Capitulo 4 Todo puede ser automatizado
¿Qué es la automatización?
La automatización es cualquier proceso impulsado de forma automática que reduce y, a la larga, elimina, la
necesidad de intervención humana.
La automatización estuvo una vez limitada a la industria de la fabricación. Las tareas altamente repetitivas
como el ensamblaje automotriz se derivó a las máquinas y así nació la línea de montaje moderna. Las
máquinas son excelentes para repetir la misma tarea sin fatigarse y sin los errores que los seres humanos son
propensos a cometer en estos trabajos. Esto ofrece una mayor producción, debido a que las máquinas
pueden trabajar las 24 horas sin interrupciones. Las máquinas también proporcionan un producto más
uniforme.
IoT abre un nuevo mundo en el que las tareas que previamente requerían la intervención humana se pueden
volver automatizadas. Como hemos visto, IoT permite que la recopilación de grandes cantidades de datos que
se pueden analizar rápidamente para proporcionar información que pueda ayudar a guiar un evento o
proceso.
Al adoptar los beneficios de IoT, la automatización se torna cada vez más importante. El acceso a una
cantidad enorme de datos procesados rápidamente por sensores hizo que las personas comenzaron a pensar
de qué manera aplicar los conceptos del aprendizaje automático y la automatización a tareas cotidianas.
Muchas tareas de rutina se automatizan para mejorar su precisión y eficacia.
La automatización a menudo se relaciona con el campo de la robótica. Se utilizan robots en condiciones
peligrosas como la minería, la lucha contra incendios y la limpieza de accidentes industriales, lo que reduce el
riesgo para los seres humanos. También se utilizan en tareas tales como líneas de montaje automatizadas.
Ahora vemos la automatización en todas partes, desde las cajas registradoras de autoservicio en las tiendas y
los controles ambientales de los edificios automáticos hasta automóviles y vehículos autónomos. ¿Cuántos
sistemas automatizados encuentra en un solo día?
Haga clic en Reproducir en el video para ver ejemplos de automatización.
Haga clic aquí para leer una transcripción del video.
Cuando las cosas comienzan a pensar
¿Pueden pensar las cosas? ¿Un dispositivo puede aprender de su entorno? En este contexto, hay muchas
definiciones de la palabra "pensar". Una posible definición es la capacidad para conectar una serie de partes
relacionadas de información y usarlas para alterar un curso de acción.
Por ejemplo, cuando somos pequeños no tenemos el concepto de que el fuego es caliente y que poner la
mano sobre el fuego puede causar dolor. El fuego puede parecer visualmente agradable y en realidad hacer
que uno intente tocar las llamas. Rápidamente aprendemos que el fuego puede causar lesiones. Así
comenzamos a relacionar la imagen del fuego con el dolor que produce. De ahí en adelante comenzamos a
pensar en los resultados de tocar el fuego y basamos nuestras acciones en esta información adquirida.
Muchos dispositivos ahora incorporan la tecnología inteligente para modificar su comportamiento en
determinadas circunstancias. Esto puede ser tan simple como cuando un dispositivo inteligente reduce su
consumo de energía durante períodos de demanda pico o tan complejo como conducir un auto de manera
autónoma.
Cada vez que se toma una decisión o un curso de acción mediante un dispositivo en función de información
externa, dicho dispositivo luego se reconoce como dispositivo inteligente. En la actualidad muchos dispositivos
con los que interactuamos llevan la palabra inteligente en el nombre. Esto indica que el dispositivo tiene la
capacidad para alterar su comportamiento según su entorno.
¿Con qué tecnología y dispositivos inteligentes ha interactuado hoy?
¿Qué es la inteligencia artificial y el aprendizaje automático?
La Inteligencia artificial (AI) es la inteligencia que demuestran las máquinas. Es diferente de la inteligencia
natural la cual es la inteligencia que muestran los organismos vivos. AI utiliza agentes inteligentes que pueden
percibir el entorno y tomar decisiones que maximiza la probabilidad de lograr una meta o un objetivo
específico. La AI hace referencia a los sistemas que imitan las funciones cognitivas normalmente asociadas a
la mente humana, como el aprendizaje y la resolución de problemas.
Algunas de las tareas que actualmente se consideran que requieren un grado de AI son los automóviles
autónomos, el routing inteligente en redes de distribución de contenido, los juegos estratégicos y las
simulaciones militares.
A medida que la tecnología se desarrolla, muchas de las tareas que antes requerían la AI se han convertido
en rutina. Muchas de estas tareas migraron de la AI al aprendizaje automático (ML).
El ML es un subconjunto de AI que utiliza técnicas estadísticas para otorgar a las computadoras la capacidad
para “aprender” de su entorno. Esto permite que las computadoras mejoren su funcionamiento en una tarea
puntual sin que se programe específicamente para esa tarea.
Resulta especialmente útil cuando el diseño y la programación de algoritmos específicos son difíciles o
inviables. Entre los ejemplos de dichas tareas en las ciencias informáticas se incluye la detección de código
malicioso, la detección de intrusos en las redes, el reconocimiento de caracteres ópticos, el reconocimiento de
voz por computadora y la visión por computadora.
Un objetivo de aprender es poder generalizar en función de la experiencia. Para las máquinas, esto implica la
capacidad para realizar con precisión tareas nuevas y anteriormente no vistas luego de obtener experiencia
con un conjunto de datos de aprendizaje. El conjunto de datos de capacitación debe provenir de datos que
resulten representativos del conjunto mayor de datos. Este conjunto de datos permite que la máquina cree un
modelo general de estos datos, que la ayudaría a realizar predicciones precisas.
ML en IoT
Una de las características de IoT es que permite la recopilación de conjuntos sumamente grandes de datos
que pueden "enseñar" a los programas a responder en determinadas situaciones. Algunos de los usos más
comunes de la tecnología de ML incluyen los siguientes:
Reconocimiento de voz: en la actualidad muchas empresas ofrecen asistentes digitales que le
permiten usar la voz para comunicarse con un sistema informático. Apple, Microsoft, Google y Amazon
ofrecen este servicio. Estas empresas no solo permiten que se proporcionen comandos de manera oral
sino también funciones de software de voz a texto.
Recomendación del producto: los sistemas crean un perfil del cliente, y recomiendan productos o
servicios en función de los patrones anteriores. Los usuarios de Amazon y eBay reciben
recomendaciones sobre productos. Organizaciones como LinkedIn, Facebook y GooglePlus
recomiendan usuarios con los que posiblemente desee conectarse.
Reconocimiento de forma: hay programas que permiten que diagramas y notas elaborados a mano
de forma rudimentaria se conviertan en diagramas y texto más formales. Esto permite que las formas y
las líneas de escritura a mano se conviertan en texto más formal, que posteriormente puede buscarse y
analizarse.
Detección de fraudes de tarjetas de crédito: se crea un perfil sobre los patrones de compra de un
cliente. Cualquier desviación de estos patrones activa una alerta y el sistema automáticamente realiza la
acción. Esta acción varía desde rechazar la transacción hasta notificar a las autoridades. Algunos de los
eventos que se detectan y podrían indicar una transacción fraudulenta incluyen la compra de productos
que normalmente no se compran, compras en diferentes áreas geográficas, comprar rápidamente
muchos productos diferentes y comprar artículos de valores elevados.
Reconocimiento facial: las cámaras de seguridad están en todas partes, desde las tiendas, las
calles, los aeropuertos hasta los centros de transporte. Estas cámaras analizan continuamente las
aglomeraciones de personas, y normalmente buscan actividades peligrosas ilegales, pero también se
pueden usar para identificar y rastrear a personas. El sistema crea un patrón de características faciales
específicas y luego busca una coincidencia de estos patrones faciales que desencadena algún tipo de
acción.
Piense en sus interacciones con los sistemas en línea y fuera de línea en la última semana. ¿Con cuántas
aplicaciones de ML ha interactuado?
¿Cómo se vinculan el ML, la AI y las IBN?
Las redes basadas en la intención aprovechan el poder de la automatización, la AI y el ML para controlar la
función de una red a fin de lograr un propósito o una intención específica.
Las redes basadas en la intención permiten que el equipo de TI especifique, en lenguaje simple, exactamente
lo que desea que haga la red y esta lo hace posible. La red es capaz de traducir la intención en políticas y, a
continuación, usar la automatización para implementar configuraciones adecuadas necesarias en toda la red.
Las redes basadas en la intención usan la AI y el ML para garantizar que cualquier servicio que se
implemente cumpla con el nivel requerido de servicio. Si no cumple con el nivel de servicio, la red basada en
la intención puede generar alertas y proporcionar sugerencias para mejorar. En algunos casos, la red basada
en la intención puede reconfigurar automáticamente la red para cumplir con los niveles de servicio.
El modelo de red basada en la intención que se muestra en la figura consta de tres elementos clave:
Aseguramiento: el elemento de aseguramiento es la verificación de extremo a extremo del
comportamiento de toda la red. Predice los resultados de los cambios, realiza un seguimiento del
cumplimiento de la intención original, y efectuar recomendaciones o ajustes en los casos en que hay
una falta de correspondencia entre la intención y el resultado. Esta etapa depende en gran medida de la
AI y el ML. Los sistemas son parte de un ciclo cerrado que supervisa continuamente el rendimiento y la
seguridad de la red, y reconfigura la red para garantizar el cumplimiento.
Traducción: el elemento de traducción es la capacidad para aplicar la intención empresarial a la
configuración de la red. La intención es lo que se desea lograr, no la forma en que se logra. La intención
se especifica en lenguaje simple y es usada por el sistema para crear políticas en todo dicho sistema.
Por ejemplo, una intención podría ser segmentar el tráfico de los invitados del tráfico corporativo, o bien
permitir el acceso a los usuarios remotos.
Activación: el elemento de activación de IBN ocurre después de que se haya especificado la
intención y se hayan creado las políticas. Esto sucede cuando los dispositivos individuales se
aprovisionan para corresponderse con las políticas basadas en la intención. Puede ser un modo
automatizado o semiautomatizado que permita que el equipo de la red verifique la configuración antes
de que se implementen los dispositivos.
Una red basada en la intención genera una red ágil y con capacidad de respuesta que se extiende y se
adapta fácilmente para cumplir con los requisitos empresariales. Usa de manera eficiente recursos
sumamente capacitados y permite que el hombre y la máquina trabajen en conjunto para optimizar la
experiencia del cliente. Además, las redes basadas en la intención brindan una experiencia digital más segura
mediante la automatización de procesos complicados y que insumen mucho tiempo. Esto hace que
implementar políticas de seguridad sea mucho más sencillo.
Para obtener más información y capacitación gratuita sobre las redes basadas en la intención, visite Cisco
Learning Network.
Casos de uso para las redes basadas en la intención
Las redes basadas en el objetivo permiten que la empresa se centre en los objetivos comerciales.
Proporciona un sistema automatizado comprende qué necesita la organización y hace que suceda. Haga clic
en Reproducir en el video para ver una descripción general de las redes basadas en la intención.
Cisco Digital Network Architecture (Cisco DNA) es un ejemplo de una red basada en la intención. Es una
arquitectura abierta, que se puede ampliar y es ejecutada por un software. Acelera y simplifica las
operaciones de las redes empresariales, y reduce los costos y los riesgos.
La automatización y el aseguramiento de Cisco DNA tienen como base un controlador de una red definida por
software (SDN), el análisis contextual extenso, la virtualización de redes y la escalabilidad ilimitada de la nube.
Para obtener más información sobre cómo se usa Cisco Digital Network Architecture en diferentes verticales
de la industria, visite aquí.
Haga clic aquí para leer una transcripción del video.
Resumen
Este capítulo comenzó con el análisis de la automatización. La automatización es cualquier proceso
impulsado de forma automática que reduce y, a la larga, elimina, la necesidad de intervención humana. IoT
abre un nuevo mundo en el que las tareas que previamente requerían la intervención humana se pueden
volver automatizadas. Muchos dispositivos ahora incorporan la tecnología inteligente para modificar su
comportamiento en determinadas circunstancias. Algunos ejemplos de tecnología inteligente se pueden
encontrar en hogares y edificios inteligentes, ciudades, una red de distribución eléctrica inteligente y
automóviles inteligentes.
Luego, el capítulo detalló la Inteligencia artificial (AI). La AI es la inteligencia que demuestran las máquinas. A
medida que la tecnología se desarrolla, muchas de las tareas que antes requerían la AI se han convertido en
rutina. Muchas de estas tareas migraron de la AI al aprendizaje automático (ML). El ML es un subconjunto de
AI que utiliza técnicas estadísticas para otorgar a las computadoras la capacidad para “aprender” de su
entorno. Algunos ejemplos de ML en IoT incluyen el reconocimiento facial y de voz, la recomendación de
productos y la detección de fraudes con tarjetas de crédito.
El siguiente tema de este capítulo abordó las redes basadas en la intención (IBN). La nueva red empresarial
debe integrar dispositivos de IoT, servicios basados en la nube y oficinas remotas de un modo que sean
relevantes y respondan a la empresa. La red debe proteger estas nuevas iniciativas digitales del panorama de
amenazas en constante cambio. Las IBN constituyen un enfoque sistemático para vincular la administración
de infraestructuras con la intención empresarial.
Por último, en este capítulo se analizó de qué forma las redes basadas en la intención usan la AI y el ML para
garantizar que cualquier servicio que se implemente cumpla con el nivel requerido de servicio. Un modelo de
IBN contiene tres elementos, que incluyen aseguramiento, traducción y activación. Cisco Digital Network
Architecture (Cisco DNA) es un ejemplo de una red basada en la intención. Es una arquitectura abierta, que
se puede ampliar y es ejecutada por un software.
