12 minute read
Diego Cisterna, Es necesario digitalizar la transformación digital
Diego Cisterna Research Associate at Karlsruhe Institute of Technology
Advertisement
Diego Cisterna es Ingeniero Civil de la Universidad de Chile, Máster de la Universidad de Stuttgart y tiene más de cinco años de experiencia como consultor Lean y de transformación digital con proyectos realizados en Chile, Francia y Arabia Saudita. En la actualidad se encuentra en Alemania desarrollando un proyecto de implementación de IA para el sector de la construcción y desde esa perspectiva conversamos en extenso para este especial de “Inteligencia artifi cial en la construcción” de “Negocio & Construcción”.
¿Cómo se inicia la inteligencia artifi cial?
La Inteligencia Artifi cial (IA) surge como producto directo de la invención de la computación. En la década de 1940 ya se empezaba hablar sobre el tema, pero no fue hasta 1950 en que el matemático británico Alan Turing (el de la película The Imitation Game) publicara el Paper Computing Machinery and Intelligence para que el campo de la Inteligencia Artifi cial se consolidara. En esta investigación él planteó el famoso test de Turing, que mide la capacidad de una máquina para exhibir un comportamiento inteligente. Una máquina supera esta prueba cuando al comunicarse con un ser humano, el humano piensa que está hablando o escribiendo con otro ser humano.
Para ese entonces el poder de cómputo de las máquinas era muy reducido y las inteligencias artifi ciales estaban lejos de superar el test mencionado. Se programaban para resolver problemas muy acotados, donde las reglas estaban
Ilustración 1: Deep Learning y Machine Learning son subconjuntos de técnicas modernas de Inteligencia Artifi cial, la cual viene desarrollándose desde los años 50’s.
bien defi nidas. Eran muy buenas contrincantes en ajedrez o en videojuegos, pero no podían resolver problemas más complejos debido a que esto involucraba programar manualmente un set de comportamientos o respuestas predefi nidas para cada posible caso en que pudiera ramifi carse un problema.
Esto provocó decepción en los investigadores y desinterés en los inversionistas. Hay quienes defi nen al periodo entre mediados de los 70s y fi nes de los 80s como el invierno de la inteligencia artifi cial (AI winter). Por este motivo muchos piensan que es una tecnología nueva, pero en realidad, el concepto lleva más de 70 años dando vueltas.
Lo que le devolvió la vida a la IA fue la aparición del Machine Learning. Estos nuevos métodos otorgaron a las máquinas la capacidad de aprender a través de ejemplos. Los programadores ya no necesitaron programar todos los casos posibles para resolver un problema, sino que ahora el computador era capaz por sí mismo de encontrar una solución basándose en su experiencia. De esta manera fi ltros de spam (correo basura) y sistemas de recomendación de contenido se han hecho muy efectivos.
Pero el desarrollo de la IA no se detuvo allí. El vertiginoso aumento en la capacidad de procesamiento de los computadores, sumado a la masifi cación en la creación y disposición de datos debido al uso de internet, hizo posible dar un paso más: el Deep Learning. Inspirados en el funcionamiento biológico, científi cos lograron crear redes neuronales que son capaces de analizar cantidades inmensas de datos haciendo que el proceso de aprendizaje de la máquina pueda nutrirse de mucha más información y pueda ocurrir sin necesidad de supervisión. En particular, estas técnicas han ganado popularidad debido a su capacidad única para realizar ciertas tareas como la clasifi cación de imágenes o el reconocimiento de objetos más allá del nivel en el que un ser humano las podría realizar (ver Ilustración 2).
¿Es el paso siguiente de la transformación digital o es un paso más grande y paralelo?
El objetivo principal de la transformación digital es optimizar procesos y la forma en que se entrega valor al cliente. Al implementarse, ésta genera un subproducto muy valioso: datos.
La digitalización de diversas industrias ha traído consigo la generación de volúmenes de datos que nunca antes en la historia habíamos visto. La granularidad, exactitud y frecuencia en la recolección de datos nos permite ahora contar con una cantidad enorme de ejemplos para entrenar los algoritmos de IA mencionados anteriormente. De este modo, utilizando IA se pueden generar predicciones con
Ilustración 2: Un sistema de IA identifi có el potencial tumor de mama de una mujer cuatro años (izquierda) antes de que se desarrollara (derecha). Crédito: Adam Yala. Fuente: Nature, 25 de marzo 2020.
Ilustración 3: Clasifi cación de tipos de Inteligencia Artifi cial con relación a su nivel cognitivo.
un nivel de exactitud mucho más alto que los modelos estadísticos tradicionales.
¿Es la IA el siguiente paso de la transformación digital?
Mi respuesta es sí, con toda seguridad.
¿Qué permite mejorar la IA o qué benefi cios se obtienen de uso o aplicación?
Los algoritmos de aprendizaje automático (Machine Learning y Deep Learning) necesitan ejemplos para aprender. Cuanto mayor sea la información disponible para su entrenamiento, mejor serán sus capacidades predictivas y resolutoras de problemas.
Si consideramos la resolución de problemas igual a valor agregado, entonces los datos serán el nuevo oro del mundo. Las organizaciones que sepan sacar el mejor provecho de sus datos serán las que tendrán mejores ventajas competitivas y ganarán una mejor posición en el mercado.
¿Por qué tanta maravilla? Porque la IA podrá reducir los errores, la complejidad de los problemas, la duplicidad de trabajo y las tareas repetitivas en procesos de producción.
¿Depende siempre de una programación, modelación y defi nición de parámetros de un ser humano?
La IA depende siempre de la programación de sus desarrolladores, pero ¿podría salirse de control? ¿es la IA el Terminator que nos viene a exterminar? O siendo un poco menos dramáticos, ¿podría la IA robar nuestros trabajos? Las respuestas son no y no. Por lo menos en el corto y mediano plazo. Pero esto no signifi ca que debería estar desregulada, como con cualquier otra tecnología, es necesario generar medidas regulatorias oportunas.
Para explicar esto, los invito a mirar la Ilustración 3. Todos los seres vivos poseen una inteligencia biológica. Algunos cuentan con una inteligencia más desarrollada que otros, siendo el humano el que ocupa el privilegiado puesto en la cúspide de la inteligencia orgánica. Las inteligencias artifi ciales también se dividen en varios tipos: IA Narrow, que es buena en un asunto específi co. IA General, que es tan inteligente como un ser humano. Super IA, que es mucho más inteligente que los humanos y es buena en todos los campos, incluso en habilidades sociales.
Ser más inteligentes ha sido la ventaja evolutiva más exitosa a lo largo de la historia. Nuestra especie – el Homo Sapiens – predominó y llevó incluso a la extinción a otras especies humanas – como el Neanderthal – que poseían mejores capacidades físicas. Nuestra capacidad cognitiva nos ha puesto en la cima de todos los otros reinos animales. Por eso, es natural pensar que la idea de crear una IA mucho más inteligente que nosotros pueda ser arriesgado. Sin embargo, aún faltan muchos años para lograr desarrollar una Super IA, incluso es posible que nunca la lleguemos a crear.
Al hablar sobre el proyecto en el que estamos trabajando en Alemania, mucha gente nos ha comunicado que tiene la inquietud de que la IA pueda quitarle su trabajo. Nosotros les explicamos que no tienen de qué preocuparse, porque el objetivo no es crear tampoco una IA General. Sino que queremos que Inteligencias Artifi cial Narrow – que sean buenas en una tarea en específi co – puedan apoyar a las personas y liberarlas de trabajo repetitivo, sugerir soluciones, controlar resultados y corregir errores.
Estas IA Narrow, también tienen que ser reguladas para evitar invasión de la privacidad, discriminación o manipulación social. Con buenas políticas de protección de datos y al hacer los procesos de aprendizaje de las IA más transpa-
Ilustración 4: El proyecto SDaC utilizará Inteligencia artifi cial con dos fases. Primero al ordenar y estructurar los datos fragmentados de la industria de la construcción y segundo, al crear aplicaciones basadas en algoritmos de IA
rentes (pasar de black box a white box), el uso de IA nos traerá solo benefi cios.
¿Cómo se puede implementar la IA en la cadena de procesos del sector de la construcción?
Los proyectos de construcción suelen ser llevados a cabo por una asociación de organizaciones altamente especializadas, que a menudo se reúnen por un período limitado de tiempo para desarrollar proyectos en específi co. Las interacciones entre estas organizaciones compuestas por obreros, arquitectos, abogados, ingenieros, proveedores, inversionistas, bancos, etc. generan intercambios de información en diferentes tipos de formatos, ya sean digitales o análogos: e-mails, notas en papel, archivos Excel, planos en DWG, PDF, llamadas telefónicas, archivos CSV, XML, etc. Esto conduce a un almacenamiento descentralizado y específi co de los datos de los proyectos.
Debido a la alta fragmentación de la industria, los datos generados por procesos ya digitalizados son muy fragmentados también. Aún no existe una solución que englobe todas estas iniciativas digitalizadoras. BIM es el candidato ideal para lograr esto. Pero hasta el día de hoy, la promesa BIM aún no se cumple en su totalidad ¿Por qué?
Nosotros pensamos que es necesario digitalizar la transformación digital. Actualmente existen muchos esfuerzos aislados que digitalizan procesos. Pero al intentar digitalizar la cadena de valor completa, uno se encuentra con muchos procesos manuales que tienen que ser ejecutados para conectar las diferentes soluciones digitales. Es aquí donde se podría utilizar IA para automatizar y crear el Link entre dichos procesos.
Tú estás en Alemania trabajando en un proyecto de IA para el gobierno de ese país que está enfocado en el rubro de la construcción, ¿nos puedes contar de que trata y compartir algunos detalles?
El proyecto en el que estoy trabajando en Alemania se llama Smart Design and Construction (SDaC). Es una iniciativa fi nanciada por el Ministerio de Economía y Energía alemán.
Para Alemania la industria de la construcción es muy relevante. Representa un 5,3% de su PIB y es la base para lograr los objetivos de crecimiento de sus otras industrias económicamente relevantes (automotriz, farmacéutica y maquinaria). Pero tal como pasa en el resto del mundo, la construcción es una de las industrias menos efi cientes. Junto con esto, en el país germano el 90% de las empresas constructoras son empresas de menos de 10 empleados y no tienen los recursos necesarios para digitalizarse e intentar mejorar su productividad.
Por esta razón, el principal objetivo del proyecto es apoyar la digitalización de la mediana y pequeña empresa en la industria de la construcción.
Esta iniciativa cuenta con un volumen de inversión de 9 millones de euros y se compone por un consorcio de empresas informáticas, constructoras e institutos de investigación. El Karlsruhe Institute of Technology (KIT) es el organismo que gestiona el consorcio.
La idea es crear aplicaciones basadas en IA y también crear una plataforma de intercambio de aplicaciones y datos.
El objetivo de SDaC es tomar los datos fragmentados de la industria de la construcción para anonimizarlos, estructurarlos y ordenarlos en una plataforma. Con estos datos, se podrán entrenar algoritmos de IA para desarrollar aplicaciones
Ilustración 5: "Contar objetos" es un buen ejemplo del paso desde un proceso manual a la colaboración hombre-máquina.
que asistan a las personas en los proyectos de construcción. Las empresas ligadas a la construcción podrán bajar aplicaciones de esta plataforma y sacar provecho de soluciones digitales a bajo costo. Esta plataforma estará abierta también a empresas tecnológicas que quieran ofrecer y vender sus aplicaciones. En nuestro sitio web www.sdac.tech hay mucha más información al respecto.
¿Qué ejemplos conoces de uso de IA en el sector construcción?
SDaC está desarrollando nueve aplicaciones que fueron identifi cadas mediante debates con expertos tanto en talleres internos como en ferias y congresos. Los algoritmos de IA aprenderán de los datos proporcionados por las empresas constructoras que componen el consorcio y éstas servirán para asistir la planifi cación, la logística, gestión de contratos, prevención de riesgos y el control de avance de proyectos.
La descripción de las nueve aplicaciones da para escribir un artículo completo, por ello utilizaré el reconocimiento de objetos como ejemplo para describir la esencia de la cooperación entre el hombre y la máquina que SDaC quiere lograr con sus aplicaciones (ver Ilustración 5).
En muchos puntos de la cadena de valor añadido, como en la preparación de ofertas o al hacer pedidos durante la ejecución de la obra, el trabajo consiste en contar objetos individuales del mismo tipo. Los datos de origen para estas tareas a menudo sólo están disponibles en planos de papel o modelos CAD obsoletos. Hacen falta las estructuras necesarias para utilizar estos datos como base para modelos BIM. Esto lleva a un conteo manual con altos valores de error en un gran número de planos.
Con un modelo de IA estos datos de entrada pueden ser procesados, los objetos pueden ser reconocidos y etiquetados. El entrenamiento de las llamadas "Redes Neuronales Convolucionales" (CNN) constituye la base técnica que hace posible el milagro. Si el reconocimiento de un objeto no supera un valor umbral de identifi cación, el ser humano ayuda a reetiquetarlo. Los objetos se muestran en los planos para aumentar la confi anza en la evaluación. Se reduce la carga de trabajo del humano, se reducen los costos y los errores. Así, el tiempo creado de esta manera puede convertirse en actividades que generen valor o propuestas creativas para el cliente.
El reconocimiento de objetos no solo es posible realizarlo en documentos, también es posible realizarlo en videos grabados en obra y así poder medir productividad, identifi car situaciones de riesgo o – en contexto de la pandemia – controlar el distanciamiento social. La buena noticia es que ya hay un par de empresas en Chile que están ofreciendo estos servicios.
¿Cuál es tu mensaje para el sector construcción?
La IA en la construcción tendrá dos grandes impactos: 1) En las obras de construcción es común ver que el personal de obra tenga que hacer horas extra o incluso trabajar los sábados para cumplir con sus tareas que muchas veces se componen de rellenar extensas planillas Excel, formularios y documentos. La IA no viene a quitarles sus trabajos, sino que apunta a poder asistir al personal en la realización de estas tareas repetitivas ahorrándoles tiempo y disminuyendo la cantidad de errores.
2) BIM es la columna vertebral digital del futuro de la ingeniería civil, pero mientras no se disponga de toda la información de planifi cación en un modelo BIM, también deben considerarse e integrarse sin pérdida otros formatos de datos. Los métodos de la IA pueden apoyar este proceso de manera que las personas puedan hacer un uso específi co de sus habilidades, se promueva la creatividad en los proyectos de construcción y se aumente la productividad. N&C
