Columna: Visto de otro modo: la inteligencia es lo que mide el test de inteligencia [1].

Aparte de la evidente arrogancia de esta afirmación, también es graciosa porque refleja un proterún histérico (argumento circular). Con ello queda claro que los honorables científicos siguen en la oscuridad a la hora de definir la "inteligencia". No es de extrañar, porque la inteligencia como concepto es vago y de múltiples capas y puede referirse a muchas capacidades tanto humanas como animales.

Cuánto más complejo se vuelve con la "inteligencia artificial" (IA), ampliamente utilizada como palabra de moda, pero que en realidad sólo consiste en programas informáticos y modelos matemáticos. El batiburrillo que se encuentra en las publicaciones periodísticas no facilita la lectura.

Las enormes velocidades a las que ahora se pueden procesar los datos son probablemente el origen lógico de la incertidumbre de quienes carecen de formación o conocimientos científicos.

Sin embargo, cuando algo así cae en manos de militares ávidos de poder, pueden surgir verdaderas dudas.

Aunque tales métodos se encuentran hoy en muchos ámbitos -desde el arte hasta la política-, es probable que el impacto en la fabricación industrial sea el más emocionante. Como estos programas pueden digerir una cantidad asombrosa de datos en muy poco tiempo, es decir, analizarlos y extraer de ellos conclusiones preprogramadas, son superiores en este aspecto al lento procesamiento intelectual de los humanos. Aprenden a tomar decisiones a partir de los datos dados en función de las especificaciones programadas.

Esto es precisamente lo que las hace tan útiles en la fabricación, porque las máquinas no se cansan ni pierden la concentración y pueden seguir trabajando durante las pausas para comer, no necesitan vacaciones y no tienen problemas familiares.

En algunas instalaciones de fabricación electrónica, esto no es nada nuevo. Especialmente con el uso de las tecnologías de transmisión 5G y 6G, el flujo de datos entre máquinas es casi instantáneo e instantáneo, una ventaja que facilita enormemente las correcciones y proporciona datos actualizados.

Un área obvia en la que la inteligencia artificial puede demostrar su valía es la inspección. Esto empieza con el diseño de los circuitos integrados y se extiende después a los componentes y las placas de circuitos impresos hasta los errores de soldadura.

Lo que motiva a las empresas a este respecto tiene que ver con los costes. Cuanto antes se descubra un error, más barato será rectificarlo... y, lo que es más importante, evitarlo en el futuro. Es más caro si el usuario o el cliente lo descubren antes, porque entonces también puede dañar la reputación de la empresa.

En muchos casos, incluso hoy, los trabajadores se sientan tras los cristales de unas lupas e intentan encontrar, localizar y clasificar los errores. Los errores salen tan caros que ese personal suele ser sustituido al cabo de muy poco tiempo y destinado a otro lugar.

La lista de errores es, por supuesto, muy larga y los criterios suelen ser bastante críticos y estrechos, lo que dificulta mucho la formación necesaria. Estos detalles son importantes porque apuntan a las causas, que luego posiblemente puedan rectificarse. Además de los conocidos "fallos de soldadura", ahora se definen de forma más amplia y también se examinan tornillos, cables, etiquetas, etc.

Una experiencia en una conocida empresa alemana de electrónica demuestra lo divertido que puede llegar a ser esto: la larga lista de "fallos" que aparecía en la pantalla contaba con unos 50 en la categoría "puentes", sólo unos diez en "omitidos", también unos diez en "componentes que faltan", pero unos buenos 2.000 en la amplia categoría "otros", mientras que las 20 o 30 clasificaciones restantes se dejaban en blanco. Estas colecciones de datos son totalmente inadecuadas para la IA.

Por este motivo, y para evitar semejante comedia, las grandes empresas utilizan ahora sistemas de reconocimiento visual e inspección que funcionan con "inteligencia artificial" y "programas de aprendizaje automático". Estos sistemas utilizan redes neuronales para reconocer defectos. Se trata de sistemas de procesamiento de imágenes a los que se ha "enseñado" a escanear y reconocer los defectos pertinentes. Cuantos más datos se les presentan, mejor funcionan (si están bien programados), y el trabajador asombrado piensa que, como los resultados mejoran constantemente, la cosa es inteligente.

Conjunto de datos para reconocer y clasificar los defectos de las placas de circuitos: ejemplo de los datos de entrenamiento de una red neuronal

Un estudio reciente predice que la IA en la industria manufacturera alcanzará probablemente los 15.000 millones de euros en 2026. Al mismo tiempo, el número de patentes está aumentando, como por ejemplo en China. Las solicitudes se han más que duplicado desde 2016 y ahora representan más del 10% de todas las solicitudes de este tipo en el mundo. Una cifra bastante notable para una economía emergente.

El uso cada vez más extendido de la IA en toda la industria está eclipsando algunos problemas de fondo. La IA depende de matemáticos y programadores y, por tanto, de expertos bien formados. Los países que sistemáticamente infrafinancian las universidades y los institutos se quedarán atrás a largo plazo.

Lo que ofrecen las empresas más pequeñas y elogian sus vendedores suele ser bastante miserable e ineficaz. La falta de especialistas, y en concreto de los que entienden de soldadura, hace imposible que las pequeñas y medianas empresas adquieran conocimientos especializados.

La IA no la desarrollan individuos, sino equipos enteros. Son caros si realmente pueden hacer algo. Como comparación, consideremos el desarrollo del nuevo sistema operativo basado en Linux OpenKylin 1.0 por la empresa china Kylinsoft, que, según su publicación, fue creado por unos 4.000 desarrolladores.

Un grupo de cinco personas cualificadas cuesta al menos 500.000 euros al año. Medio millón es una suma considerable para una empresa mediana, que hay que recuperar a través del producto. Precisamente por eso la publicidad es buena, pero la mayoría de los programas, por ejemplo para inspeccionar la pasta impresa, no son muy impresionantes.

Dado que los fabricantes de sistemas de soldadura, impresoras de pasta, etc. son en su mayoría empresas medianas, la única solución para ellos sería unirse a empresas más grandes y desarrollar en cooperación esos programas de inspección más eficaces.

A pesar de todo el pánico entre nuestros inteligentes políticos, una película (más antigua) [6] ya ha demostrado cómo se puede matar incluso a la inteligencia artificial más inteligente: Basta con desenchufarla.

Tabla: Weibo Huang,Peng Wei,Manhua Zhang,Hong Liu, 'HRIPCB: a challenging dataset for PCB defects detection and classification', IET - The Institution of Engineering and Technology, 22 de mayo de 2020, https://doi.org/10.1049/joe.2019.1183 / CC BY 3.0 (acceso: 12 de mayo de 2025).

Bibliografía

[1] Han L. J. van der Maas et al, 'Intelligence Is What the Intelligence Test Measures. En serio', Journal of Intelligence, marzo de 2014, https://www.mdpi.com/2079-3200/2/1/12 (consultado: 12 de mayo de 2025).
[2] Samantha M. Kelly, 'Everything you need to know about AI but were too afraid to ask', CNN, 24 de junio de 2023.
[3] Sheldon Fernandez, "How Generative AI Can Be Used In Electronics Manufacturing", Forbes Technology Council, 26 de abril de 2023.
[4] Sha An, 'Application of Artificial Intelligence Technology in Electronic Information Engineering', J. Phys.: Conf. Ser. 2037 012108' 2021.
[5] E. Weiss, 'Verifying the Efficiency of AI-based Inspection in Detecting Oxidation in Soldering Leads of Electronic Components during Assembly: A Case Study', https://cybord.ai/resources/verifying-the-efficiency-of-ai-based-inspection/ y https://www.researchgate.net/publication/384162050_Advancements_in_Electronic_Component_Assembly_Real-Time_AI-Driven_Inspection_Techniques (consultado el 12 de mayo de 2025).
[6] 2001: Una odisea del espacio, dirigida por Stanley Kubrick, EE.UU./Reino Unido 1968.