Universidad Nacional Abierta y a Distancia – UNAD Vicerrectoría Académica y de

Investigación - VIACI
Escuela ECBTI Programa: Ingeniería de Sistemas
Curso: Inteligencia Artificial Grupo: 90169_33

Unidad 1 Fase 1

Técnicas, herramientas de la Inteligencia Artificial

Presentado por:

Henrry Alberto Tobio

Johan Alberto Guerrero Carreño
Código: 1064719142
Juan Camilo Velázquez
Código: 83240029
Marye Liceth Jiménez Niño
Código: 1065873408
Yesith Alfonso Cárdenas
Código 1065613464

Presentado al tutor(a):

Fernando Rojas

Universidad Nacional Abierta y a Distancia- UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
01 de octubre del 2018
 Inteligencia Artificial

Se define la Inteligencia Artificial como aquella inteligencia exhibida por artefactos creados por

humanos (es decir, artificial). A menudo se aplica hipotéticamente a los computadores. El

nombre también se usa para referirse al campo de la investigación científica que intenta acercarse

a la creación de tales sistemas. La Inteligencia Artificial trata de conseguir que los ordenadores

simulen en cierta manera la inteligencia humana. Se acude a sus técnicas cuando es necesario

incorporar en un sistema informático, conocimiento o características propias del ser humano.

La Inteligencia Artificial ha tenido gran auge en nuestros días, teniendo aplicabilidad en la

informática, la ciencia, la salud y otros campos. Ha sido un gran reto tratar de acercar la mente de

una máquina al pensamiento humano, y sin dudar que en un futuro no muy lejano no sepamos

distinguir si estamos en presencia de una Inteligencia Artificial o una verdadera mente humana

Técnicas De La Inteligencia Artificial

Las más destacadas aplicadas al campo de la gestión financiera empresarial son:

Sistemas Expertos,

Redes neuronales,

Algoritmos Genéticos,

Lógica Difusa.
Sistemas Expertos

Los sistemas expertos se constituyen en la herramienta de la Inteligencia artificial más utilizada

desde sus inicios y corresponden a programas de ordenador que recopilan en un programa

informático el conocimiento de especialistas en una materia. Sus dos componentes principales

son la base de conocimiento (contiene el conocimiento y las experiencias de los expertos en un

determinado dominio representado por medio de símbolos) y el programa de inferencia (es el

mecanismo que obtienen las conclusiones de la base de conocimiento mediante procesos de

búsqueda). Estas dos partes esenciales en el diseño de un sistema experto se interrelacionan entre

sí para obtener las conclusiones necesarias en la resolución del problema en estudio logrando que

el sistema experto diseñado pueda emular el comportamiento del experto en ese dominio

específico.

Los sistemas expertos o inteligentes engloban una serie de características fundamentales para

cumplir con el objetivo de ofrecer asesoramiento inteligente o tomar una decisión inteligente

sobre una función de un proceso (Sánchez Tomás, 1991):

• Los sistemas expertos pueden resolver problemas muy difíciles tan bien o mejor que los

expertos humanos.

• Pueden razonar heurísticamente, usando lo que los expertos consideran que son reglas empíricas

efectivas, e interactúan con los humanos de forma adecuada, incluyendo el lenguaje natural.

• Manipulan y razonan sobre descripciones simbólicas.

• Pueden funcionar con datos que contienen errores, usando reglas inciertas de enjuiciamiento.

• Pueden contemplar múltiples hipótesis en competición simultáneamente.

• Pueden explicar por qué están formulando una pregunta.

• Pueden explicar su proceso de razonamiento y justificar sus conclusiones.

El ámbito de aplicación en la gestión empresarial de esta técnica de la Inteligencia artificial se

centra generalmente en la creación de sistemas inteligentes. Estos sistemas están diseñados para

servir de soporte a los complejos análisis que se requieren en el descubrimiento de las tendencias

del negocio, con el fin de tomar decisiones eficientes y oportunas. Esto le permite a quienes

toman decisiones afrontar los retos del nuevo mundo empresarial en el cual el conocimiento

aparece como el factor esencial para el desarrollo de las organizaciones. Algunas de las áreas de

aplicación de los sistemas expertos en la gestión empresarial son las siguientes:

• Planeación corporativa financiera

• Análisis de inversiones

• Concesión de créditos

• Análisis de estados financieros

• Interpretación de índices

• Análisis de tendencias

• Recuperación y revisión analítica de registros

• Cálculo y asignación de costos

• Asignación de recursos escasos

• Control y análisis de desviaciones

• Diseño de sistemas de información y de gestión

• Análisis de riesgos

• Evaluación del control interno de una empresa

• Opinión de un auditor, etc.

Redes Neuronales

Las primeras investigaciones sobre redes neuronales datan de principios del siglo XIX pero fue

hasta la década de los 40 y 50, en el siglo XX, cuando el estudio de las redes neuronales cobró

mayor fuerza, gracias al movimiento Conexionista. Este movimiento sostenía la premisa de que

el secreto para el aprendizaje y el conocimiento se halla en axiomas o verdades incuestionables y

que el conocimiento es independiente de la estructura que maneje los símbolos, y la

representación del conocimiento se hace desde el estrato más básico de la inteligencia: el cerebro

especialmente en las neuronas y las múltiples interconexiones entre ellas.

Este notable interés por las redes neuronales se vio disminuido en los años 70 debido al

surgimiento de autores tales como Minsky y Papert (1969) los cuales manifestaron las

limitaciones en el proceso de aprendizaje de las arquitecturas de las redes neuronales utilizadas

hasta ese entonces. En su libro “Perceptrons”, que además de contener un análisis matemático

detallado del Perceptrón, consideraba que la extensión a Perceptrones multinivel (el Perceptrón

original solo poseía una capa) era completamente estéril. Las limitaciones del Perceptrón eran

importantes, en especial su incapacidad para resolver muchos problemas interesantes. Esta fue

una de las razones por la cual la investigación en redes neuronales quedó rezagada por más de 10

años.
Algoritmos Genéticos.

Los Algoritmos Genéticos (AGs) son métodos adaptativos que pueden usarse para resolver

problemas de búsqueda y optimización. Están basados en el proceso genético de los organismos

vivos. A lo largo de las generaciones, las poblaciones evolucionan en la naturaleza de acorde con

los principios de la selección natural y la supervivencia de los más fuertes, postulados por

Darwin. Por imitación de este proceso, los Algoritmos Genéticos son capaces de ir creando

soluciones para problemas del mundo real. La evolución de dichas soluciones hacia valores

óptimos del problema depende en buena medida de una adecuada codificación de las mismas.

También los algoritmos genéticos son métodos de optimización: dada una función objetivo, el

AG lleva a cabo una búsqueda en el espacio de soluciones intentando encontrar la solución que

minimiza dicha función objetivo. Por lo tanto, los AG están indicados para resolver todo tipo de

problemas que puedan ser expresados como un problema de optimización.

Básicamente, los algoritmos genéticos (AG) funcionan como sigue: dada una población de

soluciones, y en base al valor de la función objetivo para cada una de los individuos (soluciones)

de esa población, se seleccionan los mejores individuos (los que minimizan la función objetivo) y

se combinan para generar otros nuevos. Este proceso se repite cíclicamente.

Como se puede ver, el proceso es similar al que se da en la naturaleza: una serie de individuos

compiten por su supervivencia; los mejor adaptados al medio (los que optimizan la función

objetivo) sobreviven y tienen más posibilidades de aparearse, transmitiendo así parte de su

material genético "mejor adaptado" a las generaciones siguientes. De esta manera, generación

tras generación, la especie consigue una mayor y mejor adaptación al medio en el que vive.
Herramientas Que Utiliza La Inteligencia Artificial

Reconocimiento del lenguaje: Desde los años noventa, los modernos algoritmos de

reconocimiento de lenguaje -conocidos también como transcripción de voz a texto- son una de las

primeras aplicaciones de las redes neuronales.

De manera similar al reconocimiento de imágenes, el reconocimiento de voz utiliza datos de

aprendizaje para identificar la transcripción correcta de cualquier grabación dada, lo que la hace

útil para soluciones directas como el dictado. Los avances en aprendizaje profundo hoy en día

convirtieron el reconocimiento del lenguaje en un portal de interacción para los sistemas de

respuesta de voz interactiva.

Generación de lenguaje.

A menudo conocido como generación de lenguajes naturales este sub campo de la inteligencia

artificial usa datos computacionales -la entrada -para producir texto -la salida-.

Agentes virtuales.

Todos conocemos los asistentes personales inteligentes como Siri, Cortana, Alexa y otros que

fueron diseñados para ayudar a que la vida de los consumidores sea más fácil, pero ahora el

mundo empresarial se está poniendo al día. A medida que los agentes artificiales evolucionan y

las expectativas de los clientes de autoservicio y automatización son más exigentes, los agentes

artificiales pueden simplificar una serie de tareas de soporte al cliente.

Aprendizaje automático.

El aprendizaje automático a menudo se confunde con la inteligencia artificial como un todo, pero

es solo una de las aplicaciones de la misma.

Esta es la ciencia del "aprendizaje profundo", un término para describir cómo las computadoras

ganan inteligencia experiencial a lo largo del tiempo a partir de datos disponibles o acumulados.

Los profesionales en marketing toman ventaja del aprendizaje automático como una herramienta

analítica para ayudar a encontrar patrones ocultos en cantidades ilimitadas de datos.

Análisis de texto y procesamiento de lenguaje natural:

En la traducción, el procesamiento de lenguajes naturales (NLP, por sus siglas en inglés) es un

método estadístico que usa el análisis de texto para comprender mejor la estructura, la intención y

el sentimiento de las oraciones.

Phrasee

Una inteligencia artificial especializada en la generación de lenguaje para copys de marketing

capaz de generar millones de variantes que asemejan a la interacción humana. Una herramienta

que utiliza el aprendizaje avanzado para mejorar la participación de los clientes y aumentar los

ingresos.

Drift

Ideal para medir las conversaciones y datos de marketing para obtener mejores resultados. Una

herramienta que ayuda a los estrategas a verificar todas las principales redes sociales para

descubrir cómo está respondiendo la comunidad de la marca.

Invoca

Una herramienta que busca ayudar a las empresas a medir los análisis en las llamadas entrantes

en vivo con la misma facilidad con la que medirían las visitas a las páginas en sus sitios web. Es

de gran ayuda para expandir el alcance y optimizar campañas de marketing debido a que puede

interactuar con Facebook, Instagram, Salesforce y Adobe

Tamr.

Tamr es una herramienta, usada tanto por grandes empresas como Cisco, HP o Huawei como por

pymes, que permite integrar y analizar automáticamente un sinfín de datos de la compañía para,

mediante machine learning, permitir detectar áreas de mejora en la organización, focos donde

reducir el gasto o potenciales riesgos de la empresa. Todo ello mediante una interfaz muy

sencilla en la que se pueden realizar cuestiones al sistema y éste se encargará de procesar y

devolvernos los datos correspondientes interpretados para que, simplemente, tomemos las

mejores decisiones de negocio.

Recorded Future.

Recorded Future es una herramienta inteligente que vigila, en tiempo real y de manera proactiva,

cualquier posible ciberamenaza en contra de nuestra empresa. Su motor de inteligencia artificial

es capaz de analizar miles de millones de datos de forma continuada y anticiparse a un posible

ataque.

No en vano, esta firma asegura que logran lanzar alertas sobre fugas de datos hasta 36 horas antes

que otras plataformas, ahorrar medio día cuando se producen avisos de vulnerabilidades y

obtener investigaciones sobre ciber seguridad hasta 10 veces más rápido que sus rivales.
Gluru.

¿Quién quiere secretarios cuando tenemos a Gluru? Se trata de un asistente personal que, por

medio de su inteligencia artificial, es capaz de gestionar nuestro calendario, avisarnos de

reuniones o eventos, hacernos informes sobre las tareas pendientes, controlar nuestro correo

electrónico y encargarse de nuestros archivos electrónicos.

Crystal.

Crystal es una plataforma que permite ver los perfiles de personalidad de los clientes y da

consejos sobre cómo debemos comunicarnos con ellos. Gracias a su inteligencia artificial,

nos ayuda a construir relaciones más sanas y más productivas. En concreto, Crystal ofrece pistas

sobre cómo y a través de que canal hablar, detalles sobre el comportamiento de nuestros

interlocutores, etc. Todo ello trabajando el antiguo principio de la empatía.

Componentes de un agente inteligente.

Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y

responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a

maximizar un resultado esperado. Es capaz de percibir su medioambiente con la ayuda de

sensores y actuar en ese medio utilizando actuadores (elementos que reaccionan a un estímulo

realizando una acción).

En este contexto la racionalidad es la característica que posee una elección de ser correcta, más

específicamente, de tender a maximizar un resultado esperado. Este concepto de racionalidad es

más general y por ello más adecuado que inteligencia (la cual sugiere entendimiento) para
describir el comportamiento de los agentes inteligentes. Por este motivo es mayor el consenso en

llamarlos agentes racionales.

Un agente inteligente puede ser una entidad física o virtual. Si bien el término agente racional se

refiere a agentes artificiales en el campo de la Inteligencia Artificial, también puede considerarse

agentes racionales a los animales incluido el hombre.

Clasificación de los Agentes Inteligentes

Es posible clasificar a los agentes inteligentes en 6 categorías principales:

 agentes reactivos

 agentes reactivos basados en modelo

 agentes basados en objetivos

 agentes basados en utilidad

 agentes que aprenden

 agentes de consultas

Características de los agentes inteligentes.

Los agentes tienen un punto de vista incompleto, pero esto no limita que se halle una solución

(aproximada). Lo que se pretende en que la solución sea completa y consistente.

Los agentes se mueven dentro de un entorno “virtual” operando a través de un sistema.

Los agentes inteligentes dentro del entorno de software tendrán una función análoga a la que

realizan los robots en el mundo real, de ahí el nombre de softbots (software robot).
Hoy en día se ha puesto de moda el nombre agente software. Al que se le aplican las definiciones

dadas anteriormente, resaltando la condición de autonomía: Debe actuar autónomamente sin la

intervención de seres humanos u otros sistemas y debe tener control sobre su estado interno y

sobre su propio comportamiento.

¿Cómo trabaja un agente inteligente?

Un agente inteligente es más que un simple sistema de búsqueda de información. El agente puede

operar sin la intervención del usuario aun si este está desconectado. Los agentes inteligentes

incorporan funciones procedentes de la inteligencia artificial.

Características.

1. La inteligencia: El agente sabe razonar y aprende a partir de la información que recoge

2. La interactividad: El agente puede interactuar con su entorno y otros agentes con el

propósito de realizar una tarea.

3. La autonomía: El agente puede tomar decisiones de manera autónoma.

En un agente inteligente es que cualquier cosa es capaz de percibir su medio ambiente con la

ayuda de sensores y actuar en este medio utilizando actuadores.

Áreas de aplicación

¿Por qué utilizar agentes?

La necesidad de construir aplicaciones complejas compuestas de multitud de subsistemas que

interaccionan entre sí, es el marco de la distribución de la inteligencia en diversos agentes.

En este tipo de sistemas, la utilización de agentes y técnicas multiagente permite la gestión

inteligente de un sistema complejo, coordinando los distintos subsistemas que lo componen e

integrando objetivos particulares de cada subsistema en un objetivo común.

Podemos proponer una posible definición de agente: Un agente es un sistema informático situado

en un entorno, donde en general existen más agentes, dentro del cual actúa de forma autónoma y

flexible, recibiendo información externa y ejecutando acciones para intentar modificar su

contexto en el sentido de acercarse a la consecución de los objetivos que tiene marcados.

Funciones básica de la Tecnología de Agentes Inteligentes.

Por tanto, desde un punto de vista del usuario, un agente se puede considerar para llevar a cabo

las siguientes funciones:

Ejecución de Tareas: La capacidad de realizar tareas son las destrezas que el agente posee para

lograr sus objetivos.

Conocimiento de su entorno: El conocimiento del entorno debe de ser introducido o construido

por el desarrollado. Algunos agentes además adquieren su conocimiento por aprendizaje.

Capacidad de Comunicación: Se distingue dos tipos de comunicación, la interacción con el

usuario, y la que se refiere a comunicación inter-agente.

Usos de los Agentes Inteligentes

Representación virtual. Se comunican en lenguaje natural y suplen a los comerciales.

Como asistentes personales. Nos ayudan como lo haría un ayudante.

Negociador en mercados electrónicos. Localiza una subasta en Internet, aprende cómo va la

oferta y realiza una compra por nosotros.

Agente de búsqueda de información o rastreador. Rastrean en las redes de ordenadores en busca

de información solicitada. Son parametrizables por el usuario aprenden de sus hábitos, rastrean

la red e informan por correo electrónico de novedades que consideran pueden ser de interés para

el usuario.

Agente secreto o espía. Monitorizan una página Web identificada previamente por el usuario e

informan cuando se producen cambios en dicha página.

¿Cómo se construyen los Agentes Inteligentes?

En la siguiente figura se muestran las partes de un agente, sus entradas, salidas y como el entorno

en el que trabajara el agente afecta ciertas entradas.

 Referencias Bibliográficas

Bradley, Phil. «Intelligent agents on the web». En: Managing information, 1999, n. 6, pp. 35-41.

Coult, Graham. «Intelligent agents». En: Managing information, 1999, n. 6, pp. 33-34.

Decker, K. [et al.]. «Macron: an architecture for multi-agent cooperative information

gathering». En: Proceedings of the Cikm workshop on intelligent information agents. Baltimore,

1995.

Doorembos, B.; Etzioni, O. y Weld, D. A scalable comparison-shopping agent for the World

Wide Web. Washington, 1996.

Revista Iberoamericana de Inteligencia Artificial. No.18 (2003), pp. 51-63.

JACOBSON, Ivar; RUMBAUGH, James; BOOCH, Grady, “El proceso unificado de

desarrollo”.2004. Addison Wesley. Volumen II.

Revista Iberoamericana de Inteligencia Artificial.

http://ciberconta.unizar.es/docencia/intelig

http://www.puntolog.com/actual/articulos/aplicacion.htm

Palma Méndez, J. T., & Marín Morales, R. (2008). Inteligencia artificial: Métodos, técnicas y

aplicaciones. España: McGraw-Hill. Pag.392-412. Obtenido

dehttps://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3194970&query=si

stemas+basados+en+el+conocimiento

Palma Méndez, J. T., & Marín Morales, R. (2008). Inteligencia artificial: Métodos, técnicas y

aplicaciones. España: McGraw-Hill. Pag.209-249. Obtenido

dehttps://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3194970&query=si

stemas+basados+en+el+conocimiento

https://www.monografias.com/trabajos26/sistemas-expertos/sistemas-expertos.shtml