Después de que Geoffrey de Smet conociera el concepto de los algoritmos del motor de reglas, usó su conocimiento para optimizar una de las tareas administrativas más comunes
Uno de los elementos más importantes de la automatización es la optimización. Los trabajadores de múltiples industrias quieren usarlo para reducir las tareas administrativas monótonas que pueden llevarse a cabo mediante algoritmos inteligentes, dejando que los humanos realicen las tareas que requieren más pensamiento o creatividad. Para aquellos que no trabajan directamente con algoritmos y código, necesitan algún tipo de herramienta de automatización para lograrlo. Ahí es donde entran personas como Geoffrey De Smet de Red Hat.
De Smet es el líder y creador de OptaPlanner, un solucionador de restricciones de IA de código abierto que se puede usar para resolver problemas de planificación y automatizar cronogramas como rutas de vehículos, listas de empleados y programación de mantenimiento. “En 2006, estaba trabajando en un grupo de investigación que se enfocaba en metaheurísticas y otros algoritmos de IA”, dijo a SiliconRepublic.com. “Una presentación en una conferencia local me enseñó sobre los algoritmos del motor de reglas. Me inspiré para combinarlos. Después de unas largas vacaciones, nació OptaPlanner .”
Creación de OptaPlanner
De Smet trabajó en OptaPlanner durante muchos años en su tiempo libre. A menudo se unía a los desafíos de investigación de operaciones académicas para ver si podía resolverlos con OptaPlanner. “Después de todo, alguien tenía que ayudar a Santa Claus a encontrar el camino más corto para visitar a todos los niños de este planeta”, dijo. “Estas competencias me expusieron regularmente a mejores algoritmos y técnicas de implementación, que asimilé rápidamente en OptaPlanner.
“Por ejemplo, en una competencia alrededor de 2012, un equipo usó el algoritmo de aceptación tardía para superar los resultados de OptaPlanner. Este algoritmo metaheurístico, inventado por Yuri Bykov, es en promedio mejor que la búsqueda tabú y el recocido simulado. Así que también lo implementé para OptaPlanner”. De Smet se unió a Red Hat en 2010 y, en 2013, la empresa de software de código abierto había comenzado a producir OptaPlanner y a ofrecer soporte empresarial para él. “Mi pasatiempo se convirtió en mi trabajo completo”, dijo.
Los casos de uso de esta automatización ahora son de gran alcance. OptaPlanner es capaz de reducir el tiempo de conducción de una flota de vehículos decidiendo qué vehículo va a dónde y en qué orden. En la programación de empleados para trabajadores por turnos, como enfermeras, médicos y guardias de seguridad, el algoritmo asigna cada turno a un empleado teniendo en cuenta las habilidades, la afinidad, la disponibilidad y otras limitaciones.
“Otros casos de uso importantes incluyen la programación de mantenimiento, el horario escolar, el enrutamiento de preparación de pedidos, la programación de talleres y la programación de audiencias judiciales”, dijo De Smet.
El futuro de la automatización
Si bien la automatización podrá optimizar una gran cantidad de trabajo en una amplia gama de industrias, De Smet dijo que las empresas deberán poder ajustarse con frecuencia y rapidez para que la automatización sea realmente efectiva. “Por ejemplo, un modelo de aprendizaje automático entrenado con los datos de vuelo del año pasado podría no ser relevante hoy, ahora que el turismo está aumentando nuevamente”, dijo.
“Otra gran tendencia que veo es la necesidad de medir claramente el retorno de la inversión (ROI) de cualquier implementación de tecnología de IA. El tiempo de agitar las manos ha terminado. Al mismo tiempo, el ROI de muchos proyectos de IA es enorme, pero también lo es el salto para darlos. A menudo, los beneficios no se pueden materializar en pequeños pasos incrementales, solo al final, cuando funciona por completo, o no”.
Con este resultado potencial de todo o nada, De Smet dijo que la experiencia de pago por uso para el desarrollo de IA es algo que debe cambiar. También dijo que uno de los mayores desafíos en la industria de la IA en su conjunto es convencer a los usuarios de que esta área de la tecnología es más que solo aprendizaje automático y que es vital que se use la herramienta adecuada para el trabajo correcto.
“El aprendizaje automático, y las redes neuronales de aprendizaje profundo en particular, son excelentes para el reconocimiento de patrones: reconocimiento de imágenes, reconocimiento de voz y cosas similares en las que los humanos son buenos”, dijo. “El aprendizaje automático es consistentemente inferior en la planificación y programación. Utilice metaheurísticas y algoritmos de optimización matemática para tales casos de uso. Martillar un tornillo conduce a resultados subóptimos”.
Historias relacionadas :
Meta Open Source : ya estaría transfiriendo Jest a la Fundación OpenJS
Appwrite : ha lanzado un fondo dirigido al desarrollo de software de código abierto
¿Porqué la economía es variable para el código abierto?
¿Existe la posibilidad de aplicar licencias de código abierto a los datos?
Elon Musk : anuncio que el algoritmo de código abierto no lograría resolver los problemas de Twitter
¿Cuáles sería los riesgos emergentes del código abierto?
[Fuente]: siliconrepublic.com
Behnam Norouzi.(21 de junio de 2022).Calendario . Modificado por Carlos Zambrado Recuperado siliconrepublic.com