Plásticos Universales - PU262

INTELIGENCIA ARTIFICIAL 74 Inteligencia Artificial en el reciclado Javier Grau, investigador de Reciclado Mecánico en Aimplas Los exigentes requisitos de calidad y cantidad de separación en los flujos de residuos hacen necesarias nuevas soluciones que afronten esta problemática y una de las posibles soluciones para este problema reside en la visión artificial y la inteligencia artificial en combinación con tecnologías ya existentes como puede ser las cámaras NIR. En este artículo se pretende hacer una introducción a este tipo de tecnología para comprender su potencial, a qué se debe su crecimiento exponencial, explicar algunos de sus usos actuales en el sector de la separación de residuos y en cómo puede ayudar de cara al futuro. Antes de abordar la problemática que se presenta es necesario conocer la tecnología y los conceptos básicos de la inteligencia artificial y la visión artificial. Aunque parezca un desarrollomuy novedoso esta existe desde hace bastantes años, pues el término se empezó a usar en el año 1956 y se encuentra presente en muchas situaciones que tenemos en nuestro día a día. ¿QUÉ ENTENDEMOS POR INTELIGENCIA ARTIFICIAL O IA? Se trata de la ciencia que a través de las computadoras intenta replicar la inteligencia y todos los procesos que ello implica. Es decir, otorgar a una máquina la capacidad de pensar como un ser humano mediante algoritmos y que sean capaces de realizar tareas que realizamos en nuestro día a día. Dentro de la IA podemos encontrar los mecanismos de Machine Learning (ML), basados en que a partir de datos los sistemas pueden aprender, identificar patrones y ser capaces de tomar decisiones sin que exista una intervención humana o esta sea mínima, tan solo en la fase de entrenamiento. Algunos de los usos más comunes son los modelos predictivos, los asistentes virtuales o aplicaciones de optimización de procesos. Algunos ejemplos de métodos de ML pueden ser los árboles de decisiones, sobre todo para modelos predictivos o el análisis discriminante lineal, usado en el reconocimiento de patrones. Y, a su vez, al igual de las muñecas matrioshkas, dentro de estos mecanismos de ML podemos encontrar otro tipo de mecanismos como los Deep Learning (DL). Este tipo de ML se caracteriza por el uso de algoritmos capaces de aprender por sí solos a analizar los inputs de datos e interpretarlos. Explicado de una forma más sencilla, con este tipo de algoritmo

RkJQdWJsaXNoZXIy Njg1MjYx