Casos de uso de aprendizaje profundo no están limitados a grandes empresas de tecnología

Cuando la compañía de publicidad digital Laughlin Constable fue contactada por la Asociación de Productores de Arándanos del Estado de Wisconsin sobre un proyecto para utilizar el aprendizaje profundo para identificar plagas en los pantanos de arándano, la idea fue recibida con escepticismo.

En primer lugar, no es el tipo de proyecto que suele asumir una empresa publicitaria. Y tampoco estaba claro si los productores tenían la base técnica sobre la cual construir este tipo de capacidad de aprendizaje profundo. Pero hablando en Spark + AI Summit en San Francisco, el vicepresidente de ingeniería de la empresa, Sam Saha, dijo que sentía que valía la pena intentarlo como un caso de uso de aprendizaje profundo.

"Hay muchas empresas allá afuera y no tienen el grupo de talentos [para usar IA]", dijo. "Se convierte en un círculo vicioso donde la innovación no está fluyendo con la corriente. En algún momento, solo tienes que levantarte y probar".

Construyendo IA en la industria de la construcción

Es difícil alejarse mucho más de IA que verter concreto y tender tuberías, pero en la cumbre, un científico de datos sénior de la empresa constructora Bechtel Corp., Evann Smith, describió el caso de uso de aprendizaje profundo de la compañía, que apunta a optimizar la planificación de la construcción.

Smith actualmente lidera un proyecto para usar modelos de aprendizaje de refuerzo similares a los utilizados por AlphaGo, el modelo de inteligencia artificial que venció a los campeones humanos del juego Go in 2016, para encontrar la ruta más rápida para construir proyectos. El modelo ejecuta simulaciones paso a paso de proyectos, probando secuencias de colocación de concreto e instalación de tuberías para encontrar la secuencia óptima.

Hay una serie de características exclusivas de la construcción que históricamente han dejado a la industria menos dependiente de la tecnología que otras. Por un lado, dijo Smith, cada proyecto es único, lo que significa que esencialmente no hay un conjunto de datos de entrenamiento de proyectos anteriores que puedan usarse para trabajos de aprendizaje automático como el que está ejecutando. Esa es una razón por la que está usando el aprendizaje de refuerzo, en el que las simulaciones se convierten esencialmente en el conjunto de datos de entrenamiento.

Además, el método de desarrollo ágil, que se ha convertido en el paradigma líder para la creación de aplicaciones de inteligencia artificial en la mayoría de las empresas, en realidad no se aplica a la construcción, en la que los proyectos se completan secuencialmente en lugar de iterativamente.

Aún así, Smith dijo que cree que el potencial para llevar casos de uso de aprendizaje profundo a la industria de la construcción es enorme, y que Bechtel está comenzando a explorar esa promesa.

"El objetivo es tomar nuestro conocimiento de la industria y vincularlo con este aprendizaje profundo para hacer avanzar la industria", dijo. "El potencial para optimizar es realmente importante".