Si sigue nuestras redes sociales sabrá que la semana pasada estuve en el Re:Invent de AWS, un evento que este año reunió a cerca de 65 mil asistentes y en el que la Inteligencia Artificial y el Machine Learning fueron uno de los temas más importantes (al punto que hubo toda una tarde, en el Machine Learning Summit, dedicado sólo al tema).
Y es que más allá del hype que producen estos términos, y lo mucho que han sido usados (y abusados), en el evento tuve la oportunidad de ver cómo el Machine Learning se vuelve una herramienta casi que estándar en los procesos de desarrollo de herramientas y cómo ya hay varias compañías que utilizan la tecnología de AWS asociada a la inteligencia artificial para crear casos de negocio que aunque reales, parecen sacados de una película de ciencia ficción.
Déjeme le cuento algunas de las que más me llamaron la atención:
En Medicina…
Durante el Re:Invent vi un par de compañías que mostraron como utilizan Machine Learning para mejorar la exactitud de los procesos de detección y diagnóstico de diferentes tipos de Cáncer.
Procesos que ayudan a los médicos a detectar la enfermedad en etapas mucho más tempranas que en las que se detectan en la actualidad, lo que aumenta exponencialmente la posibilidad de que los pacientes sobrevivan a la enfermedad.
Procesos que enfocan recursos donde más se necesitan y disparan la expectativa de vida de los pacientes, a la vez que ahorran costos a la cadena de clínicas, hospitales, seguros y demás.
Este es uno de los sectores en donde más vemos avances importantes gracias al uso de estas tecnologías.
Eficiencia Operacional en Manufactura…
Compañías como ABB y Volkswagen ya han incorporado maquinaria en sus procesos de manufactura que pueden medir y recolectar información.
Información que luego alimenta algoritmos de machine learning en busca de optimizaciones de procesos y que les ha permitido a ambas compañías ahorrar millones de dólares en costos y acelerar sus procesos.
Piense en menores costos de operación, menores tiempos de fabricación, menores errores y reprocesos. Todo gracias a la integración de la cadena de manufactura con sensores y al análisis de miles de millones de puntos de datos que se convierten en información relevante e importante.
Producción de Alimentos Optimizada….
Si hay un sector que me llama mucho la atención es el de producción de alimentos.
Para nadie es un secreto que el crecimiento poblacional, y en especial el paso de miles de millones de personas de situaciones de pobreza a estándares de clase media, hará imposible que tengamos alimentos para todos en menos de 3 décadas. Por lo menos si seguimos usando los mismos mecanismos de producción que venimos usando.
Compañías como Bowery Farming y Aquabyte, la primera de granjas verticales de producción de vegetales y la segunda una consultora para pisciculturas, utilizando algoritmos de inteligencia artificial para mejorar la productividad de sus “cultivos”.
El segundo caso me pareció interesante: el algoritmo de Aquabyte no sólo puede contar autónomamente la cantidad de pescados en un tanque sino que puede identificar a cada uno de ellos por sus caras (si señor, las caras de los pescados son diferentes), sino que puede identificar si tienen parásitos.
Vehículos Autónomos
No. No estoy hablando de carros. Estoy hablando de drones. Pero no de los drones que se está imaginando. Estoy hablando de drones veleros.
Veleros robotizados que pueden navegar autónomamente areas remotas para recoger información del mar, del viento, de la corriente, etc., etc.
Saildrone, la compañía que ha implementado esta tecnología, utiliza Machine Learning para mantener su flota de veleros navegando de manera autónoma y recogiendo información para sus operaciones en los sitios más recónditos del planeta.
Deportes: mejores estadísticas, más foco en la salud de los jugadores…
El deporte y las estadísticas siempre han ido de la mano pero creo que pocos son tan intensivos en data como el futbol americano. Ya desde el año pasado la NFL y AWS habían anunciado Next Gen Stats (estadísticas de próxima generación), un sistema de que incorpora análisis de video, con georeferenciación individual de cada jugador (vía unos tags que llevan en su uniforme), con reconocimiento de imágenes y el análisis de cuanto dato pueda imaginarse -velocidad, posición, aceleración, fuerza de impacto- para crear una experiencia más inmersiva para el cliente.
Una experiencia que toma esa data, la procesa y analiza utilizando algoritmos de machine learning previamente entrenados para que en las transmisiones de video se puedan incorporar gráficos dinámicos que analizan lo que ocurre en cada centímetro de la cancha, en tiempo real.
En esta ocasión, la NFL y AWS anunciaron una nueva alianza. O mejor la expansión de la alianza actual para incorporar ese arsenal de algoritmos y capacidad de análisis de información de cara a las lesiones que sufren sus jugadores.
La idea es poder analizar los feeds de video y la información recolectada a partir de las decenas de sensores que ya hay en la cancha y en los uniformes de los jugadores para entender cómo se generan las lesiones y poder medidas que permitan disminuir su ocurrencia, como el cambio de equipos de protección, reglas y planes de entrenamiento y rehabilitación para cada jugador.
Es una tarea titánica, como todas las demás de las que le he contado en este artículo. Pero es una tarea que AWS parece estar facilitando porque son cada vez los clientes que ven en la inteligencia artificial y en el machine learning no el futuro sino el presente de sus negocios, incluso si algunos de ellos aún parecen ciencia ficción.
