Les eines d’IA i les seves aplicacions als ports

Del Machine Learning al Deep Learning

La Intel-ligència Artificial pot ser feble o fort. La IA feble, també anomenada Intel·ligència Artificial Estreta, elabora resultats per a tasques específiques. En són exemples el reconeixement facial o una cerca a Internet. D'altra banda, la IA forta, també anomenada Intel·ligència Artificial General, pot combinar diferents activitats i s'acosta molt a una representació fidel de les activitats humanes. Actualment no hi ha solucions d'Intel·ligència Artificial General.

La IA es compon de diferents categories, pel fet que es tracta d'un concepte ampli. Dins aquest àmbit, un dels enfocaments més importants és el Machine Learning (ML), que utilitza grans conjunts de dades per detectar patrons i, en conseqüència, sintetitzar i predir informació. L'aprenentatge automàtic requereix un mínim d'interferència humana mentre genera resultats.

Una de les branques mçes conegudes del ML és el Deep Learning (DL). Aquesta subdisciplina utilitza xarxes neuronals artificials per produir un gran nombre d'iteracions per crear resultats més precisos, amb menys intervenció humana en comparació amb l'àmbit més ampli de l'aprenentatge automàtic. Les xarxes neuronals deriven el nom del fet que intenten simular les neurones del cervell humà per obtenir resultats.

L'aprenentatge profund processa grans quantitats de dades com ara entrades, que s'interconnecten a través de diferents capes de nodes. Aquests nodes interactuen per produir diferents resultats, que es repeteixen diverses vegades.

La figura següent mostra gràficament la gran diferència entre Machine Learning i Deep Learning.

IA Generativa

Una branca més específica dins del Deep Learning és la IA Generativa, que utilitza grans xarxes neuronals, també anomenades Large Language Models (LLM), no només per recopilar i analitzar dades, sinó també per crear textos, vídeos, imatges i nova informació. La IA Generativa és el concepte més complex al camp de la IA, i també el que més impacte té.

De fet, amb el desenvolupament de grans models lingüístics com Xat GPT, Perplexity, Google Gemini, etc., per primera vegada una nova tecnologia amb nivells extrems de complexitat no requereix un nivell bàsic de coneixements informàtics per part dels usuaris finals.

En resum, es pot afirmar que la Intel-ligència Artificial podria assolir múltiples funcions en el futur. Podreu interactuar amb els humans gràcies a les seves possibles capacitats. Per aportar idees, el gràfic següent representa algunes de les possibles capacitats de la Intel·ligència Artificial comparades amb les prestacions humanes. Com a punt de partida, les capacitats de la IA es normalitzen a un rendiment inicial de -100. Quan arriben a una puntuació de 0, es tornen comparables al rendiment humà, i més enllà d'aquest punt, fins i tot poden superar les capacitats humanes.

Algunes d'aquestes capacitats de la IA, com ara la comprensió lectora, el reconeixement d'imatges i la comprensió del llenguatge, ja han aconseguit una puntuació positiva. D'altra banda, algunes com el raonament complex i la resolució de problemes matemàtics continuen estant per sota del rendiment humà, com mostra la gràfica següent.

Possibles aplicacions de la intel·ligència artificial al lector marítim

Al sector del transport marítim, els models d'IA poden ser útils de moltes maneres. En primer lloc, poden ser un suport perfecte per a la planificació de vaixells, en simular possibles escenaris per conèixer les millors dimensions de popa, proa i altres factors. A més, podrien utilitzar-se per a la gestió i optimització de flotes, ajudant a seleccionar la millor ruta de navegació, reduint així els costos. Finalment, un altre possible cas d'ús podria ser un sistema d'alerta per reduir la probabilitat d'incidents, no només a la mar, sinó també dins dels límits d'un port.

Des del punt de vista de l'Autoritat Portuària, les aplicacions de la IA es poden dividir en diferents categories:

• Supervisió i vigilància de la zona portuària. Els sistemes d'IA es poden utilitzar per supervisar gairebé tot. Per exemple, es poden aplicar a la detecció de càrregues i moviments de productes, ajudant a controlar què hi ha al port i on. Un millor control daquests objectes pot conduir a una millor gestió dels mateixos.
• Sistemes d'alerta automatitzats. Els algorismes d'IA són capaços d'entendre quan s'està produint un accident i ajuda el sistema de seguretat portuària a ser més proactiu en la gestió. Els sistemes d'alerta poden supervisar no només possibles incidents a la mar, sinó també entre camions, cotxes, etc.
• Optimització de les activitats logístiques portuàries. Els nous sistemes de IA poden ajudar els responsables de la presa de decisions a optimitzar el flux de mercaderies que entren i surten del port. També poden ser útils per assignar millor els recursos portuaris per tal de minimitzar costos i esforços.
• IA Generativa per a empleats portuaris. Com ja han comentat diferents empreses, la IA Generativa s'implantarà en el futur a la vida quotidiana dels empleats. Aquests sistemes els ajudaran a les seves activitats. Un exemple d'això és Chat Copilot M365, que és un model generatiu al sistema Microsoft. Aquesta eina es pot utilitzar per a Teams, Outlook, PowerPoint, Word i Excel. Podeu resumir continguts, crear presentacions i gràfics, crear respostes a correus electrònics, etc.
• Supervisió d'infraestructures. La IA pot ajudar el manteniment predictiu per reduir riscos. És capaç de detectar possibles incidències a les infraestructures i gestionar-les millor.
• Vaixells autònoms. Els vaixells autònoms poden funcionar amb IA. En el futur es podran utilitzar per donar suport a activitats marítimes. Això es pot ampliar a altres mitjans de transport com ara camions o maquinària de terminals.
  
• Gestió de dades. La IA pot ser útil per a dos objectius diferents. En primer lloc, pot servir de suport al sistema de ciberseguretat per fer-lo més resistent i capaç de detectar possibles atacs. També pot ser útil per a lemmagatzematge de dades, per tal doptimitzar la capacitat de les bases de dades. Finalment, la recopilació de dades relatives a les escales pot ser útil per millorar els valors ETA (Estimated time of arrival) i, en conseqüència, optimitzar la logística del port.

La gràfica següent mostra la inversió privada anual realitzada a IA per la Unió Europea i el Regne Unit, la Xina i els Estats Units, per àrees d'interès.

La Comissió Europea es va pronunciar a través de la Llei d'IA

El 13 de març del 2024, el Parlament Europeu va aprovar la Llei d'IA. Aquesta legislació pretén garantir la confiança en la IA alhora que redueix els riscos que es poden derivar de determinats sistemes d'IA. Estableix requisits i obligacions específics per als desenvolupadors i els implantadors de productes d'IA.

Segons s'informa al lloc web oficial de la Unió Europea, les normas proposades:

• abordaran els riscos creats específicament per les aplicacions de l'IA;
• prohibiran les pràctiques d'IA que plantegin riscos inacceptables;
• determinaran una llista d'aplicacions d'alt risc;
• establiran requisits clars per als sistemes d'IA destinats a aplicacions d'alt risc;
• definiran obligacions específiques per als desenvolupadors i els proveïdors d'aplicacions d'IA d'alt risc;
• exigiran una avaluació de la conformitat abans de posar en servei o comercialitzar un sistema determinat d'IA;
• posaran en marxa mesures coercitives després de la comercialització d'un sistema determinat d'IA;
• establiran una estructura de governança a escala europea i nacional.

El marc normatiu

El marc reglamentari es compon de 4 nivells de risc per als sistemes d'IA: 

• Els riscos inacceptables són els que poden amenaçar drets fonamentals o valors socials i provocar incidents greus. Aquest tipus d‟aplicacions d‟IA estan prohibides. Inclouen totes les activitats relacionades amb el reconeixement facial, les que poden influir en el comportament dels nens i les que poden classificar les persones segons el seu estatus o característiques personals.
• Entre els sistemes d'alt risc figuren els que es desenvolupen en productes subjectes a la legislació de la UE sobre seguretat dels productes, i els que intervenen en àmbits específics com l'educació, la migració, etc. Aquestes aplicacions s'avaluaran no només abans del llançament al mercat, sinó també durant la seva vida útil.
• Els riscos limitats estan relacionats amb la manca de transparència en lús de la IA. La Comissió Europea introduirà normes específiques de transparència per informar prèviament les empreses. Entre aquestes figuren les aplicacions que impliquen interacció entre humans i màquines.
• De risc mínim o nul són aplicacions com els filtres antispam. La UE va declarar que la immensa majoria dels sistemes de IA a Europa pertanyen a aquesta categoria.

Es proposen una sèrie de mesures per gestionar les aplicacions de risc especialment elevat.

A més, la Comissió Europea va declarar que els grans models lingüístics com ChatGPT no estan classificats com a risc alt, però hauran de complir la legislació europea sobre requisits de transparència i la legislació de la UE sobre drets d'autor.

És conscient la IA del repte mediambiental?

Un dels tòpics habituals que sorgeix al voltant de la IA és que, malgrat tots els beneficis que ens aporta, requereix molta electricitat. Això és degut a que la IA necessita processar una enorme quantitat de dades tot el temps, la qual cosa requereix que tots els components necessaris utilitzin electricitat per funcionar.

Lyline Lim, Cap d'Impacte i Sostenibilitat de PhotoRoom, en un article publicat a Forbes , afirma que un factor important en el consum és quan la IA fa una inferència. Una inferència és el procés pel qual la IA respon a la consulta dun usuari. Cada inferència requereix una quantitat específica de capacitat de processament de la GPU, de manera que com més consultes hi hagi, més energia es consumeix.

A més, un altre tema important és el consum denergia durant lentrenament del model. Naturalment, el temps d'entrenament és directament proporcional a la complexitat del model mateix. Durant aquest temps, el model consumeix energia.

A més, el gràfic següent mostra el càlcul utilitzat per entrenar sistemes d'IA notables, classificats per l'afiliació dels investigadors. Observeu que els valors s'expressen en petaFLOP, que és la unitat de mesura per a aquest tipus d'informació.