Las herramientas de IA y sus aplicaciones en los puertos

Del Machine Learning al Deep Learning

La Inteligencia Artificial puede ser débil o fuerte. La IA débil, también llamada Inteligencia Artificial Estrecha, elabora resultados para tareas específicas. Ejemplos de ello son el reconocimiento facial o una búsqueda en Internet. Por otro lado, la IA fuerte, también llamada Inteligencia Artificial General, puede combinar diferentes actividades y se acerca mucho a una representación fiel de las actividades humanas. Actualmente no existen soluciones de Inteligencia Artificial General.

La IA se compone de diferentes categorías, debido a que se trata de un concepto amplio. Dentro de este ámbito, uno de los enfoques más importantes es el Machine Learning (ML), que utiliza grandes conjuntos de datos para detectar patrones y, en consecuencia, sintetizar y predecir información. El aprendizaje automático requiere un mínimo de interferencia humana mientras genera resultados.

Una de las ramas más conocidas del ML es el Deep Learning (DL). Esta subdisciplina utiliza redes neuronales artificiales con el fin de producir un gran número de iteraciones para crear resultados más precisos, con menos intervención humana en comparación con el ámbito más amplio del Aprendizaje Automático. Las redes neuronales derivan su nombre del hecho de que intentan simular las neuronas del cerebro humano para obtener resultados.

El aprendizaje profundo procesa grandes cantidades de datos como entradas, que se interconectan a través de diferentes capas de nodos. Estos nodos interactúan para producir diferentes resultados, que se repiten varias veces.

La siguiente figura muestra gráficamente la gran diferencia entre Machine Learning y Deep Learning.

IA Generativa

Una rama más específica dentro del Deep Learning es la IA Generativa, que utiliza grandes redes neuronales, también llamadas Large Language Models (LLM), no solo para recopilar y analizar datos, sino también para crear textos, vídeos, imágenes y nueva información. La IA Generativa es el concepto más complejo en el campo de la IA, y también el que más impacto tiene.

De hecho, con el desarrollo de grandes modelos lingüísticos como Chat GPT, Perplexity, Google Gemini, etc., por primera vez una nueva tecnología con niveles extremos de complejidad no requiere un nivel básico de conocimientos informáticos por parte de los usuarios finales.

En resumen, se puede afirmar que la Inteligencia Artificial podría alcanzar múltiples funciones en el futuro. Podrá interactuar con los humanos gracias a sus posibles capacidades. Para aportar ideas, el siguiente gráfico representa algunas de las posibles capacidades de la Inteligencia Artificial comparadas con las prestaciones humanas. Como punto de partida, las capacidades de la IA se normalizan a un rendimiento inicial de -100. Cuando alcanzan una puntuación de 0, se vuelven comparables al rendimiento humano, y más allá de ese punto, pueden incluso superar las capacidades humanas.

Algunas de estas capacidades de la IA, como la comprensión lectora, el reconocimiento de imágenes y la comprensión del lenguaje, ya han alcanzado una puntuación positiva. Por otro lado, algunas de ellas, como el razonamiento complejo y la resolución de problemas matemáticos, siguen estando por debajo del rendimiento humano, como muestra la siguiente gráfica.

Posibles aplicaciones de la inteligencia artificial en elsector marítimo

En el sector del transporte marítimo, los modelos de IA pueden ser útiles de muchas maneras. En primer lugar, pueden ser un apoyo perfecto para la planificación de buques, al simular posibles escenarios para conocer las mejores dimensiones de popa, proa y otros factores. Además, podrían utilizarse para la gestión y optimización de flotas, ayudando a seleccionar la mejor ruta de navegación, reduciendo así los costes. Por último, otro posible caso de uso podría ser un sistema de alerta para reducir la probabilidad de incidentes, no sólo en el mar, sino también dentro de los límites de un puerto.

Desde el punto de vista de la Autoridad Portuaria, las aplicaciones de la IA pueden dividirse en diferentes categorías:

• Supervisión y vigilancia de la zona portuaria. Los sistemas de IA pueden utilizarse para supervisar casi todo. Por ejemplo, pueden aplicarse a la detección de cargas y movimientos de productos, ayudando a controlar qué hay en el puerto y dónde. Un mejor control de estos objetos puede conducir a una mejor gestión de los mismos.
• Sistemas de alerta automatizados. Los algoritmos de IA son capaces de entender cuándo se está produciendo un accidente, ayudando al sistema de seguridad portuaria a ser más proactivo en su gestión. Los sistemas de alerta pueden supervisar no solo posibles incidentes en el mar, sino también entre camiones, coches, etc.
• Optimización de las actividades logísticas portuarias. Los nuevos sistemas de IA pueden ayudar a los responsables de la toma de decisiones a optimizar el flujo de mercancías que entran y salen del puerto. También pueden ser útiles para asignar mejor los recursos portuarios con el objetivo de minimizar costes y esfuerzos.
• IA Generativa para empleados portuarios. Como ya han comentado diferentes empresas, la IA Generativa se implantará en el futuro en la vida cotidiana de los empleados. Estos sistemas les ayudarán en sus actividades. Un ejemplo de ello es Chat Copilot M365, que es un modelo generativo en el sistema Microsoft. Esta herramienta puede utilizarse para Teams, Outlook, PowerPoint, Word y Excel. Puede resumir contenidos, crear presentaciones y gráficos, crear respuestas a correos electrónicos, etc.
• Supervisión de infraestructuras. La IA puede ayudar al mantenimiento predictivo para reducir riesgos. Es capaz de detectar posibles incidencias en las infraestructuras y gestionarlas mejor.
• Barcos autónomos. Los buques autónomos pueden funcionar con IA. En el futuro podrán utilizarse para apoyar actividades marítimas. Esto puede ampliarse a otros medios de transporte como camiones o maquinaria de terminales.
  
• Gestión de datos. La IA puede ser útil para dos objetivos diferentes. En primer lugar, puede servir de apoyo al sistema de ciberseguridad, para hacerlo más resistente y capaz de detectar posibles ataques. También puede ser útil para el almacenamiento de datos, con el fin de optimizar la capacidad de las bases de datos. Por último, la recopilación de datos relativos a las escalas puede ser útil para mejorar los valores ETA (Estimated time of arrival)  y, en consecuencia, optimizar la logística del puerto.

La siguiente gráfica muestra la inversión privada anual realizada en IA por la Unión Europea y el Reino Unido, China y Estados Unidos, por áreas de interés.

La Comisión Europea se pronunció a través de la Ley de IA

El 13 de marzo de 2024, el Parlamento Europeo aprobó la Ley de IA. Esta legislación pretende garantizar la confianza en la IA al tiempo que reduce los riesgos que pueden derivarse de determinados sistemas de IA. Establece requisitos y obligaciones específicos para los desarrolladores e implantadores de productos de IA.

Según se informa en el sitio web oficial de la Unión Europea, las normas propuestas:

• abordarán los riesgos creados específicamente por las aplicaciones de IA;
• prohibirán las prácticas de IA que planteen riesgos inaceptables; 
• determinarán una lista de aplicaciones de alto riesgo;
• establecerán requisitos claros para los sistemas de IA destinados a aplicaciones de alto riesgo;
• definirán obligaciones específicas para los desarrolladores y proveedores de aplicaciones de IA de alto riesgo;
• exigirán una evaluación de la conformidad antes de poner en servicio o comercializar un determinado sistema de IA;
• pondrán en marcha medidas coercitivas tras la comercialización de un determinado sistema de IA;
• establecerán una estructura de gobernanza a escala europea y nacional.

El marco normativo

El marco reglamentario se compone de 4 niveles de riesgo para los sistemas de IA: 

• Los riesgos inaceptables son aquellos que pueden amenazar derechos fundamentales o valores sociales y provocar incidentes graves. Este tipo de aplicaciones de IA están prohibidas. Incluyen todas las actividades relacionadas con el reconocimiento facial, las que pueden influir en el comportamiento de los niños y las que pueden clasificar a las personas según su estatus o características personales.
• Entre los sistemas de alto riesgo figuran los que se desarrollan en productos sujetos a la legislación de la UE sobre seguridad de los productos, y los que intervienen en ámbitos específicos como la educación, la migración, etc. Estas aplicaciones se evaluarán no sólo antes de su lanzamiento al mercado, sino también durante su vida útil.
• Los riesgos limitados están relacionados con la falta de transparencia en el uso de la IA. La Comisión Europea introducirá normas específicas de transparencia para informar previamente a las empresas. Entre ellas figuran las aplicaciones que implican interacción entre humanos y máquinas.
• De riesgo mínimo o nulo son aplicaciones como los filtros antispam. La UE declaró que la inmensa mayoría de los sistemas de IA en Europa pertenecen a esta categoría.

Se proponen una serie de medidas para gestionar las aplicaciones de riesgo especialmente elevado.

Además, la Comisión Europea declaró que los grandes modelos lingüísticos como ChatGPT no están clasificados como de alto riesgo, pero tendrán que cumplir la legislación europea sobre requisitos de transparencia y la legislación de la UE sobre derechos de autor.

¿Es consciente la IA del reto medioambiental?

Uno de los tópicos habituales que está surgiendo en torno a la IA es que, a pesar de todos los beneficios que nos aporta, requiere mucha electricidad. Esto se debe a que la IA necesita procesar una enorme cantidad de datos todo el tiempo, lo que requiere que todos los componentes necesarios utilicen electricidad para funcionar.

Lyline Lim, Jefa de Impacto y Sostenibilidad de PhotoRoom, en un artículo publicado en Forbes, afirma que un factor importante en el consumo es cuándo la IA hace una inferencia. Una inferencia es el proceso por el que la IA responde a la consulta de un usuario. Cada inferencia requiere una cantidad específica de capacidad de procesamiento de la GPU, por lo que cuantas más consultas haya, más energía se consume.

Además, otro tema importante es el consumo de energía durante el entrenamiento del modelo. Naturalmente, el tiempo de entrenamiento es directamente proporcional a la complejidad del propio modelo. Durante este tiempo, el modelo consume energía.

Además, el siguiente gráfico muestra el cálculo utilizado para entrenar sistemas de IA notables, clasificados por la afiliación de los investigadores. Obsérvese que los valores se expresan en petaFLOP, que es la unidad de medida para este tipo de información.