ESTUDIO PASO A PASO DIAPOSITIVAS

La Inteligencia Artificial surge definitivamente a partir de algunos trabajos

publicados en la década de 1940 que no tuvieron gran repercusión, pero a partir
del influyente trabajo en 1950 de Alan Turing, matemático británico, se abre una
nueva disciplina de las ciencias de la información.
Si bien las ideas fundamentales se remontan a la lógica y algoritmos de los
griegos, y a las matemáticas de los árabes, varios siglos antes de Cristo, el
concepto de obtener razonamiento artificial aparece en el siglo XIV. A finales del
siglo XIX se obtienen lógicas formales suficientemente poderosas y a mediados
del siglo XX, se obtienen máquinas capaces de hacer uso de tales lógicas y
algoritmos de solución.

Orígenes y evolución cronológica[editar]

Los juegos matemáticos antiguos, como el de las Torres de Hanói, muestran el
interés por la búsqueda de un modo resolutor, capaz de ganar con los mínimos
movimientos posibles.
Cerca de 300 a. C., Aristóteles fue el primero en describir de manera estructurada
un conjunto de reglas, silogismos, que describen una parte del funcionamiento de
la mente humana y que, al seguirlas paso a paso, producen conclusiones
racionales a partir de premisas dadas.
En 250 a. C. Ctesibio de Alejandría construyó la primera máquina autocontrolada,
un regulador del flujo de agua que actuaba modificando su comportamiento
"racionalmente" (correctamente) pero claramente sin razonamiento.
En 1315, Ramon Llull tuvo la idea de que el razonamiento podía ser efectuado de
maneral artificial.
En 1847 George Boole estableció la lógica proposicional (booleana), mucho más
completa que los silogismos de Aristóteles, pero aún algo poco potente.
En 1879 Gottlob Frege extiende la lógica booleana y obtiene la Lógica de Primer
Orden la cual cuenta con un mayor poder de expresión y es utilizada
universalmente en la actualidad.
En 1903 Lee De Forest inventa el triodo, también llamado bulbo o válvula de
vacío.
En 1936 Alan Turing publicó un artículo de bastante repercusión sobre los
"Números Calculables", un artículo que estableció las bases teóricas para todas
las ciencias de computación, y que puede considerarse el origen oficial de
la informática teórica. En este artículo introdujo el concepto de Máquina de Turing,
una entidad matemática abstracta que formalizó el concepto de algoritmo y resultó
ser la precursora de las computadoras digitales. Podía conceptualmente leer
instrucciones de una cinta de papel perforada y ejecutar todas las operaciones
críticas de un computador. El artículo fijó los límites de las ciencias de la
computación porque demostró que no es posible resolver problemas con ningún
tipo de computador. Con ayuda de su máquina, Turing pudo demostrar que
existen problemas irresolubles, de los que ningún ordenador será capaz de
obtener su solución, por lo que se le considera el padre de la teoría de la
computabilidad.
En 1940 Alan Turing y su equipo construyeron el primer computador
electromecánico y en 1941 Konrad Zuse creó la primera computadora
programable y el primer lenguaje de programación de alto nivel Plankalkül. Las
siguientes máquinas más potentes, aunque con igual concepto, fueron la ABC
y ENIAC.
En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas
artificiales, el cual se considera el primer trabajo del campo de inteligencia
artificial, aun cuando todavía no existía el término.
1950´s[editar]
En 1950 Turing consolidó el campo de la inteligencia artificial con su
artículo Computing Machinery and Intelligence, en el que propuso una prueba
concreta para determinar si una máquina era inteligente o no, su famosa Prueba
de Turing por lo que se le considera el padre de la Inteligencia Artificial. Años
después Turing se convirtió en el adalid que quienes defendían la posibilidad de
emular el pensamiento humano a través de la computación y fue coautor del
primer programa para jugar ajedrez.
En 1951 William Shockley inventa el transistor de unión. El invento hizo posible
una nueva generación de computadoras mucho más rápidas y pequeñas.
En 1956 se dio el término "inteligencia artificial" en Dartmouth durante una
conferencia convocada por John McCarthy, a la cual asistieron, entre
otros, Minsky, Newell y Simon. En esta conferencia se hicieron previsiones
triunfalistas a diez años que jamás se cumplieron, lo que provocó el abandono casi
total de las investigaciones durante quince años.
Década de 1980[editar]
En 1980 la historia se repitió con el desafío japonés de la quinta generación, que
dio lugar al auge de los sistemas expertos pero que no alcanzó muchos de sus
objetivos, por lo que este campo sufrió una nueva interrupción en los años
noventa.
En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente
inteligente. Al intentar describir con un mayor ámbito (no solo la comunicación) los
atributos de un agente inteligente, la IA se ha expandido a muchas áreas que han
creado ramas de investigación enormes y diferenciadas. Dichos atributos del
agente inteligente son:

1. Tiene actitudes mentales tales como creencias e intenciones.

2. Tiene la capacidad de obtener conocimiento, es decir, aprender.
3. Puede resolver problemas, incluso descomponiendo problemas complejos en otros
más simples.
4. Capaz de realizar operaciones más complejas.
 5. Entiende. Posee la capacidad de dar sentido, si es posible, a ideas ambiguas o
contradictorias.
6. Planifica, predice consecuencias, evalúa alternativas (como en los juegos de
ajedrez)
7. Conoce los límites de sus propias habilidades y conocimientos.
8. Puede distinguir a pesar de la similitud de las situaciones.
9. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando
analogías.
10.Puede generalizar.
11.Puede percibir y modelar el mundo exterior.
12.Puede entender y utilizar el lenguaje y sus símbolos.
Podemos entonces decir que la IA posee características humanas tales como el
aprendizaje, la adaptación, el razonamiento, la autocorrección, el mejoramiento
implícito, y la percepción modular del mundo. Así, podemos hablar ya no solo de
un objetivo, sino de muchos, dependiendo del punto de vista o utilidad que pueda
encontrarse a la IA.
Década de 1990[editar]
En los 90 surgen los agentes inteligentes al paso de los años eso fue
evolucionando
Década de 2000[editar]
El programa Artificial Linguistic Internet Computer Entity (A.L.I.C.E.) ganó el
premio Loebner al Chatbot más humano en 2000, 2001 y 2004, y en 2007 el
programa Ultra Hal Assistant ganó el premio.
Década de 2010[editar]
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»:
2010: El programa Suzette ganó el premio Loebner. Algunos programas de
inteligencia artificial gratuitos son Dr. Abuse, Alice, Paula SG, Virtual woman
millenium.
2011: Un ordenador de IBM gana el concurso de preguntas y respuestas
'Jeopardy!': El ordenador de IBM Watson ha salido victorioso de su duelo contra el
cerebro humano. La máquina ha ganado el concurso de preguntas y respuestas
Jeopardy!, que emite la cadena de televisión estadounidense ABC, al imponerse a
los dos mejores concursantes de la historia del programa. Watson les ha vencido
en la tercera ronda, contestando preguntas que le obligaban a pensar como una
persona.
2014: Un ordenador ha logrado superar con éxito el test de turing: Un ordenador
ha logrado superar con éxito el test de Turing haciendo creer a un interrogador
que es una persona quien responde sus preguntas- en un certamen organizado en
Londres por la Universidad de Reading (Reino Unido). El ordenador, con el
programa Eugene desarrollado en San Petersburgo (Rusia), se ha hecho pasar
por un chico de 13 años, y los responsables de la competición consideran que es
un “hito histórico de la inteligencia artificial”.
2016: Un ordenador de Google vence al campeón mundial de un juego milenario
“Go”: Un programa informático desarrollado por la compañía británica Google
DeepMind había conseguido vencer, por primera vez, a un campeón profesional
de un milenario juego de origen oriental llamado Go. El reto era enorme para una
máquina, ya que la prueba de estrategia encierra una gran complejidad.

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? (Si desea refrescar su memoria haga clic aquí). 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.  
https://www.salesforce.com/mx/blog/2017/6/Que-es-la-inteligencia-
artificial.html#:~:text=Definici%C3%B3n%20de%20Inteligencia%20artificial,m%C3%A1quinas
%20piensan%20como%20seres%20humanos%E2%80%9D.
La AI en la robótica

Los robots son dispositivos compuestos de censores que reciben datos de entrada que manda una
computadora, la cual ordena al robot que efectúe una determinada acción.

Hoy en día, una de las finalidades de la construcción de robots es su intervención con rapidez,
calidad y precisión en los procesos de fabricación encargados de realizar trabajos repetitivos en la
fabricación.

Las áreas de investigación de la IA

Son muchas las áreas de la A I que se investigan hoy día. Entre ellas, tenemos las siguientes:

• La representación del conocimiento, que busca en el descubrimiento de métodos expresivos y

eficientes describir información sobre aspectos del mundo real.
• Los métodos de aprendizaje automático, que extienden las técnicas estadísticas con el fin de
posibilitar la identificación de un amplio rango de tendencias generales a partir de un conjunto de
datos de entrenamiento.
• El campo de la planificación, que enfrenta el desarrollo de algoritmos que construyen y ejecutan
automáticamente secuencias de comandos primitivos con el fin de alcanzar ciertas metas de alto
nivel.
• Los trabajos en el área de razonamiento posible, que hacen uso de principios estadísticos para
desarrollar codificaciones de información incierta.
• El estudio de las arquitecturas de agentes, que busca la integración de otras áreas de la I A con
el objeto de crear agentes inteligentes, entidades robustas capaces de comportamiento autónomo
y en tiempo real.
• La coordinación y colaboración multiagentes, que ha permitido el desarrollo de técnicas para la
representación de las capacidades de otros agentes y la especificación del conocimiento necesario
para la colaboración entre ellos.
• El desarrollo de ontologías, que persigue la creación de catálogos de conocimiento explícito,
formal y multipropósito, que puedan ser utilizados por sistemas inteligentes.
• Los campos de procesamiento de voz y lenguaje, que buscan la creación de sistemas que se
comunican con la gente en su lenguaje.
• La síntesis y comprensión de imágenes, que conduce a la producción de algoritmos para el
análisis de fotografías, diagramas y videos, así como también de técnicas para el despliegue visual
de información cuantitativa y estructurada.

Áreas de aplicación de la IA

Pero también hay áreas de aplicación. En efecto, estos procesos de la AI se aplican en los
sistemas reales en una gran variedad de ramas y problemas:

• Gestión y control: análisis inteligente, fijación de objetivos.

• Fabricación: diseño, planificación, programación, monitorización, control, gestión de proyectos,
robótica simplificada y visión computarizada.
• Educación: adiestramiento práctico, exámenes y diagnóstico.
• Ingeniería: diseño, control y análisis.
•Equipamiento: diseño, diagnóstico, adiestramiento, mantenimiento, configuración, monitorización y
ventas.
• Cartografía: interpretación de fotograf ías, diseño, resolución de problemas cartográficos.
• Profesiones: abogacía, medicina, contabilidad, geología, química.
• Software: enseñanza, especificación, diseño, verificación, mantenimiento.
• Sistemas de armamento: guerra electrónica, identificación de objetivos, control adaptativo,
proceso de imágenes, proceso de señales.
• Proceso de datos: educación, interfase en lenguaje natural, acceso inteligente a datos y gestores
de bases de datos, análisis inteligente de datos.
• Finanzas: planificación, análisis, consultoría.

https://www.uv.mx/cienciahombre/revistae/vol17num3/articulos/inteligencia/index.htm

Ejemplos del uso de la Inteligencia artificial en los negocios

“Parece interesante... Pero, ¿qué nos ofrece la IA que no tengamos ya?”
Existe una gran cantidad de aplicaciones para IA en los negocios. En esta publicación
nos vamos a centrar en un aspecto fundamental: el cliente. La IA está transformando
las expectativas de los clientes. Por ejemplo, el cliente que organiza su vida desde
aplicaciones como Uber, Google y Amazon. Estos clientes saben que las empresas
disponen de información sobre ellos y, lo que es más importante, saben lo que las
empresas podrían hacer con esta información para proporcionar una experiencia de
atención al cliente excepcional. Por ejemplo, los millenials están obsesionados con la
experiencia de atención al cliente (es decir, todo debe ser sencillo, rápido e
inteligente).  
Esta es una lista de algunos ejemplos prácticos de cómo la IA está transformando los
procesos empresariales.
Inteligencia artificial para ventas
La IA ofrece una mayor productividad para los equipos de ventas, ya que permite
centrarse en las oportunidades que pueden llevar al éxito, así como ahorrar tiempo al
personal de ventas durante el registro de información. Veamos algunos ejemplos a
continuación:
  Captura automáticamente las actividades de ventas, lo que significa que el
personal de ventas no tiene que dedicar tiempo al llenado de la base de datos
del CRM;
 Registra automáticamente los datos del cliente, por ejemplo, registros de
navegación del sitio web y conexiones al sitio web, entre otros;
 Sugiere la mejor acción de seguimiento y recomienda respuestas de correo
electrónico al conectar la información del CRM a la bandeja de entrada;
 Valoración predictiva de prospectos: mediante el análisis predictivo, el sistema
podrá indicar la probabilidad de que un prospecto se convierta en una venta.
Más interesante aún, el sistema le indicará por qué se llegó a esta puntuación
(p. ej., canal de acceso del prospecto, sector, etc.). Por ejemplo, Salesforce
Einstein, tendrá la funcionalidad de puntuación predictiva de prospectos.

 
Inteligencia artificial para Atención al cliente
 Clasificación automática de los casos de atención al cliente, lo que evita
depender del agente de atención al cliente a la hora de tener que tomar una
decisión y, por lo tanto, ahorra tiempo al agente.
 Enrutamiento automático de casos una vez que la llamada se ha clasificado
automáticamente, el sistema ya puede reenviar la llamada al agente mejor
calificado para determinar el tipo de problema.
 Recomendación de soluciones y bases de conocimiento. Esto aumenta la
productividad y la calidad de un servicio, al sugerir la solución con mayores
probabilidades de resolver el problema del cliente.
 Comunicaciones de autoservicio. Research muestra que la generación actual
de clientes prefiere el autoservicio (por ejemplo, portal o aplicación del cliente)
en lugar de llamar por teléfono a un centro de atención. Gracias a la IA, las
comunidades de servicios serán más inteligentes, por ejemplo, al personalizar
el entorno que depende del cliente y sugerir soluciones de forma automática,
ej. utilizar el reconocimiento de imagen para identificar el producto que está en
una foto tomada por el cliente.
 Por ejemplo, los bots conversacionales le permiten al cliente enviar mensajes
de texto para establecer comunicación.   
 
Inteligencia artificial para marketing
El marketing es una disciplina que se ha vuelto cada vez más analítica y cuantitativa a
lo largo de los años. Muchas de las técnicas de Análisis predictivo y de IA se aplican
principalmente en el Marketing, por ejemplo, modelado predictivo para la migración de
clientes, probabilidad de compras y modelos de agrupamiento para la segmentación
de clientes.
Estos son algunos de los nuevos avances de la IA en el marketing, de forma
específica, algunas funcionalidades de Marketing Cloud Einstein.
 Puntuación predictiva por correo electrónico: le permite a los profesionales de
marketing saber (antes de lanzar una campaña de marketing para correo
electrónico) cuál es la probabilidad de que sus clientes respondan a la
 campaña; o bien, la abandonen. El objetivo aquí es anticipar la respuesta del
cliente para ofrecer viajes verdaderamente personalizados;
 Audiencias predictivas: con base en la puntuación predictiva, será posible
segmentar mejor su base de clientes y prospectos en función de un
comportamiento predictivo al agrupar a personas que tienen puntos en común.
Cuanto mayor sea la segmentación, mejor será la conversión;
 Optimización del tiempo de envío: ¿es mejor enviar una campaña a las 2 p. m.
o a las 4 a. m.? Con la optimización del tiempo de envío, el algoritmo de IA le
indicará la hora en que será más probable que cada contacto en su base de
clientes abra un correo electrónico y participe en su campaña.
La Inteligencia artificial está transformando nuestras vidas y revolucionará
rápidamente la manera en la que trabajamos.
¿Desea conocer más? Consulte el libro electrónico Inteligencia artificial para CRM:
una guía práctica de todo lo que necesita saber.
Los derechos de ALBERT EINSTEIN se usan con la autorización de la Universidad
Hebrea de Jerusalén. Representado exclusivamente por Greenlight.
https://www.salesforce.com/mx/blog/2017/6/Que-es-la-inteligencia-
artificial.html#:~:text=Definici%C3%B3n%20de%20Inteligencia%20artificial,m%C3%A1quinas
%20piensan%20como%20seres%20humanos%E2%80%9D.

Google y Sony también están inmersos

en la IA
La inteligencia artificial no es coto cerrado de IBM ni mucho menos. El gigante
de las búsquedas Google está haciendo numerosos progresos en este terreno,
ayudando además a la comunidad de desarrolladores a sacar provecho de
esta tecnología. En ese sentido, Google ha ampliado recientemente su
software de código abierto TensorFlow, con el que cualquiera con acceso a
sus servidores puede crear su propio equipo con capacidad de
autoprogramación y de aprender de forma autónoma. La compañía de Larry
Page y Sergey Brin también ha promovido que su motor de inteligencia
artificial se haya leído más de 2.865 novelas románticas con el fin de
expresarse con mayor soltura y naturalidad. Además, Google ha logrado
seguir los pasos de IBM y conquistar un juego tradicionalmente de
humanos, en concreto, el Go. Se trata de un juego oriental tan antiguo como
complejo: se dice que su tablero, de 19×19 cuadrados, permite más posiciones
durante una partida que átomos hay en el universo.
Mark Zuckerberg también es un fiel creyente en las posibilidades de la
inteligencia artificial. Por ello, ha impulsado el FAIR (Facebook Artificial
Intelligence Research), que aborda problemas genéricos del desarrollo de las
inteligencias artificiales, o como ‘Language Technology’ o ‘Facebook M’,
centrados en problemas prácticos del día a día de los usuarios. Asimismo, el
propio Zuckerberg anunció a principios de este año que se había propuesto
desarrollar su propio asistente personal con IA inspirado en el Jarvis de las
películas de Iron Man.
La japonesa SONY tampoco es ajena a esta tendencia. La firma compró
recientemente Cogitai, una empresa californiana de nuevo cuño (apenas
dos años de vida) que aprovecha el ‘machine learning’ para que los
dispositivos puedan aprender de forma autónoma distintos comportamientos
o respuestas ante estímulos y hábitos que van detectando conforme
interactúan con su entorno.

Los chatbots
Una de las posibilidades más inmediatas y prometedoras de la
inteligencia artificial son los chatbots, las herramientas que permiten la
comunicación automatizada entre humanos y marcas o empresas, a través de
redes sociales o comunicaciones de voz, gracias a una máquina que interpreta
el lenguaje natural y es capaz de aprender, procesar e improvisar respuestas
de manera autónoma.
Sin embargo, los chatbots aún están lejos de estar maduros. En una muestra
de las capacidades de inteligencia artificial de Microsoft, la firma
norteamericana decidió llevar su chatbot Tay a Twitter (@TayandYou). Se trata
de una herramienta capaz de interactuar con los usuarios en tiempo real,
adaptando además su lenguaje a los ‘millenials’ (personas de 18 a 24 años
de edad).
FUENTE https://www.ticbeat.com/innovacion/la-historia-de-la-inteligencia-artificial-desde-los-
origenes-hasta-hoy/