La gente estalla en aplausos cuando aparece sobre el escenario de Múnich Torsten Kroeger, jefe científico de Intrinsic. Se trata de la empresa de Alphabet, propietaria de Google, que se ha autoimpuesto el deber de democratizar el acceso a la robótica en la industria.
Kroeger muestra la producción del futuro: a un lado, todas las inteligencias artificiales posibles, incluida obviamente la generativa; a otro lado, robots capaces de percepción, movimientos, interacción con las personas, nunca antes vistos; y en medio, Intrinsic, con su nube y su software embebido en tiempo real.
Enseña otra versión de lo mismo, que ilustra perfectamente el papel de Google como una de las grandes casas del Juego de Tronos de la industria 4.0: a un lado, toda la artillería de Alphabet, desde su cloud a su IA generativa Gemini, el sistema operativo Android y DeepMind; a otro lado, los caballeros de su tabla redonda, Siemens, NVIDIA, Comau, Trumpf o Keba; y en medio, haciendo de conector, Intrinsic.
Están trabajando en ello. Pero como en todas las historias con suspense, hay una pieza que falta por encajar. En otra sala del encuentro organizado por Siemens en Alemania, el director de business relations de Bayerische KI-Argentur, proclama “nadie puede hacer esto solo, necesitamos poner los datos en común de diferentes sectores hoy más que nunca”. ¿Qué falta en este mapa del nuevo mundo de Kroeger? Imágenes.
Los robots no saben leer el Quijote. Tampoco son capaces de inferir de La persistencia de la memoria de Dalí la forma de los componentes que tienen que insertar en un automóvil. Los grandes modelos de lenguaje de la IA generativa, que debe llevar la automatización de las empresas hasta el infinito y más allá, se han construido con texto e imágenes presentes en internet, pero a la industria eso no le basta. Deben entrenarse con imágenes específicas, y no son tan fáciles de conseguir. Al menos, las bien estructuradas y fiables.
Florian Bohne, jefe de ingeniería asistida por ordenador (CAE) de Inpro, habla del desafío de crear imágenes sintéticas usando IA. No son reales, pero deben parecerlo para que el entrenamiento sea preciso. Alguien le pregunta cómo está resultando la experiencia de producirlas en 3D. De su respuesta se deduce todo un sufrimiento: “es más desafiante, porque la luz, la posición, el reflejo… son cosas más difíciles de controlar”.
Kroeger apuntado, por si todo esto fuera poco, que “recolectar datos para los robots es caro”. Lo es, en efecto. Programar los sistemas de IA generativa, requiere una enorme cantidad de tiempo y de personal. DeepMind, la empresa que ha protagonizado el mayor hito hasta el momento de la IA, al predecir la estructura tridimensional de las proteínas con una información lineal, ya tiene el encargo de poner solución a este asunto.
El reto es entrenar a los robots utilizando, en lugar de miles de imágenes, apenas una decena de ellas. “Cómo diseñar un sistema que necesite la menor cantidad de datos posible”, plantea el jefe científico de Intrinsic. Evitar la necesidad de escribir código allí donde sea posible. Quizás la vía adecuada sea la de la “artificial specified Intelligence” (ASI, que arrebata el acrónimo a la superinteligencia).
Lo cual que del sueño de una IA de propósito general capaz de gobernar el mundo y de someternos a todos a sus designios, nos balanceamos hacia una ensalada de inteligencias artificiales que debemos gestionar de la forma más eficiente posible. La sensación de que todo está por hacer resulta inevitable, quién se lo hubiera dicho a los Fukuyama tecnológicos de los últimos tiempos.
Rainer Brehm, CEO de automatización industrial de Siemens, relata con viveza el itinerario que ha seguido su compañía desde hace un año para introducir Copilot, la IA generativa de Microsoft, en las fábricas. El gigante alemán decidió aliarse para ello con Schaeffler, que reúne la condición de cliente y productor de bienes de equipo. El sistema artificial absorberá el manual técnico del robot y podrá interactuar con los operarios.
“Los problemas técnicos aparecen cuando quieres demostrar que funciona a escala”, dice Brehm. El camino recorrido por las tres compañías podría considerarse la historia miniaturizada de la transición a la que se enfrenta toda la economía. ¿Por qué debería haber pantallas con la información del sistema Scada (software de control y supervisión de maquinaria), si los empleados pueden relacionarse con un asistente?
Con la IA generativa cambian todas las reglas del juego de la automatización. “Tenemos que cuestionarnos todo lo que hacíamos en el pasado”, sentencia el directivo de Siemens, “tenemos que repensar todos los patrones, necesitaremos automatizar, pero de una forma completamente diferente”.
Demoledor. Un momento a la vez peligroso y de enormes oportunidades para las pequeñas y medianas empresas, cuya participación en el proceso de engorde de la bestia de la IA resulta necesaria. El grito es hoy: ecosistema, ecosistema, ecosistema. Los llaneros solitarios se van a emborrachar de autorreferencias, en una espiral que les devolverá siempre al punto de partida. Donde el robot sigue haciendo lo de antes.
