Trabajo para una empresa de inteligencia artificial, así que sé mucho sobre el aprendizaje automático. El año pasado, llevamos varias aplicaciones de aprendizaje automático (ML) a varias industrias de todo el mundo. INFORMAR es 20 de las empresas de IA más prometedoras del mundo y más recientemente, La empresa más innovadora de AlemaniaPero lo que me llamó la atención fue mi experiencia más personal con la IA, especialmente con el aprendizaje automático. Me encontré tratando de averiguar por qué había caca de perro en la oficina de mi casa.
Una historia de fondo rápida… Soy un gran admirador de la robótica y las soluciones para el hogar inteligente. He tenido un robot aspirador y una cortadora de césped desde hace un tiempo, y durante el verano incorporé un segundo robot aspirador más avanzado a mi arsenal doméstico. Esta aspiradora en particular ocupaba un lugar destacado en mi lista de “deseos” porque no solo es más silenciosa que la original, sino que también tiene funciones de aprendizaje automático.
Nada más sacarlo de la caja, la aspiradora ha cumplido su promesa de reducción de ruido. A diferencia de su predecesor, este robot no solo usó involuntariamente sensores de parachoques para detectar. Obstrucción en el camino de limpieza. El sistema de visión me permitió evitar colisiones por completo. Eventualmente, el sistema comenzó a registrar obstáculos interesantes en su patrón de limpieza, incluidos tableros de distribución, recogedores y, para mi sorpresa, caca de perro.
Entonces, cuando mi nuevo robot me informó que había caca de perro en la oficina de mi casa, me quedé bastante perplejo. El hecho es que no es así. Eso significa que no solo tienes que limpiar, tienes que averiguar cómo entró el perro a la oficina en primer lugar. Para mi alivio, cuando entré a la oficina con los guantes puestos, toallas de papel y artículos de limpieza, supe que no había nada que temer.
Decidí investigar un poco para tener una mejor idea de lo que sucedió aquí. Después de todo, no me gusta que me digan que tengo caca de perro en mi casa, se trataba de aprender continuamente lo que hay. Usando una técnica de aprendizaje automático supervisado llamada “clasificación”, los sistemas de IA se entrenan, o más bien se entrenan lentamente, para determinar los diferentes tipos de obstáculos que pueden encontrar. A medida que crece la experiencia y la base de conocimientos del algoritmo, también lo hace su precisión predictiva para la clasificación de obstáculos.
En el caso del resultado del acertijo de limpieza de oficinas, pude descargar una imagen de la falla. El resultado: la aspiradora “reconoció” la base negra del ventilador de mi oficina y su algoritmo de aprendizaje automático determinó que se trataba de caca de perro el 83 % de las veces. Marqué y evité obstáculos en la aplicación para evitar que se propagaran mientras limpiaba. Dado que la aspiradora toma sus propias decisiones cada vez y está aprendiendo constantemente, mis fanáticos son solo fanáticos habituales, y si les doy suficientes comentarios para que no estén sentados en una pila de caca de perro, estoy seguro de que el problema se resolverá solo. me hizo pensar más ampliamente sobre el estado del aprendizaje automático en el sector de la logística y si está por delante de mi nuevo robot aspirador.
Incluso hoy en día, existen varias soluciones de IA y ML en torno a la logística dentro del mercado. Las soluciones de planificación de la cadena de suministro global analizan conjuntos de datos masivos y aplican algoritmos inteligentes para ayudar a las organizaciones a equilibrar la oferta y la demanda mientras optimizan los procesos de entrega al mismo tiempo. Al profundizar en la red logística, hasta una sola ubicación, existen aplicaciones de IA y ML que pronostican la demanda y mejoran la previsión de la demanda. También monitoreamos y pronosticamos el tráfico y otros factores que pueden afectar la calidad y los tiempos de envío del transporte en nuestro sitio. Y finalmente, profundizando aún más en el microcosmos de las operaciones de clasificación, los robots impulsados y mejorados por IA y ML pronto podrían ayudar a los empleados humanos a descargar y cargar camiones y contenedores. Cuando llegas a este nivel, la comparación con mi robot aspirador se vuelve clara.
Fuente de la imagen: DHL
Ahora estoy pensando en la pregunta: “¿Qué pasaría si algo así sucediera en la operación real de una empresa de logística?” Dada la creciente dependencia de AI y ML para respaldar las operaciones de los operadores logísticos de todo el mundo, creo que es una muy buena pregunta para hacer. ¿Qué pasa si la tecnología hace una predicción incorrecta? ¿Quién es responsable del impacto financiero potencial o del impacto en la calidad del servicio? ¿Es lo suficientemente confiable? En el futuro, ¿cómo proporcionaremos una aprobación para las soluciones de aprendizaje automático si están destinadas inherentemente a seguir evolucionando y aprendiendo como sabes
Sé que son muchas preguntas sin respuestas. Dicho esto, a veces es útil hacer una pausa y hacer preguntas para las que no sabe intuitivamente la respuesta. Estoy seguro de que en los próximos meses, a medida que reflexionemos sobre estas preguntas, surgirán más y tal vez encontremos algunas buenas respuestas. Brindamos la información más reciente. Hasta entonces, que tu oficina en casa esté libre de visitas sorpresa de perros.