1 Respuesta
Depende de a qué se refiera exactamente. Si te refieres a «IA combinada con IoT», entonces sí: coches que se conducen solos, reconocimiento de rostros mediante cámaras callejeras y sistemas de gestión del tráfico. Otro gran ejemplo es la gestión de flotas: cada camión, cada autobús, lo que sea, tiene sensores que envían datos a la nube y se muestran en un mapa grande y gigantesco. Otro ejemplo es el del petróleo y el gas: pozos petrolíferos, plataformas marinas, etc.
En el caso de las plataformas marinas, llegan a crear un «gemelo digital»: toda la torre está digitalizada, incluidos los procesos. Si algo va mal o corre un riesgo, se muestra en el gemelo digital en Realidad Virtual exactamente lo que está pasando, dónde y por qué. En «tiempo real». Otro caso de uso es utilizar ese gemelo digital con fines de formación en, por ejemplo, Realidad Mixta (Hololens). Se puede formar a las personas antes de que vayan a las plataformas en el extranjero.
En un entorno empresarial se trata más de «big data» combinado con IoT, donde los sensores IoT (o cámaras, etc.) producen los datos. Los big data suelen almacenarse en un almacén de datos o, más recientemente, en lagos de datos. Esos datos se procesan posteriormente, por ejemplo, para buscar patrones. No están necesariamente conectados más allá de que el IoT produzca los big data.
A veces es necesario tomar decisiones en tiempo real y la latencia de enviar los datos a la nube, procesarlos y luego devolver los resultados puede ser demasiado larga (los coches autoconducidos son de nuevo el ejemplo clásico). Así que se está haciendo más uso de la IA «en el borde», es decir, a nivel de dispositivos individuales (con ese sensor que produjo los datos) o cerca, para un grupo de dispositivos (llamado «la niebla»). Y los procesadores también se vuelven más potentes. En otoño se lanza una nueva placa base que permite el «aprendizaje profundo» en la ubicación de los dispositivos. Se entrena previamente la red neuronal en la nube con datos. Luego la empuja al borde donde se ejecuta sobre los datos que mide el sensor. Y entonces predice o prescribe una acción básicamente.
Se puede pensar en algoritmos sencillos de toma de decisiones en la planta de fabricación. O en la agricultura, donde muchos dispositivos IoT están demasiado lejos para conectarse constantemente con la nube. El mantenimiento predictivo es otro de esos ejemplos: el sensor del dispositivo + el algoritmo te dicen: «la máquina está a punto de estropearse, cuidado, consigue la pieza de repuesto ahora». La ventaja es que la fábrica puede sustituir la pieza durante el tiempo de inactividad y no durante la producción para un cliente importante.
HTH
