You are on page 1of 43

INTELIGENCIA ARTIFICIAL

INTELIGENCIA COMPUTACIONAL

Nombre: Jack Flores Córdova| Curso: Gerencia Informática |


Docente: Josué Joel Ríos herrera|
|Ciclo: X|
|Año: 2018|
INTELIGENCIA ARTIFICIAL (IA)

Dedico este trabajo principalmente a Dios, por haberme


dado la vida y permitirme el haber llegado hasta el
momento tan importante de mi formación profesional. A
mi padre y madre, por ser el pilar más importante y por
demostrarme siempre su cariño y su gran apoyo en la cual
me ayudado a salir adelante en los momentos más
difíciles.

De igual forma, dedico este proyecto a mi hermano y mi


hermana que siempre ha estado junto a mí y

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 1


INTELIGENCIA ARTIFICIAL (IA)

brindándome su apoyo, y muchas veces poniéndose el


papel de Padre.

En primer lugar, agradezco a Dios por protegerme durante


todo el camino y darme fuerza para superar obstáculos y
dificultades a lo largo de toda mi vida.
A mi Madre, que con su demostración de una madre
ejemplar me ha enseñado a no desfallecer ni rendirme
ante nada y siempre preservar a través de sus sabios
consejos. De igual manera agradezco a mi Padre que

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 2


INTELIGENCIA ARTIFICIAL (IA)

gracias a sus esfuerzo y arduo trabajo me puedo educar


profesionalmente

INDICE
1. Historia............................................................................................................................6
2. Inteligencia Artificial......................................................................................................9
3. Categorías de la inteligencia artificial..........................................................................10
3.1. Búsqueda heurística..............................................................................................10
3.2. Representación del conocimiento........................................................................10
3.3. Lenguajes, entornos y herramientas de Inteligencia Artificial............................11
3.3.1. Sistemas que piensan como humanos...........................................................11
3.3.2. Sistemas que actúan como humanos............................................................12
3.3.3. Sistemas que piensan racionalmente............................................................12
3.3.4. Sistemas que actúan racionalmente (idealmente).......................................12
4. Escuelas de pensamiento...............................................................................................12
4.1. Inteligencia artificial convencional.......................................................................12
4.1.1. Razonamiento basado en casos.....................................................................12
4.1.2. Sistemas expertos...........................................................................................12
4.1.3. Redes bayesianas............................................................................................12
4.1.4. Inteligencia artificial basada en comportamientos......................................12
4.1.5. Smart process management..........................................................................12
4.2. Inteligencia artificial computacional....................................................................13
5. La inteligencia artificial, la conciencia y los sentimientos..........................................13
6. Criticas............................................................................................................................14
7. Animatrónica e inteligencia artificial...........................................................................15
8. Aplicaciones de la inteligencia artificial.......................................................................16
8.1. AI en la asistencia sanitarias.................................................................................16
8.2. AI en el negocio......................................................................................................16
8.3. AI en la educación..................................................................................................17
8.4. AI en la finanza.......................................................................................................17
8.5. AI en la ley..............................................................................................................17
8.6. AI en la fabricación................................................................................................17
8.7. AI en los juegos......................................................................................................17

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 3


INTELIGENCIA ARTIFICIAL (IA)

8.8. IA en la robótica.....................................................................................................18
8.9. IA en la en vehículos inteligentes.........................................................................19
9. Tipos de Inteligencia Artificial.....................................................................................20
9.1. Tipo 1:.....................................................................................................................20
9.2. Tipo 2.....................................................................................................................20
9.3. Tipo 3.....................................................................................................................20
9.4. Tipo 4.....................................................................................................................20
10. Ejemplo:......................................................................................................................21
11. Aspecto de la inteligencia Artificial.........................................................................22
12. Llevando la IA a cada Negocio..................................................................................22
13. Aprendizaje Automático...........................................................................................24
14. Aprendizaje profund0...............................................................................................25
15. Procesamiento Natural del Lenguaje.......................................................................26
16. 19 tecnologías de IA que dominaran el 2018............................................................26
16.1. Generación de lenguaje natural.......................................................................26
16.2. Reconocimiento de Voz.....................................................................................27
16.3. Agentes Virtuales...............................................................................................27
16.4. Plataformas de machine learning....................................................................28
16.5. Hardware optimizado con IA...........................................................................28
16.6. Toma de decisiones...........................................................................................29
16.7. Plataforma de aprendizaje................................................................................29
16.8. Biometrícas........................................................................................................29
16.9. Automatización de procesos robóticos............................................................30
16.10. Analíticas de texto y NLP (Procesamiento de Lenguaje Natural)...................31
16.11. Gemelos Digitales/Modelos de IA....................................................................31
16.12. Defensa Cibernética...........................................................................................31
16.13. Complianse (Cumplimiento)............................................................................32
16.14. Asistencia al trabajador cognitivo.....................................................................33
16.15. Creación de Contenido......................................................................................33
16.16. Redes Peer-to-Peer............................................................................................34
16.17. Reconocimiento de Emociones........................................................................34
16.18. Reconocimiento de Imagen..............................................................................35
16.19. Automatización en Marketing.........................................................................36

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 4


INTELIGENCIA ARTIFICIAL (IA)

17. Conclusión.................................................................................................................37
18. Biografía.....................................................................................................................38

Ilustración 1 : inteligencia Artificial.....................................................................................10


Ilustración 2: Reconocimiento de voz..................................................................................27
Ilustración 3: Agentes virtuales............................................................................................27
Ilustración 4: Plataformas machine learning......................................................................28
Ilustración 5: Toma de Decisiones.......................................................................................29
Ilustración 6:Biometrica.......................................................................................................30
Ilustración 7:Automatización de procesos robóticos.........................................................30
Ilustración 8:Defensa Cibernética.......................................................................................32
Ilustración 9:Asistencia al trabajador cognitivo..................................................................33
Ilustración 10:Redes Peer-to-Peer........................................................................................34
Ilustración 11:Reconocimiento de Imagen...........................................................................35

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 5


INTELIGENCIA ARTIFICIAL (IA)

1. Historia

El término “inteligencia artificial” fue acuñado formalmente en 1956 durante la


conferencia de Dartmouth, pero para entonces ya se había estado trabajando en ello
durante cinco años en los cuales se había propuesto muchas definiciones distintas que
en ningún caso habían logrado ser aceptadas totalmente por la comunidad
investigadora. La IA es una de las disciplinas más nuevas junto con la genética moderna.

Las ideas más básicas se remontan a los griegos, antes de Cristo. Aristóteles (384-
322 a. C.) fue el primero en describir un conjunto de reglas que describen una parte del
funcionamiento de la mente para obtener conclusiones racionales, y Ctesibio de
Alejandría (250 a. C.) construyó la primera máquina autocontrolada, un regulador del
flujo de agua (racional pero sin razonamiento).

En 1315 Ramon Llull en su libro Ars magna tuvo la idea de que el razonamiento podía ser
efectuado de manera artificial.

En 1936 Alan Turing diseña formalmente una Máquina universal que demuestra la
viabilidad de un dispositivo físico para implementar cualquier cómputo formalmente
definido.

En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas


artificiales, el cual se considera el primer trabajo del campo, aun cuando todavía no
existía el término. Los primeros avances importantes comenzaron a principios del año
1950 con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado por diversas
situaciones.

En 1955 Herbert Simon, Allen Newell y J. C. Shaw, desarrollan el primer lenguaje de


programación orientado a la resolución de problemas, el IPL-11. Un año más tarde
desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemáticos.

En 1956 fue inventado el término inteligencia artificial por John McCarthy, Marvin
Minsky y Claude Shannon en la Conferencia de Dartmouth, un congreso en el que se
hicieron previsiones triunfalistas a diez años que jamás se cumplieron, lo que provocó el
abandono casi total de las investigaciones durante quince años.

En 1957 Newell y Simon continúan su trabajo con el desarrollo del General Problem
Solver (GPS). GPS era un sistema orientado a la resolución de problemas.

En 1958 John McCarthy desarrolla en el Instituto de Tecnología de Massachusetts (MIT)


el LISP. Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para
procesamiento simbólico.

En 1959 Rosenblatt introduce el Perceptrón.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 6


INTELIGENCIA ARTIFICIAL (IA)

A finales de la década de 1950 y comienzos de la de 1960 Robert K. Lindsay desarrolla


«Sad Sam», un programa para la lectura de oraciones en inglés y la inferencia de
conclusiones a partir de su interpretación.

En 1963 Quillian desarrolla las redes semánticas como modelo de representación del
conocimiento.

En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el


cual era capaz de inferir conocimiento basado en información que se le suministra.
Bobrow desarrolla STUDENT.

A mediados de los años 60, aparecen los sistemas expertos, que predicen la probabilidad
de una solución bajo un set de condiciones. Por ejemplo DENDRAL, iniciado en 1965
por Buchanan, Feigenbaum y Lederberg, el primer Sistema Experto, que asistía a
químicos en estructuras químicas complejas, MACSYMA, que asistía a ingenieros y
científicos en la solución de ecuaciones matemáticas complejas.

Posteriormente entre los años 1968-1970 Terry Winograd desarrolló el sistema SHRDLU,
que permitía interrogar y dar órdenes a un robot que se movía dentro de un mundo de
bloques.

En 1968 Marvin Minsky publica Semantic Information Processing.

En 1968 Seymour Papert, Danny Bobrow y Wally Feurzeig desarrollan el lenguaje de


programación LOGO.

En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980.

En 1973 Alain Colmenauer y su equipo de investigación en la Universidad de Aix-


Marseille crean PROLOG (del francés PROgrammation en LOGique) un lenguaje de
programación ampliamente utilizado en IA.

En 1973 Shank y Abelson desarrollan los guiones, o scripts, pilares de muchas técnicas
actuales en Inteligencia Artificial y la informática en general.

En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas Expertos más
conocidos, que asistió a médicos en el diagnóstico y tratamiento de infecciones en la
sangre.

En las décadas de 1970 y 1980, creció el uso de sistemas expertos, como MYCIN:
R1/XCON, ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos
permanecen hasta hoy (Shells) como EMYCIN, EXPERT, OPSS.

En 1981 Kazuhiro Fuchi anuncia el proyecto japonés de la quinta generación de


computadoras.

En 1986 McClelland y Rumelhart publican Parallel Distributed Processing (Redes


Neuronales).

En 1988 se establecen los lenguajes Orientados a Objetos.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 7


INTELIGENCIA ARTIFICIAL (IA)

En 1997 Gari Kaspárov, campeón mundial de ajedrez, pierde ante la computadora


autónoma Deep Blue.

En 2006 se celebró el aniversario con el Congreso en español 50 años de Inteligencia


Artificial - Campus Multidisciplinar en Percepción e Inteligencia 2006.

En el año 2009 ya hay en desarrollo sistemas inteligentes terapéuticos que permiten


detectar emociones para poder interactuar con niños autistas.

En el año 2011 IBM desarrolló una supercomputadora llamada Watson, la cual ganó una
ronda de tres juegos seguidos de Jeopardy!, venciendo a sus dos máximos campeones, y
ganando un premio de 1 millón de dólares que IBM luego donó a obras de caridad.11

En 2016, un programa informático ganó cinco a cero al triple campeón de Europa


de Go.12

Existen personas que al dialogar sin saberlo con un chatbot no se percatan de hablar con
un programa, de modo tal que se cumple la prueba de Turing como cuando se formuló:
«Existirá Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser
humano y un programa de computadora en una conversación a ciegas».

Como anécdota, muchos de los investigadores sobre IA sostienen que «la inteligencia es
un programa capaz de ser ejecutado independientemente de la máquina que lo ejecute,
computador o cerebro».

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 8


INTELIGENCIA ARTIFICIAL (IA)

2. Inteligencia Artificial
La inteligencia artificial (IA), también llamada inteligencia computacional, es la
inteligencia exhibida por máquinas. En ciencias de la computación, una máquina
«inteligente» ideal es un agente racional flexible que percibe su entorno y lleva a cabo
acciones que maximicen sus posibilidades de éxito en algún objetivo o tarea.
Coloquialmente, el término inteligencia artificial se aplica cuando una máquina imita
las funciones «cognitivas» que los humanos asocian con otras mentes humanas, como
por ejemplo: "aprender" y "resolver problemas". A medida que las máquinas se vuelven
cada vez más capaces, tecnología que alguna vez se pensó que requería de inteligencia se
elimina de la definición. Por ejemplo, el reconocimiento óptico de caracteres ya no se
percibe como un ejemplo de la "inteligencia artificial" habiéndose convertido en una
tecnología común. Avances tecnológicos todavía clasificados como inteligencia artificial
son los sistemas capaces de jugar ajedrez, GO y manejar por sí mismos.

Según Takeyas (2007) la IA es una rama de las ciencias computacionales encargada de


estudiar modelos de cómputo capaces de realizar actividades propias de los seres
humanos en base a dos de sus características primordiales: el razonamiento y la
conducta.

En 1956, John McCarthy acuñó la expresión «inteligencia artificial», y la definió como:


"...la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de
cómputo inteligentes".

Para Nils John Nilsson son cuatro los pilares básicos en los que se apoya la inteligencia
artificial:

 Búsqueda del estado requerido en el conjunto de los estados producidos por las
acciones posibles.
 Algoritmos genéticos (análogo al proceso de evolución de las cadenas de ADN).
 Redes neuronales artificiales (análogo al funcionamiento físico del cerebro de
animales y humanos).
 Razonamiento mediante una lógica formal análogo al pensamiento abstracto
humano.

También existen distintos tipos de percepciones y acciones, que pueden ser obtenidas y
producidas, respectivamente, por sensores físicos y sensores mecánicos en máquinas,
pulsos eléctricos u ópticos en computadoras, tanto como por entradas y salidas de bits
de un software y su entorno software.

Varios ejemplos se encuentran en el área de control de sistemas, planificación


automática, la habilidad de responder a diagnósticos y a consultas de los
consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 9


INTELIGENCIA ARTIFICIAL (IA)

de patrones. Los sistemas de IA actualmente son parte de la rutina en campos


como economía, medicina, ingeniería y la milicia, y se ha usado en gran variedad de
aplicaciones de software, juegos de estrategia, como ajedrez de computador, y
otros videojuegos.

Ilustración 1 : inteligencia Artificial

3. Categorías de la inteligencia artificial


3.1. Búsqueda heurística.
Podemos definir una heurística como un truco o estrategia que limita grandiosamente la
búsqueda de soluciones ante grandes espacios de problemas. Por lo tanto, ante un
problema, nos ayuda a seleccionar las bifurcaciones dentro de un árbol con más
posibilidades; con ello se restringe la búsqueda, aunque no siempre se garantiza una
solución adecuada. Todo lo que se debe tener en cuenta para que una heurística sea
adecuada es que nos proporcione soluciones que sean lo suficientemente buenas.
Además, con la utilización de la búsqueda heurística, no será necesario replantear un
problema cada vez que se afronte, ya que si ya ha sido planteado anteriormente, ésta
sugerirá la forma en que se ha de proceder para resolverlo.

3.2. Representación del conocimiento.


La representación es una cuestión clave a la hora de encontrar soluciones adecuadas a
los problemas planteados. Si analizamos más detenidamente el término encontramos
varias definiciones: según Barr y Feigenbaum, la representación del conocimiento es una
combinación de estructuras de datos y procedimientos de interpretación que, si son
utilizados correctamente por un programa, éste podrá exhibir una conducta inteligente;
según Fariñas y Verdejo, la Inteligencia Artificial tiene como objetivo construir modelos

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 10


INTELIGENCIA ARTIFICIAL (IA)

computacionales que al ejecutarse resuelvan tareas con resultados similares a los


obtenidos por una persona, por lo que el tema central de esta disciplina es el estudio del
conocimiento y su manejo; y según Buchanan y Shortliffe, la Representación del
Conocimiento en un programa de Inteligencia Artificial significa elegir una serie de
convenciones para describir objetos, relaciones, y procesos en el mundo. Gran parte del
esfuerzo realizado en la consecución de ordenadores inteligentes, según Rahael, ha sido
caracterizado por el intento continuo de conseguir más y mejores estructuras de
representación del conocimiento, junto con técnicas adecuadas para su manipulación,
que permitiesen la resolución inteligente de algunos de los problemas ya planteados.
Otra característica importante es la inclusión en los programas de Inteligencia artificial,
aunque por separado, de los conocimientos y la unidad que controla y dirige la
búsqueda de soluciones. Dada esta disposición, en estos programas la modificación,
ampliación y actualización de los mismos es sencilla.

El razonamiento que puede tener cualquier persona, ha demostrado ser una de los
aspectos más difíciles de modelar "dentro" de un ordenador. El sentido común a
menudo nos ayuda a prever multitud de hechos y fenómenos corrientes, pero, como ya
hemos dicho, es muy complicado representarlos en un ordenador, dado que los
razonamientos son casi siempre inexactos y que sus conclusiones y reglas en las que se
basan solamente son aproximadamente verdaderas.

3.3. Lenguajes, entornos y herramientas de Inteligencia


Artificial
En la Inteligencia Artificial, se han desarrollado diferentes lenguajes específicos para los
diferentes campos de aplicación. Estos lenguajes en su mayoría cuentan con una serie de
características comunes que podemos resumir de la siguiente forma: Este tipo
de software ofrece un gran modularidad. Poseen gran capacidad de tomar decisiones de
programación hasta el último momento, es decir cuando el programa ya está
ejecutándose. Ofrecen grandes facilidades en el manejo de listas, y esto es importante,
ya que las listas son la estructura más habitual usada para la representación del
conocimiento en la Inteligencia Artificial. Facilitan la realización de ciertos tipos de
deducción automática permitiendo también la creación de una base de hechos (lugar
donde se recogen los datos iniciales del problema a resolver y los resultados intermedios
una vez obtenidos). Permite el uso simultáneo de estructuras que incorporan
conocimiento declarativo y conocimiento procedimental. Tienen una marcada
orientación gráfica. Además, las herramientas de Inteligencia Artificial permiten hacer
un seguimiento de todos los cambios realizados a lo largo de toda la sesión. Disponen
herramientas capaces de desarrollar programas que son capaces de comprender otros
programas y también de realizar modificaciones sobre ellos.

Stuart Russell y Peter Norvig diferencian estos tipos de la inteligencia artificial:

3.3.1. Sistemas que piensan como humanos


Estos sistemas tratan de emular el pensamiento humano; por ejemplo las redes
neuronales artificiales. La automatización de actividades que vinculamos con

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 11


INTELIGENCIA ARTIFICIAL (IA)

procesos de pensamiento humano, actividades como la toma de


decisiones, resolución de problemas y aprendizaje.

3.3.2. Sistemas que actúan como humanos


Estos sistemas tratan de actuar como humanos; es decir, imitan el
comportamiento humano; por ejemplo, la robótica. El estudio de cómo lograr
que los computadores realicen tareas que, por el momento, los humanos hacen
mejor.

3.3.3. Sistemas que piensan racionalmente


Es decir, con lógica (idealmente), tratan de imitar o emular el pensamiento
lógico racional del ser humano; por ejemplo los sistemas expertos. El estudio de
los cálculos que hacen posible percibir, razonar y actuar.

3.3.4. Sistemas que actúan racionalmente (idealmente)


Tratan de emular de forma racional el comportamiento humano; por ejemplo
los agentes inteligentes. Está relacionado con conductas inteligentes
en artefactos.

4. Escuelas de pensamiento
4.1. Inteligencia artificial convencional
Se conoce también como IA simbólico-deductiva. Está basada en el análisis formal y
estadístico del comportamiento humano ante diferentes problemas:
4.1.1. Razonamiento basado en casos
Ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos y,
aparte de que son muy importantes, requieren de un buen funcionamiento.

4.1.2. Sistemas expertos


Infieren una solución a través del conocimiento previo del contexto en que se
aplica y ocupa de ciertas reglas o relaciones.

4.1.3. Redes bayesianas


Propone soluciones mediante inferencia probabilística.

4.1.4. Inteligencia artificial basada en comportamientos


Esta inteligencia contiene autonomía y puede auto-regularse y controlarse para
mejorar.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 12


INTELIGENCIA ARTIFICIAL (IA)

4.1.5. Smart process management


Facilita la toma de decisiones complejas, proponiendo una solución a un
determinado problema al igual que lo haría un especialista en dicha actividad.

4.2. Inteligencia artificial computacional


La Inteligencia Computacional (también conocida como IA subsimbólica-inductiva)
implica desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas de
los parámetros en sistemas de conexiones). El aprendizaje se realiza basándose en datos
empíricos.

5. La inteligencia artificial, la conciencia y los


sentimientos
El concepto de IA es aún demasiado difuso. Contextualizando, y teniendo en cuenta un
punto de vista científico, podríamos definir esta ciencia como la encargada de imitar el
cerebro, que no el cuerpo, de una persona en todas sus funciones. Estas pueden ser las
ya existentes en el humano o bien otras novedosas e incorporadas en el desarrollo de
una máquina inteligente.
En relación a la conciencia y las emociones, y aunque por el momento la mayoría de los
investigadores en el ámbito de la Inteligencia Artificial se centran sólo en el aspecto
racional, hay expertos que consideran seriamente la posibilidad de incorporar
componentes «emotivos» como indicadores de estado, a fin de aumentar la eficacia de
los sistemas inteligentes en determinadas situaciones.
A diferencia de los humanos, hay términos que la Inteligencia Artificial no puede
comprender o entender conceptos humanos como el amor, el matrimonio, el sentido de
la vida, el libre albedrío el cariño o las emociones humanas.
Particularmente, en el caso de los robots móviles, es necesario que estos cuenten con
algo similar a las emociones con el objeto de saber –en cada instante y como mínimo–
qué hacer a continuación [Pinker, 2001, p. 481].
Al tener «sentimientos» y, al menos potencialmente, «motivaciones», podrán actuar de
acuerdo con sus «intenciones» [Mazlish, 1995, p. 318]. Así, se podría equipar a un robot
con dispositivos que controlen su medio interno; por ejemplo, que «sientan hambre» al
detectar que su nivel de energía está descendiendo o que «sientan miedo» cuando este
esté demasiado bajo.
Esta señal podría interrumpir los procesos de alto nivel y obligar al robot a conseguir el
preciado elemento [Johnson-Laird, 1993, p. 359]. Incluso se podría introducir el «dolor»
o el «sufrimiento físico», a fin de evitar las torpezas de funcionamiento como, por
ejemplo, introducir la mano dentro de una cadena de engranajes o saltar desde una
cierta altura, lo cual le provocaría daños irreparables.
Esto significa que los sistemas inteligentes deben ser dotados con mecanismos
de retroalimentación que les permitan tener conocimiento de estados internos, igual
que sucede con los humanos que dispone de propiocepción, intercepción, nocicepción,
etcétera. Esto es fundamental tanto para tomar decisiones como para conservar su
propia integridad y seguridad. La retroalimentación en sistemas está particularmente

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 13


INTELIGENCIA ARTIFICIAL (IA)

desarrollada en cibernética: por ejemplo, en el cambio de dirección y velocidad


autónomo de un misil, utilizando como parámetro la posición en cada instante en
relación al objetivo que debe alcanzar. Esto debe ser diferenciado del conocimiento que
un sistema o programa computacional puede tener de sus estados internos, por ejemplo,
la cantidad de ciclos cumplidos en un loop o bucle en sentencias tipo do... for, o la
cantidad de memoria disponible para una operación determinada.
A los sistemas inteligentes el no tener en cuenta elementos emocionales les permite no
olvidar la meta que deben alcanzar. En los humanos el olvido de la meta o el abandonar
las metas por perturbaciones emocionales es un problema que en algunos casos llega a
ser incapacitante. Los sistemas inteligentes, al combinar una memoria durable, una
asignación de metas o motivación, junto a la toma de decisiones y asignación de
prioridades con base en estados actuales y estados meta, logran un comportamiento en
extremo eficiente, especialmente ante problemas complejos y peligrosos.

6. Criticas
Las principales críticas a la inteligencia artificial tienen que ver con su capacidad de
imitar por completo a un ser humano. Sin embargo, hay expertos en el tema que indican
que ningún humano individual tiene capacidad para resolver todo tipo de problemas, y
autores como Howard Gardner han teorizado que existen inteligencias múltiples. Un
sistema de inteligencia artificial debería resolver problemas por lo que es fundamental
en su diseño la delimitación de los tipos de problemas que resolverá y las estrategias y
algoritmos que utilizará para encontrar la solución.
En los humanos, la capacidad de resolver problemas tiene dos aspectos: los aspectos
innatos y los aspectos aprendidos. Los aspectos innatos permiten, por ejemplo,
almacenar y recuperar información en la memoria, mientras que en los aspectos
aprendidos reside el saber resolver un problema matemático mediante el algoritmo
adecuado. Del mismo modo que un humano debe disponer de herramientas que le
permitan solucionar ciertos problemas, los sistemas artificiales deben ser programados
de modo tal que puedan llegar a resolverlos.
Muchas personas consideran que el test de Turing ha sido superado, citando
conversaciones en que al dialogar con un programa de inteligencia artificial para chat no
saben que hablan con un programa. Sin embargo, esta situación no es equivalente a un
test de Turing, que requiere que el participante esté sobre aviso de la posibilidad de
hablar con una máquina.
Otros experimentos mentales como la Habitación china, de John Searle, han mostrado
cómo una máquina podría simular pensamiento sin realmente poseerlo, pasando el test
de Turing sin siquiera entender lo que hace, tan solo reaccionando de una forma
concreta a determinados estímulos (en el sentido más amplio de la palabra). Esto
demostraría que la máquina en realidad no está pensando, ya que actuar de acuerdo con
un programa preestablecido sería suficiente. Si para Turing el hecho de engañar a un ser
humano que intenta evitar que le engañen es muestra de una mente
inteligente, Searle considera posible lograr dicho efecto mediante reglas definidas a
priori.
Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación
con el usuario. Este obstáculo es debido a la ambigüedad del lenguaje, y se remonta a los
inicios de los primeros sistemas operativos informáticos. La capacidad de los humanos

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 14


INTELIGENCIA ARTIFICIAL (IA)

para comunicarse entre sí implica el conocimiento del lenguaje que utiliza el


interlocutor. Para que un humano pueda comunicarse con un sistema inteligente hay
dos opciones: o bien que el humano aprenda el lenguaje del sistema como si aprendiese
a hablar cualquier otro idioma distinto al nativo, o bien que el sistema tenga la
capacidad de interpretar el mensaje del usuario en la lengua que el usuario utiliza.
Un humano, durante toda su vida, aprende el vocabulario de su lengua nativa o
materna, siendo capaz de interpretar los mensajes (a pesar de la polisemia de las
palabras) utilizando el contexto para resolver ambigüedades. Sin embargo, debe conocer
los distintos significados para poder interpretar, y es por esto que lenguajes
especializados y técnicos son conocidos solamente por expertos en las respectivas
disciplinas. Un sistema de inteligencia artificial se enfrenta con el mismo problema, la
polisemia del lenguaje humano, su sintaxis poco estructurada y los dialectos entre
grupos.
Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los
que existe mayor consenso entre especialistas. Un sistema experto es más probable que
sea programado en física o en medicina que en sociología o en psicología. Esto se debe al
problema del consenso entre especialistas en la definición de los conceptos involucrados
y en los procedimientos y técnicas a utilizar. Por ejemplo, en física hay acuerdo sobre el
concepto de velocidad y cómo calcularla. Sin embargo, en psicología se discuten los
conceptos, la etiología, la psicopatología y cómo proceder ante cierto diagnóstico. Esto
dificulta la creación de sistemas inteligentes porque siempre habrá desacuerdo sobre la
forma en que debería actuar el sistema para diferentes situaciones. A pesar de esto hay
grandes avances en el diseño de sistemas expertos para el diagnóstico y toma de
decisiones en el ámbito médico y psiquiátrico (Adaraga Morales, Zaccagnini Sancho,
1994).
Al desarrollar un robot con inteligencia artificial se debe tener cuidado con la
autonomía,13hay que tener cuidado en no vincular el hecho de que el robot interaccione
con seres humanos a su grado de autonomía. Si la relación de los humanos con el robot
es de tipo maestro esclavo, y el papel de los humanos es dar órdenes y el del robot
obedecerlas, entonces sí cabe hablar de una limitación de la autonomía del robot. Pero
si la interacción de los humanos con el robot es de igual a igual, entonces su presencia
no tiene por qué estar asociada a restricciones para que el robot pueda tomar sus propias
decisiones.

7. Animatrónica e inteligencia artificial


La animatrónica junto con la inteligencia artificial es lo que da como resultado
los androides, como se suele conocer a los robots que imitan el comportamiento
humano. Tenemos una técnica capaz de dotar del aspecto y comportamiento de seres
vivos a máquinas. Es decir, 'humanizar' a los robots. Pero ya no sólo hablamos que los
movimientos sean muy reales, sino que además, parece real gracias a la piel sintética que
han usado y al maquillaje.
La empresa Disney está a punto de usar la animatrónica y la inteligencia artificial para
simular uno de sus personajes en la vida real: Pascal, uno de los personajes de la película
"Enredados".
Por otro lado, Dubai ya está usando policías robots creados por PAL Robotics.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 15


INTELIGENCIA ARTIFICIAL (IA)

8. Aplicaciones de la inteligencia artificial


Las técnicas desarrolladas en el campo de la inteligencia artificial son numerosas y
ubicuas. Comúnmente cuando un problema es resuelto mediante inteligencia artificial
la solución es incorporada en ámbitos de la industria y de la vida diaria de los usuarios
de programas de computadora, pero la percepción popular se olvida de los orígenes de
estas tecnologías que dejan de ser percibidas como inteligencia artificial. A este
fenómeno se le conoce como el efecto IA.

 Lingüística computacional.

 Minería de datos (Data Mining).

 Industria.

 Medicina.

 Mundos virtuales.

 Procesamiento de lenguaje natural (Natural Language Processing).

 Robótica.

 Mecatrónica.

 Sistemas de apoyo a la decisión.

 Videojuegos.

 Prototipos informáticos.

 Análisis de sistemas dinámicos.

 Smart Process Management.

 Simulación de multitudes.

8.1. AI en la asistencia sanitarias


Las mayores apuestas están en mejorar los resultados de los pacientes y reducir
los costos. Las empresas están aplicando el aprendizaje de máquina para hacer
diagnósticos mejores y más rápidos que los seres humanos. Una de las
tecnologías sanitarias más conocidas es IBM Watson. Entiende el lenguaje
natural y es capaz de responder a las preguntas que se le formulan. El sistema
extrae datos de los pacientes y otras fuentes de datos disponibles para formar
una hipótesis, que luego presenta con un esquema de puntuación de confianza.
Otras aplicaciones de AI incluyen chatbots, un programa de computadora
utilizado en línea para responder a preguntas y ayudar a los clientes, para ayudar
a programar citas de seguimiento o ayudar a los pacientes a través del proceso de

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 16


INTELIGENCIA ARTIFICIAL (IA)

facturación, así como en asistentes virtuales de salud que proporcionan


retroalimentación médica básica.

8.2. AI en el negocio
La automatización de procesos robóticos se está aplicando a tareas altamente
repetitivas que normalmente realizan los seres humanos. Los algoritmos de
aprendizaje automático se están integrando en las plataformas de análisis y CRM
para descubrir información sobre cómo servir mejor a los clientes.
Los chatbots se han incorporado en los sitios web para ofrecer un servicio
inmediato a los clientes. La automatización de puestos de trabajo también se ha
convertido en un punto de conversación entre académicos y consultores de TI,
como Gartner y Forrester.

8.3. AI en la educación
La AI puede automatizar la calificación, dando a los educadores más tiempo. AI
puede evaluar a los estudiantes y adaptarse a sus necesidades, ayudándoles a
trabajar a su propio ritmo. Los tutores de AI pueden proporcionar apoyo
adicional a los estudiantes, asegurando que se mantengan en el buen camino. AI
podría cambiar dónde y cómo los estudiantes aprenden, tal vez incluso
reemplazando a algunos maestros.

8.4. AI en la finanza
La AI aplicada a las aplicaciones de finanzas personales, como Mint o Turbo Tax,
está transformando a las instituciones financieras. Aplicaciones como estas
podrían recopilar datos personales y proporcionar asesoramiento financiero.
Otros programas, IBM Watson siendo uno, se han aplicado al proceso de
comprar una casa. Hoy en día, el software realiza gran parte de las operaciones
en Wall Street.

8.5. AI en la ley
El proceso de descubrimiento, a través de la revisión de documentos, en la ley es
a menudo abrumador para los seres humanos. Automatizar este proceso es un
mejor uso del tiempo y un proceso más eficiente. Los startups también están
construyendo asistentes informáticos con preguntas y respuestas que pueden
tamizar preguntas programadas para contestar examinando la taxonomía y la
ontología asociadas a una base de datos.

8.6. AI en la fabricación
Esta es un área que ha estado a la vanguardia de la incorporación de robots en el
flujo de trabajo. Los robots industriales solían realizar tareas únicas y estaban
separados de los trabajadores humanos, pero a medida que la tecnología avanza
eso ha cambiado.

8.7. AI en los juegos


Durante décadas, la inteligencia artificial se ha dedicado a los juegos con el fin
de derrotar a los mejores jugadores humanos. Se ha considerado siempre que la
habilidad de jugar era propia de la inteligencia. Las damas y el othello fueron

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 17


INTELIGENCIA ARTIFICIAL (IA)

derrotados primero. En el año 1997 fue el turno del ajedrez. Ahora


prácticamente queda únicamente el go por batir.
 Las damas. Chinnok, un programa desarrollado desde el año 1989 por el
equipo de Jonathan Schaeffer, de la Universidad de Alberta, se convirtió
en el año 1994 en el campeón mundial de damas. El programa incluye
una base de datos con aperturas de los mejores jugadores y otra de
situaciones finales cuando quedan 8 o menos fichas en el tablero. El
mismo equipo investigador demostró años más tarde, en el año 2007,
que cuando se juega a las damas de forma perfecta ningún jugador puede
ganar. Esto significa que una estrategia óptima por parte de los dos
jugadores únicamente puede llevar a tablas. La dificultad de esta
demostración estriba en que puede haber aproximadamente 500 3 1020
tableros posibles, o, en palabras, cincuenta mil trillones de tableros. El
problema es un millón de veces más difícil que el de las 4 en raya. La
información sobre este programa se puede encontrar en:
http://webdocs.cs.ualberta.ca/~chinook/.

 El ajedrez. Durante muchos años se desarrollaron inventos y programas


con el fin de ganar en el juego del ajedrez. Sin embargo, no fue hasta
mayo del año 1997 cuando Deep Blue venció al campeón humano G.
Kasparov en Nueva York. El programa desarrollado por IBM utilizaba
hardware específico, bases de datos que permitían al programa jugar de
forma perfecta en las situaciones finales con 7 o menos fichas en el
tablero, y algoritmos de búsqueda del tipo minimax para encontrar la
mejor solución en todos los otros casos. Se puede encontrar información
sobre Deep Blue en la página web
http://www.research.ibm.com/deepblue.

 El go. Mientras los otros juegos ya han sido derrotados, no existe en la


actualidad ningún programa informático que tenga un nivel suficiente
en go como para ganar a los buenos jugadores humanos. Hace años que
se considera el go un juego mucho más difícil que el ajedrez. La
dificultad estriba en las dimensiones del tablero (19 3 19, con 361
intersecciones), el número de movimientos posibles en cada tablero y la
dificultad de definir funciones que evalúen correctamente un tablero
dado. Actualmente se han conseguido algunos programas que tienen un
buen nivel en un tablero reducido de 9 x 9. Los programas que tienen un
buen rendimiento no utilizan el mismo algoritmo de búsqueda que el
ajedrez (el mínimax) sino el UCT.

8.8. IA en la robótica
Las aplicaciones en robótica se han desarrollado desde el principio de la
informática con diversidad de objetivos: la automatización de procesos
industriales, las aplicaciones militares y la exploración espacial. Mientras los
primeros robots estaban orientados a realizar actividades repetitivas,
actualmente se busca una mayor autonomía en relación a su capacidad de tomar
decisiones. La evolución de la robótica también ha pasado por su intento de

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 18


INTELIGENCIA ARTIFICIAL (IA)

construir robots con forma humana y con capacidad de andar. A continuación,


se enumeran algunos de los logros más importantes en esta área.

 Los robots mascotas. Existen en la actualidad muchos robots para


diversión o juegos. Podemos subrayar dos de ellos: los japoneses Paro y
Aibo. El primero es un robot terapéutico para reducir el estrés de los
pacientes y que permite incrementar su socialización. Aibo, presentado
en el año 1999 e implementado y comercializado por SONY, es un robot
en forma de perro con un sistema de visión y programable.

 Los robots de exploración y reconocimiento. Se enviaron a la superficie


de Marte dos robots, el 3 y el 24 de enero de 2004 respectivamente. Son
los robots Spirit y Opportunity. Spirit estuvo activo hasta el año 2010 y
Opportunity aún está en funcionamiento. El 26 de noviembre de 2011 se
mandó un tercer robot, el Curiosity, que debe llegar a Marte en agosto de
2012. Este robot tiene una navegación automática media de 30 m/hora (y
máxima de 90 m/hora). Se espera que su misión dure dos años.

 Los robots bípedos. P3 fue el primer robot bípedo capaz de caminar. Su


construcción, realizada por la compañía Honda, acabó en el año 1997. En
octubre del año 2000, la misma compañía presentó el robot ASIMO (de
Advanced Step in Innovative Mobility). Este robot es la culminación de
la serie de robots P, todos desarrollados con el objetivo de disponer de
robots con forma y capacidades motrices humanas. ASIMO es un robot
bípedo que puede andar y correr. Además, puede reconocer objetos
móviles, posturas y gestos a partir de la información subministrada por
sus cámaras.

8.9. IA en la en vehículos inteligentes


Se han construido muchos tipos de vehículos con diferentes grados de
autonomía. En el apartado anterior ya se mencionaron algunos robots. Aquí se
señalan vehículos que pueden llevar pasajeros.

 El metro de la ciudad japonesa de Sendai ( 仙 台 地 下 鉄 ). Este metro,


desarrollado en el año 1987, fue el primero en el mundo con una
conducción totalmente automatizada. Actualmente, son muchas las
líneas de metro sin conductor en el mundo. El sistema fue realizado bajo
la dirección de Seiji Yasunobu, miembro del laboratorio de Desarrollo de
Sistemas de Hitachi. Está basado en técnicas de lógica difusa.

 Coches autónomos. Stanley fue el coche ganador de la carrera «2005


DARPA Grand Challenge». El coche, autónomo y sin conductor,
completó el recorrido de 212,4 km en el desierto de Mojave, en los

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 19


INTELIGENCIA ARTIFICIAL (IA)

Estados Unidos, en 6 horas y 54 minutos. En el 2007 se realizó la «2007


DARPA Grand Challenge» que consistía en recorrer 96 km en área
urbana (en la base de las Fuerzas Aéreas George en California). Los
coches circulaban procesando en tiempo real las reglas de circulación del
estado de California. El 20 de septiembre de 2011, el coche Made in
Germany de la Universidad Libre de Berlín se desplazó por las calles de
esta ciudad en un viaje de 80 km. El recorrido fue entre el Centro de
Congresos Internacional y la Puerta de Brandenburgo, en el centro de
Berlín. El automóvil es completamente autónomo, aunque algunas
informaciones, como la velocidad del recorrido, le vienen dadas y no son
recogidas por sus cámaras. El coche reconoce la presencia de peatones y
de semáforos. Para información del coche alemán puede consultarse la
siguiente página web: http://autonomos.inf.fu-berlin.de.

 Los vehículos aéreos no tripulados (UAV, Unmanned Aerial Vehicle). El


vehículo aéreo no tripulado Global Hwak fue el primero en cruzar el
Océano Pacífico sin paradas. Realizó el trayecto de Estados Unidos
(California) a Australia en abril del año 2001. Sin embargo, aún necesita
un piloto en una estación terrestre y otros operadores para analizar los
datos. De acuerdo con Weiss (2011).

9. Tipos de Inteligencia Artificial


El primero clasifica los sistemas de AI como AI débil o AI fuerte. La AI débil, también
conocida como AI estrecha, es un sistema de AI que está diseñado y entrenado para una
tarea en particular. Los asistentes personales virtuales, como Siri de Apple, son una
forma de débil de AI.
La AI fuerte, también conocida como inteligencia general artificial, es un sistema de
AI con habilidades cognitivas humanas generalizadas, de modo que cuando se le
presenta una tarea desconocida, tiene suficiente inteligencia para encontrar una
solución. La prueba de Turing, desarrollada por el matemático Alan Turing en 1950, es
un método utilizado para determinar si una computadora puede realmente pensar como
un humano, aunque el método es polémico.
El segundo ejemplo es de Arend Hintze, profesor asistente de biología integradora e
ingeniería y ciencias de computación en la Universidad Estatal de Michigan. Categoriza
la AI en cuatro tipos, desde el tipo de sistemas de AI que existen hoy en día hasta los
sistemas sensitivos, que aún no existen. Sus categorías son las siguientes:
9.1. TIPO 1: Máquinas reactivas. Un ejemplo es Deep Blue, el programa de
ajedrez de IBM que venció a Garry Kasparov en los años noventa. Deep Blue
puede identificar piezas en el tablero de ajedrez y hacer predicciones, pero
no tiene memoria y no puede usar experiencias pasadas para informar a las
futuras. Analiza movimientos posibles –los propios y los de su oponente– y
elige el movimiento más estratégico. Deep Blue y AlphaGO de Google fueron
diseñados para propósitos estrechos y no pueden aplicarse fácilmente a otra
situación.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 20


INTELIGENCIA ARTIFICIAL (IA)

9.2. TIPO 2
Memoria limitada. Estos sistemas de AI pueden usar experiencias pasadas para
informar decisiones futuras. Algunas de las funciones de toma de decisiones en
vehículos autónomos han sido diseñadas de esta manera. Las observaciones son
utilizadas para informar las acciones que ocurren en un futuro no tan lejano,
como un coche que ha cambiado de carril. Estas observaciones no se almacenan
permanentemente.

9.3. TIPO 3
Teoría de la mente. Este es un término psicológico. Se refiere a la comprensión
de que los demás tienen sus propias creencias, deseos e intenciones que afectan
las decisiones que toman. Este tipo de AI aún no existe.

9.4. TIPO 4
Autoconocimiento. En esta categoría, los sistemas de AI tienen un sentido de sí
mismos, tienen conciencia. Las máquinas con conciencia de sí comprenden su
estado actual y pueden usar la información para inferir lo que otros están
sintiendo. Este tipo de AI aún no existe.

10. Ejemplo:
La automatización es el proceso de crear automáticamente un sistema o una
función de proceso. La automatización robótica de procesos (RPA), por ejemplo,
puede programarse para realizar tareas repetibles de alto volumen normalmente
realizadas por seres humanos. La RPA es diferente de la automatización de TI en
que se puede adaptar a las circunstancias cambiantes.
• El aprendizaje automático es la ciencia de conseguir que una computadora
actúe sin programación. El aprendizaje profundo es un subconjunto del
aprendizaje automático que, en términos muy simples, puede considerarse
como la automatización de la analítica predictiva. Existen tres tipos de
algoritmos de aprendizaje automático: el aprendizaje supervisado, en el que los
conjuntos de datos están etiquetados para que los patrones puedan ser
detectados y utilizados para etiquetar nuevos conjuntos de datos; el aprendizaje
no supervisado, en el que los conjuntos de datos no están etiquetados y se
clasifican de acuerdo a similitudes o diferencias; y el aprendizaje de refuerzo, en
el que los conjuntos de datos no están etiquetados, pero después de realizar una
acción o varias acciones, el sistema de AI recibe retroalimentación.
• La visión de la máquina es la ciencia de hacer que las computadoras vean. La
visión de la máquina captura y analiza la información visual usando una cámara,
la conversión de analógico a digital y el procesamiento de la señal digital. A
menudo se compara con la vista humana, pero la visión artificial no está
vinculada a la biología y puede programarse para ver a través de las paredes, por
ejemplo. Se utiliza en una amplia gama de aplicaciones, desde la identificación
de la firma hasta el análisis de imágenes médicas. La visión por computador, que

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 21


INTELIGENCIA ARTIFICIAL (IA)

se centra en el procesamiento de imágenes a máquina, suele combinarse con la


visión artificial.
• El procesamiento del lenguaje natural (PNL, o NLP por sus siglas en inglés) es
el procesamiento del lenguaje humano y no informático por un programa
informático. Uno de los ejemplos más antiguos y conocidos de PNL es la
detección de spam, que mira la línea de asunto y el texto de un correo
electrónico y decide si es basura. Los enfoques actuales de la PNL se basan en el
aprendizaje automático. Las tareas de PNL incluyen traducción de texto, el
análisis de sentimientos y el reconocimiento de voz.
• El reconocimiento de patrones es una rama del aprendizaje automático que se
centra en la identificación de patrones en los datos. El término, hoy, es
anticuado.
• La robótica es un campo de la ingeniería centrado en el diseño y fabricación de
robots. Los robots se utilizan a menudo para realizar tareas que son difíciles de
realizar para los seres humanos o es complicado que se desempeñen de manera
consistente. Se utilizan en líneas de montaje para la producción de coches o por
la NASA para mover objetos grandes en el espacio. Más recientemente, los
investigadores están utilizando el aprendizaje automático para construir robots
que puedan interactuar en entornos sociales.

11. Aspecto de la inteligencia Artificial


1. ¿Por qué la IA es tema polémico últimamente?

Muchas cosas se han alineado para hacer de esta una emocionante ocasión para
los avances en la IA.

 El poder del procesamiento ha mejorado de una manera impresionante: ha


habido un aumento multiplicado por trillones en el rendimiento a lo largo
de los últimos 60 años;

 El costo del procesamiento de datos se ha vuelto más asequible;

 Hay más datos que necesitan analizarse puesto que los negocios captan
más señales a partir de las interacciones de los clientes;

 La IA ya ha mejorado significativamente las aplicaciones de clientes: ahora


estos esperan que las compañías proporcionen las mismas mejoras en
todas sus experiencias.

2. ¿ya estoy usando la IA?

Sí, prácticamente todas las personas que tienen una computadora, un teléfono
inteligente u otro dispositivo inteligente ya usan la IA para facilitar sus vidas.
Algunos ejemplos de Inteligencia Artificial que están insertados en nuestras
vidas son:

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 22


INTELIGENCIA ARTIFICIAL (IA)

 Siri y Cortana actúan como asistentes personales usando el


procesamiento de voz;
 Facebook recomienda etiquetas de fotos mediante el
reconocimiento de imagen;
 Amazon recomienda productos a través de algoritmos de
aprendizaje automático;
 Waze sugiere rutas de manejo mejores usando una combinación
de modelos predictivos, la pronosticación y las técnicas de
optimización.

12. Llevando la IA a cada Negocio


1. ¿Por qué necesito IA para mi negocio?

La IA ya está transformando las expectativas de sus clientes. Piense en el cliente


que utiliza apps como Uber, Google y Amazon. Si entra a una tienda
departamental para comprar un traje, ¿qué se necesita para brindarle el mismo
nivel de servicio al que se ha acostumbrado?
Los minoristas deberían saber quién es ese cliente y por qué ha comprado algo
en línea. Deberían saber su talla y preferencias con base en su historial de
compras. Además, deberían poder sugerir el par de zapatos perfecto para
combinar con cualquier traje que elija.
El mismo principio se aplica en todos los tipos de negocios. Los clientes saben
que usted tiene sus datos.

2. ¿Cuáles son los retos principales de la tecnología de la IA?

Piense en la IA como un iceberg. Lo que usted ve como usuario solo es la punta;


sin embargo, debajo de la superficie acecha un gigantesco sistema de soporte de
científicos e ingenieros de datos, cantidades masivas de datos, extracción de
labor intensiva y preparación de esos datos, así como una enorme infraestructura
de tecnología.
Se requiere un equipo especializado de científicos de datos y desarrolladores
para acceder a los datos correctos, preparar los datos, construir los modelos
correctos y luego integrar las predicciones de vuelta al usuario final, así
como CRM.
Hemos diseñado Einstein de Salesforce para que todos esos retos no sean suyos,
sino nuestros. Eso significa que ahora todos pueden usar la IA para trabajar de
manera más inteligente en su CRM.

3. ¿Qué se necesita para iniciar un proyecto de IA?

Llevar a la práctica un proyecto de IA puede ser una experiencia larga y dolorosa.


El primer paso es enmarcar el problema del negocio; Luego, se debe determinar

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 23


INTELIGENCIA ARTIFICIAL (IA)

los datos disponibles para resolver el problema; Después, hay que asignar
recursos e infraestructura significativos para atacarlo.
Lo atractivo de Einstein es que toda la tecnología de IA que necesita está
integrada justo dentro de sus aplicaciones de CRM. Usted obtiene los mismos
resultados que obtendría con su propio equipo de IA, pero sin complicaciones.

4. ¿Cuáles son algunos ejemplos de IA en CRM?

Otra forma de plantear esta pregunta es: “¿Qué puede ofrecerme la IA que yo no
tenga todavía?”. Tres de los productos más valiosos y usados son la calificación
predictiva, el pronóstico y las recomendaciones.
 Calificación predictiva: Cuando Einstein le da una calificación,
también le da una perspectiva de cómo se obtuvo. Por ejemplo, la
calificación de prospecto predictiva le da a cada líder de ventas una
calificación que representa la probabilidad de que dicho prospecto se
convierta en una oportunidad. También obtiene las razones detrás de la
calificación, por ejemplo, la fuente del prospecto, la industria o algún
otro factor son indicadores especialmente fuertes para considerar si un
prospecto será, o no, una oportunidad.
 Pronóstico: Las capacidades predictivas de la IA no se limitan a la
calificación, también se pueden usar para predecir el valor futuro de algo,
como una cartera de acciones o una inversión en bienes raíces. Si usted
es un gerente de ventas, la IA puede predecir sus registros trimestrales e
informarle con anticipación si su equipo está avanzando, o no, para
cumplir su meta.
 Recomendaciones: Cualquier persona que compra en línea sabe que la
IA hace sugerencias para compras minoristas, pero también puede hacer
recomendaciones inteligentes para cualquier otra categoría de productos
o servicios, desde software para negocios, hasta asesoría tributaria y
contenedores de carga. Además, la IA también puede recomendar otras
cosas además de productos.

5. ¿Quién puede usar la IA en la empresa?

Hasta ahora, la IA era tan compleja y costosa que solo algunas personas podían
usarla de una manera realmente significativa. Einstein de Salesforce cambia esto
para siempre. Hoy en día, una de las ventajas de la IA es que cualquier
persona, en cualquier organización, puede usarla fácilmente para analizar sus
datos, predecir y planear los siguientes pasos y automatizar sus tareas y
decisiones. Con la IA integral de Einstein para CRM, su empresa puede:
 Ventas: Anticipar las próximas oportunidades y superar las expectativas
del cliente averiguando lo que necesita incluso antes de que él mismo lo
sepa.
 Servicio: Ofrecer un servicio proactivo anticipando los casos y
resolviendo pequeños problemas antes de que se vuelvan verdaderos
problemas.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 24


INTELIGENCIA ARTIFICIAL (IA)

 Marketing: Crear recorridos predictivos y personalizar las experiencias


del cliente como nunca antes.
 TI: Integrar inteligencia en cualquier lugar y crear aplicaciones más
inteligentes para empleados y clientes

6. ¿Me va a remplazar un robot?

No mientras estemos cerca. La IA lo hará más productivo y valioso que nunca.


Usted podrá analizar información instantáneamente y con profundidad,
anticipar las necesidades del cliente y automatizar tareas manuales repetitivas
como el ingreso de datos.
De hecho, un estudio de Narrative Science descubrió que 80 % de los ejecutivos
consideran que la inteligencia artificial mejora el desempeño del
trabajador y crea trabajos.

13. Aprendizaje Automático


1. ¿Qué es el aprendizaje automático?

El aprendizaje automatizado es el factor principal de la IA. Es el concepto de


hacer que las computadoras aprendan a partir de los datos con programación
mínima.

2. ¿Cuáles serían unos ejemplos?

El aprendizaje automatizado funciona con datos estructurados para identificar


patrones y ofrecer perspectivas. Los ejemplos cotidianos son recomendaciones
personalizadas de servicios, como Amazon y Netflix. En el ámbito financiero, el
aprendizaje automatizado predice créditos negativos, identifica solicitantes
arriesgados y genera calificaciones de crédito.

3. ¿Cómo puede ayudarme el aprendizaje automatizado en mi CRM?

 Ventas: Puede analizar información de correos electrónicos, calendarios


y datos de CRM para recomendar acciones de manera proactiva, como la
mejor respuesta por correo electrónico para seguir adelante con un trato.
 Servicio: Puede clasificar casos de manera automática y dirigirlos de
manera inteligente hacia el agente de servicio indicado.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 25


INTELIGENCIA ARTIFICIAL (IA)

 Marketing: Puede calificar de manera inteligente la probabilidad de que


un cliente abra un correo electrónico, se suscriba a un boletín o haga una
compra.

14. Aprendizaje profund0


1. ¿Qué es el aprendizaje Profundo?

El Aprendizaje Profundo es la IA que usa algoritmos complejos para realizar


tareas en los dominios en los cuales realmente aprende el dominio con poca o
nula supervisión humana. En esencia, la máquina aprende a aprender.

2. ¿Cuáles serían alguno ejemplo?

Aunque hay mucha experimentación emocionante ocurriendo con el


Aprendizaje Profundo, la mayoría de las aplicaciones prácticas con las que usted
está familiarizado están basadas en el análisis de imagen. Con el análisis de
imagen, una computadora aprende a clasificar imágenes aleatorias mediante el
análisis de miles de millones de otras imágenes y sus puntos de datos. Por
ejemplo, las aplicaciones del cliente como Google Photos y Facebook usan el
aprendizaje profundo para alimentar el reconocimiento de rostros en las fotos.

3. ¿Como puede ayudarme el aprendizaje profundo en mi CRM?

 Ventas: Puede analizar imágenes de productos relacionadas a un trato y


usar esa información para sugerir las mejores oportunidades de ventas.
 Servicio: Puede analizar imágenes de un producto relacionadas a un
caso de servicio y usar esa información para clasificar el caso y dirigirlo al
agente indicado.
 Marketing: Puede analizar imágenes en Facebook, Pinterest y Twitter
para sugerir las mejores visualizaciones para una próxima campaña de
publicidad. Incluso puede identificar marcas en las imágenes sin
importar si se mencionan o no en el texto.

15. Procesamiento Natural del Lenguaje


1. ¿Qué es un procesamiento Natural del lenguaje (PNL)?

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 26


INTELIGENCIA ARTIFICIAL (IA)

El PNL es la Inteligencia Artificial que reconoce el lenguaje y sus distintos usos y


reglas gramaticales mediante la identificación de patrones dentro de grandes
conjuntos de datos.

2. ¿Cuál es un buen Ejemplo?

Una aplicación del PNL que está ganando terreno es el análisis de


sentimientos en las redes sociales. Las computadoras usan algoritmos para
buscar patrones en las publicaciones de los usuarios de Twitter, Facebook u otras
redes sociales para entender cómo se sienten los clientes acerca de una marca o
un producto específico.

3. ¿Cómo puede ayudarme el PNL en mi CRM?

 Ventas: Explorando el texto de los correos electrónicos intercambiados


con los clientes para estimar la probabilidad de una posible venta;
detectando las mejores posibilidades de tratos; identificando los tratos
que un equipo tiene mayor riesgo de perder y ofreciendo acciones
recomendadas para mejorar el proceso de ventas.
 Servicio: Respondiendo de manera más eficiente a los correos
electrónicos de los clientes mediante el análisis del contenido escrito.
 Marketing: Analizando los sentimientos en los textos para entender
cómo se sienten los clientes acerca de su marca o productos en
específico.

16. 19 tecnologías de IA que dominaran el 2018


16.1. Generación de lenguaje natural
La generación de lenguaje natural es una sub-disciplina de la IA que convierte
los datos en texto, lo cual permite a las computadoras comunicar ideas con una
precisión impresionante.
Actualmente, se utiliza en el servicio al cliente para generar informes y
resúmenes de mercado, y lo ofrecen compañías como Attivio, Automated
Insights, Cambridge Semantics, Digital Reasoning, Lucidworks, Narrative
Science, Yseop y SAS.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 27


INTELIGENCIA ARTIFICIAL (IA)

16.2. Reconocimiento de Voz


Siri es tan sólo uno de los sistemas que, hoy en día, pueden entender lo que les
dices.
Cada día, son creados más y más sistemas que pueden transcribir el lenguaje
humano, llegando a cientos de miles a través de sistemas interactivos de
respuesta de voz y aplicaciones móviles.

Las compañías que ofrecen servicios de reconocimiento de voz incluyen NICE,


Nuance Communications, OpenText y Verint Systems.

Ilustración 2: Reconocimiento de voz

16.3. Agentes Virtuales


Un agente virtual no es más que un agente informático o un programa capaz de
interactuar con humanos.
Y sí, los chatbots son un gran ejemplo. Los agentes virtuales se están utilizando
actualmente para el servicio al cliente y soporte, así como administradores de
hogares inteligentes.
Algunas de las compañías que proporcionan agentes virtuales incluyen Amazon,
Apple, Soluciones Artificiales, Assist AI, Creative Virtual, Google, IBM, IPsoft,
Microsoft y Satisfi.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 28


INTELIGENCIA ARTIFICIAL (IA)

Ilustración 3: Agentes virtuales

16.4. Plataformas de machine learning


El Machine learning (ML) es una subdisciplina de las ciencias de la computación
y una rama de inteligencia artificial (IA). Su objetivo es desarrollar técnicas que
permitan a las computadoras aprender.
Proporcionando algoritmos, APIs (interfaz de programación de aplicaciones),
herramientas de desarrollo y de capacitación, big data, aplicaciones y otras
máquinas, las plataformas de ML están ganando cada día más fuerza.
Actualmente, están siendo utilizadas, principalmente, para predicción y
clasificación.
Algunas de las compañías que venden plataformas ML incluyen Amazon, Fractal
Analytics, Google, H2O.ai, Microsoft, SAS, Skytree y Adext.
Esta última es particularmente interesante por una simple razón: Adext es el
primer y único Audience Management as a Service (AMaaS) en el mundo que
aplica IA real y machine learning a la publicidad digital para encontrar la
audiencia o grupo demográfico más redituable para cualquier anuncio.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 29


INTELIGENCIA ARTIFICIAL (IA)

Ilustración 4: Plataformas machine learning

16.5. Hardware optimizado con IA


La tecnología de IA hace que el hardware sea mucho más amigable.
¿Cómo?
A través de nuevas unidades de procesamiento gráfico y central, y de dispositivos
de procesamiento específicamente diseñados y estructurados para ejecutar
tareas orientadas por IA.
Y si aún no los has visto, debes esperar una inminente aceptación de circuitos
integrados de silicón optimizados por IA que se podrán insertar directamente en
tus dispositivos portátiles y, eventualmente, en cualquier otro lugar.
Puedes obtener acceso a estas tecnologías a través de Alluviate, Cray, Google,
IBM, Intel y Nvidia.

16.6. Toma de decisiones


Las máquinas inteligentes son capaces de introducir reglas y lógica a los sistemas
de inteligencia artificial para que puedas usarlos para la configuración
o training inicial, el mantenimiento continuo y la optimización.
La toma de decisiones ya se ha incorporado a una variedad de aplicaciones
corporativas para asistir y tomar decisiones de forma automática, haciendo que
tu negocio sea lo más rentable posible.
Echa un vistazo a Advanced Systems Concepts, Informatica, Maana,
Pegasystems y UiPath para conocer las opciones disponibles dentro de esta
categoría.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 30


INTELIGENCIA ARTIFICIAL (IA)

Ilustración 5: Toma de Decisiones

16.7. Plataforma de aprendizaje


Las Plataformas de Deep Learning usan una forma única de ML que involucra
circuitos neuronales artificiales con varias capas de abstracción que pueden
imitar al cerebro humano, procesar datos y crear patrones para la toma de
decisiones.
Actualmente se usa principalmente para reconocer patrones y clasificar
aplicaciones que sólo son compatibles con conjuntos de datos a gran escala.
Por ejemplo, Deep Instinct, Ersatz Labs, Fluid AI, MathWorks, Peltarion,
Saffron Technology y Sentient Technologies tienen opciones de deep learning
dignas de ser exploradas.

16.8. Biometrícas
Esta tecnología puede identificar, medir y analizar el comportamiento humano y
los aspectos físicos de la estructura y de la forma del cuerpo.
Permite interacciones más naturales entre los seres humanos y máquinas,
incluidas las interacciones relacionadas con el reconocimiento del tacto,
imágenes, voz y lenguaje corporal, por lo que es extremadamente importante en
el campo de la investigación de mercado.
Compañías biométricas como 3VR, Affectiva, Agnitio, FaceFirst, Sensory,
Synqera y Tahzoo trabajan arduamente para desarrollar esta área.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 31


INTELIGENCIA ARTIFICIAL (IA)

Ilustración 6:Biometrica

16.9. Automatización de procesos robóticos


La automatización de procesos robóticos usa scripts y métodos que imitan y
automatizan tareas humanas para apoyar en los procesos corporativos.
Es particularmente útil para situaciones en las que contratar humanos para un
trabajo o tarea específica resulta demasiado caro o ineficiente.
Retomando el ejemplo de Adext, esta plataforma automatiza la publicidad
digital usando AI, con la finalidad de ahorrar tiempo y recursos dedicados a las
realizar las tareas mecánicas y repetitivas que demanda esta profesión, las cuales
pueden efectuadas con mayor eficiencia y asertividad por la misma.
Es una solución que te permite aprovechar al máximo el talento meramente
humano y mover a los empleados a posiciones más estratégicas y creativas, para
que sus acciones realmente puedan tener un impacto en el crecimiento de la
compañía.
Advanced Systems Concepts, Automation Anywhere, Blue Prism, UiPath y
WorkFusion son otros ejemplos de empresas de automatización de procesos.

Ilustración 7:Automatización de procesos robóticos

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 32


INTELIGENCIA ARTIFICIAL (IA)

16.10. Analíticas de texto y NLP (Procesamiento de Lenguaje


Natural)
Esta tecnología utiliza análisis de texto para comprender tanto la estructura de
las oraciones, como su significado e intención, a través de métodos estadísticos y
ML.
El análisis de texto y PLN se utilizan actualmente en sistemas de seguridad y
detección de fraudes. Aunque también están siendo utilizados por una amplia
gama de asistentes y aplicaciones automatizadas para extraer datos no
estructurados.
Algunos de los proveedores de estas tecnologías incluyen Basis Technology,
Coveo, Expert System, Indico, Knime, Lexalytics, Linguamatics, Mindbreeze,
Sinequa, Stratifyd y Synapsify.

16.11. Gemelos Digitales/Modelos de IA


Un Digital Twin o gemelo digital es un constructo de software que cierra la
brecha entre los sistemas físicos y el mundo digital.
General Electric (GE), por ejemplo, está construyendo una fuerza de trabajo de
AI para monitorear los motores de sus aviones, locomotoras y turbinas de gas, y
predecir fallas con los modelos de software alojado en la nube de las máquinas
de GE. Sus gemelos digitales son principalmente líneas de código software, pero
las versiones más elaboradas parecen dibujos de diseño asistidos por una
computadora tridimensional (3D), llenos de gráficos interactivos, diagramas y
puntos de datos.
Las empresas que utilizan tecnologías de digital twin y de modelamiento de IA
incluyen VEERUM, en el espacio de capital para ejecución de proyectos; Akselos,
que lo está utilizando para proteger infraestructuras críticas, y Supply Dynamics,
que ha desarrollado una solución SaaS para gestionar el abastecimiento de
materia prima en entornos de fabricación complejos y alta distribución.

16.12. Defensa Cibernética


La defensa cibernética es un mecanismo de defensa de redes informáticas que se
centra en prevenir, detectar y proporcionar respuestas oportunas ante ataques o
amenazas hacia la infraestructura e información.
AI y ML ahora se utilizan para llevar la defensa cibernética a una nueva fase
evolutiva en respuesta a un entorno cada vez más hostil: El Breach Level Index
detectó, en total, más de 2 billones de registros vulnerados durante el 2017.
Setenta y seis por ciento de los registros en la encuesta se perdieron
accidentalmente, y el 69% fueron por un problema con alguna clase de robo de
identidad.
Las redes neuronales recurrentes, que son capaces de procesar secuencias de
entradas, se pueden combinar con técnicas de ML para crear tecnologías de
aprendizaje supervisado, que revelan actividades sospechosas en los usuarios y
detectan hasta el 85% de todos los ciberataques.
Startups como Darktrace, quien combina el análisis del comportamiento con
matemáticas avanzadas para detectar automáticamente el comportamiento

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 33


INTELIGENCIA ARTIFICIAL (IA)

anormal dentro de las organizaciones y Cylance, que aplica algoritmos de


IA para detener el malware y mitigar el daño de los ataques desde el primer
instante, se especializan en la defensa cibernética impulsada por inteligencia
artificial.
DeepInstinct, otra empresa de defensa cibernética, es un proyecto de deep
learning que ha sido denominado como la “startup más disruptivo" por la
ceremonia de Nvidia en Silicon Valley; protege terminales, servidores y
dispositivos móviles de las empresas.

Ilustración 8:Defensa Cibernética

16.13. Complianse (Cumplimiento)


Compliance es la certificación o confirmación de que una persona u
organización cumple con los requisitos de prácticas aceptadas, legislaciones,
regulaciones, estándares o términos de un contrato; y existe una industria
significativa que la sostiene.
Ahora estamos viendo la primera ola de soluciones regulatorias
de complicance que utilizan inteligencia artificial para ofrecer eficiencia a través
de la automatización y la cobertura integral de riesgos.
Ejemplos de este particular uso de la IA comienzan a verse en todo el mundo.
Por ejemplo, las soluciones de PLN (Procesamiento de Lenguaje Natural)
pueden escanear el texto regulatorio y unir sus patrones con un conjunto de
palabras clave para identificar los cambios que son relevantes para cualquier
organización en específico.
Las soluciones de prueba de estrés financiero con análisis predictivo y
constructores de escenarios pueden ayudar a las organizaciones a cumplir con
los requerimientos del capital regulatorio. Y el volumen de actividades de
transacciones señaladas como potenciales ejemplos de lavado de dinero se puede
reducir a medida que se utiliza el deep learning para aplicar reglas comerciales
cada vez más sofisticadas.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 34


INTELIGENCIA ARTIFICIAL (IA)

Las empresas que trabajan en esta área incluyen Compliance.ai, una empresa de
Retch que embona documentos normativos a su función comercial
correspondiente; Merlon Intelligence, una compañía global enfocada en
tecnología de complicance que apoya a la industria de servicios financieros para
combatir delitos financieros, y Socure, cuya plataforma patentada de análisis
predictivo que aumenta las tasas de aceptación de los clientes mientras reduce el
fraude y las revisiones manuales.

16.14. Asistencia al trabajador cognitivo


Mientras que algunos se preocupan por la posibilidad de que la IA comience a
reemplazar a las personas en el trabajo, no olvidemos que la tecnología de
inteligencia artificial también tiene un enorme potencial para ayudar a los
empleados en su trabajo, especialmente aquellos relacionados con trabajos
intelectuales o que requieren considerable dosis de conocimiento.
De hecho, la automatización del trabajo cognitivo se considera la #2 tendencia
tecnológica emergente más disruptiva.
Las profesiones médicas y legales, que dependen en gran medida de los
conocimientos de los trabajadores, es donde los trabajadores utilizarán cada vez
más la IA como herramienta de diagnóstico.
Cada vez hay más compañías que trabajan en tecnologías para esta área. Kim
Technologies, que tiene el objetivo de empoderar a los trabajadores que tienen
poca o nula experiencia en programación de TI con herramientas para crear
nuevos flujos de trabajo y documentar procesos con la ayuda de la IA, es uno de
ellos. Kyndi es otra, cuya plataforma está diseñada para ayudar a los trabajadores
especializados a procesar grandes cantidades de información.

Ilustración 9:Asistencia al trabajador cognitivo

16.15. Creación de Contenido


La creación de contenido ahora incluye cualquier tipo de material que una
persona sume al mundo online, ya sean videos, anuncios, publicaciones en
blogs, white papers, infografías u otros recursos visuales o escritos.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 35


INTELIGENCIA ARTIFICIAL (IA)

Marcas como USA Today, Hearst y CBS, ya están usando IA para generar su
contenido.
Wibbitz, es un gran ejemplo de una solución de este campo, pues constituye una
herramienta SaaS que utiliza IA para ayudar a los editores a crear videos a partir
de contenido escrito en tan sólo cuestión de minutos. O, también Wordsmith,
una herramienta creada por Automated Insights, que aplica PLN
(Procesamiento del Lenguaje Natural) para generar noticias basadas en datos de
generales.

16.16. Redes Peer-to-Peer


Las redes peer-to-peer, en su forma más pura, se crean cuando dos o más PC’s se
conectan y comparten recursos sin necesidad de que los datos pasen por un
servidor de computadora centralizado.
Pero las redes peer-to-peer también son utilizadas por las criptomonedas, e
incluso tienen el potencial de resolver algunos de los problemas más desafiantes
al recopilar y el analizar grandes cantidades de datos, dice Ben Hartman, CEO de
Bet Capital LLC, a Entrepreneur.
Nano Vision, un startup que premia a los usuarios con criptomonedas a cambio
de sus datos moleculares, tiene como objetivo cambiar la forma en que
abordamos las amenazas hacia la salud humana, como las superbacterias, las
enfermedades infecciosas, el cáncer, entre otras.
Otro jugador que utiliza redes peer-to-peer e IA es Presearch, un motor de
búsqueda descentralizado impulsado por una comunidad y recompensa a sus
miembros con tokens para crear un sistema de búsqueda más transparente.

Ilustración 10:Redes Peer-to-Peer

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 36


INTELIGENCIA ARTIFICIAL (IA)

16.17. Reconocimiento de Emociones


Esta tecnología permite que el software "lea" las emociones en el rostro humano
mediante el procesamiento avanzado de imágenes o el procesamiento de datos
de audio. Hoy en día podemos capturar "microexpresiones" o señales sutiles del
lenguaje corporal y cualquier entonación vocal particular que nos indiquen los
verdaderos sentimientos de una persona.
La policía podría usar esta tecnología para tratar de detectar más información
sobre alguien durante un interrogatorio. Pero también tiene una amplia gama de
aplicaciones para los especialistas en marketing.
Constantemente incrementa la cantidad de compañías trabajando en esta área.
Beyond Verbal analiza los inputs de audio para describir los rasgos de carácter de
una persona, incluyendo qué tan positivos, emocionados, enojados o nerviosos
se encuentren
nViso utiliza analíticas de videos emocionales para inspirar nuevas ideas de
productos, identificar actualizaciones requeridas y mejorar la experiencia del
consumidor. Y la IA de Emoción de Affectiva se utiliza en la industria de los
juegos, automotriz, robótica, educación y salud para aplicar la codificación facial
y el análisis de emociones a partir de los datos faciales y de voz.

16.18. Reconocimiento de Imagen


El reconocimiento de imágenes es el proceso que identifica y detecta un objeto o
característica específica en una imagen digital o video. La inteligencia artificial
está aprovechando cada vez más esta tecnología y brindando excelentes
resultados.
La IA puede buscar fotos en las plataformas de redes sociales y compararlas con
una amplia gama de conjuntos de datos para decidir cuáles son más relevantes
durante las búsquedas de imágenes.
La tecnología de reconocimiento de imágenes también se puede utilizar para
detectar placas de autos, diagnosticar enfermedades, analizar clientes y sus
opiniones y verificar a los usuarios basándose en su rostro.
Clarifai proporciona sistemas de reconocimiento de imágenes para que los
clientes detecten duplicados cercanos y encuentren imágenes similares que no
hayan sido categorizadas.
SenseTime es uno de los líderes en esta industria y desarrolló una tecnología de
reconocimiento facial que se puede aplicar a los pagos y análisis de fotografías
que permiten la verificación de tarjetas bancarias y otras aplicaciones.
Finalmente, tenemos a GumGum cuya misión es utilizar tecnología de
inteligencia artificial para desatar y potencializar el valor de las imágenes y de los
videos que diariamente son producidos y subidos a internet.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 37


INTELIGENCIA ARTIFICIAL (IA)

Ilustración 11:Reconocimiento de Imagen

16.19. Automatización en Marketing


Hasta ahora, los equipos de Marketing se han beneficiado enormemente de la
inteligencia artificial (IA) e, indudablemente, tienen mucha fe en la IA que se
usa en esta industria por una buena razón. El 55% de los especialistas en
marketing están seguros de que la IA tendrá un mayor impacto en su campo, que
incluso el concepto como tal de ”las redes sociales”. ¡Vaya declaración!
La automatización del marketing permite a las empresas mejorar la interacción
con su mercado meta y aumentar su eficiencia –características que suelen
traducirse en un incremento exponencial de los ingresos de la compañía–. A su
vez, utiliza software para automatizar la segmentación de sus públicos meta, la
integración de los datos de sus clientes y el manejo de sus campañas;
simplificando las tareas repetitivas, y permitiéndoles enfocarse en lo que mejor
saben hacer ¡estrategias!
Si el marketing es un tema que te interesa, te invitamos a leer este artículo que
justamente habla sobre todas las posibles aplicaciones de la inteligencia artificial
en el marketing digital: 9 Aplicaciones de la Inteligencia Artificial en el
marketing digital que revolucionarán tu negocio
Uno de los líderes en el rubro del marketing digital es Adext, cuyo AMaaS
(Audience Management as a Service) puede aumentar la eficiencia del gasto
publicitario en más de 500%. Su AMaaS automatiza todo el proceso del manejo y
optimización de las campañas digitales, realizando más de 480 ajustes diarios en
cada anuncio para lograr optimizar en su máxima expresión las campañas.
Además, administra los presupuestos dentro de múltiples plataformas y dentro
de 20 grupos demográficos diferentes por anuncio.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 38


INTELIGENCIA ARTIFICIAL (IA)

17. Conclusión
La informática ha avanzado enormemente desde sus inicios hace 70 años. La
potencia de cálculo se ha estado multiplicando por dos cada 18 meses, siguiendo
la ley de Moore. Se cree que, si la ley de Moore se sigue cumpliendo, para el año
2030 la capacidad de cálculo de un procesador corresponderá a la de una
persona.

A su vez, la cantidad de información almacenada digitalmente en la actualidad


es enorme. Los buscadores como Google almacenan millones de copias de las
páginas web existentes, y los servicios de correo de las compañías acumulan por

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 39


INTELIGENCIA ARTIFICIAL (IA)

millones nuestros mensajes. Las redes sociales registran cuáles son nuestros
intereses y nuestras amistades. Las compañías guardan cualquier información,
por insignificante que pueda ser, por si en el futuro les puede ser de alguna
utilidad.

Naturalmente, un aumento de la velocidad de computación y una mayor


capacidad de almacenaje implicará que los sistemas dispongan de más recursos
para tomar decisiones y que estas decisiones se realicen de manera más
informada y, a su vez, de manera más personalizada.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 40


INTELIGENCIA ARTIFICIAL (IA)

18. Biografía
 Tirso de Andrés, Homo Cybersapiens. La Inteligencia artificial y la humana,
2002, ISBN 84-313-1982-8

 Luis Mª Gonzalo, Inteligencia Humana e Inteligencia Artificial, Madrid,


1987. ISBN 84-7118-490-7

 Víctor Gómez Pin, Entre lobos y autómatas. La causa del hombre, Espasa,
Madrid, 2006. ISBN 978-84-670-2303-9

 Revista “Inteligencia Artificial” Revista Iberoamericana de Inteligencia Artificial.


ISSN 1137-3601

 Adaraga Morales P., Zaccagnini Sancho J. L., Psicología e inteligencia artificial,


Editorial Trotta, Madrid, 1994. ISBN 84-87699-77-4

 Alberto García Serrano, Inteligencia Artificial. Fundamentos, práctica y


aplicaciones., Editorial RC Libros, 2012. ISBN 978-84-939450-2-2
Definición de la IA como el estudio de agentes inteligentes:

 Poole, Mackworth y Goebel, 1998, p. 1,


que da la versión usada en este artículo. Note que usan el término "inteligencia
computacional" como sinónimo de "inteligencia artificial".

 Russell y Norvig (2003) (quienes prefieren el término "agente racional" y


escriben, "The whole-agent view is now widely accepted in the field") (Russell y
Norvig, 2003, p. 55).

 Nilsson, 1998

 Legg y Hutter, 2007.

 https://www.salesforce.com/mx/products/einstein/ai-deep-dive/

 https://searchdatacenter.techtarget.com/es/definicion/Inteligencia-artificial-o-
AI

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 41


INTELIGENCIA ARTIFICIAL (IA)

 https://www.muyinteresante.es/tecnologia/articulo/ventajas-y-riesgos-de-la-
inteligencia-artificial-651449483429.

 https://blog.adext.com/es/tecnologias-inteligencia-artificial-2018.

 http://www.clubdeinnovacion.com/bloginn/el-aporte-de-la-inteligencia-
artificial-a-la-informatica.

 http://www.fgcsic.es/lychnos/es_es/articulos/inteligencia_artificial.

ESCUELA ACADEMICA PROFESIONAL DE INGENERIA INFORMATICA Y DE SISTEMA PÁGINA 42

You might also like