"¿Quién es Bram Stoker?" Esas tres palabras demostraron el asombroso potencial de la inteligencia artificial. Fue la respuesta a una pregunta final en un episodio de 2011 particularmente memorable de Jeopardy !. Los tres competidores eran los ex campeones Brad Rutter y Ken Jennings, y Watson, una supercomputadora desarrollada por IBM. Al responder correctamente a la pregunta final, Watson se convirtió en la primera computadora en vencer a un humano en el famoso programa de preguntas.

"En cierto sentido, Watson gana Jeopardy! parecía injusto para la gente, "dice Jeehwan Kim, Profesor de desarrollo profesional de la clase 47 y miembro de la facultad de los departamentos de Ingeniería Mecánica y Ciencia e Ingeniería de Materiales del MIT. "En el momento, Watson estaba conectado a una supercomputadora del tamaño de una habitación, mientras que el cerebro humano solo pesaba unos pocos kilos. Pero la capacidad de replicar la capacidad de aprendizaje de un cerebro humano es increíblemente difícil ".

Kim se especializa en aprendizaje automático, que se basa en algoritmos para enseñar a las computadoras cómo aprender como un cerebro humano. "El aprendizaje automático es computación cognitiva, ", explica." Su computadora reconoce cosas sin que usted le diga a la computadora lo que está mirando ".

El aprendizaje automático es un ejemplo de inteligencia artificial en la práctica. Si bien la frase "aprendizaje automático" a menudo evoca ciencia ficción tipificada en programas como "Westworld" o "Battlestar Galactica, "Los sistemas y dispositivos inteligentes ya son omnipresentes en la estructura de nuestra vida diaria. Las computadoras y los teléfonos usan el reconocimiento facial para desbloquear. Los sistemas detectan y ajustan la temperatura en nuestros hogares. Los dispositivos responden preguntas o reproducen nuestra música favorita a pedido. Casi todos los automóviles importantes empresa ha entrado en la carrera para desarrollar un automóvil autónomo seguro.

Para que cualquiera de estos productos funcione, el software y el hardware deben funcionar en perfecta sincronía. Cámaras sensores táctiles, Radar, y la detección de luz deben funcionar correctamente para enviar información a las computadoras. Es necesario diseñar algoritmos para que estas máquinas puedan procesar estos datos sensoriales y tomar decisiones basadas en la mayor probabilidad de éxito.

Kim y gran parte de la facultad del Departamento de Ingeniería Mecánica del MIT están creando un nuevo software que se conecta con el hardware para crear dispositivos inteligentes. En lugar de construir los robots sensibles romantizados en la cultura popular, estos investigadores están trabajando en proyectos que mejoran la vida cotidiana y hacen que los seres humanos sean más seguros, más eficiente, y mejor informado.

Hacer que los dispositivos portátiles sean más inteligentes

Jeehwan Kim sostiene una hoja de papel. Si él y su equipo tienen éxito, un día, la potencia de una supercomputadora como la Watson de IBM se reducirá al tamaño de una hoja de papel. "Estamos intentando construir una red neuronal física real en papel de tamaño carta, "explica Kim.

Hasta la fecha, la mayoría de las redes neuronales se han basado en software y se han creado utilizando el método convencional conocido como método de computación de Von Neumann. Sin embargo, Kim ha estado usando métodos de computación neuromórfica.

"Computadora neuromórfica significa IA portátil, "dice Kim". se construyen neuronas artificiales y sinapsis en una oblea a pequeña escala ". El resultado es el llamado 'cerebro en un chip'.

En lugar de calcular información a partir de señalización binaria, La red neuronal de Kim procesa la información como un dispositivo analógico. Las señales actúan como neuronas artificiales y se mueven a través de miles de matrices hasta puntos de cruce particulares, que funcionan como sinapsis. Con miles de arreglos conectados, Se podrían procesar grandes cantidades de información a la vez. Por primera vez, un equipo portátil podría imitar el poder de procesamiento del cerebro.

"La clave de este método es que realmente necesitas controlar bien las sinapsis artificiales. Cuando hablas de miles de puntos de cruce, esto plantea desafíos, "dice Kim.

Según Kim, el diseño y los materiales que se han utilizado para hacer estas sinapsis artificiales hasta ahora no han sido ideales. Los materiales amorfos utilizados en los chips neuromórficos hacen que sea increíblemente difícil controlar los iones una vez que se aplica voltaje.

en un Materiales de la naturaleza estudio publicado a principios de este año, Kim descubrió que cuando su equipo hizo un chip de silicio germanio, pudieron controlar la corriente que fluía fuera de la sinapsis y reducir la variabilidad al 1 por ciento. Con control sobre cómo reaccionan las sinapsis a los estímulos, era hora de poner a prueba su chip.

"Imaginamos que si construimos la red neuronal real con material, podemos reconocer la escritura a mano, "dice Kim. En una simulación por computadora de su nuevo diseño de red neuronal artificial, proporcionaron miles de muestras de escritura a mano. Su red neuronal pudo reconocer con precisión el 95 por ciento de las muestras.

"Si tiene una cámara y un algoritmo para el conjunto de datos de escritura a mano conectados a nuestra red neuronal, puede lograr el reconocimiento de escritura a mano, "explica Kim.

Si bien la construcción de la red neuronal física para el reconocimiento de escritura a mano es el siguiente paso para el equipo de Kim, el potencial de esta nueva tecnología va más allá del reconocimiento de la escritura a mano. "Reducir la potencia de una supercomputadora a un tamaño portátil podría revolucionar los productos que usamos, "dice Kim." El potencial es ilimitado:podemos integrar esta tecnología en nuestros teléfonos, ordenadores, y robots para hacerlos sustancialmente más inteligentes ".

Haciendo hogares más inteligentes

Mientras Kim trabaja para hacer que nuestros productos portátiles sean más inteligentes, El profesor Sanjay Sarma y el científico investigador Josh Siegel esperan integrar dispositivos inteligentes dentro del producto más grande que poseemos:nuestros hogares.

Una noche, Sarma estaba en su casa cuando uno de sus disyuntores seguía sonando. Este disyuntor, conocido como interruptor de circuito por falla de arco (ICFA), fue diseñado para cortar la energía cuando se detecta un arco eléctrico para evitar incendios. Si bien los AFCI son excelentes para prevenir incendios, en el caso de Sarma, no parecía haber ningún problema. "No había ninguna razón discernible para que siguiera funcionando, "recuerda Sarma." Fue una distracción increíble ".

Los ICFA son conocidos por estos 'viajes molestos, 'que desconectan objetos seguros innecesariamente. Sarma, quien también se desempeña como vicepresidente de aprendizaje abierto del MIT, convirtió su frustración en oportunidad. Si pudiera integrar el AFCI con tecnologías inteligentes y conectarlo al 'Internet de las cosas, «Podría enseñarle al disyuntor a saber cuándo un producto es seguro o cuándo un producto realmente presenta un riesgo de incendio.

"Piense en ello como un escáner de virus, "explica Siegel." Los escáneres de virus están conectados a un sistema que los actualiza con nuevas definiciones de virus a lo largo del tiempo. "Si Sarma y Siegel pudieran incorporar tecnología similar en AFCI, los disyuntores podrían detectar exactamente qué producto se está conectando y aprender nuevas definiciones de objetos con el tiempo.

Si, por ejemplo, se conecta una nueva aspiradora al disyuntor y se apaga sin motivo alguno, el AFCI inteligente puede saber que es seguro y agregarlo a una lista de objetos seguros conocidos. El AFCI aprende estas definiciones con la ayuda de una red neuronal. Pero, a diferencia de la red neuronal física de Jeewhan Kim, esta red está basada en software.

La red neuronal se construye recopilando miles de puntos de datos durante las simulaciones de arco. Luego se escriben algoritmos para ayudar a la red a evaluar su entorno, reconocer patrones, y tomar decisiones basadas en la probabilidad de lograr el resultado deseado. Con la ayuda de una microcomputadora de $ 35 y una tarjeta de sonido, el equipo puede integrar económicamente esta tecnología en disyuntores.

A medida que el AFCI inteligente aprende sobre los dispositivos que encuentra, puede distribuir simultáneamente sus conocimientos y definiciones a todos los demás hogares utilizando Internet de las cosas.

"Internet de las cosas también podría llamarse 'inteligencia de las cosas, "dice Sarma." Inteligente, las tecnologías locales con la ayuda de la nube pueden hacer que nuestros entornos sean adaptables y que la experiencia del usuario sea perfecta ".

Los disyuntores son solo una de las muchas formas en que se pueden utilizar las redes neuronales para hacer que los hogares sean más inteligentes. Este tipo de tecnología puede controlar la temperatura de su casa, detectar cuando hay una anomalía, como una intrusión o una tubería rota, y ejecute diagnósticos para ver cuándo es necesario reparar algo.

"Estamos desarrollando software para monitorear sistemas mecánicos que se aprende a sí mismo, "explica Siegel." No le enseñas a estos dispositivos todas las reglas, les enseñas cómo aprender las reglas ".

Hacer que la fabricación y el diseño sean más inteligentes

La inteligencia artificial no solo puede ayudar a mejorar la forma en que los usuarios interactúan con los productos, dispositivos, y entornos. También puede mejorar la eficiencia con la que se fabrican los objetos optimizando el proceso de fabricación y diseño.

"El crecimiento de la automatización junto con tecnologías complementarias, incluida la impresión 3D, AI, y el aprendizaje automático nos obliga a a la larga, repensar cómo diseñamos las fábricas y las cadenas de suministro, "dice el profesor asociado A. John Hart.

Ciervo, que ha realizado una amplia investigación en impresión 3D, ve la IA como una forma de mejorar la garantía de calidad en la fabricación. Impresoras 3D que incorporan sensores de alto rendimiento, que son capaces de analizar datos sobre la marcha, ayudará a acelerar la adopción de la impresión 3D para la producción en masa.

"Tener impresoras 3-D que aprendan a crear piezas con menos defectos e inspeccionar las piezas a medida que las fabrican será un gran problema, especialmente cuando los productos que está fabricando tienen propiedades críticas, como dispositivos médicos o piezas para motores de aviones, "Hart explica.

El mismo proceso de diseño de la estructura de estas piezas también puede beneficiarse del software inteligente. La profesora asociada Maria Yang ha estado estudiando cómo los diseñadores pueden usar herramientas de automatización para diseñar de manera más eficiente. "Lo llamamos inteligencia híbrida para el diseño, ", dice Yang." El objetivo es permitir una colaboración eficaz entre las herramientas inteligentes y los diseñadores humanos ".

En un estudio reciente, Yang y el estudiante de posgrado Edward Burnell probaron una herramienta de diseño con diferentes niveles de automatización. Los participantes utilizaron el software para elegir nodos para una armadura bidimensional de una señal de pare o un puente. La herramienta generaría automáticamente soluciones optimizadas basadas en algoritmos inteligentes sobre dónde conectar los nodos y el ancho de cada parte.

"Estamos tratando de diseñar algoritmos inteligentes que se ajusten a la forma en que los diseñadores ya piensan, "dice Burnell.

Haciendo robots más inteligentes

Si hay algo en el campus del MIT que se parezca más a los robots futuristas de la ciencia ficción, sería el guepardo robótico del profesor Sangbae Kim. La criatura de cuatro patas detecta el entorno que la rodea utilizando tecnologías LIDAR y se mueve en respuesta a esta información. Al igual que su homónimo, puede correr y saltar obstáculos.

El enfoque principal de Kim es la navegación. "Estamos construyendo un sistema muy exclusivo especialmente diseñado para el movimiento dinámico del robot, "explica Kim." Creo que va a remodelar los robots interactivos en el mundo. Puede pensar en todo tipo de aplicaciones:médicas, cuidado de la salud, suerte."

Kim ve la oportunidad de conectar eventualmente su investigación con la red neuronal física en la que está trabajando su colega Jeewhan Kim. "Si quieres que el guepardo reconozca a las personas, voz, o gestos, necesita mucho aprendizaje y procesamiento, ", dice." El hardware de la red neuronal de Jeewhan posiblemente podría habilitar eso algún día ".

La combinación del poder de una red neuronal portátil con un robot capaz de navegar hábilmente por sus alrededores podría abrir un nuevo mundo de posibilidades para la interacción humana y de inteligencia artificial. Este es solo un ejemplo de cómo los investigadores en ingeniería mecánica pueden colaborar un día para llevar la investigación de la IA al siguiente nivel.

Si bien podemos estar a décadas de interactuar con robots inteligentes, La inteligencia artificial y el aprendizaje automático ya se han introducido en nuestras rutinas. Ya sea utilizando el reconocimiento facial y de escritura a mano para proteger nuestra información, aprovechar el Internet de las cosas para mantener nuestros hogares seguros, o ayudar a los ingenieros a construir y diseñar de manera más eficiente, los beneficios de las tecnologías de IA son omnipresentes.

La fantasía de ciencia ficción de un mundo dominado por robots está lejos de la verdad. "Existe esta noción romántica de que todo será automático, "agrega Maria Yang." Pero creo que la realidad es que vas a tener herramientas que funcionarán con las personas y ayudarán a hacer su vida diaria un poco más fácil ".

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.