En meses recientes, todos hemos sido testigos de la explosión tecnológica que no deja de sorprender por su versatilidad de soluciones. A veces controversial, la inteligencia artificial llegó para quedarse. El sector no ha sido la excepción para este tipo de alternativas resolutivas de situaciones que, en muchas ocasiones, parecen no tener pies ni cabeza. ¿Cómo interactúan estas herramientas con la transición energética? En este serial de escritos, juntos, navegaremos por las mareas de lo que son y veremos lo que hay debajo del iceberg.
Comienzo por platicarte lo que es y las capacidades que tiene. Antes de llegar al término “inteligencia”, este tipo de arquitecturas parten de un esquema, en el cual la generación e interpretación de los datos provienen de un proceso o problema a resolver.
La necesidad primaria determina siempre el tipo de solución a parametrizar. Una vez que comprendemos, evaluamos y establecemos las variables que debemos tener en cuenta, notaremos que, a veces, los problemas no se resuelven con una única consideración o premisa. Un obstáculo multivariable requiere de resoluciones multinivel.
Inspirándose en el comportamiento conocido del cerebro humano, las redes neuronales artificiales (RNA) tratan de crear modelos sintéticos que resuelvan situaciones que resultan imposibles mediante técnicas algorítmicas convencionales. Una neurona cerebral puede recibir unas 10,000 entradas y enviar, a su vez, su salida a varios cientos de neuronas. La conexión entre neuronas se llama sinapsis. No es física, sino que hay unos 2 mm de separación. Son uniones unidireccionales, en las que la transmisión de la información se hace de forma eléctrica en el interior de la neurona y químicamente, gracias a unas sustancias específicas llamadas neurotransmisores. En el campo computacional replicamos el mismo modelo que el cerebro. Las RNA tienen como base imitar el funcionamiento del pensamiento y entendimiento de organismos vivos. Un grupo de neuronas conectadas entre sí, que trabajan en conjunto, sin que haya una tarea concreta para cada una. Con la experiencia, las neuronas van creando y reforzando ciertas conexiones para “aprender” algo que se queda fijo en el tejido. Se basan en la idea de ingresar parámetros y combinarlos para predecir un cierto resultado a futuro, usando su mismo registro histórico.
Veamos un ejemplo práctico.
Si tenemos lo siguiente: pan cuadrado con ajonjolí, aderezo, jamón, una rebanada de queso, lechuga y tomate. Quizás sepas que estamos hablando de un sándwich. Entonces, con solo ver los ingredientes podemos saber qué tipo de comida sería. Las RNA harán lo mismo, te dirán cuál es el platillo más probable a partir de una serie de elementos dados.
La de la izquierda es la columna de entrada. Cada nodo en ella representa un ingrediente y su cantidad. La columna de la derecha es la comida que resultará al usar esos datos. En los nodos intermedios es donde toda la magia sucede (llamada capa oculta), dependiendo del número de variables, será el número de interrelaciones a considerar. Entre más datos y nodos tenga nuestro modelo, más precisa podría resultar la RNA.
A cada conector se le asigna un peso sináptico con un valor numérico (representado en el gráfico con flechas). Los nodos de la capa oculta contienen las ecuaciones matemáticas cuya respuesta, en este caso, debería ser binaria: sí o no.
Imagina algo así:
15 g de lechuga x 50 g de jamón + 100 gramos de queso x 3 g de tomate + 10 g aderezo x 7 g de pan = Sí
Por supuesto, esta ecuación carece de sentido, sin embargo, en la realidad el modelo también arroja resultados que, para nosotros los humanos, son incoherentes. Lo grandioso de las RNA es que la suma de todo ese “sin sentido”, al final, resulta ser algo muy preciso.
Ahora, como sabemos, hay muchas maneras de hacer un sándwich. Unos usarán aguacate y cambiarán el jamón por atún y, aun así, tú y yo sabemos que se seguirá llamando sándwich. Aquí es donde comienza el siguiente proceso. La RNA tiene que ser entrenada para que entienda estas diferencias. El entrenamiento ocurre de la siguiente forma: incluimos todas las recetas (¿te suena el término “big data”?) de todos los recetarios que tengamos a la mano y por cada platillo ponemos los ingredientes en los nodos de entrada. Si la RNA, dadas todas esas ecuaciones y valores de conexión, dice que es un huevo revuelto y no un sándwich, entonces le damos un “castigo matemático” y la red, automáticamente, cambia los parámetros de las uniones (pesos sinápticos) hasta que es capaz de decir sin mucho error que, en efecto, hablamos de un sándwich.
El objetivo consiste en que el modelo concilie de manera correcta con todas y cada una de las recetas. Cuando el proceso termina la red ha aprendido y la próxima vez que quieras cocinar, solo le tendrás que decir qué ingredientes tienes almacenados y la RNA te dirá qué platillo podrás preparar. Aprenden de nosotros, de patrones y comportamientos. Todo con la finalidad de ayudarnos a profetizar escenarios y usarlos a nuestro favor.
En las siguientes entregas hablaremos sobre los usos de esas predicciones en el ambiente energético.
*/ Frank Reyes es ingeniero en Electrónica y Telecomunicaciones por la Universidad Autónoma del Estado de Hidalgo. Trabajó en Petróleos Mexicanos como experto en sistemas de control y automatización. Durante su trayectoria en el ramo de hidrocarburos desarrolló herramientas de predicción mediante inteligencia artificial y machine learning para la optimización operativa de procesos en tiempo real, logrando certificaciones y reconocimientos dentro y fuera de la Empresa Productiva del Estado.
Es especialista en almacenamiento y distribución de energía, así como de su optimización y generación; asocia sistemas de gestión y mejores prácticas de confiabilidad. Es miembro en activo del Instituto de Ingenieros Eléctricos y Electrónicos (IEEE) desde el 2010.
Las opiniones vertidas en «El Diario de la Transición Energética» son responsabilidad exclusiva de quienes las emiten y no representan necesariamente la posición de Energía a Debate, su línea editorial ni la del Consejo Editorial, así como tampoco de Perceptia21 Energía. Energía a Debate es un espacio informativo y de opinión plural sobre los temas relativos al sector energético, abarcando sus distintos subsectores, políticas públicas, regulación, transparencia y rendición de cuentas, con la finalidad de contribuir a la construcción de una ciudadanía informada en asuntos energéticos.