La diferencia entre la IA supervisada y no supervisada para la inspección de alimentos

Este artículo apareció originalmente en Fabricación de alimentos y bebidas en el Reino Unido.

El entusiasmo en torno a la inspección impulsada por la inteligencia artificial es innegable. Sin embargo, es fundamental que los procesadores de alimentos reconozcan que no todas las tecnologías de inteligencia artificial son iguales.

¿Cómo «aprenden» las tecnologías de inspección alimentaria con IA?

Si bien hay muchos matices, hay dos formas de entrenar un sistema de inspección de la producción de alimentos con IA. El primer método se llama «Entrenamiento supervisado». En la IA supervisada, el sistema muestra varias imágenes aceptables e inaceptables de productos para crear un modelo de IA. Cualquier cosa, desde una magulladura en una patata hasta un papel en una línea cortada de carne de vacuno, puede convertirse en un modelo de IA.

Con las aplicaciones de IA supervisadas, un experto en entrenamiento de IA humana guía o corrige continuamente a la IA en su toma de decisiones. Con el tiempo, la IA comienza a tomar decisiones independientes sobre el control de calidad o la inspección de materiales extraños, pero el elemento humano sigue siendo fundamental para el sistema.

Dado que las tecnologías de IA supervisada toman sus decisiones en función de los datos utilizados para entrenar modelos, es posible que tengan dificultades para detectar anomalías o materiales extraños que no estén incluidos en su conjunto de datos de entrenamiento. Un científico de datos experto puede entrenar el modelo para que detecte lo inesperado, pero con un menor grado de precisión.

El otro método de entrenamiento de la IA es el «entrenamiento sin supervisión». Una IA no supervisada debe tomar sus propias decisiones sobre las características del producto, las anomalías o los materiales extraños sin ejemplos u orientación explícitos. Los sistemas de IA no supervisados aprenden sus criterios de forma autónoma, lo que significa que pueden adaptarse a los cambios del proceso o a las variaciones de materiales extraños a lo largo del tiempo. Sin embargo, sus resultados pueden ser impredecibles y arriesgados.

Si bien rara vez se encontrará una aplicación de IA que no esté realmente supervisada en la inspección de productos alimenticios, un procesador puede implementar su sistema de IA sin que su operador reciba la formación adecuada para corregir la IA si su precisión se desvía. Los objetos extraños no detectados podrían provocar costosas retiradas de productos.

En algunos casos, un modelo no supervisado puede ser más capaz de detectar anomalías imprevistas; sin embargo, viene con un número cada vez mayor de falsos positivos, lo que genera un costoso desperdicio de productos.

Haga las preguntas correctas a su proveedor de tecnología de IA

Desconfíe de los proveedores de tecnología que ofrecen una plataforma de IA lista para usar y lista para usar. La formación de un sistema de inspección basada en la IA es un proceso iterativo que puede llevar tiempo en función de la complejidad de las características del producto o del material extraño que el operador desee detectar. Cada línea de procesamiento, incluso dentro de la misma instalación, es única. La implementación de un sistema de inteligencia artificial y la expectativa de que comprenda al instante los productos y los distintos materiales que los operadores desean inspeccionar o detectar sin un programa de formación sólido gestionado por un experto en inteligencia artificial probablemente produzca resultados no deseados.

Las tecnologías de inspección de IA son clave para ayudar a los procesadores de alimentos a maximizar sus capacidades y abordar los problemas laborales, pero son tan buenas como el apoyo y la capacitación que reciben.

‍