Diseñar IA autónoma

Prefacio

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Hay un dicho que dice que "quien no sabe hacer, enseña; y quien no sabe enseñar, escribe". Pues bien, este libro no nació así. Pasé cuatro años viajando por todo el mundo a acerías, minas, fábricas, instalaciones de pruebas, estudios de diseño, talleres mecánicos, plantas químicas, campos petrolíferos, refinerías, almacenes y centros logísticos, aprendiendo de expertos en la materia sobre los retos y las oportunidades de la toma de decisiones industriales, para luego trabajar con ellos en el diseño de Inteligencia Artificial (IA) útil que pueda ayudarles a tomar mejores decisiones.

¿Qué es la IA autónoma?

La IA autónoma es la automatización impulsada por IA que optimiza los equipos y procesos detectando y respondiendo en tiempo real.

La gran hazaña de la IA moderna es programar algoritmos que puedan adaptarse y cambiar su comportamiento basándose en la retroalimentación. El objetivo de Diseñar la IA Autónoma es mostrarte cómo poner a trabajar estos algoritmos de aprendizaje enseñando a la IA a tomar decisiones acertadas en entornos reales de producción.

No estoy afirmando que los cerebros de IA puedan alcanzar la paridad con los humanos o igualar la capacidad humana en cualquier área (a menudo me referiré a una instancia específica de IA autónoma como un cerebro). Lo que digo es que cuando una IA autónoma se diseña adecuadamente y aprovecha al máximo los componentes de IA y automatización existentes, puede superar radicalmente a los sistemas que calculan acciones a partir de relaciones matemáticas conocidas, buscan y seleccionan acciones utilizando criterios objetivos, o buscan acciones a partir de la experiencia humana registrada. Veamos cada uno de los atributos un poco más en profundidad.

Hay una gran distancia que salvar entre la investigación sobre IA y la toma de decisiones útiles similares a las humanas en situaciones industriales. Así que, cuando la investigación sobre IA demostró que ésta puede aprender a realizar tareas complejas, me di a la tarea de averiguar qué tipo de decisiones puede aprender a tomar la IA en el mundo real. Verás, en aquel momento (hace cuatro años), cuando empecé este viaje para sondear las capacidades de toma de decisiones de la IA, las únicas decisiones que la IA de aprendizaje había demostrado tomar eficazmente eran en videojuegos y problemas de control "de juguete" drásticamente simplificados, como los que encontrarías en un libro de texto de física o ingeniería de primer curso universitario: simplificados hasta el punto de que un estudiante puede calcular qué hacer a continuación como un problema de palabras.

Avance rápido hasta hoy y he diseñado más de 150 IA autónomas para aplicaciones reales en grandes empresas. He construido muchas de ellas y algunas toman decisiones valiosas y eficaces que antes sólo podían tomar los seres humanos. Cada una realiza una única tarea útil, específica y material en un proceso empresarial.

Después de todos esos proyectos de IA sobre cualquier cosa, desde el control de excavadoras hasta la programación de almacenes o la fabricación de alimentos, ésta es mi conclusión: los procesos industriales reales son complejos y las decisiones para controlarlos y optimizarlos son difusas y están llenas de compensaciones. La experiencia humana que impulsa estos procesos es vasta y profunda, y no puede ser sustituida por algoritmos que busquen opciones de solución, ni siquiera por sistemas de control de cálculo avanzado. La IA autónoma puede suponer una mejora material en el control y la optimización de estos sistemas y procesos, pero tienes que estar dispuesto a adentrarte en cómo funcionan estos procesos y aprender de los expertos en la materia para diseñar una IA que produzca este tipo de resultados revolucionarios.

Nota

Si buscas diatribas sobre si la IA está sobrevalorada o si la IA alcanzará alguna vez las capacidades plenas de la mente humana, entonces éste no es el libro para ti.

Todos los días leo dislates sobre cómo la IA es un completo bombo publicitario que tiene poco valor diferenciado (como si la IA fuera realmente un elemento de ficción) o que la IA avanza hacia la superinteligencia y es un serio competidor de la mente humana en capacidad cognitiva general (esta perspectiva se parece más a la ciencia ficción). Ambas perspectivas no pueden ser ciertas. Mi opinión es, y mi experiencia lo demuestra, que la IA tiene unas capacidades únicas para tomar decisiones que la diferencian de otras tecnologías, pero que se utiliza mejor para tomar decisiones específicas de alto valor que complementan -no replican- a la mente humana. Así pues, si buscas un discurso sobre lo estúpida que es la IA inteligente o sobre lo aterradora que resulta, no es probable que encuentres lo que buscas en este libro. Si buscas un camino, un plan y las herramientas para diseñar una IA que pueda resolver incluso problemas actualmente irresolubles, ahora mismo, entonces estás en el lugar adecuado.

Una de las razones por las que algunos hacen afirmaciones descabelladas sobre la capacidad de la IA, mientras que otros, al mismo tiempo, gritan constantemente "¡Hype!" sobre las hazañas y técnicas de la IA, es porque en el discurso falta el necesario debate matizado sobre las capacidades de la IA en comparación con los métodos actuales para una tarea concreta. Tomemos como primer ejemplo el procesamiento del lenguaje natural. Estoy escribiendo esta introducción desde España. No necesito una IA que pueda entender y comprender el lenguaje humano para averiguar cómo se dice el número de mi habitación de hotel en español. La traducción automática de 143 (ciento cuarenta y tres) me resultó especialmente útil en este viaje. La utilicé todos los días para entrar en la zona de desayunos del hotel. Sin embargo, la IA que me tradujo el número de mi habitación no es en absoluto adecuada para resumir párrafos (otra tarea relacionada con el lenguaje) o escribir novelas (una tarea relacionada con el lenguaje aún más difícil).

Lo mismo ocurre con casi todas las IA autónomas que he diseñado. Si la sacas del contexto de la tarea para la que la diseñé, es muy posible que sea "hype". Pero si la utilizas para la tarea para la que la diseñé, la tarea que practicó dominar con el tiempo, no es "hype". Superará a la automatización existente y a veces alcanzará la categoría de experto humano. Este libro está lleno de ejemplos de tales logros de rendimiento, que podrás producir en tu propia IA cuando hayas terminado de leerlo. El primer paso para el éxito en el diseño del cerebro es poner el cerebro adecuado en el lugar adecuado. Encuentra situaciones en las que las máquinas toman malas decisiones que la IA autónoma puede tomar con mayor eficacia.

¿Quién debería leer este libro?

Expertos en procesos

Este libro es para los 100 millones de expertos en la materia que gestionan y tratan de automatizar equipos y procesos complejos.

Gartner informó en 2018 de que había aproximadamente 10.000 científicos de datos en el mundo. Aproximemos que esto significa que hay del orden de 10.000 expertos en IA que pueden diseñar y construir IA autónoma desde cero utilizando código. La mayoría de estos expertos tienen doctorados en áreas relacionadas con la IA. En cambio, en el mundo hay unos diez millones de ingenieros de software. La mayoría de estos desarrolladores están especializados en escribir aplicaciones de software, pero no son especialistas en IA. Su especialidad es escribir software y pueden hacerlo para aplicaciones muy diversas. Luego están los aproximadamente 100 millones de expertos en la materia que hay en el mundo. Estos ingenieros mecánicos, ingenieros químicos, ingenieros de procesos, ingenieros de control, analistas de la cadena de suministro, analistas de logística y muchos otros diseñan y gestionan equipos y procesos complejos y conocen estos equipos y estos procesos por dentro y por fuera. Estas poblaciones se visualizan en la Figura P-1.

Figura P-1. Diagrama del público principal al que va dirigido este libro.

Aunque los expertos en IA, los científicos de datos y los ingenieros de software pueden utilizar este libro para diseñar IA autónoma, lo he escrito para 100 millones de expertos en la materia que quieren que sus sistemas y procesos sean más autónomos. No necesitaba un doctorado en IA para idear este marco de diseño de IA autónoma, y tú no lo necesitas para utilizarlo.

Científicos de datos e ingenieros de software

El campo de la ciencia de datos está en auge. Por desgracia, he visto organizaciones innovadoras que emparejan a expertos en procesos e ingenieros de software con gran éxito, pero he visto muchas más organizaciones que esperan que los científicos de datos resuelvan los problemas de los procesos como si fueran magos que manejan la magia, con una influencia y un acceso limitados a los expertos en procesos. Este libro puede ayudar a los científicos de datos a aprender a tener una visión de pájaro de los sistemas y procesos para integrar eficazmente la experiencia en procesos. El resultado será una IA autónoma mejor y más fácil de implementar.

Consejo para expertos en IA, ingenieros de software y científicos de datos

Me alegro de que estés leyendo este libro. Este libro es para ti y hay partes muy especiales del proceso de desarrollo de la IA autónoma que sólo tú puedes realizar. Por ejemplo, analizar los datos del proceso es fundamental para diseñar y construir la IA autónoma y pocos pueden realizar esta función mejor que los científicos de datos. Lo mismo ocurre con la construcción e integración de modelos de aprendizaje automático. Integrar componentes de aplicaciones de software para construir IA autónoma requiere conocimientos de ingeniería de software. Mi única advertencia es que el proceso de diseño de la IA autónoma requiere una gran curiosidad por los sistemas y procesos que están fuera de tu área de especialización. Aunque seas capaz de escribir software y construir modelos de aprendizaje automático con un conocimiento mínimo de las personas y los procesos (por ejemplo, en una fábrica o en una operación logística), necesitarás adquirir profundos conocimientos de expertos en la materia para diseñar eficazmente la IA autónoma.

Líderes en innovación

Muchos líderes de la innovación que dirigen organizaciones de I+D y prácticas de consultoría han asistido a mis clases presenciales, que suponen un gran compromiso para ellos. Asisten a mis clases porque enmarcan el contexto y el valor de la IA autónoma como motor de su negocio. Estos líderes absorben la información técnica porque quieren separar los hechos de la ficción al evaluar la IA autónoma y sus capacidades. Líderes de la innovación, os invito a leer este libro para ayudaros a seleccionar casos de uso para la IA autónoma y a construir una práctica de IA autónoma.

Profesores

Este libro también es para profesores. La práctica de la enseñanza es crucial para diseñar bien los sistemas autónomos de IA. La práctica de enseñar a las máquinas expone, y nos obliga a articular, aspectos de la enseñanza que podemos trasladar para ayudarnos a hacer un mejor trabajo enseñando a los humanos.

Los profesores que lean este libro deberían buscar formas de que la enseñanza con máquinas pueda agudizar su mentalidad y su práctica docente.

Solucionadores de problemas

Por último, este libro es para las personas que quieren resolver problemas importantes de nuestro mundo utilizando IA autónoma.

Recuperamos esta tecnología naciente pero poderosa de la ciencia ficción, que encasilla a la IA autónoma como "robots asesinos", porque esta tecnología, en las manos creativas adecuadas, puede hacer mucho bien a las personas. Si te acercas a este libro con la esperanza de resolver problemas clave de la sociedad y de marcar una diferencia positiva en el mundo, te animo a que navegues por los detalles técnicos y los ejemplos y te agarres al marco para enseñar a la IA a hacer algo verdaderamente útil. Yo he diseñado IA para ayudar a los parques eólicos a generar energía más sostenible, a las fábricas a reducir las emisiones y a los edificios a reducir el consumo de energía. Mis alumnos han diseñado IA para la pesca sostenible, la agricultura vertical y muchos otros fines importantes. Tú también puedes.

¿Qué puedes esperar aprender de este libro?

Al final de este libro, sabrás cómo diseñar IA avanzada sin necesidad de manipular redes neuronales ni algoritmos de aprendizaje automático. Presentaré un poco de teoría, montones de ejemplos concretos y un marco arquitectónico probado para diseñar sistemas de IA autónomos, con el fin de mostrarte cómo enseñar a la IA habilidades y estrategias explícitas. Aprenderás diversos patrones de diseño de IA, cuándo utilizar cada patrón y cómo combinar patrones. Si sigues este libro y practicas con problemas reales, aprenderás:

• La diferencia entre sistemas de decisión automatizados y autónomos

• Las ventajas únicas de la IA autónoma para la toma de decisiones en tiempo real

• Cómo diseñar una IA autónoma a partir de componentes modulares

• Cómo aplicar patrones de diseño para crear diseños de IA explicables a partir de la experiencia humana

• Cómo enseñar a la IA autónoma habilidades y estrategias conocidas de forma explícita

Los sistemas automatizados pueden ser frágiles y requieren la supervisión e intervención constantes de los humanos. Los sistemas autónomos proporcionan capacidades de toma de decisiones más parecidas a las humanas de una forma explicable. También pueden ayudar a los humanos a adquirir importantes habilidades industriales. Quiero enseñarte el marco que he utilizado para seleccionar casos de uso y diseñar más de cien cerebros de IA autónoma para empresas como PepsiCo, Bell Flight, Shell y muchas otras. Diseñar IA autónoma tiene muchos beneficios materiales para las empresas, pero espero y deseo que muchos lectores utilicen sus nuevos conocimientos sobre IA autónoma para hacer el bien resolviendo problemas acuciantes. Escribí este libro porque quiero capacitarte para diseñar una IA autónoma que supere los puntos de referencia, revolucione las industrias y tenga un impacto material positivo enel mundo.

Al fin y al cabo, espero influir en tu forma de pensar sobre la creación de capacidades, la toma de decisiones y la resolución de problemas.

Convenciones utilizadas en este libro

En este libro se utilizan las siguientes convenciones tipográficas:

Cursiva

Indica nuevos términos, URL, direcciones de correo electrónico, nombres de archivo y extensiones de archivo.

Constant width

Se utiliza en los listados de programas, así como dentro de los párrafos para referirse a elementos del programa como nombres de variables o funciones, bases de datos, tipos de datos, variables de entorno, sentencias y palabras clave.

Constant width bold

Muestra comandos u otros textos que deben ser tecleados literalmente por el usuario.

Constant width italic

Muestra el texto que debe sustituirse por valores proporcionados por el usuario o por valores determinados por el contexto.

Consejo

Este elemento significa un consejo o sugerencia.

Nota

Este elemento significa una nota general.

Advertencia

Este elemento indica una advertencia o precaución.

Aprendizaje en línea O'Reilly

Nota

Durante más de 40 años, O'Reilly Media ha proporcionado formación tecnológica y empresarial, conocimientos y perspectivas para ayudar a las empresas a alcanzar el éxito.

Nuestra red única de expertos e innovadores comparten sus conocimientos y experiencia a través de libros, artículos y nuestra plataforma de aprendizaje online. La plataforma de aprendizaje en línea de O'Reilly te ofrece acceso bajo demanda a cursos de formación en directo, rutas de aprendizaje en profundidad, entornos de codificación interactivos y una amplia colección de textos y vídeos de O'Reilly y de más de 200 editoriales. Para más información, visita http://oreilly.com.

Cómo contactar con nosotros

Dirige tus comentarios y preguntas sobre este libro a la editorial:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Norte
• Sebastopol, CA 95472
• 800-998-9938 (en Estados Unidos o Canadá)
• 707-829-0515 (internacional o local)
• 707-829-0104 (fax)

Tenemos una página web para este libro, donde se enumeran erratas, ejemplos y cualquier información adicional. Puedes acceder a esta página en https://oreil.ly/designing-ai.

Envía un correo electrónico a [e-mail] para comentar o hacer preguntas técnicas sobre este libro.

Para obtener noticias e información sobre nuestros libros y cursos, visita http://oreilly.com.

Encuéntranos en Facebook: http://facebook.com/oreilly

Síguenos en Twitter: http://twitter.com/oreillymedia

Míranos en YouTube: http://youtube.com/oreillymedia

Agradecimientos

En primer lugar, ¡mi familia! Mi hijo Christien conoce todos los "cerebros de robot" en los que trabajo y mi mujer Poppy es la fuerza motriz de todo lo que hago. Mamá y Kate, gracias por apoyar mis ideas todos estos años.

Gracias a los arquitectos de soluciones de Sistemas Autónomos de Microsoft que practicaron la enseñanza de máquinas conmigo día tras día durante años en proyectos de clientes reales, entre ellos Jeff Bennett, que me inspiró por primera vez para escribir este libro allá por 2018, Marjorie Adriaenssens, Phil Harvey, Heather MacKinnon-Miller, Andy Wylie y Amanda Skrabut.

La comunidad de enseñanza de máquinas que me enseña constantemente cómo funcionan las cosas en el mundo real. Me encantan nuestras discusiones: Dale Erickson, Winston Jenks, Grant Bristow, Sean Eichenlaub, Prabu Parthasarathy, Bridget Fitzpatrick (te echamos de menos), Ed Van Valkenburg, Derek Bevan y Bryan DeBois.

Gracias a Max Petrie, Ashe Menon, David Pugh, Pitak Jongsuwat, Yanon Lorpatarapong, Atik Suvittham, Francisco Green y Asim Ghanchi por compartir conmigo tantos conocimientos sobre sistemas y procesos reales, ¡y por vuestras citas!

Gracias a mis compañeros del Proyecto Bonsai de Microsoft, empezando por los fundadores Mark Hammond y Keen Browne, que me inspiraron originalmente sobre la enseñanza automática; Marcos Campos, que desarrolló algunos de los primeros fundamentos de la enseñanza automática; Victor Shnayder y Brice Chung, que siempre me retaron a pensar rigurosamente sobre la enseñanza automática; Gurdeep Pall por escribir el prólogo; Dave Cahill y Kevin McCall, con los que viajé por todo el mundo hablando con expertos sobre IA autónoma; Julian Ostrow, Sandeep Kulkarni, Enes Bilgin, Hossein Khadivi Heris, Aydan Aksoylar, Khadija Mustafa, Ade Famoti, Mike Estee, Eric Traut, David Coe, Cyrill Glockner, Varsha Raju, Karen Veldeman y Brad Kerr.

Un agradecimiento especial a Teresa Escrig, tus correcciones y charlas sobre la estructura del libro han sido inestimables; Kingsuk Maitra, tus ideas me inspiran constantemente; Scott Stansfield, me encanta tu narrativa técnica; Brian Evergreen, Denise Feirstein y John Alexander; y Kalyan Bansu y Kartavya Neema por desarrollar el álgebra de tareas que presentamos en este libro. A Andrii Antilikatorov por su diseño del cerebro de la fábrica de caucho. Gracias Dr. Jonathan Schaeffer por hablar conmigo sobre el proyecto de optimización de las damas y sobre su investigación en IA.

Un agradecimiento especial a John Bilorusky, presidente del Instituto Occidental de Investigación Social (WISR). Su tutoría, sus debates sobre los temas de este libro y sus conocimientos sobre la enseñanza han sido inestimables. La mayor parte de la investigación para este libro se realizó en el WISR. El resto se realizó en Microsoft.

Gracias al equipo de desarrollo de contenidos de IBM, por dar una oportunidad a un Ingeniero Mecánico sin experiencia en redacción, y luego enseñarme a escribir: Hai-Nhu Tran, Frank Eldredge, Shannon Rouiller, Ellen Patterson, Michelle Carey, Kristin Vincent, Dell Burner, Robert Heath y Andrea Ames. Por último, gracias a mis increíbles editores: Rebecca Novak por darme la oportunidad de escribir este libro y a Sarah Grey y Jonathon Owen por la fantástica edición. Ha sido un placer escribir juntos este libro.