Antes de ganar el Premio Nobel en 1906, Santiago Ramón y Cajal escribió la doctrina de las neuronas. Las describía como unidades individuales que se comunican entre sí de manera direccional a través del espacio existente entre ellas. Así, esbozó en líneas generales cómo fluye la información en el cerebro. Por eso, sus descubrimientos no solo constituyen la base de la neurociencia moderna, sino también la del desarrollo de la inteligencia artificial (IA).
Este es el caso de las redes neuronales: unos modelos matemáticos que enseñan a las computadoras a procesar datos como lo haría una persona. Su rápida evolución experimentada en los últimos años ha permitido que sean utilizadas para tratar problemas complejos por su versatilidad y potencia. Así, han llegado a permear muchos ámbitos de la vida cotidiana, desde las redes sociales o las sugerencias del móvil acerca de cómo mejorar la salud digital hasta el afamado ChatGPT. Este también parece ser el caso en la industria, aunque las empresas suelen toparse con algunas dificultades en su implantación.
«El funcionamiento de las redes neuronales profundas depende de su capacidad de fusionar datos de forma adecuada para la identificación de las características más relevantes. El problema es que la mayor parte de redes disponibles en el mercado implementan las mismas técnicas de fusión, lo que les resta flexibilidad al momento de adaptarse a problemas concretos. Además, para mejorar los resultados obtenidos, tradicionalmente se incrementa el número de parámetros de la red, lo que hace más lento y costoso su uso», señala Javier Fernández, investigador en el Grupo de Inteligencia Artificial y Razonamiento Aproximado (GIARA) de la Universidad Pública de Navarra (UPNA).
Quienes deseen conocer más a fondo el proyecto pueden hacerlo a través de este enlace
De ahí que el centro educativo comenzara a explorar nuevos algoritmos para responder a los desafíos de las empresas en este campo. Un trabajo en el que ha establecido sinergias con NAITEC. «En nuestro contacto diario con la industria, identificamos una serie de necesidades, en materia de procesos y productos, que requieren de inteligencia artificial. Buscamos que puedan tener más servicios asociados a través de estas técnicas desarrolladas por la UPNA», indica Javier Ojer, responsable de la Unidad de Negocio de Mecatrónica en el centro tecnológico.
Por eso, ambas entidades continúan su colaboración a través del proyecto Fusiprod. ¿Su objetivo? Mejorar los procesos de fusión de información dentro de la red, de forma que pueda optimizarse su rendimiento con un coste menor. La iniciativa está coordinada por ADItech, a su vez agente coordinador del Sistema Navarro de I+D+i (SINAI), y financiada por el Ejecutivo foral en la convocatoria de ayudas a centros tecnológicos y organismos de investigación para la realización de proyectos de I+D colaborativos.
HACIA UNA IA «MÁS INTERPRETABLE»
Tras ser entrenadas, las redes neuronales son capaces de predecir los gustos de una persona o cuándo se va a averiar un molino eólico. Para ello necesitan, por un lado, los datos y, por otro, una forma de extraer la información. Por eso, la primera etapa del proyecto se centró en la recogida de datos, una tarea realizada por NAITEC.
«Fusiprod se centró en un caso concreto: la predicción de anomalías en las máquinas, es decir, eventos que no forman parte de su historial de actividad. La información que obtuvimos provenía de series temporales en nuestro banco de ensayos. En esta parte del proyecto, la colaboración fue estrecha porque teníamos que asegurar la calidad de dichos datos y que pudiesen ser utilizados en los desarrollos teóricos de la UPNA», apunta Ojer.
Javier Fernández (izda.), de la UPNA, y Javier Ojer (dcha.), de NAITEC, lideran el proyecto Fusiprod.
En paralelo, el grupo de la universidad se centró en «entrar en las tripas» de las redes neuronales para modificarlas a través de técnicas basadas en funciones de agregación e integrales difusas. «Las primeras facilitan juntar datos y representarlos bien. Las segundas permiten tener en cuenta cómo se relacionan los datos, si algunas relaciones son más importantes que otras», precisa Fernández. Así, en lugar de aumentar parámetros para mejorar los resultados, el equipo buscó afinar la capacidad de las redes neuronales para identificar qué datos debe fusionar.
En este sentido, la iniciativa representa un paso más en el camino para desarrollar sistemas de inteligencia artificial «más explicables e interpretables», a juicio del investigador de la UPNA: «El problema con las redes neuronales es que metemos datos, pero no sabemos por qué dan una respuesta concreta. Al modificar su interior, podemos intentar entender qué está pasando dentro cuando operan. Hay problemas donde no importa saber el porqué de las respuestas, pero es interesante para aplicaciones más sensibles como las médicas».
APLICACIÓN EN LA INDUSTRIA
Por último, NAITEC se encargó de embeber las redes neuronales desarrolladas por la UPNA en diferentes hardwares con el fin de integrar los dispositivos en productos o a pie de máquina «a un bajo coste», especifica su responsable de la Unidad de Negocio de Mecatrónica. Así, uno de los retos fue conseguir que el modelo cupiese en la memoria de un microprocesador y diera los mismos resultados: «Hemos logrado integrar las redes desarrolladas en Fusiprod para que tengan aún más funciones de inteligencia, de forma que aumentan la competitividad de los productos».
Los resultados de la iniciativa ya se están utilizando en proyectos innovadores con los que NAITEC presta apoyo a empresas y entidades. Además, otra de las ventajas del dispositivo es que no requiere de conexión con la nube. «Hay empresas que son celosas de su know how, así que tienen reticencias a la hora de llevar información sensible de sus procesos a un servidor externo», concluye Ojer, quien destaca el recorrido que el proyecto aún puede tener en el tejido productivo.
