La VDI ha publicado un nuevo informe de situación titulado "Aprendizaje automático: inteligencia artificial con redes neuronales en sistemas ópticos de medición e inspección". Con este informe, la asociación de ingenieros pretende introducir el aprendizaje automático en los sistemas ópticos de medición e inspección y presentar el potencial del aprendizaje automático.
El sector de la visión artificial en Alemania puede presumir de décadas de crecimiento, con una facturación reciente de 2.800 millones de euros en 2018. La industria necesita cada vez más analizar automáticamente los datos de imagen generados, ya sea para el control de procesos y calidad o para el diagnóstico médico. La industria electrónica también se enfrenta a la tarea de prepararse para la introducción de la IA, ya que el procesamiento de imágenes con reconocimiento y análisis de objetos desempeña un papel cada vez más importante en la producción.
¿Qué es el aprendizaje automático?
Fig. 1: Relación entre inteligencia artificial y aprendizajeautomáticoEl aprendizaje automático es un término genérico para la generación "artificial" de conocimientos a partir de la experiencia: un sistema artificial aprende a partir de ejemplos y puede generalizarlos una vez finalizada la fase de aprendizaje(Fig. 1). Para ello, los algoritmos de aprendizaje automático construyen un modelo estadístico a partir de datos de entrenamiento. Esto significa que los ejemplos no se aprenden simplemente de memoria, sino que se reconocen patrones y regularidades en los datos de aprendizaje. Esto significa que el sistema también puede evaluar datos desconocidos (transferencia de aprendizaje) o fracasar en el aprendizaje de datos desconocidos (sobreajuste) [1].
Los motores tecnológicos actuales del aprendizaje automático (AM) en el campo del procesamiento de imágenes son principalmente la tecnología del automóvil, la comunicación y la electrónica de consumo (smartphones), la medicina y la seguridad pública. El aprendizaje automático muestra sus puntos fuertes en tareas clásicas de procesamiento de imágenes como la segmentación, el reconocimiento de objetos y la clasificación. Las soluciones de IA con redes neuronales son especialmente adecuadas para tareas para las que es menos fácil especificar reglas, como el reconocimiento de anomalías (en imágenes o series temporales) y en la fusión o correlación de diferentes flujos de datos.
El campo central de la investigación en visión por ordenador es la explicabilidad de los resultados del ML. A menudo todavía no es posible responder a la pregunta "¿Por qué el sistema ha tomado esta decisión?", ya que muchos métodos de ML no proporcionan ninguna cifra clave sobre la fiabilidad de sus resultados. Sin embargo, esto es precisamente lo que se necesita para garantizar la aceptación por parte de los usuarios, por ejemplo, a la hora de aprobar los resultados de un proyecto, certificar procedimientos o realizar diagnósticos en medicina. Se necesitan ratios adecuados para evaluar la calidad del resultado. Son especialmente importantes si de un resultado deben derivarse decisiones relevantes para la seguridad. El informe de situación muestra el estado actual e intenta estimar la evolución futura(Fig. 2).
Cuestiones clave: utilización y seguridad de los datos
Fig. 2: El nuevo informe de situación "Aprendizaje automático"Las universidades, instituciones de investigación y empresas industriales están haciendo grandes progresos en el uso del ML y la IA. Sin embargo, deben crearse las condiciones marco adecuadas, sobre todo en lo que respecta a la utilización de los datos: Las grandes cantidades de datos deben asegurarse de forma fiable, intercambiarse entre los socios del proyecto y protegerse contra el acceso no autorizado. La disponibilidad de datos industriales y la libertad de utilizarlos constituirán una base esencial para la soberanía económica de un espacio económico en un futuro próximo. Por lo tanto, se necesita una normativa clara sobre qué derechos de propiedad o uso existen para esos datos, dónde están los límites de los derechos individuales sobre los datos y qué derechos existen sobre los resultados de los procesos de aprendizaje para la IA y el ML. Esta normativa debe acordarse en un marco europeo.
El informe de situación completo "Machine Learning - Artificial Intelligence with Neural Networks in Optical Measurement and Inspection Systems" está disponible gratuitamente en [2]. El contacto experto en la VDI es el Dr. Erik Marquardt, VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA), Tel.: +49 211 6214-373, e-mail:
Referencias:
[1] https://de.wikipedia.org/wiki/Maschinelles_Lernen
[2] www.vdi.de/publikationen
