Академический Документы
Профессиональный Документы
Культура Документы
Resumen.
.2
Introduccin
3
Desarrollo
3
El test de
Turing4
Tipos/niveles de inteligencia
artificial..6
Machine
learning...7
Discusin y
resultados...9
1
Conclusin.1
1
Lecturas
recomendadas.12
Bibliografa...1
2
Resumen
En el mbito de las ciencias de la computacin se denomina como inteligencia
artificial a la facultad de razonamiento que ostenta un agente que no est vivo, tal es
el caso de un robot, por citar uno de los ejemplos ms populares, y que le fue
conferida gracias al diseo y desarrollo de diversos procesos gestados por los seres
humanos. Cabe destacarse que adems del poder de razonar, estos dispositivos son
capaces de desarrollar muchas conductas y actividades especialmente humanas
como puede ser resolver un problema dado, practicar un deporte, entre otros.
El concepto de Inteligencia Artificial, tambin conocido por las siglas AI, se le debe al
informtico estadounidense John McCarthy, quien en el ao 1956 lo pronunci por
primera vez en una conferencia causando un gran impacto en el mbito de la
tecnologa. A partir de ese entonces, el concepto se disemin fantsticamente por el
mundo y por ello hoy es tan comn su uso cuando queremos referirnos a aquellas
mquinas o aparatos dotados de una inteligencia smil a la de los seres humanos.
McCarthy adems del concepto aport muchsimos conocimientos de vanguardia al
campo de la inteligencia artificial.
Ahora bien, es importante destacar que nos podremos encontrar con diversos tipos
de inteligencia artificial, como ser: sistemas que piensan como los seres humanos
2
(se ocupan de imitar el pensamiento humano, siendo un ejemplo las redes
neuronales artificiales, que justamente imitan el funcionamiento del sistema
nervioso), sistemas que actan como los humanos (son aquellos que imitan el
comportamiento del hombre, el ejemplo ms claro es el del robot), sistemas que
piensan de modo racional (se caracterizan por imitar el pensamiento lgico de los
humanos, es decir, en una cuestin concreta razonan como expertos. Se los emplea
especialmente a la hora de buscar mejoras en la calidad y en la rapidez de un
servicio) y sistemas que actan de manera racional (imitan de manera racional el
comportamiento de una persona, siendo capaces de percibir el entorno y actuar en
consecuencia).
Introduccin
En este trabajo prctico se hablar de la inteligencia artificial, un tema que siempre
se actualiza y evoluciona a travs de los aos, el cual se basa en el estudio de las
ciencias de la computacin focalizado en la inteligencia exhibida por mquinas. A lo
largo del Trabajo Practico se estudiarn, detallaran y analizaran las etapas por las
que ha ido transitando la inteligencia artificial, desde que Alan Turing comenz a
idear su concepcin y hasta los descabellados avances que se han logrado y que se
seguirn logrando en la actualidad. Adems de ello, iremos abordando ejemplos de
la inteligencia artificial aplicada y de otros subcampos de estudio interesantes que
han ido apareciendo en el rea de la computacin relacionados con el tema, como es
el caso del machine learning.
Desarrollo
3
Para el desarrollo podemos empezar por el punto de partida cronolgico sobre el
tema , la Inteligencia Artificial surge definitivamente a partir de algunos trabajos
publicados en la dcada de 1940 que no tuvieron gran repercusin, pero a partir del
influyente trabajo en 1950 de Alan Turing, matemtico britnico, se abre una nueva
disciplina de las ciencias de la informacin.
Si bien las ideas fundamentales se remontan a la lgica y algoritmos de los griegos, y
a las matemticas de los rabes, varios siglos antes de Cristo, el concepto de
obtener razonamiento artificial aparece en el siglo XIV. A finales del siglo XIX se
obtienen lgicas formales suficientemente poderosas y a mediados del siglo XX, se
obtienen mquinas capaces de hacer uso de tales lgicas y algoritmos de solucin.
En su histrico artculo de 1950, Turing propuso que la pregunta puede pensar
una mquina? era demasiado filosfica para tener valor y, para hacerlo ms
concreto, propuso un juego de imitacin. En la prueba de Turing intervienen dos
personas y una computadora. Una persona, el interrogador, se sienta en una sala y
teclea preguntas en la terminal de una computadora. Cuando aparecen las
respuestas en la terminal, el interrogador intenta determinar si fueron hechas por otra
persona o por una computadora. Si acta de manera inteligente, segn Turing es
inteligente. Turing, seal que una mquina podra fracasar y an ser inteligente.
Aun as, crea que las mquinas podran superar la prueba a finales del siglo XX.
De todas maneras, esta prueba no tuvo el valor prctico que se esperaba, aunque
sus repercusiones tericas son fundamentales. El enfoque de Turing de ver a la
inteligencia artificial como una imitacin del comportamiento humano no fue tan
prctico a lo largo del tiempo y el enfoque dominante ha sido el del comportamiento
racional, de manera similar, en el campo de la aeronutica se dej de lado el enfoque
de tratar de imitar a los pjaros y se tom el enfoque de comprender las reglas
de aerodinmica. Aunque desde luego, el enfoque del comportamiento humano y el
del pensamiento humano siguen siendo estudiados por las ciencias cognitivas y
continan aportando interesantes resultados a la Inteligencia Artificial, y viceversa.
4
La variante introducida por Turing consiste en sustituir a uno de los interrogados por
un ordenador. Se pueden dar dos casos, que se sustituya al hombre, con lo cual slo
el ordenador tendra que aparentar ser una mujer, o que se sustituya a la mujer, con
lo cual tanto el hombre como el ordenador estaran imitando. Aunque esta ltima
opcin podra ser un experimento interesante, no se intenta comprobar la habilidad
de imitar a una mujer, as Turing cambia el objetivo de conocer el sexo por el de
reconocer la mquina. La finalidad de estos cambios es hacer el juego lo ms justo
posible. Lo primero, es que no tiene que consistir en un concurso de engaos, por lo
que uno de los implicados no tendra por qu aparentar ser otra cosa. Otro detalle es
que a Turing poco le importa si el ordenador emplea trucos preestablecidos para
eludir o manipular las respuestas (por ejemplo, equivocndose en preguntas
aritmticas o tardando ms tiempo del necesario en responderlas). Supone que el
interrogador tambin les emplear para reconocerle, as que lo importante es lo que
resulta del juego, no los mtodos que se emplean para jugar ni los mecanismos
internos de razonamiento, que, entre otras cosas, tambin son desconocidos en el
ser humano.
Objeciones:
Nada ms aparecer el Test de Turing, tambin salen a la luz las primeras crticas. La
mayora de ellas estaban basadas en temas ticos y religiosos, y muchas de las
posiciones ms crticas venan de personas que consideraban que el ser humano era
muy especial y que ninguna mquina podra ni siquiera acercarse a las capacidades
de este.
5
Una de las primeras objeciones es matemtica. El teorema de Gdel afirma que en
un sistema lgico con la suficiente potencia se pueden crear frases que no pueden
ser ni probadas ni refutadas dentro de l. Sin embargo, Turing afirma que de los
errores o confusiones tampoco est libre la mente humana, y esto merma la
capacidad intelectual.
Otra dificultad es la falta de conciencia. Se afirmaba que para que una mquina fuera
mentalmente activa debera tener conciencia, tanto de s misma como de los dems,
y generar sentimientos positivos o negativos sobre la informacin que le llega o las
acciones que realiza. El solipsismo es una radicalizacin de esta idea, que sostiene
que la nica manera de saber si una mquina piensa es ser esa mquina. El
problema es que, siguiendo esta idea, la nica manera de saber si otro ser humano
piensa es ser ese ser humano, lo que se conoce como el problema de las otras
mentes. Turing afirma que, si entre los seres humanos se considera polticamente
correcto obviar el solipsismo, tambin debera hacerse con las mquinas. Y cmo la
nica forma de resolver el problema de la falta de conciencia es el solipsismo, lo ms
adecuado es que tampoco se considere.
Con la objecin de Lady Lovelace se quiere mostrar la idea de que las mquinas
nunca podran generar nada nuevo, sorprendente o distinto. Como dice Turing (y
como cualquiera que haya utilizado, por ejemplo, un programa de clculo estructural
o simplemente conocidos sistemas operativos de ventanas, podra ratificar), el
ordenador, siendo una mquina, puede sorprender continuamente. Aunque esto no
puede considerarse como un proceso mental creativo, puede que la creatividad se
realice en la mente del observador, y no en el generador. Por ejemplo, tanto puede
sorprender un libro como una persona o un coche.
6
El artculo de Turing recoge muchos comentarios audaces sobre las posibilidades de
la inteligencia de las mquinas, que en aquel momento muchas parecan de ciencia
ficcin. Turing crea a los computadores capaces de desarrollar tareas humanas y de
un modo humano, que las dificultades de disear mquinas pensantes eran
principalmente de programacin y que las "proezas" que l esperaba de las
mquinas seran realizables en un futuro previsible (como ajustar su propio programa
o predecir el efecto de alteraciones en su propia estructura).
Lo que en 1950, en trminos de velocidad y capacidad en ordenadores era
inimaginable, es ahora realidad. Sin embargo, las predicciones de Turing sobre
mquinas y el Juego de Imitacin, son todava un desafo (Turing pens que en unos
50 aos habra mquinas que "jugaran" tan bien al Juego de Imitacin que un
interrogador no tendra una probabilidad mayor al 70 % de realizar la adecuada
identificacin tras cinco minutos de cuestiones)
7
Machine learning:
A grandes rasgos podramos decir que el Machine Learning o aprendizaje
automtico es un tipo de Inteligencia Artificial dirigido al desarrollo de tcnicas para
que las mquinas puedan aprender y tomar decisiones por s mismas.
Este aprendizaje es posible gracias a la deteccin de patrones dentro de un conjunto
de datos de manera que es el propio programa el que predice qu situaciones
podran darse o no. Estos clculos son los que les permiten aprender para,
finalmente, generar decisiones y resultados fiables.
En pocas palabras, podra afirmarse que su impacto est siendo y ser enorme. A
corto plazo lo ms probable es que el Machine Learning se siga empleando como
una solucin adquirida. Sin embargo, a largo plazo ser muy posible encontrar
mtodos de Machine Learning diseados a medida segn las necesidades de cada
empresa.
Existen ciertos sectores en los que el Machine Learning resulta clave para la toma de
decisiones. En el mbito quirrgico, por ejemplo, resultara de gran utilidad a la hora
de decidir si es conveniente llevar a cabo una operacin partiendo de la tasa de xito
y de las caractersticas personales de pacientes anteriores. En el campo de los
negocios sus aplicaciones son de lo ms diversas permitiendo desde establecer en
qu fechas es mejor subir o bajar los precios de acuerdo a la demanda.
8
Aplicaciones del Machine Learning
9
El Machine Learning resulta especialmente efectivo en problemas de naturaleza
compleja en los que la aplicacin de algoritmos ayuda a la obtencin de soluciones
precisas y, claro est, con el consecuente ahorro de tiempo que este mtodo implica.
10
mejor se ajusta a un determinado
problema.
La unidad bsica de la red neuronal: el perceptrn. Las entradas son las dos notas, n1 y n2, cada
una con su correspondiente peso wn (lo que hay que encontrar). La salida, nf, ser 1 si est
aprobado y 0 si se va a septiembre.
Cmo usamos una red neuronal para saber cunto vale cada
examen? Aqu nos bastar con la unidad fundamental de la red
neuronal: el perceptrn. Un perceptrn es un elemento que
11
tiene varias entradas con un cierto peso cada una. Si la suma
de esas entradas por cada peso es mayor que un determinado
nmero, la salida del perceptrn es un uno. Si es menor, la
salida es un cero.
12
entrada) o queriendo sacar ms resultados, como pueda ser un
perceptrn cuya salida sea uno si el alumno tiene matrcula de
honor.
13
o no, y contar eso en el perceptrn de salida. Una posiblidad
sera una red como la siguiente:
14
capas ocultas aprendiesen a detectar trazos rectos o curvados
que sirvan para decidir si estamos ante un uno o un ocho, por
ejemplo.
En rojo, la funcin "escaln". En azul, la sigmoide, una aproximacin ms suave pero con la
misma idea.
15
de vista visual y matemtico cmo afectan las multiples capas y
unidades al funcionamiento de la red neuronal.
16
grupos, por lo que podemos repetir esa estructura y reducir los
ajustes que tenemos que hacer.
17
Una nueva poca dorada para redes
neuronales?
18
Reconocimiento de nmeros, de voz,
de objetos en imgenes... las redes
neuronales estn empezando a
resolver problemas que se le
escapaban a los ordenadores.
19
Por supuesto, estas redes tampoco son la panacea. A modo
de curiosidad, unos investigadores usaron una red neuronal
para generar imgenes que engaaban a otra red neuronal
diseada para reconocer objetos. As, lo que a nosotros nos
parece una imagen aleatoria, para la red neuronal es un bikini o
un armadillo. Es parte del problema del sobreajuste: redes que
se comportan muy bien para los datos de ejemplo o parecidos,
pero que con datos muy distintos dan resultados absurdos.
20
un clasificador bayesiano ingenuo. Este algoritmo es la
aplicacin de un teorema probabilstico, el Teorema de Bayes,
que para los propsitos de este artculo no nos interesa
demasiado. Este clasificador, como su nombre indica, lo que
hace es clasificar. Obviedades aparte, lo podemos usar para
clasificar un correo electrnico como spam o como "no spam".
21
esa misma idea: van ajustando poco a poco los pesos de sus
"neuronas" hasta que sale lo que se espera.
22
Por desgracia, no todo es perfecto, y el aprendizaje automtico
no es siempre tan directo como "pasar unos datos, que aprenda
y ya". Es, de hecho, ms arte que ciencia. El principal problema
que uno se puede encontrar es el del sobreajuste: un sistema
que funciona perfectamente con los datos de ejemplo pero que
funciona terriblemente mal con otros datos. Por ejemplo,
nuestro clasificador antispam podra tener un problema para
funcionar en el mundo real si lo entrenamos con los correos de
un comercial de Viagra. Otros casos son todava ms curiosos,
como por ejemplo las redes neuronales que clasifican imgenes
abstractas como si fueran un bikini o un mando de televisin.
23
Creando conocimiento nuevo: deduccin y
razonamiento
Aprender est muy bien, pero no podemos dejar de lado algo
muy interesante: razonar y hacer deducciones para aadir ms
conocimientos al sistema. La primera opcin es usar la
lgica. Hay hasta varios lenguajes de programacin dedicados
a ello. El ms conocido es Prolog, con un paradigma muy
distinto al de lenguajes ms habituales.
24
nos sirve de nada razonar si no tenemos nada sobre qu
hacerlo. Hay que crear esa base, y puede no ser fcil. Por un
lado, es complicado enumerar todas las reglas y relaciones de
un campo en concreto. Por otro, puede ser difcil escribirlo
formalmente y ordenarlo para que un ordenador lo
entienda. Pensadlo: serais capaces de expresar sin lugar a
dudas todo lo que sabis?
25
En la prctica, no hay
una temperatura en la que de repente deja de hacer calor y se est templado. La lgica difusa
nos permite trabajar con estos conceptos imprecisos, como "hace fro".
26
Aunque podis pensar que os estoy tomando el pelo, en
realidad esto es muy til porque refleja bien nuestro
razonamiento humano. Por ejemplo, si est lloviendo un poco
ms que cuatro gotas pero hace mucho calor, nuestro asistente
nos dira que no llevemos nada: como hace mucho calor, la
opcin "llevar abrigo" pierde puntos, por as decirlo, y a pesar
de que llueva algo la recomendacin sera no llevar abrigo.
27
Cuando el ordenador habla tu idioma:
procesamiento de lenguaje
28
que un sistema nos entienda incluso las frases que "oye" o "lee"
por primera vez.
29
Este es el mundo virtual
de SHRDLU, que entiende el lenguaje natural. As, es capaz de mover objetos o apilarlos unos
sobre otros en base a lo que le pidas, o responderte preguntas como "Dnde est el cubo
verde?".
30
rpido posible. Para ello, Watson usa varias tcnicas para
entender la pregunta y otras tantas para buscar la respuesta en
su base de datos. Si varias tcnicas proporcionan la misma
respuesta, el sistema la da por buena. Es un enfoque
pragmtico: como es difcil simular la mente humana, es mejor
usar varias tcnicas distintas que, aunque no sean "inteligentes"
y no entiendan realmente lo que se pregunta, s sean capaces
de dar respuestas y no sean tan complejas de programar.
31
Juntando los bloques y creando
"inteligencia"
32
un nivel ms alto, que requiere las tcnicas lgicas de
deduccin.
33
Por supuesto, aqu no est todo lo que existe o hace falta para
crear "inteligencia", pero s que hemos logrado ver, a grandes
rasgos, qu es lo que se est haciendo para avanzar en ese
camino hacia la imitacin de la inteligencia humana.
34
almacenados en libreras de todo el mundo. Para la segunda fase del proceso de
bsqueda, Google pone en marcha sus programas y frmulas para ofrecer el mejor
resultado posible en el momento en el que el usuario escribe sus caracteres de
bsqueda. A travs de algoritmos, la compaa de Mountain View intenta "entender
mejor" lo que el usuario pretende buscar. Estos algoritmos realizan distintas tareas
entre las que se encuentran: deletrear la bsqueda, autocompletarla, buscar
sinnimos, buscar y entender las preguntas realizadas. Basndose en estas pistas
dadas por los algoritmos, el buscador extrae los documentos relevantes de aquellos
indexados ordenando los resultados usando hasta 200 factores. Estos algoritmos se
encuentran en continuo cambio a travs del equipo del Laboratorio de Bsqueda que
pretende mejorar los sistemas de bsqueda mediante la aplicacin de nuevos
algoritmos evaluados por los ingenieros de la compaa. Tras la bsqueda realizada
por el algoritmo, se pueden encontrar diversos resultados: grficos de conocimiento,
vistas previas, noticias, respuestas a consultas online, vdeos, imgenes... En las
pginas de resultados tambin se encuentran herramientas como las bsquedas por
voz, las bsquedas avanzadas o las mejoras diseadas para los dispositivos mviles.
Durante la tercera fase, Google lucha contra el contenido que no interesa.
"Luchamos contra el spam 24/7 para mantener sus resultados relevantes", se lee en
el grfico. Pese a que la mayor parte del spam se elimina automticamente, el
equipo de Google tambin examina otros documentos susceptibles de formar parte
de este fenmeno a mano. As, en el momento en el que detectan una pgina de
cualquier tipo de spammer es eliminada de forma manual. En el momento en el que
se toma la accin, se notifica la decisin a los propietarios del 'site' para darles la
oportunidad de arreglar el fallo detectado y notificarlo al equipo de Mountain View.
Desde que en diciembre de 2011 se ampli el concepto de spam a todas sus
categoras, se experiment un aumento en la deteccin de este tipo de pginas
llegando a detectarse en junio de 2012 hasta 655.274 webs fraudulentas. Los ltimos
datos publicados, corresponden al pasado mes de septiembre donde se notificaron
fallos a 398.473 webs.
AutoDraw
Otra herramienta de Google para destacar es un aplicativo web que ha lanzado hace
poco llamado AutoDraw, una herramienta dirigida a personas que no saben dibujar.
Esta plataforma, a la que se puede acceder desde el navegador o descargando
la aplicacin sin cargos adicionales, cuenta con un lpiz inteligente, identifica los
trazos que dibuja el usuario y automticamente te propone dibujos prediseados y
mejorados.
Para esto, emplea la inteligencia artificial que puede leer los grficos que realiza el
usuario. Con esa informacin, recurre a un banco de imgenes desarrolladas por
diferentes artistas y ofrece alternativas para que el dibujante elija la que desee.
35
Adems de esta funcin, se pueden hacer posters, libros de colorear o incluso jugar
al tres en raya.
Una vez que se cuenta con el trabajo terminado, se puede compartir esa creacin en
las redes sociales o bien descargar el archivo al telfono, tablet o computadora.
https://www.youtube.com/watch?v=VwRbvVrUXTc
Vehculos autnomos
36
Por ejemplo, desde hace un tiempo hay unos pequeos vehculos en las
fbricas que se encargan de transportar determinadas piezas de un lugar a
otro. Estos funcionan solos, comnmente guiados por sensores situados en
el pavimento de la fbrica. No se trata de un simple ral por el cual estos
robots se mueven, sino que dentro de los limites tienen una libertad casi
completa y a pesar de esto no se produce choques entre ellos, debido a
otros sensores que llevan y que detectan si en su camino hay algn
obstculo, ya sea otro vehculo o una persona. Y en caso de que as sea, se
paran.
37
obtener la posicin del coche con una precisin de 30 centmetros.
Este sistema ser, como lo es hoy en da para muchos de los
conductores, el que indique al coche por donde tiene que ir para llegar
a su destino.
Radares: el coche tambin lleva incorporado una serie de radares los
cuales estn situados en diferentes posiciones estrategias por el
exterior del vehculo, lo normal es que estn situadas en el frontal del
vehculo. Estos radares tienen como objetivo detectar obstculos que
pueda haber en el trayecto del coche, los cuales son detectados
estando a cien metros o ms del vehculo.
Cmaras: situada en la parte superior de la luna delantera del coche
hay una serie de cmaras pticas que se encargan de identificar las
seales de trficos y las marcas que hay en la carretera.
Lidar: es un radar que est situado en la parte ms alta del coche y
que tiene va girando a diez revoluciones por minuto. Su alcance es de
100 metros y tiene como objetivo el de dibujar el entorno en el que se
encuentra el coche. Cmo funciona? Se manda un haz laser que
despus de rebotar procesa la informacin la cual ser interpretada
por los procesadores.
Procesamiento: toda la informacin captada por los anteriores
elementos han de ser procesados de forma rpida, para obtener una
respuesta rpida que permita al coche realizar la accin en el menor
tiempo posible. Segn algunos estudios el tiempo de reaccin media
de algunas personas para accionar los frenos es de algo menos de
dos segundos, mientras que el de un vehculo autnomo es de tan
solo 3 dcimas de segundo. Todo ello gracias a la capacidad de
procesamiento que llevan estos vehculos en su interior con unos siete
procesadores de doble ncleo cifra que sube hasta 17 en algunos
casos.
El futuro con estos vehculos
El futuro se presenta prometedor y muy interesante. Las pruebas que se han
realizado en entornos reales parece no haber ido demasiado mal y el
desarrollo sigue, y seguir durante mucho tiempo ya que las investigaciones
que se tienen que realizar son muchas. Pero no hablamos de coches que
van por las carreteras ms lentos que un dos caballos por una autopista. Se
38
ha visto que en determinadas situaciones un coche autnomo puede ir
rpido. Para muestra el siguiente vdeo con el coche de Google.
1. Agricultura
39
Simplificar y acelerar la toma de decisin ms importante de negocio de cualquier
productor o ingeniero agrnomo: cundo es el mejor momento para sembrar y
cosechar, o incluso, qu insumos utilizar? Ya existen plataformas especficas para
agroindustria en el mercado que se utilizan de base de datos diversos sobre el tipo
de suelo, semillas y clima para analizar y sugerir el mejor camino a seguir.
2. Logstica y Transporte
En la ciudad de Mountain View, es comn ver coches autnomos recorriendo las
calles cada da. Es muy probable que en los prximos cinco aos sea normal
encontrar miles de estos vehculos circulando en todo el mundo. Adems, trenes,
camiones y otros medios de transporte tambin pueden ser conducidos por robots.
3. Salud y Biotecnologa
En el segmento de salud, la Inteligencia Artificial ayuda a mdicos y pacientes a
tener un diagnstico ms rpido y preciso. Uno de los aspectos ms destacados
es la deteccin del cncer mediante muestras de sangre en los pacientes. El material
recolectado tiene una enorme cantidad de datos que necesitan ser analizados para
encontrar ciertos patrones. La tcnica ayuda a identificar los factores genticos que
podran conducir al desarrollo o no de una enfermedad.
4. Retail
Para hacer pronsticos de ventas y elegir el producto adecuado para recomendarse
a un cliente en particular, son algunas de las capacidades que la IA puede ofrecer
hoy en da. Empresas como Amazon, utilizan robots para identificar si un libro tendr
o no xito, inclusive antes de su lanzamiento. Otra excelente aplicacin para el sector
minorista (y otras industrias) es la optimizacin de inventario, donde la IA puede
ayudar a las empresas a prever ingresos y determinar cunto de un insumo debe
adquirirse.
5. Educacin
Permite la creacin de diferentes tipos de servicios, como saber si un estudiante est
a punto de cancelar su registro o retirarse de un curso, sugerir nuevos cursos para
un estudiante, o incluso, crear ofertas personalizadas para optimizar el
aprendizaje y fomentar la educacin.
6. Servicios Financieros
Las tecnologas inteligentes pueden ayudar a las instituciones financieras a
reconocer los riesgos que un cliente puede representar y hasta predecir patrones
del mercado y sus consecuencias, as como recomendacin de operaciones; todo
ejecutado de forma automtica para tener respuestas y anlisis listos para los
funcionarios.
40
8. Asistentes personales virtuales
Todos nosotros somos o seremos afectados por asistentes personales. En los
prximos aos los bancos tendrn empleados digitales ayudndonos a realizar
algunas operaciones y adems, para responder a nuestras preguntas, agilizando as
la atencin al pblico. Con este mismo tipo de apoyo virtual tambin ser
posible organizar mejor los viajes de vacaciones, por ejemplo, planeando y
programando los detalles, tales como vuelos, hoteles y traslados.
http://mundocontact.com/8-aplicaciones-practicas-en-inteligencia-artificial/
Discusin y resultados
Hay varios temas discutibles que giran en torno al concepto de inteligencia artificial
que tienen en vilo a muchos cientficos, expertos de la computacin, socilogos,
psiclogos y dems, ellos son:
Se considera que los nicos sectores libres de este auge son los que requieren de
mayor trabajo manual, como los jardineros, pintores o nieras; de esfuerzo humano
distante como editores, entrenadores o coordinadores; y finalmente las posiciones
directivas ms altas.El resto ser sustituido por la automatizacin, sentencia.
Entretanto Mike Roberts, pionero de internet, cree que "la situacin se complica,
adems, por el fracaso total de los economistas para encontrar cualquier sistema
sostenible alternativo a nuestro moderno modelo consumista y para acabar con la
nocin de que slo se puede cobrar un precio justo por un da de trabajo justo.
41
2. Habr mayor desigualdad
El 52% del informe considera que la tecnologa no destruir empleos, sino que crear
ms de los que podr destruir. Las ocupaciones cambiarn, como cambian a diario, y
as se descubrirn nuevos nichos de empleo. Otros, algo ms escpticos, creen que
la tecnologa no se desarrollar tan velozamente como para preocuparnos por
nuestros empleos en la prxima dcada. Algunos de los argumentos a favor de la
postura son:
Alguien tiene que crear y mantener todos estos nuevos dispositivos, indica uno de
los "padres" del internet, Vint Cerf. Histricamente, la tecnologa ha creado ms
trabajos de los que ha destruido y no hay razn para pensar que esta vez no va a
ocurrir lo mismo, sentencia.
Entretanto, el experimentado investigador de Microsoft, Jonathan Grudin explica
que cuando la poblacin del mundo era de 100 millones de personas haba 100
millones de trabajos y aunque siempre va a haber gente en paro, cuando seamos
miles de millones de personas habr miles de millones de trabajos. No va a haber
42
menos cosas que hacer. Si bien los robots pueden acabar con los trabajos en
algn sector, alguien deber desarrollar los propios robots, lo que implica un gran
nicho laboral para el futuro, cualificado y no cualificado.
43
4. Las estructuras legales y sociales reducirn el impacto de
la automatizacin
Conclusion:
Para concluir con el desarrollo de este trabajo y como opinin personal del tema
expongo que a mi parecer, el tema ha sido bastante desviado de su ncleo central,
creo que el anlisis que se ha estado haciendo sobre un posible ataque de las
maquinas hacia los humanos y dems, ha sido viciado por miles de novelas literarias
y pelculas sobre el tema, donde las maquinas nos toman como sus rehenes de su
deseo de dominarnos y someternos a un castigo o exterminio de la raza humana.
Creo que la inteligencia artificial hace de cierta forma nuestra vida ms sencilla en
aspectos que antes no lo eran y que la gente que defiende la eliminacin de las
nuevas tecnologas tiene cierto pensamiento retrogrado y negacin a los cambios.
Es innegable que la tecnologa y la maquinaria en estos tiempos estn muy
presentes en las sociedades actuales y a mi manera de ver las cosas esas
herramientas deben ser correctamente utilizadas en manos de quienes tienen la
posibilidad de obtenerlas.
Por ello no se debe culpar a las herramientas tecnolgicas de los cambios que
tambin producen desenlaces no satisfactorios, sino que habra que analizar ms de
fondo a quienes las utilizan , con qu responsabilidad y conciencia.
Lecturas recomendadas:
http://www.bbc.com/mundo/noticias/2015/07/150731_tecnologia_vert_fut_prueba_turi
ng_lv
http://www.muyinteresante.es/tecnologia/articulo/ventajas-y-riesgos-de-la-
inteligencia-artificial-651449483429
Bibliografa
44
http://matap.dmae.upm.es/cienciaficcion/DIVULGACION/3/TestTuring.html
http://www.intelygenz.es/que-es-machine-learning-y-que-aplicaciones-tiene-dia-a-dia/
https://blogs.iadb.org/trabajo/2015/10/15/maquinas-frente-a-humanos-donde-esta-el-
limite/
https://www.bbvaopenmind.com/alan-turing-y-el-sueno-de-la-inteligencia-artificial/
http://www.bbc.com/mundo/noticias/2012/06/120621_turing_inteligencia_artificial_lp.s
html
https://www.wikipedia.org/
http://www.20minutos.es/noticia/1751329/0/google/algoritmo/buscador/#xtor=AD-
15&xts=467263
https://hipertextual.com/2011/10/inteligencia-artificial-vehiculos-autonomos
http://mundocontact.com/8-aplicaciones-practicas-en-inteligencia-artificial/
https://www.xataka.com/robotica-e-ia/las-redes-neuronales-que-son-y-por-que-estan-
volviendo
https://www.xataka.com/robotica-e-ia/estos-son-los-tipos-de-algoritmos-clave-en-la-
busqueda-de-la-inteligencia-artificial
45