En un mundo donde los seres humanos llevamos a cabo tareas que involucran la manipulación de objetos, como alzarlos, arrastrarlos o interactuar con ellos (por ejemplo, cuando usamos nuestros queridos móviles o nos comemos una manzana), estas acciones se ejecutan de manera inconsciente, de forma natural. Son nuestros sentidos los que nos permiten adaptar nuestras características físicas a las tareas de manera instintiva. En contraste, los robots actúan como pequeños aprendices de humanos, imitando nuestro comportamiento, ya que actualmente carecen de la misma consciencia e inteligencia.
Para abordar esta brecha, emergió la «Interacción Humano Robot» (HRI, por sus siglas en inglés), una disciplina que busca comprender, diseñar y evaluar la interacción entre robots y seres humanos. Este campo tuvo sus inicios en la década de los 90´s con un enfoque multidisciplinar, pero hoy en día su estudio está en constante evolución y ha dado lugar a importantes eventos1 donde se reúnen visionarios en la temática, que buscan impulsar esta tecnología, acercándonos cada vez más a un mundo donde la inteligencia artificial y los seres humanos se entiendan y colaboren transformando nuestro futuro cercano.
Es importante comprender que esta disciplina de la interacción humano robot no es una tarea sencilla, sino tremendamente desafiante, ya que requiere a su vez de la contribución de las ciencias cognitivas, la lingüística, la psicología, la ingeniería, las matemáticas, la informática y el diseño de los factores humanos, por lo que existen múltiples atributos involucrados, como son:
Nivel de autonomía: toma de decisiones de forma independiente.
Intercambio de información: fluidez y entendimiento entre las diferentes partes.
Diferentes tecnologías y equipos: mayor adaptación entre lenguajes y modelos.
Configuración de tareas: definición y ejecución de tareas de manera eficiente.
Aprendizaje cognitivo: habilidades para aprender y mejorar con el tiempo.
También en este caso toma especial importancia el tipo de interacción, que se define como, acción, relación o influencia recíproca entre dos o más personas, objetos, agentes, etc. y un factor clave es la distancia entre humano y robot, donde se puede denominar interacción a distancia, por ejemplo, robots móviles que se envían al espacio, o por el contrario una interacción de manera física, cuando el ser humano tiene contacto con el robot.
Niveles de interacción entre humano y robot de acuerdo a los estándares definidos en ISO8373//10218//15066. Fuente: V. Villani, et al., Survey on human–robot collaboration in industrial settings: Safety, intuitive interfaces and applications, Mechatronics 55 (2018) 248–266,http://dx.doi.org/10.1016/j.mechatronics.2018.02.009
Estos atributos son solo una muestra de las complejidades que involucran estos sistemas de interacción robótica, donde la colaboración interdisciplinaria es esencial para su evolución.
Desafíos de la interacción entre humanos y robots
En este momento los desafíos están relacionados con la naturaleza altamente desestructurada de los escenarios donde se utilizan los robots colaborativos, ya que es imposible para un desarrollador tecnológico estructurar todo el entorno del sistema. Entre los más importantes retos se encuentran aspectos relacionados con movilidad, comunicaciones, construcciones de mapas y la conciencia de la situación.
Entonces, ¿cuál es el siguiente paso en las interacciones humanos-robots? Algunos desafíos son: conseguir que hablen el mismo idioma, esto implica mejoras y simplificación de la comunicación, especialmente en el caso de personas no entrenadas tecnológicamente, no presuponer estas habilidades previas y que no necesiten complicados manuales de instrucciones; también descubrir nuevas formas de interacción, mediante lenguaje natural, en el caso de los robots de asistencia, especial cuidado por la proximidad y vulnerabilidad; en general mejorar las interfaces, hacerlas más ágiles y flexibles, para poder ser adaptadas de forma sencilla a diferentes escenarios y cambios de entorno.
Por otro lado, un desafío que cobra especial importancia en los últimos tiempos es tener en cuenta las necesidades emocionales, valores humanos y ética en las interacciones entre humanos y robots, como se destacó anteriormente en esta definición de HRI.
Definición HRI (Interacción Humano-Robot)
es la ciencia que estudia el comportamiento y las actitudes de las personas hacia los robots en relación con sus características físicas, tecnológicas e interactivas, con el objetivo de desarrollar robots que faciliten el surgimiento de interacciones humano-robot eficientes (de acuerdo con los requisitos originales de su área prevista de uso), pero también sean aceptables para las personas y satisfagan las necesidades sociales y emocionales de sus usuarios individuales, respetando al mismo tiempo los valores humanos (Dautenhahn, 2013).
Inspirados por este apasionante campo de trabajo, CARTIF, en colaboración con la Fundación FIWARE y otros socios punteros en Europa, comenzará en 2024 el proyecto europeo ARISE, que pretende conseguir tecnologías de código abierto en tiempo real, ágiles y centradas en el ser humano, que impulsen soluciones en interacción Humano-Robot HRI combinando tecnologías abiertas como ROS2, Vulcanexus y FIWARE. Y donde se pretenden resolver retos mediante financiación de experimentos que desarrollen soluciones HRI ágiles con interfaces cada vez más adaptables e intuitivas.
ARISE abordará muchos de los siguientes desafíos: (1) Aplicación de robótica colaborativa para desmontaje de productos de valor añadido, (2) Picking de productos complejos en almacenes industriales, (3) Colaboración robótica flexible para un ensamblado y control de calidad más eficiente, (4) Reprogramación inteligente asegurando la adaptabilidad para diferentes productos mediante interfaces intuitivas, (5) Tareas de búsqueda y transporte en entornos sanitarios, (6) Mejora de la interacción multimodal en torno a diferentes tareas funcionales, (7) Asistencia robótica en tareas flexibles de alta precisión y (8) mejora de la ergonomía y la eficiencia de los trabajadores, generando así un marco de trabajo multidisciplinar que tiene en cuenta aspectos tanto tecnológicos como sociales.
Además, el proyecto ARISE abre sus puertas a los expertos en robótica para que puedan colaborar con la resolución de los diversos desafíos, generando así nuevos componentes tecnológicos para la HRI Toolbox, como ROS4HRI. Este gran reto colaborativo tiene como objetivo facilitar a las empresas la creación ágil y sostenible de aplicaciones HRI en un futuro cercano.
1ACM/IEEE International Conference on Human-Robot Interaction, IEEE International Conference on Robotics and Automation (ICRA) y Robotics Systems and sciences
¿Alguna vez has probado algún juego de carreras de coches? Una carrera de F1, un rally, o si has conducido el Assestto Corsa, ya sabes por dónde encamino esta pequeña reflexión.
Si lo has hecho, alguna vez, habrás experimentado una sensación de «realismo» de comportamiento. De hecho, si has probado algún simulador de conducción, habrás notado el grado de detalle y realismo que hay en el comportamiento de la simulación, pudiendo recrear a la perfección, desde diferentes potencias y entregas de potencia de motor, repartos de pesos y dinámicas de los vehículos. Incluso es capaz de recrear el tipo de superficie por la que circula el coche, lo que implica diferencias de comportamiento, como es lógico debido a irregularidades y diferentes factores de rozamiento, etc. Podríamos hablar de gemelos digitales, representaciones digitales fidedignas a la realidad y que se comportan imitando el caso real en el mundo físico.
Tal es el grado de fidelidad a la realidad, que los equipos que más dinero gastan en el mundo para entrenar a sus pilotos, los equipos de F1, entrenan en simuladores virtuales (mixtos en realidad, pues el simulador es capaz de transmitir dinámicas al piloto).
Lo mismo podríamos decir de los pilotos de avión, que se entrenan durante cientos de horas en simuladores que representan, con un grandísimo grado de detalle, las dinámicas asociadas al vuelo de un avión.
Figura 1. Imagen de un simulador de F1. Fuente: Fbrand.
En la industria, también se realizan estos entornos virtuales que representan fábricas y sus procesos internos, llamados gemelos digitales, a un nivel de detalle cada vez más preciso. Y cada vez son más las empresas, tanto por el lado del cliente como por el lado de la empresa proveedora de automatizaciones, que implantan tanto la automatización de una instalación o proceso, como simultáneamente el gemelo digital. Esto es debido a los beneficios que se puede obtener al disponer de estas herramientas, por ejemplo, una mejor toma de decisiones gracias a la posibilidad de simulación previa, flexibilidad y rapidez a la hora de implantar cambios, mayor información en tiempo real, mejoras en mantenimiento.
Si entrenamos a personas en simuladores y simulamos procesos y fábricas, ¿no podemos hacer lo mismo con los robots? Pues efectivamente, creo que si.
Si te has relacionado en algún momento con la ingeniería en general, o con procesos de fabricación, sabrás que actualmente, el diseño de un producto (servicio, edificio, carretera…), se hace mediante el uso de softwares de diseño específico, llámese Autodesk, Blender o como sea, pero se hace digitalmente.
Piense en algo que conoce perfectamente, un coche. Pues todas y cada una de sus miles de piezas, sean piezas propias o suministradas por proveedores, están correctamente dimensionadas (geotérmicamente) y definidas (propiedades, composición, materiales …) digitalmente, tanto en 2D como 3D. Si integras toda la información individual en el concepto «coche», tendrías ahí, el famoso gemelo digital.
Ahora, extrapolado a un fabricante de robots (en este artículo, nos referimos a los robots de servicio, no a industriales), obviamente aunque no es una industria tan grande (a día de hoy) y con tanto bagaje como la automotriz, los procesos de diseño y fabricación en la industria en general son muy similares (en industrias más incipentes y modernas, también se integran las nuevas corrientes más rápido, primordialmente por el tamaño y la cultura), podemos intuir que estas empresas pueden disponer o disponen de un gemelo digital de su producto final. Con todos los aspectos positivos que ello conlleva a la empresa.
Figura 2. Sala virtual para monitorización de robots asistenciales.
Bien, llegados aquí, te preguntarás, ¿qué tiene que ver esto con que Carlos Sainz se entrene en un simulador? La respuesta es obvia, al igual que entrenamos a personas para mejorar sus capacidades ayudados por entornos virtuales, vamos a ser capaces de entrenar a robots en dichos entornos, con las grandes ventajas que esto conlleva. Verá rápidamente a que me refiero.
Para entrenar a estos robots, una de las técnicas que se utilizan, es mediante el uso de la IA, poniendo el robot en un entorno físico y probando a ejecutar las tareas necesarias para conseguir el objetivo para el que ha sido programado, y mediante el aprendizaje profundo, este robot va aprendiendo a realizar su misión cada vez mejor. Por ejemplo: REINO UNIDO | Presentan robot que «aprende por sí solo»
Ahora, no pienses en un simple brazo robótico que se dedica a realizar tareas simples, e imagina robots más «futuristas», como en la siguiente ilustración (es un robot comercial a día de hoy).
Figura 3. Robot de Boston Dynamics
Si disponemos del gemelo digital (lo más realista y totalmente definido) del robot, y podemos recrear entornos virtuales que recreen fielmente entornos físicos, como una ciudad, un bosque o la luna si usted quiere. Podremos entrenar a nuestro robot en tareas y entornos que no se podrían hacer de otra manera ( o sería más caro, peligroso o directamente imposible).
Un par de ejemplos, un poco extremos, para que se entienda bien: podemos recrear una zona azotada por una catástrofe natural y entrenar a estos robots en tareas de salvamento. O podemos recrear Marte con su atmósfera, temperaturas, gravedad, terreno, etc., y ver como se comportaría el robot en dicho entorno.
Una vez tuviéramos el modelo completamente entrenado y satisfaga las necesidades, se podría descargar el modelo de control del robot, en el modelo físico. Pudiendo estar entrenando como hemos visto para sucesos que no han sucedido todavía. De esta manera, se pueden detectar fallos de construcción, de materiales o de diseño y arreglarlo en el modelo digital, para comprobar la efectividad de la solución y posteriormente mejora el proceso productivo.
Por parte de la empresa fabricante, está claro la ventaja que conlleva el gemelo digital y estos entornos de entrenamiento. Flexibilidad, ahorro de costes, de tiempo, de riesgos, mayor capacidad de entrenamiento, mayor personalización de la solución para el cliente final, etc.
Y por otro lado para el usuario final, sería muy bueno, poder entrenar a los robots en las tareas concretas, antes de tener que realizarlas, posibilidad de entrenamiento sobre nuevas políticas, mayor grado de personalización, mejor entrenamiento entre agentes no esperados.
Considero, que esta forma de trabajar, podría ser un estándar en el futuro. Es posible que el día de mañana estemos entrenando mineros espaciales para recolectar minerales en asteroides. O que entrenemos al robot para el cultivo de algas en profundidad.
Quién sabe qué apasionantes misiones mandaremos hacer a robots pre-entrenados en un futuro, no tan lejano.
Descarbonización es el «trending topic» de los términos relacionados con la sostenibilidad, la energía y el medio ambiente. Podemos entenderlo como el proceso de disminuir la cantidad de dióxido de carbono (CO2) liberado a la atmósfera, lo que reduce el cambio climático y la dependencia de los combustibles fósiles, que son precisamente los que emiten CO2 cuando se queman (claros ejemplos son el petróleo y el carbón). La descarbonización implica el uso de fuentes de energía más limpias, pero también la adopción de tecnologías y de métodos que protejan el medio ambiente y reduzcan esas emisiones (la tan nombrada «huella de carbono»).
Pero esto, ¿qué tiene que ver con el Patrimonio Cultural?. Pues te vas a sorprender, pero resulta que el Patrimonio aporta a la descarbonización muchas e importantes cosas: la preservación de los edificios históricos, la reutilización de espacios, la promoción del transporte sostenible, el fomento del turismo cultural y la innovación tecnológica para su valoración y conservación. O sea, que resulta que ofrece un enfoque respetuoso con el medio ambiente en la planificación urbana y el desarrollo rural.
Si entramos en un poco más de detalle, verás que el Patrimonio Cultural puede desempeñar un papel significativo en la descarbonización y la lucha contra el cambio climático. Te ponemos en bandeja cinco formas de hacerlo, pero seguro que se te ocurre alguna más (dínoslo, por favor):
Innovación tecnológica en la conservación1 de edificios históricos (donde CARTIF tiene mucho que decir): aquí la sensibilidad que requiere la edificación histórica implica el desarrollo de técnicas y tecnologías específicas, que pueden tener aplicaciones más amplias en la reducción de emisiones de carbono en otros campos de la construcción y de la gestión del entorno. La inspección técnica, la conservación preventiva y la intervención de base digital empleando H-BIM evitan tanto su ruina y/o demolición, como las construcciones alternativas de nuevo cuño, lo que reduce significativamente los recursos materiales y energéticos que pudieran destinarse a esos fines. Además, y esto es importantísimo, los edificios antiguos fueron diseñados y construidos con técnicas y materiales que son inherentemente sostenibles, aprovechándose aspectos que hemos «redescubierto» hoy en día como la orientación, la ventilación natural y el uso de materiales autóctonos.
Reutilización de espacios: Los sitios y edificios históricos pueden ser adaptados para nuevos usos y transformados en espacios habitables o de trabajo con un nivel de confort adecuado al siglo XXI, lo que a medio-largo plazo ahorra recursos en comparación con la construcción de nuevas estructuras sustitutivas. Esta reutilización contribuye a una mayor eficiencia energética y a la reducción de emisiones de carbono.
Adaptación y transcripción de técnicas profesionales antiguas: los lugares históricos son ejemplos de cómo las sociedades del pasado se adaptaron a los desafíos medioambientales (que han existido siempre) y cómo se pueden adoptar en la actualidad lecciones aprendidas en el pasado a través de la comprensión y la reconversión tecnológica de las técnicas y usos tradicionales (tanto materiales como métodos).
Fomento del transporte sostenible: La preservación de los cascos históricos en las ciudades promueve cada vez más la movilidad sostenible. De hecho, fueron concebidos para moverse andando, a caballo o en carromatos, carrozas y carruajes. Por tanto, favorecen absolutamente la accesibilidad peatonal y el uso del transporte público en lugar del vehículo privado. Esto reduce la dependencia de los combustibles fósiles y disminuye las emisiones de gases de efecto invernadero.
Desarrollo del turismo cultural sostenible: está más que probado que el turismo cultural sostenible puede desempeñar un papel importante en la economía local e incluso de una región, fomentando prácticas más respetuosas con el medio ambiente como la gestión de residuos, la conservación de la biodiversidad y la promoción agroalimentaria y artesanal de calidad.
Pero, ¿realmente el Patrimonio Cultural da para tanto? Pues resulta que si. Y mucho. En línea con las prioridades del pacto verde europeo (European Green Deal) y el marco sobre el clima para 2030 y 2050 de la UE, surgió precisamente en 2021 el libro verde del Patrimonio Cultural Europeo, donde ya se le considera como motor de la descarbonización y espejo sobre el que la ciudadanía ha de verse reflejada como actor principal de las acciones que se necesitan emprender en este sentido.
Edificación histórica y descarbonización es un binomio sobre el que viene trabajando el Comité de Regeneración y Patrimonio Cultural de la Plataforma Europea de la Construcción (a cuya junta ejecutiva pertenece CARTIF desde hace muchos años). Su última agenda de investigación, que cubre el periodo 2021 a 2027, así lo refiere. Y es un asunto sobre el que se está profundizando en las últimas asambleas plenarias. No es para menos cuando el 24% de los edificios residenciales del viejo continente son anteriores a 1945, cerca de la mitad de ellos tienen valor histórico, y de entre estos últimos, el 73% se encuentran en las ciudades, que es precisamente donde se genera la mayor huella de carbono.
¿A que a partir de ahora ves al Patrimonio con todavía una acepción más aparte de la cultural, religiosa o turística?. Pues otra cosa que sabes.
1De acuerdo con la terminología de UNESCO y el ICOMOS sobre el patrimonio tangible, la conservación se considera un término general que cubre las actividades de preservación, conservación, restauración, (re) utilización, interpretación y gestión.
En un mundo cada vez más dependiente de la tecnología, la Unión Europea ha estado adoptando un interés por impulsar la innovación, garantizar la seguridad cibernética y fortalecer su soberanía digital. En el corazón de esta estrategia se encuentra el compromiso con el software de código abierto lo que se refleja en la Open source software Strategy 2020-2023.
De forma paralela, la Unión Europea también ha llevado a cabo numerosas investigaciones antimonopolio y sobre prácticas comerciales relacionadas con las grandes empresas tecnológicas. Así, en 2018, la Comisión Europea impuso una multa récord de 4.340 millones de euros a Google por abuso de posición dominante con Android, en 2020 abrió una investigación sobre las prácticas de la App Store de Apple, en 2021 fue Facebook la empresa investigada por el uso que hacía de los datos que recopilaba para obtener ventajas sobre sus competidores. Y, en 2023 le ha llegado el turno a Microsoft al que la UE acusa de imponer Teams a los usuarios de Office.
En este artículo, exploraremos brevemente los principales puntos de la estrategia de la Comisión Europea para aprovechar el poder del software de código abierto e identificaremos algunos resultados y logros que respaldan la iniciativa.
El compromiso de la Comisión Europea con el software de código abierto
La Comisión Europea ha reconocido el valor del software de código abierto como una palanca clave para alcanzar sus objetivos tecnológicos y digitales. Es por ello que ha centrado la estrategia los siguientes puntos:
Fomento de software de código abierto en la administración pública: para lo cual la Comisión lanzó el repositorio de software libre para las instituciones de la UE: code.europa.eu con el fin de, según su Directora General de Informática, Verónica Gaffey, «pasar de ser una organización que consume software a una que construye sus propias soluciones…».
Inversión en proyectos de código abierto: La Comisión Europea ha asignado fondos a través del programa H2020 para respaldar y fomentar proyectos de investigación y desarrollo de código abierto.
Mejora de la seguridad cibernética: la estrategia incluye auditorías de seguridad en proyectos de código abierto utilizados en la infraestructura tecnológica de la UE a través de la iniciativa FOSSA(Free and Open Source Software Auditing). Estas auditorías han ayudado a identificar y corregir vulnerabilidades de seguridad, foraleciendo así la ciberseguridad en Europa.
Promoción de la colaboración y la comunidad de desarrolladores: una de las iniciativas en este sentido ha sido la colaboración de la Comisión Europea con GitHub para proporcionar a estudiantes y docentes acceso gratuito a GitHub Education lo que ha fomentado la formación en el desarrollo de software de código abierto y por tanto el talento europeo.
Soberanía digital: para reducir la dependencia de tecnologías extranjeras, fortaleciendo la soberanía digital de la UE.
Interoperabilidad y estándares abiertos: mediante la promoción de estándares abiertos y la interoperabilidad para garantizar que los sistemas de la UE sean compatibles y compartan datos de forma eficiente. Un ejemplo de ello ha sido la plataforma Joinup que fomenta el intercambio de soluciones de código abierto y ofrece componentes software reutilizables.
En resumen, la Comisión Europea, a través de su estrategia de software abierto pretende promocionar el código abierto para impulsar la innovación, la seguridad cibernética y la interoperabilidad en la Unión Europea, además de buscar fortalecer la soberanía digital de Europa.
Resultados e impacto
Si bien, no es fácil obtener las cifras concretas sobre el impacto que está teniendo la estrategia de software de código abierto de la Comisión Europea, sí es posible enumerar de forma general algunos de los logros conseguidos:
Ahorros económicos significativos: la adopción de software de código abierto en la administración pública ha originado ahorros considerables en costes de licencias de software estimados en varios millones de euros al año.
Fortalecimiento de la ciberseguridad: gracias a las auditorías de seguridad de FOSSA, se han identificado y abordado vulnerabilidades críticas en proyectos de software de código abierto utilizados en la UE, lo que ha mejorado la seguridad cibernética en la región.
Mayor interoperabilidad: la adopción de software de código abierto ha mejorado la interoperabilidad entre sistemas en toda la administración pública de la UE, lo que facilita la colaboración y el intercambio de datos entre países miembros.
Fomento de la innovación: la inversión en proyectos de software de código abierto a través del Programa Horizon 2020 ha estimulado la innovación en áreas clave, como la inteligencia artificial, la ciberseguridad y la computación en la nube.
En conclusión, la estrategia de software de código abierto de la Comisión Europea demuestra el compromiso por la promoción de la innovación, la ciberseguridad y la soberanía digital de Europa, y se espera que el compromiso continuo de la UE con el software de código abierto siga dando frutos en el futuro, fortaleciendo así su posición en la economía digital global.
Resistencia por parte de organizaciones y usuarios
Las estrategias desplegadas desde hace años por las grandes compañías tecnológicas – permitir el uso de servicios de forma gratuita sin restricciones y basados en ecosistemas cada vez más cerrados e incluso en la adquisición de servicios emergentes con posibilidad de competir o amenazar su supremacía – crea continuamente usuarios y empresas dependientes de sus productos que por resistencia al cambio tratan de evitar el uso de otros servicios más desconocidos para ellos, y que impide a otros actores tecnológicos con recursos limitados, pero con grandes ideas, competir en igualdad de condiciones y ofrecer productos interesantes.
En CARTIF, como institución afiliada a RedIris, red académica y de investigación española que proporciona servicios avanzados de comunicaciones a la comunidad científica y universitaria nacional y que también fomenta el desarrollo del conocimiento libre en materia de software en el entorno académico-científico, estamos convencidos de los beneficios del uso de software de código abierto y por ello tratamos de utilizar y apoyar las herramientas y servicios tecnológicos que esta institución ofrece. Además, también desarrollamos nuestras propias herramientas como estrategia para motivar, captar y mantener talento a través de la generación de conocimiento, y concienciamos y promovemos entre nuestros usuarios el uso de herramientas de software de código abierto por encima de los servicios y plataformas de las grandes empresas tecnológicas, algo que no siempre es fácil debido a la resistencia al cambio de organizaciones y usuarios.
En las últimas décadas, la evolución hacia una auténtica transición energética y ambiental ha tomado un rumbo fascinante. Nuestro sistema social y productivo está experimentando una transformación sin precedentes, y los grandes temas que caracterizan el siglo XXI, como la energía, la seguridad digital y las instancias socioeconómicas, entre otros, no pueden ser abordados de manera separada. Justamente por esto, la transformación digital ofrece hoy nuevas ideas y oportunidades también en el ámbito puramente energético. El poder de los datos es hoy evidente para los científicos, ingenieros y economistas, pero puede escapar al ciudadano común, a menudo desprovisto de los medios para entender cuánto esta herramienta puede ayudar en el día a día de cada uno. Un ejemplo concreto es cómo, utilizando datos recopilados por medidores inteligentes instalados en nuestro propios hogares, podemos controlar y modificar activamente los perfiles de consumo, tanto de electricidad como de agua o gas, en beneficio del medio ambiente y de nuestra cartera.
Anteriormente, el mercado energético estaba centralizado y principalmente dirigido por unos pocos grandes proveedores. Sin embargo, actualmente está experimentando una descentralización y una orientación más acorde a las auténticas necesidades de los consumidores individuales. El individuo, antes un mero receptor pasivo de servicios energéticos en su hogar, ahora puede aspirar a involucrarse activamente en las diversas fases del proceso productivo gracias a la integración de tecnologías renovables en las redes locales y al desarrollo de comunidades energéticas renovables (Renewable Energy Communities, REC, en inglés). Este cambio en la perspectiva tradicional de nuestro mercado energético ya está en marcha.
En este contexto, el «prosumidor» (prosumer en inglés) de energía es la figura clave en cada REC, combinando las más tradicionales del «productor» y «consumidor». El prosumidor puede cubrir su demanda energética de manera lo más independiente de la red posible, aprovechando su autoconsumo y almacenando o vendiendo el excedente a la red. En una comunidad energética renovable, dicho excedente de producción puede destinarse a satisfacer las demandas energéticas de otros miembros. Todo esto implica la necesidad de que el prosumidor sea consciente del proceso productivo en el cual está involucrado y del funcionamiento del mercado energético.
Ser ciudadanos activos y posiblemente involucrados en comunidades energéticas renovables supone implicaciones significativas desde una perspectiva social. Los estratos de la población con un acceso limitado a los suministros energéticos, ya sea por temas de medios económicos o de difícil acceso a la red por razones geográficas, son quienes podrían beneficiarse más sustancialmente de la producción local y de la formación de comunidades energéticas. La participación activa de los ciudadanos individuales en los procesos de toma de decisiones genera beneficios notables, entre los cuales destaca, sin lugar a dudas, una mayor aceptación de las energías renovables, así como una mayor cohesión social en la comunidad, que por su propia naturaleza es democrática y equitativa, superando disparidades asociadas con género, edad o capacidad económica individual. Por otro lado, desde un punto de vista económico, es crucial destacar que el autoconsumo energético conlleva ahorros significativos en la factura, debido a una menor adquisición de electricidad de la red. Además, la formación de comunidades energéticas puede movilizar capital a nivel local y atraer inversiones.
En el marco de Horizon Europe, el programa de investigación e innovación (I+I) de la Unión Europea (UE) para el período 2021-2027, desde CARTIF estamos involucrados en el proyectoENPOWER. Queremos contribuir al proceso de activación energética de los ciudadanos europeos y al desarrollo de comunidades renovables de prosumidores mediante estrategias innovadoras basadas en datos. Por un lado, es crucial identificar los impactos del proyecto considerando parámetros que abarquen tanto los factores sociales como ambientales. Por otro lado, buscamos evaluar el nivel de compromiso de los ciudadanos europeos comprometidos, con el objetivo explícito de fomentar la cohesión de los individuos hacia la independencia energética.
¿Qué es generalmente conocido como Inteligencia Artificial – o IA?. Hoy en día es un término universalizado, que aparece no solo en círculos académicos reconditos y oscuros escondidos del resto de la sociedad. La mayoría de nosotros hemos, en cierto nivel, escuchado el término. IA no es otra palabra de moda; está aquí para quedarse. Esto realmente no es noticia: muchos ejemplos de historias de éxito de sistemas basados en IA han sido muy popularizados por los medios de comunicación (AlphaGo, DeepBlue, Chat-GPT, por nombrar algunos). El auge del Deep Learning y su aplicación a un amplisimo espectro de áreas han ayudado a su difusión masiva en años muy recientes. Dado que IA es transversal; la tecnología de IA es, en la mayoría de los casos, independiente de la tarea. Esto significa que los métodos de IA pueden utilizarse para una amplia gama de aplicaciones y problemas muy diferentes.
Y, aunque esto es absolutamente cierto, existe una brecha importante entre lo que significa IA para las personas que trabajan en la investigación de IA y para las personas ajenas a ella (público general, responsables políticos, empresas tecnológicas, diferentes sectores económicos…). Que no se me malinterprete, esa brecha es natural: los especialistas en cualquier área tienen su propia jerga para abordar los temas de una manera específica en comparación con los no especialistas. Pero también creo que 1) los esfuerzos para cerrar esta brecha y desmitificar la IA pueden tener un impacto muy positivo y 2) esto puede fomentar un ecosistema mucho mejor para la investigación y la innovación en todos los sectores económicos y sociales, y a nivel local, nacional e internacional.
Aquí está mi opinión al respecto: una gran parte de la brecha proviene del lenguaje. Cójase esta opinión con pinzas y saque sus conclusiones de los sistemas basados en IA con los que se pueda encontrar.
Apuesto a que probablemente hayas oído, ya sea en las noticias, al hablar con amigos, o en un proyecto relacionado con IA, una afirmación similar a:
"Este sistema es una IA. Esta IA es inteligente. La IA hace esto como lo haría un especialista humano"
Tengo tres problemas con esta afirmación, y los problemas son lingüísticos, no tecnológicos. Los explicaré desde un punto de vista práctico usando un ejemplo de sistema que incluye métodos de IA en un proyecto del área de Salud y Bienestar de CARTIF: un robot del modelo Temi (llamado Matías) en el proyecto EIAROB, que es un robot social que se desplegará en los domicilios de personas mayores durante el proyecto, para ayudar a monitorizarlas y acompañarlas, mejorando así el bienestar de las personas, reduciendo la soledad, y extrayendo información sobre el estado de salud de las personas y su progresión para su personal médico. En este contexto, las capacidades del robot Temi se describen en la siguiente figura.
Funcionalidades del robot Temi; en verde aquellos que incluyen métodos de IA. El robot Temi se usa en el proyecto EIAROB, en el que CARTIF participa, innovando en la creación de nuevas extensiones para el robot para mejorar el bienestar de las personas mayores en sus casas.
Los tres problemas que me plantean las afirmaciones anteriores sobre IA son:
Una app o sistema artificial no es una IA o Inteligencia Artificial: la app o sistema puede incluir elementos que usan métodos de IA o que pueden estar basados en IA; la IA es un campo de estudio, como lo es por ejemplo la física, la química o la biología. Por ejemplo, el robot Temi no es una Inteligencia Artificial; incluye elementos que usan métodos de IA (en verde en la imagen, como reconocimiento y generación del habla para una conversación).
Decir que un sistema artificial es inteligente, aunque es absolutamente válido, tenemos que ser conscientes de que es un atajo lingüístico. El sistema puede usar mecanismos de IA, pero no funcionan de la misma manera que una persona de la que se dice que es inteligente. En general, hay que hacer un esfuerzo por intentar evitar poner gratuitamente propiedades humanas en los sistemas artificiales (antropomorfizar). Por ejemplo, decir que el robot Temi es inteligente porque puede mantener conversaciones es un atajo lingüístico; incluye métodos de IA (Procesamiento del Lenguaje Natural) que son capaces de interactuar en lenguaje llano con los humanos, pero estos métodos son en realidad estadísticos, y no son una representación real de cómo los humanos procesan el lenguaje en sus cerebros.
Un sistema basado en IA realiza una función. Es posible que el sistema incluya mecanismos, métodos o algoritmos que se inspiren, imiten o modelen la forma en que los humanos abordarían el problema. Pero, en última instancia, el sistema no usa el mismo proceso que los humanos. Contiene elementos que pueden haber sido diseñados pensando en cómo los humanos abordarían un problema (por ejemplo, basándose en matemáticas, estadística, lógica o cálculos), pero realizan abstracciones y aproximaciones y, como tales, no puede decirse que hagan las cosas como los humanos. Por ejemplo, algunos de los mecanismos que utiliza el robot Temi para hablar con los humanos se basan en redes neuronales artificiales, que es un conjunto de métodos matemáticos y estadísticos de IA que permiten reconocer y generar lenguaje en la conversación. Estos métodos de redes neuronales artificiales, en sus inicios (años 50-70), estaban ligeramente inspirados en cómo funcionan las neuronas en el cerebro biológico, pero no pretenden reproducirlo.
Estos factores no cambiarán la manera en que se crean los sistemas basados en IA, pero podrían cambiar la manera en que pensamos sobre los sistemas basados en IA. Así pues, en lugar de hablar de «inteligencias artificiales» como sistemas, abogo por hablar de «sistemas con métodos de IA» o «sistemas basados en IA», e intentar ser claros y específicos al hablar de IA de manera consciente. No olvidemos que el propósito de cualquier sistema artificial es tener un impacto positivo en la vida de las personas. Las personas deben estar en el centro de todos los esfuerzos de ingeniería; en consecuencia, los sistemas basados en IA deben concebirse como herramientas de ayuda a las personas y entenderse como tal.
En CARTIF, trabajamos en un amplio espectro de proyectos que implican IA aplicada a diferentes fines, y en cada paso de nuestros esfuerzos en I+D+i mantenemos la mirada puesta en el objetivo de crear o mejorar procesos que, en última instancia, sirvan a las personas y a la sociedad. Por ello, los sistemas que creamos y desarrollamos en estos proyectos son sistemas con métodos de IA, o sistemas basados en IA, pero no son «inteligencias artificiales».
