INTELIGENCIA ARTIFICIAL

Fase 1

ESTUDIANTE:
DAVID BURBANO MARTINEZ
CC: 1085313862
TUTOR: FERNANDO ROJAS

Grupo: 90169_21

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PROGRAMA DE INGENIERIA ELECTRONICA
SAN JUAN DE PASTO
FEBRERO 26 DE 2018
 Actividades a desarrollar

Técnicas principales de la Inteligencia artificial

Ahora que ya conoce la definición de la IA y más de su historia, la mejor forma

de profundizar en el tema es conocer las principales técnicas de la IA,
específicamente, los casos en los que la Inteligencia artificial se utiliza para los
negocios.

Aprendizaje automático

Generalmente, el concepto de Aprendizaje automático se confunde con el de

“IA débil”. Es en este campo en donde los avances más importantes de la IA se
están llevando a cabo. En términos prácticos, “el Aprendizaje automático es la
ciencia que se encarga de hacer que las computadoras realicen acciones sin
necesidad de programación explícita”. La idea principal aquí es que se les
puede proporcionar datos a los algoritmos de Aprendizaje automático y luego
usarlos para saber cómo hacer predicciones o guiar decisiones.

Algunos ejemplos de algoritmos de Aprendizaje automático incluyen los

siguientes: diagramas de decisiones, algoritmos de agrupamiento, algoritmos
genéticos, redes Bayesianas y Aprendizaje profundo.

Aprendizaje profundo

¿Recuerda cuando Google anunció un algoritmo que encontraba videos de

gatos en Youtube? Pues bien, esto es Aprendizaje profundo, una técnica de
Aprendizaje automático que utiliza redes neuronales (el concepto de que las
neuronas se pueden simular mediante unidades computacionales) para realizar
tareas de clasificación (piense en clasificar una imagen de un gato, de un perro
o personas, por ejemplo).

Algunos ejemplos de aplicaciones prácticas del Aprendizaje profundo son las

siguientes: identificación de vehículos, peatones y placas de matrícula de
vehículos autónomos, reconocimiento de imagen, traducción y procesamiento
de lenguaje natural.

Descubrimiento de datos inteligentes

Es el próximo paso en soluciones de IE (Inteligencia empresarial). La idea

consiste en permitir la automatización total del ciclo de la IE: la incorporación y
preparación de datos, el análisis predictivo y los patrones y la identificación de
hipótesis. Este es un ejemplo interesante de la recuperación de datos
inteligentes en acción. La información que ninguna herramienta de IE había
descubierto.
Análisis predictivo

Piense en ese momento en el que está contratando un seguro para auto y el

agente le hace una serie de preguntas Estas preguntas están relacionadas a
las variables que influyen en su riesgo. Detrás de estas preguntas se encuentra
un modelo predictivo que informa sobre la probabilidad de que ocurra un
accidente con base en su edad, código postal, género, marca de auto, etc. Es
el mismo principio que se emplea en los modelos predictivos de crédito para
identificar a los buenos y malos pagadores. Por lo tanto, el concepto principal
de análisis predictivo (o modelado) significa que se puede utilizar un número de
variables (ingresos, código postal, edad, etc.) combinadas con resultados (por
ejemplo, buen o mal pagador) para generar un modelo que proporcione una
puntuación (un número entre 0 y 1) que representa la probabilidad de un
evento (por ejemplo, pago, migración de clientes, accidente, etc.).

Los casos de uso en los negocios son amplios: modelos de crédito, modelos de
segmentación de clientes (agrupamiento), modelos de probabilidad de compra
y modelos de migración de clientes, entre otros.

Agente inteligente

Entidad capaz de percibir el entorno y de actuar sobre él. Es una entidad de

software persistente con un propósito específico. Un agente autónomo es un
sistema que habita en un entorno dinámico y complejo, en el que percibe y
actúa de manera autónoma, alcanzando el conjunto de objetivos para el que
fue diseñado. Un programa auto contenido que es capaz de controlar sus
acciones y decisiones para alcanzar unos objetivos, basándose en su
percepción del entorno. Es un sistema que está situado y que forma parte de
un determinado entorno, que percibe este entorno y que actúa en él
continuamente y con su propia planificación, persiguiendo el objetivo de
cambiar su propia percepción

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.

Control del entorno

• En la mayor parte de los dominios el agente sólo tendrá control parcial del
entorno.
• Una misma acción realizada por el agente en diferentes ocasiones puede
tener efectos distintos.
• Un agente debe estar preparado para fallar.
• Un agente dispone de un repertorio de acciones con sus correspondientes
precondiciones.
• Un agente debe estar preparado para decidir que acción realizar para
alcanzar sus objetivos de diseño.

Las arquitecturas de agentes son sistemas de toma de decisiones empotradas

en un entorno.

Tipos de entorno:

• Accesible / inaccesible.
• Determinista / indeterminista.
• Episódico / no episódico.
• Estático / dinámico.
• Discreto / continuo

De acuerdo con su accionar sobre el entorno una agente inteligente se puede

definir como: un sistema que está situado en un cierto entorno y que tiene
capacidad de actuar autónomamente de forma flexible en ese entorno para
satisfacer sus objetivos de diseño.

Flexibilidad:

• Reactividad: capacidad de responder oportunamente a los cambios percibidos

en el entorno.
• Pro-actividad: comportamiento dirigido por el objetivo.
• Habilidad social: capacidad de interacción con otros agentes para satisfacer
sus propios objetivos (negociación y cooperación con agentes que persiguen
otros objetivos).

Otras características de los agentes es la capacidad de razonamiento, la

capacidad de aprendizaje, la movilidad, la honestidad, etc.

Diferencias entre agentes y sistemas expertos (SE).

• Los SE no suelen interactuar directamente con el entorno (de ahí que algunos
le llamaran sistema autistas.
• Los SE suele diseñarse para tareas más complejas donde ellos tienen todo el
control de las decisiones para ese dominio.
• Los SE no suelen cooperar entre si.

Ventajas de los agentes inteligentes:

Facilitarle el trabajo a los usuarios
Actuar como consultantes
Servir de operadores en medios complejos

Dificultades:
– Cómo conocer la información relevante o irrelevante
– Cómo agilizar la búsqueda
– Cómo evitar repetir una tarea realizada.
– Cómo habérselas con diferentes protocolos, formatos y sistemas de acceso a
la información.
 CONCLUSIONES

 Se realiza una investigación detallada comprendiendo las distintas

clases de temas explorados teniendo en cuenta el contenido solicitado
como es la investigación de las técnicas y herramientas que utiliza la
inteligencia artificial incluyendo el tema sobre que es un agente
inteligente y como funciona.

 De esta manera se analiza cada tema propuesto alimentando los

conocimientos en el curso para el desarrollo de las posteriores
actividades.
 REFERENCIAS

Alejandro Madruga. (2013, 8 enero). [¿Que es un agente inteligente?].

Recuperado 27 febrero, 2019, de
https://cibernetico.org/2007/05/23/%C2%BFque-es-un-agente-inteligente/

Salesforce.com, inc. The Landmark. (s.f.). ¿Qué es la inteligencia artificial?

Recuperado 27 febrero, 2019, de
https://www.salesforce.com/mx/blog/2017/6/Que-es-la-inteligencia-artificial.html