• Author / Uploaded
• Vianell Almazan

Citation preview

INTELIGENCIA ARTIFICIAL

INGENIERÍA EN SISTEMAS COMPUTACIONALES INSTITUTO TECNOLÓGICO SUPERIOR DE LAS CHOAPAS -CAMPUS ZARAGOZA-

MATERIA: INTELIGENCIA ARTIFICIAL PROFESOR: ING. MIGUEL MATEOS VASCONCELOS REYES SEMESTRE: SÉPTIMO ALUMNA: VIANELL GUADALUPE ALMAZÁN ALOR

indice

1|Página

CONTENIDO DIFERENTES ENFOQUES DE LA INTELIGENCIA ARTIFICIAL. .................................. 4 Enfoques Desde El Punto De Vista De La Filosofía Y La Psicología. ............................... 5 TÉCNICAS DE LA INTELIGENCIA ARTIFICIAL. ........................................................... 10 Búsqueda De Soluciones. ..................................................................................................... 10 Representación Del Conocimiento....................................................................................... 11 Reconocimiento De Patrones. .............................................................................................. 13 Procesamiento Del Lenguaje Natural. ................................................................................. 13 Robótica. ................................................................................................................................ 13 Redes Neuronales. ................................................................................................................. 15 Algoritmos Genéticos. .......................................................................................................... 15 Sistemas Expertos. ................................................................................................................ 16 DESARROLLOS ACTUALES DE LA INTELIGENCIA ARTIFICIAL. ........................... 19 Generación De Lenguaje Natural. ........................................................................................ 19 Reconocimiento De Voz. ...................................................................................................... 19 Agentes Virtuales. ................................................................................................................. 19 Plataformas Machine Learning. ........................................................................................... 20 Hardware Optimizado Con IA. ............................................................................................ 20 Toma De Decisiones. ............................................................................................................ 21 Plataformas De Aprendizaje Profundo. ............................................................................... 21 Biométricas. ........................................................................................................................... 21 Automatización De Procesos Robóticos.............................................................................. 22 Analíticas De Texto Y NLP (Procesamiento De Lenguaje Natural). ................................ 22

indice

2|Página

Gemelos Digitales/Modelos De IA. ..................................................................................... 23 Defensa Cibernética. ............................................................................................................. 23 Compliance (Cumplimiento). ............................................................................................... 24 Asistencia Al Trabajador Cognitivo. ................................................................................... 24 Creación De Contenido......................................................................................................... 25 Redes Peer-To-Peer. ............................................................................................................. 25 Reconocimiento De Emociones. .......................................................................................... 26 Reconocimiento De Imagen. ................................................................................................ 26 Automatización En Marketing. ............................................................................................ 27 MODELOS DE AGENTES INTELIGENTES. ...................................................................... 28 ¿Cómo Se Caracteriza Un Agente? ...................................................................................... 29 FUNCIONES BÁSICAS DE LA TECNOLOGÍA DE AGENTES. ................................. 30 Construcción Básica De Los Agentes Inteligentes. ............................................................ 31 Bibliografía. ............................................................................................................................... 32

indice

3|Página

DIFERENTES ENFOQUES DE LA INTELIGENCIA ARTIFICIAL. En la IA se puede observar dos enfoques diferentes: 1. La IA concebida como el intento por desarrollar una tecnología capaz de proveer al ordenador capacidades de razonamiento similares a los de la inteligencia humana. 2. La IA en su concepción como investigación relativa a los mecanismos de la inteligencia humana que se emplean en la simulación de validación de teorías. El primer enfoque se centra en la utilidad y no en el método como veíamos anteriormente con los algoritmos, los temas claves de este enfoque son la representación y gestión de conocimiento, sus autores más representativos son McCarthy y Minsky.

1. John McCarthy.

En el segundo enfoque encontramos que este se orienta a la creación de un sistema artificial capaz de realizar procesos cognitivos humanos haciendo importante ya no la utilidad como el método, los aspectos fundamentales de este enfoque se refieren al aprendizaje y adaptabilidad; sus autores son Newel y Simón de la Carnegie Mellon University. La IA al tratar de construir maquinas que se comporten aparentemente como seres humanos han dado lugar al surgimiento de dos bloques enfrentados: el enfoque simbólico o top-down, conocido como la IA clásica y el enfoque sub-simbólico llamado a veces conexionista. Los simbólicos simulan directamente las características inteligentes que se pretenden conseguir o limitar y lo mejor que también se tiene a la mano es el hombre; para los constructores de los sistemas expertos resulta fundamental la representación del conocimiento humano donde gracias a estos avances se han encontrado dos tipos de conocimiento: conocimiento acerca del problema particular ¨ y “conocimiento acerca de cómo obtener más conocimiento a partir del que ya tenemos”. El ejemplo más representativo de esta corriente es el proyecto de Cyc de Douglas B. Lenat sobre un sistema que posee en su memoria millones de hechos interconectados. Dentro de la otra corriente: la subsimbolica; sus esfuerzos se orientan a la simulación de los elementos de más bajo nivel dentro de los procesos inteligentes con la esperanza de que estos al combinarse permitan que espontáneamente surja el comportamiento inteligente. Los ejemplos más claros que trabajan con este tipo de orientación son las redes neuronales y los algoritmos genéticos donde estos sistemas trabajan bajo la autonomía, el aprendizaje y la adaptación, conceptos fuertemente relacionados. indice

4|Página

Otra propiedad que se espera ver asociada a la IA es la autoconciencia; que de acuerdo con los resultados de las investigaciones psicológicas hablan por una parte de que como es bien sabido, el pensamiento humano realiza gran cantidad de funciones que no se pueden calificar de conscientes y que por lo tanto la autoconciencia contribuye en cierto sentido a impedir el proceso mental eficiente; pero por otro lado es de gran importancia poder tener conocimiento sobre nuestras propias capacidades y limitaciones siendo esto de gran ayuda para el funcionamiento de la inteligencia tanto de la maquina como del ser humano. Pero sería imposible tratar de contemplar el tema de la IA sin recurrir a la cuestión de la complejidad; donde el comportamiento inteligente es el resultado de la interacción de muchos elementos y que con seguridad es una de las más valiosas contribuciones al tratar de simular en la maquina los fenómenos intelectuales humanos. La IA se ha desarrollado como disciplina a partir de la concepción de la inteligencia que se realizó al interior de la psicología y a partir de la cual se elaboraron diferentes categorías.

Enfoques Desde El Punto De Vista De La Filosofía Y La Psicología. Se pueden derivar cuatro aproximaciones distintas a lo que es una Inteligencia Artificial (IA) y que cada una de ellas se apoya en diversas ramas de la filosofía y la psicología. Las aproximaciones se mueven en dos dimensiones: la primera de ellas dependiendo de si nos centramos más en la inteligencia sobre los procesos de pensamiento y razonamiento, o de si nos centramos en la inteligencia sobre el comportamiento. La segunda dimensión varía en función de si nos centramos en los rasgos que nos hacen humanos o en un modelo de referencia ideal que se denomina racionalidad:

2. Cuatro enfoques distintos de la Inteligencia Artificial.

Si recorremos el diagrama anterior a partir de la dimensión: “humanidad” (parte izquierda del diagrama), tenemos: 

La primera forma de concebir la inteligencia artificial es aquella que trata de:

“Realizar actividades asociadas con pensar de manera humana, como la toma de decisiones, la solución de problemas o el aprendizaje” (Bellman, 1978). indice

5|Página



Este enfoque ha dado lugar a la ciencia cognitiva, donde se junta los modelos de ordenador de la Inteligencia Artificial con las técnicas experimentales de la psicología para construir teorías precisas y estables de la mente humana.

Ambos campos, la ciencia cognitiva y la inteligencia artificial, se fertilizan uno al otro y ha sido bueno para ambos, que en un momento dado se separasen conceptualmente. El uso de técnicas de imágenes médicas por ordenador, como la resonancia magnética funcional (fMRI) han resultado claves para el mejor entendimiento del cerebro tanto de los animales como de los humanos.

3. Resonancias Magnéticas Funcionales (fMRI).



La segunda forma de concebir la inteligencia artificial es la de aquella máquina que trata de actuar de manera humana, mediante “la realización de funciones que requieren inteligencia cuando las realizan personas” (Kurzweil, 1990).

Este pensamiento es el que dió origen al famoso Test de Turing (1950), por el que un ordenador (léase inteligencia artificial) pasaría el test cuando después de un tiempo realizándole preguntas un interrogador humano experimentado, la IA es capaz de engañarle

indice

6|Página

haciéndole pensar que es humano o bien éste no es capaz de determinar si se trata o no de un ordenador.

4. Película ex-machina.

La otra dimensión, en la que históricamente se ha hecho hincapié en la Inteligencia Artificial, es a lo largo del concepto de racionalidad, (parte derecha del diagrama), en oposición al de ‘humanidad’. Esto no quiere decir que los seres humanos no seamos racionales, sino que además de estos pensamientos racionales también nos guiamos por las emociones, las intuiciones, etc. Por poner un ejemplo concreto, si pensáramos racionalmente, cada tres años aproximadamente, nos deberíamos cambiar de coche, por encontrarse en esa zona el óptimo económico entre prestaciones del coche, coste del mantenimiento y precio de venta. Sin embargo la mayoría de nosotros no lo hace, sea por motivos de economía familiar inmediata (“hay otros gastos prioritarios en esta casa antes que cambiar de coche”), por motivos sentimentales (“me gusta mi coche”) o bien por aplicación de una lógica perezosa (“aún funciona, así que ¿para qué voy a cambiarlo?”). Racionalidad es “hacer la cosa correcta, dada la información de que se dispone”, lo cual es diferente de que el resultado final sea óptimo. Bajo la perspectiva de la racionalidad, hay dos maneras de definir la inteligencia artificial: 

Centrándose en pensar racionalmente, es decir siguiendo las leyes de la lógica, desde Aristóteles con sus silogismos: “Todos los hombres son mortales. Sócrates es un hombre, luego Sócrates es mortal”, hasta los “Principia Mathematica” de Whitehead y Russell a principios del S.XX, enorme monumento de la formalización y deducción de todo tipo de proposiciones lógicas incluyendo proposiciones sobre la ‘vida real’. No obstante, el demoledor trabajo del matemático Kurt Gödel con sus famosos teoremas de la incompletud, estableció límites a las proposiciones que podían ser deducidas de un conjunto de axiomas, lo que equivalía a poner límites a las verdades que una inteligencia artificial basada en esta aproximación podría inferir. El énfasis se pone aquí en hacer las “inferencias correctas”.

indice

7|Página

5. Aristóteles.

Este enfoque tiene dos problemas, el primero es que es difícil tomar el conocimiento informal y expresarlo de forma lógica sobre todo cuando no existe un certeza del 100% (como sucede en la vida real) y, el segundo, es que incluso si se supera el obstáculo anterior, unos pocos centenares de hechos puede dejar sin recursos a cualquier ordenador si no se le da algún tipo de guía sobre qué pasos de razonamiento abordar primero. Para ser justos, este problema de recorrer un espacio de búsqueda demasiado vasto, es compartido por otras ramas de la Inteligencia Artificial aunque fue, en esta área, donde se manifestó por primera vez. De hecho, se suele decir que una de las principales actividades de la Inteligencia Artificial es la de buscar maneras más o menos ingeniosas de limitar la cantidad de búsquedas qu e hay que realizar para hallar la solución a un problema para que éste pueda ser tratable computacionalmente en un tiempo razonable (concepto que depende de la aplicación: por ejemplo un coche automático debe tomar una decisión en mucho menos de un segundo, mientras que un sistema de recomendación se podría tardar más tiempo – necesita más muestra- en hacernos recomendaciones relevantes para nosotros sobre películas, artículos, videos, etc.). 

La última forma de aproximarse a la inteligencia artificial es el de actuar de forma racional. Este es el enfoque del agente inteligente a partir del que se ha desarrollado una buena parte del campo actual de la Inteligencia Artificial y en el que me voy a centrar principalmente en futuros post, porque es el que ha dado lugar a los más grandes avances que ha experimentado la IA en los últimos años.

indice

8|Página

6. Anatomía de un Agente Inteligente.

En este enfoque se supone que el agente inteligente actúa de manera autónoma, percibe el entorno, persiste durante un periodo prolongado de tiempo, se adapta a los cambios, y crea y persigue objetivos. En definitiva pretende lograr el mejor resultado o, si existe incertidumbre, el mejor resultado esperado. Y con este rápido repaso de los distintos enfoques de la IA termina este artículo. En próximos artículos, iré desarrollando en mayor o menor grado cada uno de ellos, pues todos hacen contribuciones importantes al objetivo de llegar a desarrollar una verdadera inteligencia general artificial o fuerte.

indice

9|Página

TÉCNICAS DE LA INTELIGENCIA ARTIFICIAL. Según (Arauz, 1998, p. 1) una técnica de la Inteligencia Artificial es un método que utiliza conocimiento representado de tal forma que:    

Representa generalizaciones Es comprendido por las personas que lo proporcionan Se puede modificar fácilmente Puede usarse en gran cantidad de situaciones

Desde el punto de vista de la Ingeniería la Inteligencia Artificial utiliza diversas herramientas en la solución de problemas, estas herramientas se presentan en distintas técnicas, mismas que proveen elementos fundamentales en las áreas de la Inteligencia Artificial, entre las técnicas básicas podemos citar:

Robotica Proceso de Lenguaje Natural

Reconocimiento de patrones

Redes Neuronales

Inteligencia Artificial

Representacion del Conocimie nto

Sistemas Expertos

Algoritmos Geneticos

Busqueda de Soluciones

7. Técnicas De La Inteligencia Artificial.

Búsqueda De Soluciones. Las búsquedas proporcionan una forma de resolver los problemas en los que no se dispone de un método más directo como una estructura con técnicas directas existentes según (Arauz, 1998, p. 4). Por otro lado, según (Medrano, 2001, p.3) indica que en la Inteligencia Artificial es fundamental considerar la búsqueda heurística como una de las formas más eficientes en la solución de problemas, la búsqueda heurística, es utilizada para escoger una ramificación con mayor posibilidad de éxito y acotar así el número de soluciones exploradas. Cuando se tienen problemas complejos y se está realizando una búsqueda en el espacio de soluciones, se encuentra que cada vez que se toma una decisión se abren nuevas posibilidades para futuras decisiones. Estos problemas pueden representarse como un árbol de posibilidades, indice

10 | P á g i n a

con nodos conectados mediante líneas o bien con métodos que buscan sistemáticamente todas las posibilidades, pero la manera más eficiente es la búsqueda heurística, ya que sus reglas están basadas en la información de la estructura y naturaleza del problema, limitando de esta manera la posibilidad de fracaso. Según (Barceló, 2005, p. 17) la heurística se podría definir como el conjunto de criterios, métodos o principios que se utilizan para encontrar, entre varios cambios posibles, cuál o cuáles son los más efectivos para obtener un objetivo determinado. Por tanto, se puede decir que la técnica de búsqueda de soluciones en la resolución de problemas de manera general tiene por objetivo central encontrar los mecanismos de deducción, buscar soluciones que proporcionen la resolución de un problema cuando no se tiene un método directo.

Representación Del Conocimiento. Según (Arauz, 1998, p.4) el uso del conocimiento proporciona una forma de resolver problemas complejos explotando las estructuras de los objetivos involucrados. El agente que actúa inteligentemente requiere tener una representación del ambiente sobre el que actúa, o por lo menos de los aspectos que son relevantes para resolver un problema. La IA utiliza diferentes sistemas para la representación del conocimiento e implícitamente las posibilidades que ofrece la utilización de dichos sistemas. Es fundamental distinguir diversas formas de conocimiento, según el problema a solucionar, siendo los principales: 

Conocimiento general, leyes que cumplen sobre un conjunto de objetos. Puede presentarse como fórmulas matemáticas o lógicas, o de manera informal, el lenguaje hablado / escrito; sin embargo, la informalidad y la imprecisión obstaculizan la automatización del uso del conocimiento.



Conocimiento procedural, secuencias de acciones a seguir, se pueden representar mediante diagramas de flujo, algoritmos, etcétera.



Conocimiento factual, hechos.



Metaconocimiento, conocimiento sobre el conocimiento. Puede ser una forma extremadamente importante de conocimiento, sobre todo en sistemas que aprenden.

Según (Barceló, 2005, p. 18) lo que se persigue no son sólo estructuras de datos que proporcionen un sistema de representación efectiva y eficiente de conocimientos, sino también qué conocimiento se tiene que representar en cada utilización particular. Un sistema de representación de conocimientos se expone a la resolución de problemas anexos como: a) La extracción del conocimiento de quién lo posee. b) Su formalización de un determinado sistema de representación. c) Si hace falta, la posibilidad de crear el mencionado conocimiento o modificar el conocimiento existente gracias a la interacción del sistema de IA con el entorno en un mundo cambiante.

indice

11 | P á g i n a

Ahora bien, (Zampayo, 2004, p. 63) dice que la representación del conocimiento en una computadora, consiste en encontrar una correspondencia entre el “cuerpo del conocimiento” y un “sistema simbólico” que lo denote o le haga referencia y que además, permita solucionar problemas con base de dicha correspondencia. Es decir, se trata de formalizar y estructurar el “conocimiento” para que una computadora pueda trabajar con él, por tal motivo dicho proceso también recibe el nombre de formalismo. Por otro lado, (Barceló, 2005, p. 16) dice que la técnica de la IA es obtener una adecuada representación simbólica del conocimiento aplicando los diversos mecanismos como son: 

Inferencia simbólica, incluye mecanismos de deducción típicos que incluyen la deducción también llamada inferencia lógicamente correcta, amparada en una serie de reglas como: o El modus ponens, esta regla de inferencia establece que si es cierta una implicación y además es cierto su antecedente, entonces su consecuente es necesariamente verdadero. o La instanciación universal, que nos indica que si algo es cierto para todos los elementos de un conjunto, también es cierto para cada caso particular. o Inducción, misma que se define como el razonamiento a partir de hechos particulares o casos individuales, para llegar a una conclusión general o El Modus tollens, esta regla de inferencia dice que si una implicación es verdadera y además es falso su consecuente, entonces su antecedente será necesariamente falso



Representación del conocimiento, el fin de la representación de conocimiento es organizar la información sobre el dominio o tema a tratar, de tal manera que el programa de la Inteligencia Artificial puede accesar fácilmente la información para hacer decisiones, planear, reconocer objetos y situaciones , analizar, sacar conclusiones y otras funciones cognitivas. Este elemento de la Inteligencia Artificial especifica que una buena representación debe tener las siguientes características: o Hace explícitas las cosas relevantes. o Deja expuestas las restricciones inherentes al problema. o Representa toda la información necesaria. o Es concisa. o Es transparente.

Ahora bien, la representación del conocimiento se puede realizar mediante esquemas de representación, dentro de estos, la Inteligencia Artificial utiliza las reglas de producción, las redes semánticas y los marcos de representación. Según (Arauz, 1998, p.1) el uso del conocimiento proporciona una forma de resolver problemas complejos explotando las estructuras de los objetos involucrados. El agente que actúa “inteligentemente” requiere para ello tener una representación del ambiente sobre el que actúa, o por lo menos de los aspectos de ella que son relevantes para resolver el problema. indice

12 | P á g i n a

Se puede decir, que la representación del conocimiento consiste en la elaboración de métodos y técnicas cada vez más eficientes que permitan organizar los conocimientos que el sistema en cuestión utilizará para poder brindar solución a la diversa gama de problemas que se presenten.

Reconocimiento De Patrones. Según (Vázquez, 2009, pág. 12) trata de diferentes técnicas de clasificación para identificar los subgrupos con características comunes en cada grupo, y con el grado de asociación se obtiene una conclusión diferente. Los algoritmos desarrollados en esta área son herramientas útiles en otros campos como en el reconocimiento de lenguaje natural, la visión por computadora, reconocimiento de imágenes, reconocimiento de señales, el diagnóstico de fallos de equipos, el control de procesos, etcétera. De manera general se puede decir que el reconocimiento de patrones consiste en medir el parecido entre formas y su comparación cuantitativa, es decir, es un método formal para medir el parecido o similitud entre dos formas, o fenómenos que representan cierta regularidad.

Procesamiento Del Lenguaje Natural. Según (Huerta, 2009, p. 29) el lenguaje natural, también llamado lenguaje ordinario, es el que utiliza una comunidad lingüística con el fin primario de la comunicación, y se ha construido con reglas y convenciones lingüísticas y sociales durante el período de constitución histórica de nuestra sociedad. Es decir a través del lenguaje natural surge el fenómeno de la comunicación y por ende es una forma de transmitir el conocimiento. El procesamiento del lenguaje natural dentro de la IA consiste en: 

Procesamiento del lenguaje escrito, requiere el conocimiento léxico, sintáctico y semántico de las palabras, y del mundo real.



Procesamiento del lenguaje real, requiere conocimientos de fonología y de la información para manejar ambigüedades que se presenten en el habla; también requiere de los conocimientos para el procesamiento de lenguaje escrito.

Se puede decir que el procesamiento del lenguaje natural es una de las técnicas más interesante en la IA, ya que tiene por objetivo estudiar el lenguaje de los seres humanos para poder acceder desde a una computadora hasta todo tipo de seres inteligentes.

Robótica. Dentro de las técnicas de la IA la robótica es de las más beneficiadas, debido a que tiene por objetivo la construcción de robots inteligentes capaces de funcionar con autonomía. Según (Huerta, 2009, p. 29) la robótica se ocupa de tareas motrices y perceptuales, es decir la robótica es la conexión inteligente entre la percepción y la acción. indice

13 | P á g i n a

La construcción de robots autónomos se realiza teniendo presente ciertas capacidades como lo son: 

La percepción básica, misma que implica la visión, la capacidad de identificar y reconocer sonidos, la habilidad de identificar olores y el sentido del tacto.



La función motriz, comprende la habilidad de moverse en forma autónoma y la manipulación de símbolos.

Por otro lado, (Zampayo, 2004, p. 15) refiere que la robótica tiene por objetivo diseñar y desarrollar máquinas que sean capaces de realizar procesos mecánicos y manuales mediante la interacción de un sistema de control y un sistema sensorial con el que cuentan, permitiendo así, responder a los cambios que surgen en el entorno del mundo real. Podemos decir que dentro del ámbito de la robótica es de fundamental importancia el desarrollo que fomente la evolución de robots, para que estos puedas recibir y emitir comunicación, comprender lo que pasa en el entorno, formular y ejecutar planes, así como poder motorizar sus operaciones, es decir la robótica debe permitir el aumento de la habilidad y la autonomía de los mecanismo que se construyen en este ámbito. Respecto a los robots (Arauz, 1998, p. 25) dice que un robot inteligente es capaz de: 

Recibir comunicación



Comprender un entorno mediante el uso de modelos



Formular planes



Ejecutar planes



Motorizar su operación

Los robots son principalmente máquinas con manipuladores multifuncionales reprogramables que permiten realizar una gran variedad de tareas automáticamente. De manera general un robot consta de: 

Uno o más manipuladores (brazos).



Efectos finales (manos).



Un controlador.



Sensores que proporcionan información sobre el entorno y retro-información sobre la ejecución de tareas.

Se puede concluir que la robótica ha sido parte del crecimiento en aplicaciones industriales, ya que ha permitido conseguir una mayor productividad, para reducir costos, para suplir mano de obra especializada, para proporcionar flexibilidad en procesos de fabricación por lotes, etcétera.

indice

14 | P á g i n a

Redes Neuronales. Según (Vázquez, 2009, p. 14) son sistemas compuestos por estructuras de red con un gran número de conexiones entre diferentes capas de procesadores, los cuales a su vez tienen asignadas diferentes funciones, dentro de dichos procesadores se efectúa una labor de aprendizaje por la reproducción de las salidas de un conjunto de señales de entrenamiento. Se puede decir que las redes neuronales constituyen una tecnología, la cual trata con éxito algunos problemas clásicos de la IA, haciendo énfasis en el reconocimiento de formas y de la palabra hablada. Por otro lado, según (Zampayo, 2004, p. 51) las redes neuronales son sistemas de cómputo distribuidos y paralelos inspirados en la estructura del cerebro humano. El cerebro humano consta de miles de millones de neuronas; cada una conectada a miles de otras neuronas en una estructura distribuida, con paralelismo masivo. Este tipo de estructura otorga al cerebro una gran ventaja en la mayoría de las capacidades perceptivas, motrices y creativas. Las redes neuronales almacenan la información de manera distinta que las computadoras tradicionales. Los conceptos se representan como patrones de actividad entre varias neuronas, de modo que son menos susceptibles a averías de la máquina. Una de las ventajas de utilizar las redes neuronales es que pueden seguir funcionando aunque se destruyan algunas de sus neuronas, esto es atribuido a su estructura de red. Sin embargo, (Huerta, 2009, p. 23) dice que ante las dificultades de imitar algunas funciones del cerebro humano, las nuevas arquitecturas para redes neuronales se han inspirado en hechos que conciernen al tratamiento de grandes cantidades de información procedente de los sentidos, la memoria, la capacidad de aprendizaje y la capacidad de procesamiento de información a gran velocidad. En términos prácticos, las arquitecturas de las redes neuronales pueden usarse para tareas como la visión; mecanismos de aprendizaje para el reconocimiento de voz, de forma que sus resultados alimenten programas simbólicos de la IA

Algoritmos Genéticos. Los algoritmos genéticos son los que tratan de emular el proceso de selección natural, mediante el cual los individuos aptos logran sobrevivir y logran que sus mejores características para se mantengan en las generaciones posteriores. Según (Huerta, 2009, p. 27), un algoritmo genético normalmente trabaja sobre la representación de una posible solución a un problema dado (casi siempre cadena finita), y sobre ella se aplican operadores genéticos para combinar las bondades de las soluciones mediante la reproducción. Para medir la oportunidad de solución se crea una función de aptitud que califica a las soluciones propuestas. Se puede considerar a estos algoritmos, como un procedimiento de búsqueda y optimización, basado en mecanismos genéticos de selección natural de los seres vivos. Según (Vázquez, 2009, p. 14) el funcionamiento de dichos algoritmos es la evolución a partir de una población que ofrece soluciones candidatas a un problema para mejorar las soluciones existentes y generar nuevas, las cuales son evaluadas por una función de ajuste. indice

15 | P á g i n a

Por otro lado (Arauz, 1998, p. 22) nos dice que la aplicación más común de los algoritmos genéticos ha sido la solución de optimización, en donde han demostrado ser eficientes y confiables. Antes de aplicar esta técnica es importante tomar en cuenta el espacio de búsqueda, la aptitud para indicar la eficiencia de las respuestas y sobre todo hay que verificar que las soluciones puedan codificarse de una manera que resulte fácil de interpretar para la computadora. Una de las características de los algoritmos genéticos es que tiene la capacidad de “castigar” las malas soluciones, y de “premiar” a las buenas, de forma que estas últimas se propaguen con mayor rapidez. Por tal motivo es importante verificar que nuestro sistema es apto para aplicar dicha técnica.

Sistemas Expertos. Los sistemas expertos también son denominados sistemas basados en el conocimiento, dichos sistemas almacenan el conocimiento de expertos para un campo determinado y la solución se da mediante deducción lógica de conclusión, lo anterior se realiza desarrollando un software que imite el comportamiento de un experto humano en la solución de un problema. Por otro lado, (Vázquez, 2009, p. 12) dice que los sistemas expertos estudian la simulación de los procesos intelectuales de los expertos humanos que les permiten interactuar con objetos del mundo real y llevar a cabo tareas de forma precisa, rápida y cómoda, semejantes a las tareas propias de un ser humano por medio del procesamiento de información y las técnicas para la solución de problemas. De manera más práctica, (Salazar, 1999, p. 12) establece que un sistema experto es un programa de computadora que aplica conocimiento e inferencias para resolver problemas que requieren de un experto humano, dicho de otra manera, es un programa de computadora interactivo que incorpora juicios (opiniones), experiencias, reglas de evaluación, intuición y otras habilidades para poder proveer asesoría inteligente sobre diversas tareas, mismas que resuelven problemas complejos empleando modelos de razonamiento humano, para llegar a soluciones idénticas a las que podría llegar un experto humano que se enfrentara al mismo problema. Los sistemas expertos proporcionan a los usuarios conclusiones técnicas sobre materias especializadas. Un problema clave en el desarrollo de sistemas expertos es encontrar la forma de representar y usar el conocimiento que los humanos expertos en esas materias poseen y usan, debido a que el conocimiento de los expertos es a menudo impreciso, dudoso o anecdótico. Lo anterior se concluye en el hecho de que es necesario utilizar sistemas basados en conocimiento experto, es decir un sistema experto, el cual en términos generales es usado para describir una amplia gama de sistemas de computación más avanzados como son: 

Sistemas interactivos de soporte a las decisiones.



Sistema de información ejecutiva.



Sistema de información para la administración.



Sistemas de soporte ejecutivo.

indice

16 | P á g i n a

La gente involucrada en el desarrollo de un sistema experto según (Arauz, 1998, p. 17) es: 

Experto del dominio, es una persona que posee las habilidades y el conocimiento necesario para solucionar un problema específico más eficientemente que la mayoría de las personas.



Ingeniero de conocimiento, es la persona que diseña, construye y prueba un sistema experto. El ingeniero debe buscar revelar los conceptos claves del problema y los métodos de solución del problema usados por el experto humano. En particular el ingeniero de conocimiento debe elegir la mejor técnica para representar el conocimiento y las estrategias de inferencia.



Usuario final, es el individuo quien eventualmente estará trabajando con el sistema. La aceptación final del sistema dependerá en gran medida del ajuste que presente el sistema a las necesidades del usuario final.

Los sistemas expertos son de gran utilidad para la resolución de problemas que se basan en el conocimiento. Las características principales de este tipo de problemas según (Gutiérrez, 2006, p. 16) son: 

Utilizan normas o estructuras que contengan conocimientos y experiencias de expertos especializados.



Se obtienen conclusiones a través de deducciones lógicas.



Contienen datos ambiguos.



Contienen datos afectados por factores de probabilidad.

Con base a lo anterior, en el ámbito de la IA se dice que un sistema experto debe cumplir con las siguientes características:  

Tener un amplio conocimiento específico del área de especialización  Aplicar técnicas de búsqueda  Tener soporte para análisis Heurístico  Poseer habilidad para inferir nuevos conocimientos ya existentes Tener la capacidad para procesar símbolos  Tener capacidad para explicar su propio razonamiento También es fundamental conocer la estructura básica de un sistema experto, la cual se puede observar en la siguiente figura:

indice

17 | P á g i n a

8. Estructura básica de un Sistema Experto.

De la imagen anterior se percibe que los procedimientos capaces de razonar se implementan dentro del motor de inferencias y por ende los conocimientos se almacenan en la base de conocimientos y hechos. Es necesario también contar con interfaces que permitan el acceso al sistema, tanto del experto humano que alimenta la base de conocimientos como del usuario del sistema experto que proporciona los hechos que determinan una utilización concreta del sistema experto. Según (Barceló, 2005, p. 26), El esquema anterior se conforma de los siguientes elementos:

indice

18 | P á g i n a

DESARROLLOS ACTUALES DE LA INTELIGENCIA ARTIFICIAL. 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.

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.

9. Reconocimiento de voz.

Las compañías que ofrecen servicios de reconocimiento de voz incluyen NICE, Nuance Communications, OpenText y Verint Systems.

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.

indice

19 | P á g i n a

10. Agentes virtuales.

Algunas de las compañías que proporcionan agentes virtuales incluyen Amazon, Apple, Soluciones Artificiales, Assist AI, Creative Virtual, Google, IBM, IPsoft, Microsoft y Satisfi.

Plataformas Machine Learning. Hoy en día, las computadoras pueden aprender fácilmente ¡y algunas son increíblemente inteligentes! 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.

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.

indice

20 | P á g i n a

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.

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.

Plataformas De Aprendizaje Profundo. 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.

Biométricas. Esta tecnología puede identificar, medir y analizar el comportamiento humano y los aspectos físicos de la estructura y de la forma del cuerpo.

indice

21 | P á g i n a

11. Biométricas.

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.

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.

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.

indice

22 | P á g i n a

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.

Gemelos Digitales/Modelos De IA. Un Digital Twin o gemelo digital es un constructor 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 VEERUM, en el espacio de capital para ejecución de proyectos; Akselos, utilizando para proteger infraestructuras críticas, y Supply Dynamics, que ha una solución SaaS para gestionar el abastecimiento de materia prima en fabricación complejos y alta distribución.

IA incluyen que lo está desarrollado entornos de

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 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. indice

23 | P á g i n a

DeepInstinct, otra empresa de defensa cibernética, es un proyecto de deep learning que ha sido denominado como la “startup más disruptiva" por la ceremonia de Nvidia en Silicon Valley; protege terminales, servidores y dispositivos móviles de las empresas.

Compliance (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. 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.

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.

indice

24 | P á g i n a

12. Asistencia al trabajador cognitivo.

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.

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. 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.

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.

indice

25 | P á g i n a

13. Redes Peer-to-Peer.

Nano Vision, una 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.

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.

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.

indice

26 | P á g i n a

14. Reconocimiento de Imagen.

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 artificia l para desatar y potencializar el valor de las imágenes y de los videos que diariamente son producidos y subidos a internet.

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”. 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!

indice

27 | P á g i n a

MODELOS DE AGENTES INTELIGENTES. La Inteligencia Artificial tiene como objetivo el estudio de las entidades inteligentes; pero a diferencia de la filosofía, la psicología, las neurociencias, y demás disciplinas cuyo objeto de estudio está relacionado con la inteligencia, su meta no tiene que ver únicamente con la comprensión de estas entidades, sino con su construcción. La construcción de agentes racionales como concepto unificador dentro de la Inteligencia Artificial, constituye el curiosamente llamado, nuevo enfoque de la Inteligencia Artificial.

15. Modelo de Agentes Inteligentes.

En el contexto de la computación, el concepto de agente se consolida como una solución a las demandas actuales: ubicuidad, interconexión, inteligencia, delegación y homocentrismo. Esto es, en entornos como el que se muestra en la siguiente figura 16, donde tenemos una diversidad de dispositivos de cómputo distribuidos en nuestro entorno e interconectados, los agentes inteligentes emergen como la herramienta para delegar adecuadamente nuestro trabajo y abordar esta problemática desde una perspectiva más familiar para usuarios, programadores y diseñadores. Franklin y Graesser argumentan que todas las definiciones del término agente en el contexto de la Inteligencia Artificial, se basan en alguna de estas dos acepciones históricas. Una definición consensual de agente puede ser:

16. Usuario de dispositivos electrónicos.

indice

28 | P á g i n a

Un agente es un sistema computacional capaz de actuar de manera autónoma para satisfacer sus objetivos y metas, mientras se encuentra situado persistentemente en su medio ambiente. Esta definición que puede parecer demasiado general, provee una abstracción del concepto de agente basada en su presencia e interacción con el medio ambiente. Russell y Subramanian encuentran que esta abstracción presenta al menos tres ventajas: 1. Nos permite observar las facultades cognitivas de los agentes al servicio de encontrar cómo hacer lo correcto. 2. Permite considerar diferentes tipos de agente, incluyendo aquellos que no se supone tengan 17. Interacción del agente inteligente. tales facultades cognitivas. 3. Permite considerar diferentes especificaciones sobre los sub-sistemas que componen los agentes. El origen por el cual la tecnología de los agentes inteligentes surge es por la necesidad de aplicarlos a los sistemas complejos, donde la aplicación de las técnicas existentes ha fracasado o es muy difícil de comprender o mantener. En muchos de los casos, los agentes no son desarrollados de forma independiente sino como entidades que constituyen un sistema. A un sistema que tiene varios agentes inteligentes se le llama sistema multiagente (Huhns 1998). Los agentes en este tipo de sistemas deben interactuar entre ellos. Las interacciones más habituales son informar o consular otros agentes y esto les permite a los agentes “hablar” entre ellos, saber qué hace cada uno de ellos y razonar sobre el papel que juega cada uno en el sistema. La comunicación entre agentes se realiza por medio del lenguaje ACL Agent Communication Lenguaje.

¿Cómo Se Caracteriza Un Agente? Un agente va a venir caracterizado por una serie de calificativos, los cuales vienen a denotar ciertas propiedades a cumplir por el agente. Esto lleva a plantear otra definición bastante aceptada de agente donde se emplean tres calificativos que, según, el autor se consideran básicos. Esta definición ve a un agente como un sistema de computación capaz de actuar de forma autónoma y flexible en un entorno Figura 1. Visión esquemática de un Agente Inteligente [Wooldridge 1995], entendiendo por flexible que sea:  

Reactivo. El agente es capaz de responder a cambios en el entorno en que se encuentra situado. Pro-activo, a su vez el agente debe ser capaz de intentar cumplir sus propios planes u objetivos.

indice

29 | P á g i n a



Social, debe de poder comunicarse con otros agentes mediante algún tipo de lenguaje de comunicación de agentes.

A continuación se presentan algunas de las características que en la literatura se suelen atribuir a los agentes en mayor o menor grado para resolver problemas particulares y que han sido descritos por autores tales como Franklin y Graesser:  

       

Continuidad Temporal: se considera un agente un proceso sin fin, ejecutándose continuamente y desarrollando su función. Autonomía: un agente es completamente autónomo si es capaz de actuar basándose en su experiencia. El agente es capaz de adaptarse aunque el entorno cambie severamente. Por otra parte, una definición menos estricta de autonomía sería cuando el agente percibe el entorno. Sociabilidad: este atributo permite a un agente comunicar con otros agentes o incluso con otras entidades. Racionalidad: el agente siempre realiza «lo correcto» a partir de los datos que percibe del entorno. Reactividad: un agente actúa como resultado de cambios en su entorno. En este caso, un agente percibe el entorno y esos cambios dirigen el comportamiento del agente. Pro-actividad: un agente es pro-activo cuando es capaz de controlar sus propios objetivos a pesar de cambios en el entorno. Adaptabilidad: está relacionado con el aprendizaje que un agente es capaz de realizar y si puede cambiar su comportamiento basándose en ese aprendizaje. Movilidad: capacidad de un agente de trasladarse a través de una red telemática. Veracidad: asunción de que un agente no comunica información falsa a propósito. Benevolencia: asunción de que un agente está dispuesto a ayudar a otros agentes si esto no entra en conflicto con sus propios objetivos.

FUNCIONES BÁSICAS DE LA TECNOLOGÍA DE AGENTES. 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 desarrollador. 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.

indice

30 | P á g i n a

18. Funciones básicas de la Tecnología de Agentes.

Construcción Básica De 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.

19. Construcción básica de los Agentes Inteligentes.

«Los agentes constituyen el próximo avance más significativo en el desarrollo de sistemas y pueden ser considerados como la nueva revolución en el software».

indice

31 | P á g i n a

Bibliografía. Aguerra.

(s.f.).

UV.

Obtenido

de

AGENTES

INTELIGENTES:

https://www.uv.mx/aguerra/documents/2013-ia2-01.pdf John E. Hopcroft, R. M. (2007). Introducción a la teoría de autómatas, lenguajes y computación. Madrid: PEARSON EDUCACIÓN S.A., Addison Wesley. SGMA.

(s.f.).

Inteligencia

Artificial.

Obtenido

de

http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/219/A 7.pdf Takeyas, I. B. (22 de Agosto de 2005). INSTITUTO TECNOLOGICO DE NUEVO LAREDO. Obtenido

de

Ingeniería

en

Sistemas

Computacionales:

http://www.itnuevolaredo.edu.mx/takeyas/Apuntes/Inteligencia%20Artificial/Apunt es/tareas_alumnos/Agentes_Inteligentes/Agentes_Inteligentes(2005-II).pdf Viana, I. J. (07 de Septiembre de 2016). Diferentes Enfoques de La IA. Obtenido de https://es.scribd.com/document/323211498/Diferentes-Enfoques-de-La-IA

indice

32 | P á g i n a