Ver traducción automática
#Novedades de la industria
{{{sourceTextContent.title}}}
Sistemas de IA para aplicaciones en cualquier industria
{{{sourceTextContent.subTitle}}}
Sistemas de IA para aplicaciones en cualquier industria
Las aplicaciones en el campo de la Inteligencia Artificial (IA) se están abriendo paso cada vez más en casi todos los sectores industriales y son un factor decisivo en el progreso de la creación de valor empresarial. La transformación digital exige ciclos de innovación cada vez más cortos por parte de la ciencia y la investigación, así como de los proveedores de tecnología, y también un nuevo nivel de alto rendimiento en hardware y software, ya que las aplicaciones de IA sólo pueden realizarse sobre la base de procesos intensivos en datos y computación.
Atención sanitaria: Una carrera más rápida contra el tiempo con AI
En el tratamiento de pacientes, por ejemplo, el sexo anal puede aportar ventajas de tiempo en cuanto a la prevención, el diagnóstico y la terapia. Las posibilidades de recuperación aumentan con el grado de hallazgos diagnósticos, como radiografías, ATC, TRM o ultrasonido. Las aplicaciones de IA que estructuran y analizan grandes cantidades de datos en un corto periodo de tiempo son necesarias para complementar los diagnósticos del personal médico. Sólo tardan unos segundos en entregar los resultados para que los médicos los evalúen. Los sistemas de IA pueden vincular datos de fuentes como los métodos de imagen, la genómica y la proteómica y proporcionar un apoyo significativo para la prevención y la terapia. En el caso de enfermedades epidémicas y metastásicas, la rapidez con una tasa de error cero es decisiva para el diagnóstico, la terapia y la recuperación del paciente.
Industria energética: mantenimiento predictivo a través de diagnósticos preventivos
La producción y el suministro de energía soportados por la IA permiten procesos sin problemas y la prevención precoz de averías a través de sistemas de diagnóstico preventivo. Las estrategias de mantenimiento predictivo basadas en IA para el suministro de energía y la automatización industrial optimizan el mantenimiento de las plantas, permiten el control remoto en tiempo real y adaptan los programas de mantenimiento a las condiciones reales. La máquina y el aprendizaje profundo ayudan a detectar desviaciones en una fase temprana utilizando algoritmos de planificación, así como a indicar anomalías tales como desequilibrios, desalineaciones o grietas en el material de turbinas y compresores. El análisis de los datos de los sistemas de IA permite detectar las disfunciones a medida que se producen, incluso antes de que tengan un impacto negativo. Contribuyen a evitar las paradas de producción y los riesgos potenciales en términos de seguridad de la instalación, funcionamiento de la instalación, suministro continuo y medio ambiente
Potencia de cálculo escalable para ML, DL, Inferencing
En cualquier industria, los potentes componentes de hardware y software son esenciales para que las soluciones de IA basadas en el aprendizaje profundo, el aprendizaje automático y la inferencia puedan cumplir su función como aplicaciones críticas para el sistema. Los sistemas tienen que analizar grandes cantidades de datos en un período de tiempo muy corto. La potencia de cálculo necesaria para el procesamiento paralelo la proporcionan las CPUs multinúcleo, las Unidades de Procesamiento de Vídeo (VPUs), las Unidades de Procesamiento Gráfico (GPUs) o los Arreglos de Puertas Programables en Campo (FPGAs), que calculan las redes neuronales con una potencia de cálculo en el rango de operaciones de Tera por segundo. La API de procesamiento de vídeo Intel® OpenVino™, compatible con el marco de software IIoT SUSiEtec, permite escalar modelos de redes neuronales, una vez creados, y ejecutarlos opcionalmente en CPUs, GPUs, VPUs y FPGAs multinúcleo Intel®, lo que permite un aumento exponencial del rendimiento. Los modelos de redes neuronales capacitadas existentes también se pueden convertir a Intel® OpenVino™ con poco esfuerzo. Además de las plataformas de inferencia basadas en Intel® y NXP, Kontron, como socio preferente de NVIDIA, también utiliza desde julio de 2019 las GPU del líder internacional en el mercado de tarjetas gráficas y GPU para el aprendizaje profundo (formación)
Las GPU NVIDIA forman parte del servidor rackmount de Kontron más potente de la actualidad, KISS V3 4U SKX-AI. El servidor escalable está equipado con dos potentes procesadores de la serie Intel® Xeon® SP, que se pueden ampliar con doce módulos DIMM DDR4-2666 y hasta 768 GB de RAM con soporte ECC. Hasta tres tarjetas GPU de doble ancho de gama alta NVIDIA® TESLA® V100 proporcionan un rendimiento de GPU extremadamente alto. Las GPUs realizan con precisión las matemáticas matriciales necesarias para representar y simular neuronas artificiales. Por lo tanto, las GPU NVIDIA son compatibles con los procesadores Intel® Xeon® para la formación de redes neuronales. Para el desarrollo de software, los usuarios pueden utilizar el potente kit de herramientas CUDA de NVIDIA
Soluciones para el aprendizaje profundo y mecánico
La potencia de la computación, ya sea local u obtenida de la nube, siempre es necesaria para el aprendizaje profundo y automático. Por lo general, las redes neurales prefabricadas son entrenadas para funciones de reconocimiento automatizadas. El proceso completo de aprendizaje profundo consta de cuatro fases:
1. Recogida de las muestras
2. Fase de formación
3. Transformando la red aprendida
4. Integración de la red formada en un producto
Para las aplicaciones de IA que tienen que entregar resultados en poco tiempo o incluso en tiempo real, se necesita un ordenador de borde que esté estrechamente conectado a la aplicación en la red. Para el entrenamiento de redes neuronales a menudo tiene sentido utilizar las grandes capacidades del servidor en la nube, pero también hay muchos casos en los que el material de entrenamiento tiene que permanecer local y se utiliza un servidor de entrenamiento de vanguardia
Un ejemplo es la inspección visual. Aquí, las grabaciones de una cámara conectada a través de USB o de una red se analizan y evalúan directamente en el dispositivo periférico, p. ej. KBox B-202-CFL o KISS V3 4U-SKX mediante una red neuronal capacitada en un proceso llamado "Inferencia". Además de la inspección visual, también son posibles aplicaciones de IA en el reconocimiento y reproducción de textos, así como en el reconocimiento de patrones de audio y comportamiento. El reconocimiento de audio, por ejemplo, se puede utilizar para identificar vibraciones inusuales que indican una pieza defectuosa de la máquina. Por ejemplo, los ejes de los trenes podrían comprobarse durante su funcionamiento. Los cortafuegos en las redes de TI pueden aprender lo que corresponde al comportamiento normal en la red y dar alertas en caso de actividades inusuales e iniciar medidas de protección y defensa.
Perspectivas y tareas de la IA
El Prof. Dr. Andreas Dengel, jefe de obra de DFKI en Kaiserslautern, resume las tareas que la IA tendrá que realizar en el futuro: "La gente tiene experiencia y actúa intuitivamente. Sobre la base de grandes cantidades de datos, KI puede ofrecer sugerencias para actuar o realizar tareas que son imposibles para los seres humanos. La gran oportunidad de esta simbiosis para el trabajo reside en el hecho de que la IA actúa como un potenciador del rendimiento intelectual y, por lo tanto, complementa y amplía las capacidades humanas. Es importante que los procesos de toma de decisiones sean transparentes y comprensibles y que se definan normas internacionales para ellos" (Fuente)
+++
