La Inteligencia Artificial de las Cosas ( AIoT ) es la combinación de tecnologías de inteligencia artificial (IA) con la infraestructura de Internet de las cosas (IoT) para lograr operaciones de IoT más eficientes, mejorar las interacciones hombre-máquina y mejorar la gestión y el análisis de datos. [1] [2] [3]
En 2018, KPMG publicó un estudio prospectivo sobre el futuro de la IA que incluye escenarios hasta 2040. [4] Los analistas describen en detalle un escenario en el que una comunidad de cosas vería a cada dispositivo también conteniendo su propia IA que podría vincularse de forma autónoma a otras IA para, en conjunto, realizar tareas de forma inteligente. La creación de valor se controlaría y ejecutaría en tiempo real utilizando inteligencia de enjambre . Muchas industrias podrían transformarse con la aplicación de la inteligencia de enjambre, entre ellas: automotriz, nube, médica, militar, investigación y tecnología.
En AIoT, una faceta importante es la IA aplicada a algún objeto. En su forma más pura, esto implica realizar la IA en el dispositivo, es decir, en el borde o Edge Computing , sin necesidad de conexiones externas. No hay necesidad de Internet en AIoT, es una evolución del concepto de IoT y ahí termina la comparación.
El poder combinado de la IA y la IoT promete liberar valor no realizado para el cliente en una amplia franja de sectores industriales como análisis de borde, vehículos autónomos, fitness personalizado, atención médica remota, agricultura de precisión, venta minorista inteligente, mantenimiento predictivo y automatización industrial. [5]
Según la definición de la Ley de Curas del Siglo XXI de 2016, un dispositivo médico es un dispositivo que realiza una función en la atención médica con la intención de usarlo "en el diagnóstico de enfermedades u otras afecciones, o en la cura, mitigación, tratamiento o prevención de enfermedades, en el hombre u otros animales, o destinado a afectar la estructura o cualquier función del cuerpo del hombre u otros animales". [6]
Según la Ley Federal de Alimentos, Medicamentos y Cosméticos, todos los sistemas de IA que entran dentro de esta definición están regulados por la FDA. La FDA clasifica los dispositivos médicos en tres clases según sus usos y riesgos. Cuanto mayor sea el riesgo, más estricto será el control. La categoría de Clase I incluye dispositivos con el menor riesgo y la Clase III tiene el mayor riesgo. [6] Los dispositivos médicos aprobados que utilizan inteligencia artificial o aprendizaje automático (IA/ML) han aumentado de manera constante. En 2020, la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA) aprobó muchos dispositivos médicos que utilizaban IA/ML. Un año después, la FDA publicó un marco regulatorio para las máquinas que utilizan software de IA/ML, además de la regulación de dispositivos médicos de la UE, que reemplazó a la regulación médica de la UE. [7] A medida que la tecnología continúa mejorando, ha aumentado rápidamente el método de trabajo y diagnóstico de los campos médicos. Varias aplicaciones de IA pueden mejorar la productividad y reducir los errores médicos, como los diagnósticos y la selección del tratamiento, y la creación de predicciones de riesgo y estratificación de enfermedades. [8]
La IA también ayuda a los pacientes proporcionándoles datos de los pacientes, historiales médicos electrónicos, aplicaciones móviles y brindando un acceso fácil a dispositivos y sensores a pacientes específicos que necesitan dichas tecnologías. La necesidad de proteger los datos de los pacientes es extrema. El uso de historiales médicos electrónicos para ocultar datos de pacientes se vuelve cada vez más difícil a medida que los datos se integran en la atención clínica. La accesibilidad a los datos de los pacientes puede ser fácil para el paciente, pero también genera escepticismo sobre la protección de datos.
La tecnología y la IA se han combinado para brindar oportunidades para una mejor gestión de la información sanitaria y la integración de la tecnología en la industria médica. La IA se implementa para reconocer anomalías y sospechas de que un tercero acceda a datos confidenciales. Por otro lado, será necesario repensar la confidencialidad y otros principios éticos médicos básicos para implementar sistemas de aprendizaje profundo, ya que no podemos depender únicamente de la tecnología. [6]
Al integrar la IA en la ingeniería en la nube, puede ayudar a múltiples campos profesionales a maximizar la recopilación de datos. Puede mejorar el rendimiento y la eficiencia a través de la gestión digital.
La ingeniería de la nube sigue métodos de ingeniería para aplicarlos a la computación en la nube y se centra en los servicios tecnológicos en la nube. [9] Al concebir, desarrollar, operar y mantener los sistemas de computación en la nube, adopta un enfoque sistemático para la comercialización, la estandarización y la gobernanza. Entre sus diversos aspectos se encuentran las contribuciones de la ingeniería de desarrollo, la ingeniería de software, el desarrollo web, la ingeniería de rendimiento, la ingeniería de seguridad, la ingeniería de plataformas, la ingeniería de riesgos y la ingeniería de calidad. [10]
Implementar IA en el marco de la tecnología de la información para establecer cargas de trabajo fluidas y automatizar procesos repetitivos. [11] Al utilizar estas herramientas, las organizaciones pueden gestionar mejor los datos a medida que desarrollan mayores cantidades de datos colectivos e integran procesos de reconocimiento, clasificación y gestión de datos a medida que avanza el tiempo.
Con la IA, se puede aportar eficiencia a las organizaciones, aportando métodos estratégicos y ahorrando tiempo en tareas repetitivas. Al ejecutar análisis, las organizaciones pueden ahorrar tiempo y ser más eficientes.