[00:00:31] Bienvenidos a todos. Mi nombre es Nikolai Shchetikhin ay tengo a Jim Johnson conmigo. Hola, Jim, ¿cómo estás? Estoy haciendo bien, Nick, y ¿tú? A mí me va haciendo maravillas. Gracias. Y hoy, vamos a vamos a hablar det tema muy interesante como de costumbre. Y hoy, esto será la inteligencia inteligencia artificial y todo lo relacionado con ella. Cosas como el aprendizaje automático y el aprendizaje por refuerzo. Y vamos a tratar de responder a la pregunta, si es la tecnología que nos ayuda en la industriade la industria, o sigue siendo más un gancho de marketing.

[00:01:09] Es tema interesante, Nick, la semana pasada leía que para finales de 2024 el 75% de las empresas pasarán de utilizar la IA de forma experimental a aplicarla realmente en su actividad diaria. Queserá aumentará la cantidad de datos que se utilizan para la transmisión por cinco veces mientras que está sucediendo hoy en día.

[00:01:32] Oh, wow. Y también sé que, dentro de este contexto de pandemia, ya estamos utilizando inteligencia artificial para predecir la propagación del virus y medir la eficacia de las contramedidas, ¿verdad? Sí, y   

[00:01:54] Quiero decir, hay otras formas inteligentes, más inteligentes también, en términos de aprendizaje de refuerzo se está aplicando a realmente hacer problemas más complejos. Y en términos de nuestra propia logística, en particular.

[00:02:06] Bien, entonces vamos a a ver qué significa esta terminología y en qué consiste, porque está en todas las noticias y en todos los medios de comunicación, la inteligencia artificial, el aprendizaje automático, el aprendizaje de refuerzo, pero ¿qué significa eso¿en qué consiste? La inteligencia artificial es un término general. Y el aprendizaje automático es uno de los principales enfoques de la inteligencia artificial. Y bajo su paraguas, hay varias formas diferentes de hacerlo. Y una de ellas es el aprendizaje profundo, que es cuando usas muchos... de datos, muchos datos históricos. Y puedes proporcionar una visión o un sistema que más bien te da una visión sobre lo que está tratando de simular el funcionamiento y el comportamiento del cerebro humano. El otro método es el aprendizaje por refuerzo es cuando una computadora está tratando pasar por el proceso de intentos. Y a través de los errores y éxitos, se está mejorando a sí mismo, el comportamiento y tratando de averiguar la solución óptima, más o menos como usted yendo a a través del laberinto y encontrar una salida. Y existe el aprendizaje profundo azul de refuerzo.ent learning, que es una combinación de deep learning y reinforcement learning donde usamos datos históricos en grande, y también pasando por el maze.

[00:03:40] Es interesante esa explicación, pero sí demuestra la importancia de sus datos. La limpieza de sus datos, la credibilidad en torno a su conjunto de datos es muy, muy importante si está utilizando datos técnicas de aprendizaje automático o aprendizaje profundo por refuerzo. Y es fundamental porque estos modelos están utilizando datos históricos para entrenarlos, que si está buscando precisión en los resultados, ese conjunto de datos debe ser preciso y creíble antes de comenzar a entrenar su herramienta de aprendizaje automático.    

[00:04:15] Sí, exactamente. Porque si lo piensas, el resultado puede ser bastante crítico. Podría ser alguna decisión comercial que está en juego. Y también, como si pensamos en lo que tenemos ahora mismo en el mundo real como ejemplos de uso de la inteligencia artificial. Por ejemplo, todos conocemos esos coches autónomos que ya están utilizando esas tecnologías. Hay aplicaciones que intentan ayudarte y sugerirte cómo invertir tu dinero. Existen tecnologías de reconocimiento facial y, con eso, por ejemplo, existe una tecnología de deep face que puede poner tu cara en la cara de cualquiera, por ejemplo, en el video, para que puedas terminar en una película de Tarantino. Y también, hubo un ejemplo bastante aterrador, porque la gente está tratando de usar esas tecnologías y encontrar formas de usarlas. Así que Facebook en 2017, crearon dos chat bots, los pusieron en dos dispositivos y los dejaron hablar entre ellos. Y después de un tiempo desarrollaron su propio idioma, nadie podía entender lo que estaban diciendo. Así que tuvieron que cerrarlos.   

[00:05:33] Wow, eso es asombroso. Y hay otra aplicación real del aprendizaje automático dentro de la tarjeta de crédito. Entonces American Express, procesan algo así como un billón de dólares en transacciones y alrededor de 110 millones de tarjetahabientes. Así que están utilizando el aprendizaje automático solo para verificar si hay fraude que cualquier otra transacción por la que pasen. Y puedes imaginar el gran volumen de datos. Así que están utilizando el aprendizaje automático para tratar de buscar pruebas de dónde está ocurriendo el fraude y solucionarlo. Pero también aprovechando los flujos de datos, para conectar realmente a los tarjetahabientes con nuevos productos y diferentes rangos de servicios, ofertas de divisas y cosas así. Así que están sucediendo muchas cosas con el aprendizaje automático, y en el mundo real de hoy.  

[00:06:19] Sí, muchas aplicaciones y como, como las empresas más grandes como Google están utilizando el aprendizaje automático para ayudar a sus procesos internos. Así que están utilizando esos algoritmos para ajustar su hardware y refrigeradores en su almacén de datos para obtener una mejor sostenibilidad de su negocio. Y si hablamos más sobre agricultura, hay un john deer que ya está utilizando inteligencia artificial y datos visuales para definir si necesitan rociar el cultivo con un pesticida. 

[00:07:00] Sí, bueno, vamos a mirémoslo. Quiero decir, en la industria avícola, vamos a volver a casa aquí. Quiero decir, hay un montón de opoportunidades para Algunas de ellas son la planificación, las previsiones y la mejora de la precisión de las previsiones y la planificación, y el análisis de grandes conjuntos de datos para solucionar problemas en las empresas. problemas en las empresas, mirando a la sa programación y la logística, tal vez en vivo y en directo.rds, llevarlos de las granjas a la planta de procesamiento y gestionar y optimizar ese desafío logístico. Así que hay mucho que hacer. Y algo de lo que hablamos hace un par de semanas en un podcastodos hace semanas en un podcast fue un IoT. Así que de nuevo, con la IO, y eso es donde tomamos en la información de la casa de pollos. Así que las casas de cría en tiempo real, esta enorme cantidad de conjuntos de datos, y que una gran cantidad de información detallada. Así que, de nuevo, la aplicación de unaherramientas de inteligencia artificial puede ayudarnos a crujir esos datos.

[00:08:01] Sí, exactamente. Entonces, por ejemplo, como dijiste, hay muchas complicaciones en la planificación o en las proyecciones. y el aprendizaje automático realmente puede ayudar con eso. Porque, por ejemplo, Proyecta el peso, no solo se trata de Proyecta las aves que están actualmente en el suelo y que se procesarán en un par de semanas. Pero también está teniendo en cuenta toda la historia anterior de bandadas anteriores para eso, por ejemplo, granja o cobertizo, o esa área, o esa región. Así que el aprendizaje automático realmente puede ayudar aquí con Proyecta el peso y mejorar la precisión de esa proyección. Y si estamos hablando de escenarios más complicados, donde realmente necesita averiguar cuál es la solución óptima para esto o para eso, podemos hablar sobre la planificación de las ubicaciones porque necesita mirar ambos extremos para la oferta y la demanda y averiguar cuál es el programa de ubicación óptimo para las aves con el fin de que sus huevos se produzcan con el fin de empujarlos a través de la incubadora y tener los pollitos y luego tener el número correcto de aves con el peso adecuado para planificar que hay mucho que considerar. Y aquí es donde el aprendizaje por refuerzo puede ayudar porque está tratando de averiguar esa tarea, pero intentando y por error y éxito. Así que eso es realmente emocionante. Eso creo que es el futuro.   

[00:09:39] Sí. Quiero decir, en serio, hay muchas áreas donde podemos aplicar la inteligencia artificial en la industria avícola hoy en día. Y hay muchas maneras en que puede ayudarnos a mejorar la precisión de la planificación y la Proyección, proporcionar información sobre la producción, comenzar a ser más prescriptivos sobre cómo debemos criar a nuestras aves para optimizar, para ser más competitivos y, en última instancia, para agregar rentabilidad al negocio.   

[00:10:05] Sí. Y eso es realmente bueno. Y como lo que mencionó que el sistema le está dando información o le está dando una prescripción. Pero todavía necesitamos tener personas adecuadas en el lugar para tomar la decisión. Porque si un sistema le está dando un resultado, o le está dando una sugerencia o le está dando una Proyección, todavía necesita tener esa experiencia para tomar la decisión correcta, ¿a dónde necesita ir? Y con más y más tecnología en el lugar, todavía habrá una necesidad muy alta de personas con una buena experiencia allí.    

[00:10:50] Sí, es correcto enfatizar eso, Nik, y ya sabes, para terminar, realmente ha sido una discusión interesante, hemos hablado de inteligencia artificial y de cómo aplicamos el aprendizaje automático y las técnicas de aprendizaje por refuerzo y dónde se pueden aplicar dentro de la industria avícola, dentro de la industria avícola moderna. Y supongo que todo se trata realmente de cómo aprovechamos ese conjunto de datos. ¿Cómo nos volvemos más eficaces en la forma en que analizamos y utilizamos los datos que tenemos en la industria avícola? ¿Cómo utilizamos el software, las herramientas de software modernas, para ayudarnos a mejorar nuestro rendimiento y ser más competitivos?  

[00:11:24] Sí, exactamente. Gracias, Jim, por este excelente resumen. Y para aquellos que no quieran perderse ninguno de los nuevos episodios, únanse a nosotros en LinkedIn, en Instagram y en Twitter. Y los veré en el próximo episodio. Gracias. Nos vemos allí.