Si bien las películas de ciencia ficción imaginan máquinas inteligentes que se apoderan del mundo, la realidad es que hay algunos desarrollos bastante emocionantes que ocurren en la inteligencia artificial.
Especialmente en el transporte marítimo, la industria desarrolla mejores capacidades de big data y, junto con ella, la oportunidad de construir nuevos sistemas que puedan ayudar a los humanos a operar buques de manera más segura y eficiente.
¿Cómo funciona la IA?
To comprender la naturaleza de la inteligencia artificial, debemos centrarnos en el uso del aprendizaje automático, que se puede dividir en cuatro categorías:
#1 Máquinas reactivas: Las máquinas reactivas son excelentes para jugar juegos específicos y seguir un conjunto prescrito de reglas, pero su funcionamiento es limitado. Siempre producirán el mismo resultado, si tienen un conjunto particular de insumos, por lo que son altamente confiables, pero no pueden interactuar con el mundo de manera inteligente.
#2 Memoria limitada: La memoria limitada permite a las máquinas mirar hacia el pasado para tomar mejores decisiones. Esto puede ser útil en el transporte marítimo, ya que, por ejemplo, un barco autónomo medirá la velocidad y la dirección de otros buques en el área para establecer el punto de aproximación más cercano.
#3 Teoría de la mente: La teoría de la mente requiere que las máquinas sean capaces de construir representaciones del mundo que consideren el conocimiento, las creencias, las emociones y las intenciones de los demás. Esto requiere que las máquinas entiendan que los humanos u otras máquinas pueden tener creencias diferentes y actuar de manera diferente a ellos.
#4 Autoconciencia: Las máquinas conscientes de sí mismas son conscientes de su propia existencia, pero no de la forma en que los humanos la interpretamos. Esto se debe principalmente a que nuestra comprensión de la conciencia humana limita nuestra capacidad de replicarla con máquinas.
IA en el lugar de trabajo
Según un informe de McKinsey, la mayoría de las empresas reportan beneficios medibles de la IA donde se ha implementado; sin embargo, queda mucho trabajo por hacer para escalar el impacto, gestionar los riesgos y volver a capacitar a la fuerza laboral.
Pros
- La IA conduce a devoluciones: Agregando en todos los casos de uso, el 63% de los encuestados informan aumentos de ingresos por la adopción de IA en las unidades de negocio donde sus empresas usan IA, y los encuestados de alto rendimiento tienen casi tres veces más probabilidades que los de otras compañías de informar ganancias de ingresos de más del 10%.
- Los profesionales de alto rendimiento de la IA participan en prácticas de captura de valor: Con el fin de capturar valor a escala, ciertas prácticas básicas incluyen alinear a los líderes de negocios, análisis y TI en el valor potencial en juego de la IA en cada dominio de negocio. Los resultados de la encuesta sugieren que estas prácticas básicas son válidas para escalar la IA, dado que los encuestados en IA de alto rendimiento son mucho más propensos que otros a decir que sus organizaciones aplican estas prácticas.
- Mayor énfasis en el reciclaje de la fuerza laboral: La mayoría de las empresas de los encuestados se están preparando para los cambios en la fuerza laboral relacionados con la IA. Cuando se les preguntó sobre la recapacitación de los trabajadores en respuesta a la adopción de la IA, casi seis de cada diez encuestados en empresas que utilizan IA dicen que al menos parte de su fuerza laboral ha sido reentrenada en el último año.
Contras
Sin embargo, la IA también tiene ciertos inconvenientes, que por supuesto también afectan al envío. Más específicamente:
- Mala calidad de los datos: La falta de información confiable en toda la cadena de suministro afecta negativamente a los datos y también impide el desarrollo de la IA. La solución a esto es obtener información analítica a partir de datos precisos, ya que las decisiones basadas en datos son tan correctas como sus conocimientos.
- Miedo a la sustitución de puestos de trabajo: Un nuevo informe de Inmarsat indica que la gente de mar está en gran medida a favor de una mayor digitalización, pero una proporción considerable de los que trabajan en el mar también temen la reducción de las oportunidades de empleo. La mitad de la gente de mar que respondió esperaba que las oportunidades de empleo disminuyeran en un 25% en cinco años.
- Falta de una estrategia clara: Los riesgos se pueden controlar al administrar el proceso con un caso paso a paso. Una estrategia clara establece un conjunto de acciones para crear una ventaja sobre los competidores.
Para garantizar que la tecnología de IA sea ética, McKinsey llama a los operadores para que hagan las siguientes preguntas:
- Sesgo y equidad: ¿Los conjuntos de datos en los que se entrenó el modelo son suficientemente representativos y diversos?
- Explicabilidad y transparencia: ¿Podemos ofrecer una explicación en lenguaje sencillo a las personas que se ven afectadas por la producción del sistema?
- Supervisión humana y rendición de cuentas: ¿Hay un “humano en el bucle” que supervisa y aprueba la salida del modelo utilizando un juicio informado?
- Privacidad y ética de los datos: ¿Se ha obtenido el consentimiento adecuado para cualquier dato personal utilizado para entrenar el modelo?
- Rendimiento y seguridad: ¿Se ha realizado el nivel adecuado de prueba y validación para garantizar que la salida del modelo sea lo suficientemente precisa?
- Seguridad: ¿Se han establecido controles de seguridad para proteger el modelo de la piratería o la manipulación por parte de terceros?
- Sostenibilidad: ¿Cómo se tiene en cuenta el impacto ambiental potencial de la energía requerida para entrenar el modelo?
