muy pocas de las interacciones que vemos son autónomas por completo, sin humanos en la zona de bucle. La amplia mayoría de tecnologías de asistencia que trabajan con las personas.

Millones de ingenieros a través de industrias como la automotriz, aeroespacial, de maquinaria industrial y de dispositivos médicos ya han construido modelos de sistemas que trabajan con MATLAB o Simulink. Esta nueva asociación permite a los usuarios llevar modelos de simulación construidos con MATLAB y Simulink a la plataforma de cómputo en la nube de Azure de Microsoft, lo que permite una escalabilidad sin precedente y facilita a los desarrolladores e ingenieros construir sistemas autónomos.

“Nuestro principal interés se debe en realidad a la productividad de la ingeniería – la capacidad de tener éxito en una tarea en la menor cantidad de tiempo posible”, comentó Lorean Dean, director de ingeniería en MathWorks para los productos MATLAB. “Esta asociación permite a los ingenieros mantenerse en un flujo de trabajo familiar para aprender y aplicar IA sin tener que hacer las cosas que no son tradicionales para ellos, como configurar la infraestructura para correr una gran cantidad de simulaciones a la vez. Están protegidos de todo eso”.

Al correr cientos de miles de simulaciones en paralelo en Azure y aprender de cantidades masivas de datos a la vez, los algoritmos de aprendizaje profundo de refuerzo pueden encontrar soluciones óptimas a problemas de control caóticos del mundo real que otros tipos de IA todavía batallan por resolver.

Resulta que esos problemas están en todas partes, comentó Gurdeep Pall, vicepresidente corporativo para Business AI en Microsoft. Microsoft recibió tres veces más interés del esperado después de abrir su programa de versión previa limitada de sistemas autónomos en mayo de 2019.

Las compañías que han aplicado para trabajar con el equipo y socios de sistemas autónomos de Microsoft buscan desarrollar sistemas de control para coser telas de manera inteligente, optimizar procesos de ingeniería química, fabricar bienes de consumo durables e incluso procesar alimentos. El potencial va más allá de vehículos robóticos o autónomos, comentó Microsoft.

“Estos son los tipos de diversos casos de uso para sistemas autónomos que hemos comenzado a ver surgir”, mencionó Pall. “Conforme los clientes aprenden sobre las capacidades de nuestra cadena de herramientas, vemos cómo la aplican de maneras en verdad interesantes porque esos problemas de control existen casi dondequiera que mires”.

La mayoría de los casos de uso de cliente que Microsoft ha visto hasta ahora involucran a empleados actuales que hacen sus trabajos de manera más eficiente, segura o con una mayor calidad, mencionó Mark Hammond, gerente general para Business AI en Microsoft y ex CEO de la startup Bonsai, que Microsoft adquirió en 2018. Conforme los sensores en los lugares de trabajo moderno recolectan aún más datos, se puede volver más difícil para cualquier operador – como alguien que guía un taladro o calibra equipo costoso – rastrear todo. Las herramientas de IA pueden procesar esos datos y llevar los patrones más relevantes a la atención de ese operador, lo que les permite tomar decisiones más informadas.

“El trayecto de sistemas automatizados a sistemas autónomos es un espectro de soluciones, y muy pocas de las interacciones que vemos son autónomas por completo, sin humanos en la zona de bucle”, comentó Hammond. “La amplia mayoría de tecnologías de asistencia que trabajan con las personas”.

Entrenar sistemas de IA en mundos virtuales

De manera tradicional, los modelos de IA a menudo se han apoyado en datos etiquetados con mucha mano de obra para entrenamiento, lo que funciona bien para muchos problemas, pero no para aquellos que carecen de datos del mundo real. Ahora, Microsoft y socios como MathWorks expanden el uso de IA hacia más áreas, como aquellas que requieren aprender del mundo físico tridimensional que los rodea, a través del poder del aprendizaje de refuerzo y la simulación.

Por mucho tiempo, los ingenieros han utilizado simulaciones para modelar de manera matemática los sistemas con los que trabajan en el mundo real. Esto les permite estimar como un cambio particular en un proceso químico, de manufactura o industrial podría afectar al desempeño, sin tener que preocuparse por disminuir la producción o poner en riesgo a las personas o al equipo.

Ahora, esas mismas simulaciones pueden ser utilizadas para entrenar a los algoritmos de aprendizaje de refuerzo para encontrar soluciones óptimas, comentó Dean.

“La IA en verdad aumenta cómo esos sistemas tradicionales han trabajado – te da mayor confianza en tu diseño y te brinda las capacidades adicionales que antes se tenían que hacer de manera manual o que eran difíciles de resolver”, mencionó Dean.

Imaginen a un ingeniero de construcción cuyo trabajo es calibrar todos los sistemas de calefacción y refrigeración en un edificio comercial de gran tamaño para mantener cada habitación a un temperatura confortable mientras las personas entran y salen de reuniones y el clima exterior fluctúa – todo esto mientras se utiliza la menor cantidad posible de energía. Esto podría involucrar afinar docenas de diferentes parámetros y podría tomar muchos ciclos de modelado y cambios de mediciones para que ese ingeniero encuentre el mejor balance de controles.

Con la nueva asociación de Microsoft y MathWorks, ese experto en ingeniería podría utilizar herramientas de enseñanza automática para ayudar a un sistema de IA a enfocarse en las dimensiones más importantes del problema, establecer límites de seguridad y descubrir cómo recompensar el éxito conforme el algoritmo aprende. Esto permite una mayor transparencia y confianza en cómo el sistema de IA toma decisiones y también le ayuda a trabajar de manera más eficiente en lugar de explorar de manera aleatoria todas las posibilidades.

El ingeniero podría entrenar a la IA a través de modelos que él o ella ya hayan desarrollado en MATLAB o Simulink. Las simulaciones pueden ser escaladas de manera automática en la nube de Azure – lo que significa que el ingeniero no tiene que preocuparse por aprender cómo hospedar y gestionar clústeres informáticos.

El resultado final es que el ingeniero de construcción utiliza IA para centrarse en soluciones prometedoras mucho más rápido – pero todavía usa su juicio para decidir qué funciona mejor.

“Esta asociación en verdad combina lo mejor de las capacidades de MathWorks para modelado y simulación con lo mejor de las capacidades de Microsoft para el cómputo en la nube y la IA”, comentó Hammond de Microsoft.

Nuestro interés principal en verdad se trata de la productividad en ingeniería – la capacidad de tener éxito en una tarea en la menor cantidad posible de tiempo.

Pero las necesidades de la simulación varían mucho. Algunos ingenieros ejecutan ecuaciones en matemáticas puras para modelar dinámica de fluidos mientras que otros quieren probar las capacidades de detección de un dron en escenas fotorrealistas. Es por eso que la cadena de herramientas de los sistemas autónomos también incluye AirSim, una tecnología de código abierto desarrollada por Microsoft para simular vehículos, drones y otro equipo que opere en entornos tridimensionales virtuales.

Por ejemplo, en el DARPA Subterranean Challenge, investigadores y estudiantes de CMU y la Universidad Estatal de Oregon utilizaron AirSim para entrenar modelos de percepción que detecten objetos como personas, mochilas o teléfonos de datos LIDAR tridimensionales. En sus dos mejores salidas, los robots de Team Explorer pudieron detectar y mapear 25 artefactos – más del doble que cualquier otro equipo.

Artistas utilizaron material de referencia de minas del mundo real para crear en AirSim un intrincado laberinto de túneles virtuales hechos por el hombre. Las simulaciones también incluyeron a los vehículos robóticos del equipo y datos de sensores que reflejaron obstáculos y objetos que podrían encontrar.

Otros han utilizado AirSim para entrenar drones para detectar cazadores furtivos de elefantes y para inspeccionar turbinas de viento de manera autónoma.

“Puedo crear un escenario en el que la turbina de viento opere en cielos nubosos con condiciones de viento y otro con luz de sol y altas temperaturas y con todas sus permutaciones en medio”, comentó Ashish Kapoor, investigador principal en Microsoft. “Hay miles de diferentes mundos que podemos crear de manera instantánea y en paralelo la IA puede aprender de ellos”.

La capacidad de generar datos a una escala tan masiva permite a los algoritmos de aprendizaje de refuerzo identificar de manera exacta qué acciones o series de pasos importaron más para alcanzar una meta, lo que es crítico para resolver problemas dinámicos del mundo real.

AirSim también es adecuado para modelar situaciones donde entra en juego el comportamiento impredecible de las personas, comentó Kapoor. En esos casos, no hay leyes inmutables de movimiento o física en la cual apoyarse.

“No podemos utilizar técnicas existentes de control, así que necesitas algo para crear un mundo que imite todo este comportamiento sin estructura. Y eso es lo que AirSim hace muy bien – te permite crear datos que representan el caos de la vida humana”, mencionó Kapoor.

En la primera ronda del Subterranean Challenge de DARPA, el equipo ganador Explorer utilizó la tecnología de simulación de AirSim de Microsoft para que le ayudara a construir vehículos y drones autónomos que pudieran mapear y localizar objetos en minas subterráneas. Foto cortesía de la Universidad Carnegie Mellon.

Construir un ecosistema de socios

Ayudar a los clientes a hacer la transición de sistemas automatizados a sistemas autónomos – un cambio que Microsoft dice es fundamental para la cuarta revolución industrial – requerirá más que la actuación de una compañía por su cuenta.

Además de su sólido catálogo de servicios de Internet de las Cosas, las asociaciones de Microsoft con compañías como Fresh Consulting ayudarán a los clientes que ven los beneficios de los sistemas autónomos impulsados por IA podrían ofrecer, pero que tal vez necesiten ayuda conceptual o técnica para ayudarles a construirlos.

Otros anuncios de colaboración y asociación incluyen a los fabricantes de software de simulación AnyLogic, CGTech, los proveedores de solución Neal Analytics y al fabricante de software empresarial para drones 3DR.

En un almacén actual, comentó Jeff Dance, CEO de Fresh Consulting, las compañías tienen que construir una gran cantidad de infraestructura alrededor de un brazo robótico automatizado que sólo puede recoger un objeto de cierto tamaño o en una cierta orientación. Tal vez creen estantes o pallets especiales que necesitan ser rediseñados si el proceso o el producto cambian. En contraste, los sistemas autónomos son diseñados para adaptarse al mundo que los rodea.

“Cuando puedes crear una máquina autónoma que puede lidiar con nuevas situaciones nunca vistas, no tienes que crear esa infraestructura, y eso es un beneficio enorme”, mencionó Dance.

Fresh Consulting también se encuentra en el desarrollo de una flotilla de tractores autónomos que pueden entregar paneles y otros materiales a trabajadores que ensamblan granjas solares – conforme se necesiten en el campo. Con una persistente escasez de mano de obra en la industria de la construcción, esto permite que las instalaciones vayan más rápido y que los empleados se enfoquen en las partes más interesantes del trabajo, comentó Dance.

Microsoft se asocia con integradores de sistemas como Fresh Consulting para ayudar a los clientes que están interesados en sistemas autónomos, pero no tienen la experiencia clave en diseño de hardware o software, mencionó Pall.

Todavía es una industria emergente, y Microsoft todavía está en el proceso de escuchar a los primeros clientes para refinar su cadena de herramientas de sistemas autónomos y ayudar a reunir las piezas del rompecabezas, agrego.

“De manera eventual llegaremos a una plataforma que se vuelva accesible por completo para todos, y ese será el punto de inflexión en cómo construimos cosas a la manera antigua y cómo construimos cosas de maneras nuevas por completo”, comentó Pall.

“Pero lo que hemos visto a través de la historia es que son las personas que adoptan primero estos grandes saltos, no aquellos que se mueven de manera lenta hasta que llegan al límite de sus zonas de confort, quienes emergen como líderes en el nuevo paradigma. Y, en definitiva, cuando hablas con los clientes, puedes saber quién ha comenzado a saltar”.

Imagen principal: Fresh Consulting, socio de Microsoft ubicado en Bellevue, Washington, ayuda a los clientes a construir sistemas autónomos como estos tractores que pueden entregar materiales de manera autónoma a trabajadores que ensamblan granjas solares. Foto cortesía de Fresh Consulting.

Contenido relacionado: