CAPSUL-IA

Capsula IA, ofrecerá soluciones de IA pre-configuradas que permitirá la adopción acelerada de la IA en la industria

ENCAPSULACIÓN DE SOLUCIONES BASADAS EN IA PARA ACELERAR SU ADOPCIÓN  

El proyecto CAPSUL-IA ha sido elegido por el CDTI y la AEI en la convocatoria “Misiones de Ciencia e Innovación” en el marco de la iniciativa TransMisiones 2023, en el ámbito del Programa Estatal para Catalizar la Innovación y el Liderazgo Empresarial del Plan Estatal de Investigación Científica y Técnica y de Innovación 2021-2023. 

Este proyecto, de 4 años de duración, está liderado por la empresa GTD SCIENCE INFRASTRUCTURES & ROBOTICS, y participan las empresas PAL Robotics, Solver Machine Learning y ZYLK.net; y los centros BSC-CNS Centro Nacional de Supercomputación e IKERLAN. 

Resumen del proyecto 

CAPSUL-IA investiga estrategias cuyo objetivo es universalizar el uso de IA en la industria, estableciendo un umbral de acceso más simple que, en el futuro, pueda consistir en la mera adopción de soluciones prediseñadas e integradas para una gran variedad de aplicaciones. CAPSUL-IA propone el concepto de cápsulas de IA (las cápsulas), entendidas como contenedores de modelos de IA adaptados a distintos problemas, y con múltiples compromisos entre coste, precisión, velocidad de inferencia, y robustez – entre otras métricas. Las cápsulas son concebidas para funcionar en plataformas con diferentes relaciones entre rendimiento y precio, de manera que un usuario prácticamente sólo necesite adquirir la plataforma y usar la cápsula directamente. La I+D del proyecto en las cápsulas del proyecto se materializa en forma de demostradores con un TRL bajo (hasta TRL4), de modo que estos demostradores sirvan para validar la viabilidad de los conceptos investigados de cara a una futura explotación industrial. 

Metas y Objetivos Técnicos del proyecto 

CAPSUL-IA propone investigar y desarrollar una estrategia para acelerar la adopción de la IA por parte de la industria basadas en el concepto de cápsulas de IA.  

En particular, la visión de CAPSUL-IA persigue las siguientes metas generales: 

• M1. IA asequible. El proyecto se enfoca en habilitar un acceso mucho más asequible a la IA para la industria que podrá acceder a soluciones prediseñadas e integradas para una gran variedad de aplicaciones a bajo coste. 
• M2. IA adaptativa. Las soluciones han de adaptarse a los requisitos del entorno de aplicación permitiendo múltiples compromisos entre métricas como coste, precisión, velocidad de inferencia, y robustez.  
• M3. IA segura. En aquellos entornos donde un mal funcionamiento de las funciones de IA pueda dar lugar a consecuencias graves, como pérdida de vidas humanas, daños materiales o medioambientales, o la IA su use para decisiones críticas por parte de personas, es necesario investigar en nuevos procesos y mecanismos que garanticen la integridad y seguridad del componente de IA, así como aquellos que faciliten la comprensión de las decisiones tomadas por el sistema.  

Las soluciones propuestas consistirán en modelos de IA y procesos de tratamiento de los datos que estos usan (entrenamiento e inferencia), adaptados a requisitos de diversa índole como de explicabilidad, seguridad funcional, plataforma usada, y entorno operativo. Para ello, se utilizarán varios problemas como prueba de concepto para los que se desarrollarán cápsulas que se usarán en aplicaciones concretas, y construir un proceso iterativo donde la investigación realizada se aproveche de los resultados obtenidos para mejorar las soluciones científicas y tecnológicas de CAPSUL-IA. 

Estas metas de alto nivel se pretenden alcanzar conjuntamente mediante un diseño integral de cápsula de IA que satisfaga las necesidades futuras en el uso de IA de la industria española. Para ello se establecen los siguientes objetivos específicos: 

• O1. Investigar modelos de IA satisfactorios. Este objetivo dotará a las cápsulas con modelos de IA que den respuesta a problemas industriales satisfaciendo múltiples requisitos simultáneamente en forma de métricas relacionadas con el coste, precisión, velocidad de inferencia y robustez.  

La gran variedad de modelos de IA permite abordar gran variedad de problemas de diversa índole con distintos compromisos entre las diversas métricas a optimizar. La selección del modelo que cumpla todos los requisitos con un menor coste es un objetivo de CAPSUL-IA. 

• O2. Investigar gestión, procesamiento y formato de datos. Este objetivo se encarga de reducir los datos requeridos para entrenar y para inferencia, para mejorar los resultados de las métricas indicadas en el objetivo anterior (coste, precisión, velocidad de inferencia y robustez). Un enfoque adecuado puede marcar una gran diferencia en la efectividad y eficiencia de las cápsulas de IA desarrolladas para resolver problemas industriales.  

Tanto el contenido como la representación de los datos a usar por el modelo de IA pueden variar su comportamiento ostensiblemente. Por tanto, la selección de los datos y su preprocesamiento son fundamentales para alcanzar los requisitos de la solución basada en IA, y optimizar las métricas relevantes. 

• O3. Investigar estrategias de selección y configuración de plataformas. Este objetivo se centra en una rápida selección de la plataforma de cómputo que se adapte a las necesidades específicas del usuario y del modelo de IA es esencial para materializar en concepto de cápsula de IA satisfaciendo todas las métricas relevantes. 

La gran variedad de plataformas de cómputo disponibles en el mercado, así como los millones de configuraciones que éstas ofrecen requiere investigar una estrategia para reducir el tiempo requerido en un proyecto de adopción de IA para su selección.  

• O4. Diseño de Cápsulas de IA seguras. Dotar las cápsulas de IA con las características necesarias para poder ser integradas en sistemas de seguridad funcional acorde a los estándares existentes (p.ej., IEC 61508) y emergentes (p.ej., IEC / ISO 5469). 

La transición hacia la Industria 4.0 implica una transformación en las regulaciones, procesos y pautas de seguridad vigentes. A medida que las máquinas se vuelven más sofisticadas, y las tecnologías avanzadas como la IA reemplazan a las obsoletas, se requiere investigar simultáneamente en adaptar las estrategias, mecanismos y estándares de seguridad. 

• O5. Diseño de Mecanismos de Explicabilidad. Dotar las cápsulas de IA, especialmente las que implementen modelos de inferencia, para que puedan ofrecer una descripción eficaz y suficiente de cómo y por qué los algoritmos de IA aplicados toman una decisión específica.  

La progresiva adopción de sistemas de soporte a la toma de decisiones, comenzando por los centros de control de la Industria 4.0, implica la necesidad de generar mecanismos para desbloquear la desconfianza de los operadores, así como para auditar y validar el conocimiento operativo generado mediante aprendizaje profundo. Especialmente cuando la complejidad del entorno o su dinámica cambiante conducen a un reaprendizaje continuo. Esto da lugar inevitablemente a una evalúa periódicamente de la aptitud de la IA en la colaboración estrecha con operadores humanos.  

• O6. Investigar estrategias de gobernanza del sistema. Diseño de herramientas y metodologías para agilizar la puesta en marcha y control del sistema sin impactar el cumplimiento de los requisitos de la cápsula de IA. 

Dado el gran número de componentes y capas que forman el sistema final, se hace necesario el estudio de herramientas que permitan una interacción eficiente y unificada con el sistema, facilitando las tareas de aprovisionamiento, configuración, mantenimiento y monitorización de la infraestructura, nodos y servicios. Estos aspectos son esenciales para que las cápsulas de IA sigan cumpliendo sus requisitos cuando intenten usarse en entornos reales. 

• O7. Demostrar los beneficios de CAPSUL-IA en cápsulas específicas representativas en varios sectores. Este objetivo fomenta la aceptación de las soluciones e innovaciones propuestas en CAPSUL-IA en entornos relevantes, y conlleva la instanciación de los principios de CAPSUL-IA en cápsulas específicas en varios sectores y por tanto la integración de las innovaciones en los diferentes pilares del proyecto para cumplir con los objetivos anteriores.  

Duración 

Enero 2024 – Diciembre 2027 

Proyecto MIG-20232044, subvencionado por el CDTI – Centro de Desarrollo Tecnológico Industrial, apoyado por el Ministerio de Ciencia e Innovación, y aprobado en la convocatoria para el año 2023 del procedimiento de concesión de ayudas destinadas a “Misiones de Ciencia e Innovación” en el marco de la iniciativa TransMisiones 2023, en el ámbito del Programa Estatal para Catalizar la Innovación y el Liderazgo Empresarial del Plan Estatal de Investigación Científica y Técnica y de Innovación 2021-2023.