Hasta hace unos años, si queríamos que una computadora hiciera algo nuevo, era necesario programarla. Eso implicaba indicar en un código paso a paso qué deseábamos que la computadora realice. Arthur Samuel, en 1956, quería lograr que una computadora les gane a los humanos en un juego de mesa. Se preguntó, qué tal si hacemos que la computadora juegue contra sí misma millones de veces hasta que aprenda estrategias ganadoras, y funcionó, en 1962 la computadora de Arthur había vencido al campeón del estado de Connecticut, desde ese entonces hasta la actualidad han surgido miles de nuevas ideas bajo el mismo principio denominado aprendizaje automático o inteligencia artificial.
El buscador de Google fue, sin duda, el primer éxito comercial del aprendizaje automático, posteriormente Amazon, Netflix, LinkedIn, Facebook, y la lista de empresas basadas en inteligencia artificial va en aumento. En este caso, las empresas en lugar de programar paso a paso los resultados emplean algoritmos que han aprendido a hacerlo a partir de datos.
Las computadoras pueden aprender a hacer cosas que muchas veces no sabemos cómo hacer por nosotros mismos, incluso hay cosas que pueden hacerlas mejor que nosotros. Investigadores alrededor del mundo se preguntaron y qué tal si en lugar de datos de texto y números, proveemos a las computadoras de cámaras, micrófonos, sensores ambientales, acceso a datos de internet, conectividad con otros dispositivos, capacidad de mover servomotores y con estos datos entrenamos algoritmos que desarrollen tareas para la detección, clasificación, y asistencia a la toma de decisiones. Esta pregunta, y las demostraciones reales de su factibilidad, marcaron un antes y un después en la mayoría de las industrias.
Ahora, las computadoras pueden ver, leer, oír, hablar, moverse, sentir el ambiente, activar o desactivar dispositivos, acceder a datos de internet. Si bien es cierto, aún no existe una inteligencia artificial generalizada que sea capaz de realizar todas estas tareas en conjunto por sí sola. Actualmente, los algoritmos que realizan una única tarea son muchas veces capaces de realizarlas con mayor precisión y durante tiempos extremadamente prolongados, con lo que nos superan ampliamente en la realización de tareas repetitivas.
Estos avances conducen a oportunidades emocionantes, por ejemplo, en Acuacultura, en nuestra empresa hemos logrado detectar la ubicación, largo, ancho, peso, y características de color de larvas y juveniles de camarón; lo interesante es que esto se logra usando una app cuyos resultados tienen mayor precisión y se entregan en menor tiempo de lo que podría hacerlo un operador, con nuestras investigaciones pronto será posible estimar características relevantes para diagnosticar problemas de salud o de nutrición, y la lista de potenciales aplicaciones es amplia.
Un desafío que marcará la diferencia en cuanto a la producción tiene que ver con desarrollar soluciones costo-efectivas que sean útiles para los productores, de tal manera que los eslabones críticos del proceso de producción se puedan regularizar y optimizar. Este desafío genera un sinnúmero de oportunidades para la industria de nuevas startups tecnológicas, que pueden usar algoritmos de inteligencia artificial para resolver nudos operativos de manera eficiente y a un bajo costo.
Podríamos pensar -a priori- que las aplicaciones que usan inteligencia artificial reemplazarán trabajos, sin embargo, la industria ha notado que con los avances tecnológicos las personas no están siendo reemplazadas por sistemas informáticos, sino que están trabajando juntos en una simbiosis humano-máquina que genera mejores resultados productivos en campo, con lo cual el productor crece, y la oferta de empleo incrementa. Lo que se ve como un desafío, podemos convertirlo en una gran oportunidad para optimizar la producción acuícola y llevarla al siguiente nivel de la industria acuacultura 4.0.