La capacidad de autoaprendizaje y la Inteligencia Artificial encuentra sus límites en la conectividad a redes y el acceso a Big Data y equipos con requisitos de determinada potencia. Estos límites empiezan a franquearse y encontramos señales de que es posible mantener tareas de este tipo en dispositivos desconectados o con acceso a internet intermitente. La denominada tecnología cognitiva capacita ya a algunas aplicaciones y dispositivos móviles a mantener sus funciones de interacción predictiva sin contar con acceso a la nube o servidores potentes de forma permanente. Así lo describe David Schatsky en su artículo para la Deloitte University Press sobre aprendizaje y movilidad.
Pone el autor como ejemplo los recientes desarrollos de los líderes tecnológicos principales. Un software de traducción usando pequeñas redes neuronales optimizadas para teléfonos móviles que funcionan sin conexión; El teléfono anunciado por Lenovo que utiliza múltiples sensores, proceso de imágenes a alta velocidad, navegador indoor y realidad aumentada también cuando está off line; El hardware de visión computerizada para drones fabricado por DJI que puede seguir objetos en movimiento o el procesador Qualcomm que junto a su plataforma de software puede mantener tareas de aprendizaje como clasificación de imágenes, reconocimiento de voz y detección de anomalías sin estar conectado a ninguna red.
La evolución de los sistemas de aprendizaje basados en Inteligencia Artificial es conocida como Neural Networks y consiste en modelos computacionales diseñados para imitar aspectos de la estructura del cerebro humano, con elementos similares a las neuronas y sus interconexiones. Esta tecnología la encontramos en aplicaciones ampliamente extendidas como el sistema de etiquetado de personas en las fotos de Facebook que utiliza esta capacidad neuronal para clasificar fotos de forma automática por sus contenidos, aunque eso sí, funcionando gracias a la nube en potentes servidores.
Hasta la fecha, los dispositivos móviles más avanzados podían realizar este reconocimiento facial sin estar conectados de forma limitada, por ejemplo identificando a su propietario para ser desbloqueado o atendiendo a órdenes básicas como el comando de voz “Ok Google”.
Una de las claves para implementar esta tecnología en móviles y dispositivos M2M es el uso de chips que pueden operar consumiendo un 90% menos batería como los investigados por el MIT o IBM.
Maquinas que aprenden a ser autónomas en todos los sentidos.
Dotar a dispositivos robotizados de capacidad de aprendizaje para dotarles de autonomía real en la toma de decisiones significa enseñarles a pensar de la misma manera que lo haría un humano, identificando las situaciones y las variaciones en el entorno de trabajo más allá de variables matemáticas. Google pone a disposición de cualquier desarrollador la tecnología del Proyecto Tango https://www.google.com/atap/project-tango/ que promete aplicar a cualquier dispositivo móvil la habilidad de navegar por el mundo físico a la manera de las personas, brindando un nuevo tipo de percepción espacial a los equipos Android añadiendo visión digital, procesamiento de imagen y sensores especiales avanzados en tres capacidades concretas:
- Motion Tracking
El seguimiento del movimiento del dispositivo permite orientarlo y posicionarlo de forma precisa en tiempo real y tres dimensiones. - Percepción de Profundidad
Los sensores desarrollados ayudan a comprender la forma real del mundo que rodea al dispositivo y mejora la interacción entre el espacio virtual y el real. - Área de Aprendizaje
Los dispositivos que cuentan con la tecnología Tango pueden usar pistas visuales para reconocer el terreno y aprender a corregir sus propios errores en movimiento, relocalizando los lugares que han visto antes.
El Proyecto Tango no sólo es posible para Android, sino que funciona con plataformas basadas den Java, C o Unity. Puede conseguir el kit de desarrollador en la web del proyecto.
[youtube]https://youtu.be/Qe10ExwzCqk[/youtube]