Professional Documents
Culture Documents
INTELIGENCIA COMPUTACIONAL
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
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
17. Conclusión.................................................................................................................37
18. Biografía.....................................................................................................................38
1. Historia
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 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 1963 Quillian desarrolla las redes semánticas como modelo de representación del
conocimiento.
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 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980.
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 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
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».
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.
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.
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.
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.
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
Lingüística computacional.
Industria.
Medicina.
Mundos virtuales.
Robótica.
Mecatrónica.
Videojuegos.
Prototipos informáticos.
Simulación de multitudes.
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.
8.8. 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
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
Muchas cosas se han alineado para hacer de esta una emocionante ocasión para
los avances en la IA.
Hay más datos que necesitan analizarse puesto que los negocios captan
más señales a partir de las interacciones de los clientes;
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:
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.
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.
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.
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.
Ilustración 6:Biometrica
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.
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.
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.
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.
18. Biografía
Tirso de Andrés, Homo Cybersapiens. La Inteligencia artificial y la humana,
2002, ISBN 84-313-1982-8
Víctor Gómez Pin, Entre lobos y autómatas. La causa del hombre, Espasa,
Madrid, 2006. ISBN 978-84-670-2303-9
Nilsson, 1998
https://www.salesforce.com/mx/products/einstein/ai-deep-dive/
https://searchdatacenter.techtarget.com/es/definicion/Inteligencia-artificial-o-
AI
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.