Tesla esperaba producir 5, 000 nuevos coches eléctricos Modelo 3 cada semana en 2018. Hasta ahora, no ha logrado fabricar ni la mitad de ese número. Cuestionado sobre el asunto, el director general de la empresa, Elon Musk, afirmó que "la automatización excesiva fue un error" y que "los humanos están subestimados".

No se equivoca:el reciente impulso por la automatización completa ha pasado por alto la importancia de la adaptabilidad. Los seres humanos todavía son mucho más capaces de adaptarse al cambio que la inteligencia artificial (IA). A largo plazo, La IA tiene el potencial de reemplazar a los trabajadores humanos, pero, por ahora, los líderes deben determinar la velocidad adecuada del cambio.

La fábrica de Tesla en Silicon Valley está altamente automatizada. Temprano, Musk entendió que cualquier proceso que siga una secuencia de pasos predefinidos y tenga lugar en un entorno bastante controlado, como el piso de una fábrica, podría automatizarse mediante inteligencia artificial y robots. Y esto es algo que se le debe atribuir.

Pero mientras los sistemas autónomos se desarrollan rápidamente, los humanos siguen siendo mucho mejores para adaptarse a cambios imprevistos. Cuando se trata de trabajos complejos en fábrica, esto es algo que no debe subestimarse. Mirando hacia atrás en los problemas de productividad de Tesla, Sin duda, Musk pasó por alto la importancia de la adaptabilidad en la fabricación. La probabilidad de pequeños errores y situaciones imprevistas es proporcional a la complejidad del proceso, especialmente cuando el proceso tiene lugar en el mundo físico.

Inteligencia adaptativa

Los seres humanos y otras formas de vida inteligente evolucionaron para sobrevivir en un mundo en constante cambio. Por esta razón, pueden hacer frente notablemente bien a situaciones imprevistas y discrepancias entre eventos esperados y reales. Como enfatiza el científico cognitivo Gary Marcus, hay muchas cosas "relacionadas con la inteligencia humana, como nuestra capacidad para atender las cosas correctas al mismo tiempo, razonar sobre ellos para construir modelos de lo que está sucediendo con el fin de anticipar lo que podría suceder a continuación, etc. "

Los seres humanos y los animales también pueden adaptar su cuerpo a situaciones radicalmente diferentes para lograr sus objetivos. Por ejemplo, podemos avanzar caminando, nadando, saltando trepar y gatear, y podemos hacerlo incluso si perdemos el uso de una extremidad. Estos aspectos dinámicos de los sistemas biológicos les ayudan a afrontar cambios radicales en situaciones muy complejas.

Aprendizaje automático, por otra parte, aún no está al nivel de la inteligencia y la adaptabilidad humanas. Seguro, hemos hecho grandes progresos. Hoy dia, algoritmos avanzados de IA, inspirado por el sistema nervioso, puede aprender a reconocer situaciones similares, como un semáforo que se pone rojo o una pelota que cae en la calle, incluso mejor que los humanos. Los avances en robótica también significan que los nuevos robots hechos de materiales blandos pueden adaptarse físicamente a objetos imprevistos en el entorno físico. Pero en ambos casos, la adaptabilidad se limita a variaciones dentro de una categoría restringida de objetos o eventos.

La verdad es que aún no dominamos el diseño de robots e IA que sean lo suficientemente resistentes como para responder a entornos impredecibles. Tomemos el ejemplo de los robots utilizados en la industria del embalaje. Los vehículos guiados automatizados con inteligencia a bordo limitada solo pueden seguir instrucciones de programación simples que los llevan a lo largo de rutas fijas en un entorno definido. Estos robots podrían recoger un producto y colocarlo en una caja de cartón, sin la capacidad de hacer nada más complejo. Cuando el trabajo cambia, el robot tendrá que ser reemplazado.

También se utilizan robots móviles más complejos. Tienen sensores y escáneres integrados, así como un software que les permita detectar su entorno y elegir la ruta más eficiente para que un producto no se coloque necesariamente en el mismo lugar cada vez. Estos robots más complejos son más flexibles y adaptables, pero todavía están bastante lejos de lo que pueden hacer los sistemas biológicos.

Esto podría ser un problema para las fábricas demasiado automatizadas donde pequeñas discrepancias físicas (una rueda rota, desgaste en el suelo, piezas colocadas de forma imprecisa) pueden acumularse rápidamente y dar lugar a situaciones impredecibles (un componente no está donde debería estar, falta un robot). Cuando un proceso cambia o la fábrica comienza a fabricar un nuevo producto, entonces es necesario reconfigurar el equipo y encontrar una solución diferente. Esto aún no está del todo al alcance de la inteligencia artificial y la robótica.

Automatización completa

Musk ha notado públicamente su deseo de crear una fábrica completamente autónoma. Su objetivo fundamental es superar los límites de la velocidad humana. Con mayor rapidez, se pueden lograr mayores resultados. Pero en entornos complejos, como una fábrica altamente automatizada, Existe la necesidad de robots altamente adaptables que puedan responder a situaciones imprevistas y entre sí como lo hacen los sistemas biológicos. Introducir ese tipo de resiliencia biológica en robótica e IA requiere más investigación.

El primero implica probar la automatización robótica dentro de un conjunto definido de procesos, como recoger la materia prima y colocarla en la línea de montaje. El segundo implica expandir esa prueba a múltiples funciones y procesos, como combinar la materia prima y envasar el producto. La tercera etapa es desplegar compañeros de trabajo robóticos e IA adaptativa como asistentes humanos. Hoy dia, esto es lo mejor a lo que podemos aspirar.

Todavía no está claro cuándo tendremos la tecnología para la automatización completa sin intervención humana (etapa cuatro) y qué forma tomará, pero se debe elogiar a Musk por intentarlo. Puede que haya subestimado a los humanos, pero lo que está aprendiendo es precioso y lo ayudará a conducir por delante de los demás en el futuro.

Este artículo se publicó originalmente en The Conversation. Lea el artículo original.