La percepción del agente de IA se refiere a la capacidad de un agente de inteligencia artificial (IA) para recopilar, interpretar y procesar datos de su entorno para tomar decisiones informadas. Esto implica el uso de sensores, entradas de datos o fuentes externas para comprender el estado actual del sistema en el que opera.
El proceso de percepción permite a un agente con IA reaccionar a los cambios del mundo real, adaptarse a entornos dinámicos y manejar tareas complejas eficazmente.
Primero, los agentes perciben su entorno y luego procesan los datos recopilados para tomar una acción. Un agente de IA sin percepción sería un sistema basado en reglas o un programa impulsado por la lógica que opera únicamente con entradas predefinidas y estados internos, en lugar de interactuar dinámicamente con el entorno.
En otras palabras, no sería un agente. La percepción es una parte fundamental de lo que hace que los agentes de IA sean realmente inteligentes y útiles en aplicaciones del mundo real.
Boletín del sector
Obtenga conocimientos organizados sobre las noticias más importantes e intrigantes de la IA. Suscríbase a nuestro boletín semanal Think. Consulte la Declaración de privacidad de IBM.
Su suscripción se enviará en inglés. Encontrará un enlace para darse de baja en cada boletín. Puede gestionar sus suscripciones o darse de baja aquí. Consulte nuestra Declaración de privacidad de IBM para obtener más información.
En función de su propósito y de los sensores disponibles, los sistemas de IA pueden percibir el mundo a través de la visión, el sonido, el texto, los factores ambientales y el análisis predictivo.
Estos diferentes tipos de percepción permiten a los agentes de IA interactuar con el mundo que les rodea, optimizando los flujos de trabajo, mejorando la automatización y mucho más.
La percepción visual permite a los agentes interpretar y responder al mundo a través de imágenes, vídeos y otros datos visuales. Esta capacidad imita la vista humana, lo que permite a la IA reconocer objetos y comprender entornos.
Los avances en visión artificial y deep learning han mejorado la percepción visual de la IA, lo que ha dado lugar a avances en numerosos campos, como los vehículos autónomos, la sanidad y la robótica.
A medida que los modelos de IA se vuelvan más sofisticados, los agentes de IA exhibirán una comprensión visual cada vez más similar a la humana, lo que les permitirá operar de forma autónoma y segura en escenarios complejos del mundo real.
La percepción auditiva permite a los agentes procesar y comprender el sonido. Esta capacidad permite a la IA interpretar el habla, reconocer ruidos ambientales e interactuar con los usuarios a través de la comunicación basada en la voz.
Los avances en el procesamiento del lenguaje natural (PNL) y el deep learning han mejorado considerablemente la percepción auditiva de la IA, lo que ha llevado a generalizar las aplicaciones de la IA en los asistentes virtuales, las herramientas de accesibilidad y los sistemas de vigilancia.
Una de las principales tecnologías detrás de la percepción auditiva de la IA es el reconocimiento automático de voz (ASR). Los sistemas ASR convierten el lenguaje hablado en texto, lo que permite a los asistentes de voz como Siri, Alexa y Google Assistant comprender y responder a los comandos del usuario.
Estos sistemas se basan en redes neuronales y vastos conjuntos de datos para mejorar la precisión, incluso en entornos ruidosos o con diferentes acentos.
Más allá del habla, la IA puede analizar otros sonidos, como el diagnóstico de afecciones médicas mediante el análisis de sonidos respiratorios o la detección de anomalías en los equipos de fábrica.
La percepción textual permite a los agentes procesar, interpretar y generar texto. Los agentes utilizan el PLN para extraer el significado del texto y facilitar la comunicación en diversas aplicaciones, como chatbots, motores de búsqueda y herramientas de resumen automatizadas. Los avances en los modelos de lenguaje de gran tamaño (LLM) basados en transformadores, como GPT-4, han mejorado la capacidad de la IA para comprender y razonar con el texto.
Uno de los componentes clave de la percepción textual es la comprensión semántica, que permite a la IA ir más allá del reconocimiento de palabras y captar su significado dentro de un contexto específico. Esto es esencial para casos de uso como la traducción automática, el análisis de sentimientos y el análisis de documentos legales o médicos.
Además, el reconocimiento de entidades nombradas (NER) permite a la IA identificar personas, lugares y organizaciones específicas, lo que mejora su capacidad para extraer información valiosa de grandes conjuntos de datos, una capacidad valiosa en casos de uso, como el marketing y la experiencia del cliente.
La percepción del entorno en los agentes de IA es distinta de la percepción auditiva y visual porque implica una comprensión más amplia y multimodal del entorno, integrando datos de varios sensores más allá de la vista y el oído.
Los avances en visión artificial, fusión de sensores y machine learning han mejorado significativamente la capacidad de la IA para percibir e interactuar con el mundo físico.
A diferencia de la visión o el oído, la percepción ambiental fusiona múltiples entradas sensoriales (visión, sonido, LiDAR, tacto) para crear una comprensión holística de un entorno. Permite a los agentes de IA mapear y navegar por su entorno utilizando la física del mundo real, mientras que la percepción visual y auditiva se centra más en el reconocimiento pasivo.
Mientras que la visión y la audición imitan las capacidades de los agentes humanos, la percepción ambiental va más allá de ellas al incorporar radares, sensores de temperatura y detección de presión, lo que permite a la IA percibir cosas que los humanos no pueden.
La percepción predictiva permite a los agentes anticipar eventos futuros basándose en datos observados. A diferencia de la percepción tradicional, que se centra en interpretar el entorno actual, la percepción predictiva permite a la IA prever cambios, inferir intenciones y ajustar el comportamiento de forma proactiva.
Las capacidades predictivas de la IA suelen pertenecer más al ámbito del análisis, la previsión o la inferencia que al de la percepción en el sentido tradicional. Sin embargo, la percepción predictiva puede considerarse útilmente como una categoría distinta en la que la IA no solo percibe el entorno, sino que también anticipa cómo va a cambiar, integrando la percepción con el razonamiento prospectivo.
En el núcleo de la percepción predictiva se encuentran los modelos de machine learning (ML), deep learning, modelado probabilístico y aprendizaje por refuerzo. Los sistemas de IA analizan datos históricos y en tiempo real para reconocer patrones y hacer predicciones.
Mientras que el análisis predictivo se basa en datos históricos y modelos estadísticos, la percepción predictiva implica la detección en tiempo real combinada con la previsión, lo que la hace más dinámica y sensible al entorno inmediato. Aunque es un concepto híbrido, la percepción predictiva cierra la brecha entre la detección y la previsión, lo que permite a los agentes de IA no solo comprender el presente, sino también prepararse para el futuro en tiempo real.
Los agentes de IA trabajan en un ecosistema de otras herramientas, aplicaciones y marcos. Se conectan a través de interfaces de programación de aplicaciones (API), que les permiten integrarse con bases de conocimiento y sistemas externos. En escenarios como el desarrollo de software, los agentes de IA ayudan a optimizar el código, mejorar la latencia y automatizar tareas específicas.
En la IA generativa (IA gen), estos agentes pueden crear resultados como texto, imágenes o música basados en la entrada que perciben, utilizando modelos de deep learning entrenados con grandes cantidades de datos.
Sin embargo, antes de que esto suceda, los agentes deben percibirlo. Aunque los procesos difieren según el diseño y el tipo de agente, estos son los pasos básicos utilizados en la percepción agentiva:
Los agentes de IA recopilan datos sin procesar de diversas fuentes, como cámaras (para visión), micrófonos (para audición), LiDAR y radar (para conciencia espacial) y sensores de presión o temperatura (para detección ambiental). Esta información sensorial constituye la base de la percepción.
Una vez recopilados, los datos se someten a un preprocesamiento para eliminar el ruido y resaltar las características importantes. Por ejemplo, en visión artificial, las redes neuronales convolucionales (CNN) analizan imágenes para detectar objetos, caras o movimientos. En el reconocimiento de voz, los modelos de deep learning transforman las ondas de audio en texto.
Mediante algoritmos de machine learning, la IA detecta patrones, relaciones y señales contextuales. Los modelos de PLN, como los transformadores, ayudan a la IA a comprender y generar el lenguaje humano, mientras que el aprendizaje por refuerzo permite a los robots percibir y adaptarse a su entorno de forma dinámica.
La percepción conduce a la acción. Los agentes de IA utilizan modelos de inferencia para decidir cómo reaccionar en función de los datos percibidos. Un coche autónomo, por ejemplo, identifica a los peatones y las señales de tráfico, y luego realiza ajustes de conducción en tiempo real.
La forma en la que los agentes funcionan y perciben puede variar mucho según el tipo de agente, su propósito y las tecnologías que emplea, desde agentes reflejos simples que reaccionan a estímulos inmediatos hasta agentes de aprendizaje complejos que se adaptan y mejoran su percepción con el tiempo.
Los agentes reflejos reactivos perciben el entorno a través de sensores y responden directamente, a menudo con actuadores, según reglas predefinidas, sin guardar ningún recuerdo de los acontecimientos pasados. Su percepción se limita a menudo a las entradas sensoriales actuales.
Los agentes reflejos equipados con modelos mejoran los agentes reflejos simples al mantener un modelo interno del mundo. Perciben el entorno a través de sensores, pero también utilizan estados internos para realizar un seguimiento de los cambios del mundo a lo largo del tiempo.
Los agentes orientados a objetivos perciben el entorno de una manera que les permite perseguir objetivos específicos. Utilizan sensores para recopilar información y evaluar cómo los estados actuales se alinean con sus objetivos.
Los agentes basados en la utilidad no solo persiguen objetivos, sino que también evalúan diferentes acciones posibles basándose en una función de utilidad, que mide lo bien que cada acción consigue sus objetivos. Estos agentes utilizan la percepción para evaluar el entorno y, después, eligen las acciones que maximizan su satisfacción o rendimiento en general.
Los agentes de aprendizaje perciben el entorno y toman decisiones basadas tanto en las entradas como en las experiencias pasadas. Tienen un componente, como un algoritmo de aprendizaje, que les permite mejorar su rendimiento con el tiempo aprendiendo de sus interacciones. Estos agentes adaptan sus procesos de percepción y toma de decisiones en función del feedback.
Los sistemas multiagente (MAS) abordan la percepción al permitir que múltiples agentes autónomos compartan información, colaboren e interpreten colectivamente su entorno.
En lugar de depender de las entradas sensoriales de un solo agente, los sistemas multiagente utilizan un enfoque distribuido, a veces jerárquico, de la percepción, en el que cada agente puede percibir diferentes aspectos del entorno y contribuir con piezas de información a una comprensión compartida.
Esta percepción colectiva mejora la capacidad general del sistema para gestionar entornos complejos y dinámicos.
Además, las técnicas de fusión de sensores se emplean comúnmente en sistemas multiagente para combinar datos sensoriales de varios agentes y crear una percepción más precisa y holística del entorno.
Este enfoque también puede incluir técnicas como el razonamiento distribuido, en el que los agentes comparten sus observaciones, actualizan sus modelos internos basándose en datos compartidos y colaboran para tomar decisiones colectivas, como en misiones de búsqueda y rescate o sistemas de monitorización distribuidos.
Las arquitecturas multiagente también utilizan el aprendizaje colaborativo. A medida que los agentes interactúan e intercambian información a lo largo del tiempo, pueden aprender de las experiencias de los demás, mejorando la percepción colectiva y la toma de decisiones del sistema. Esta percepción distribuida permite que los MAS sean más adaptables, escalables y capaces de resolver problemas complejos con una intervención humana mínima.
Cree, implemente y gestione potentes asistentes y agentes de IA que automaticen flujos de trabajo y procesos con IA generativa.
Construya el futuro de su empresa con soluciones de IA en las que puede confiar.
Los servicios de IA de IBM Consulting ayudan a reinventar la forma de trabajar de las empresas usando IA para la transformación.