You are on page 1of 33

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 Redes
Neuronales
Natural

Reconoci-
miento de
Inteligencia Sistemas
Expertos
patrones Artificial
Represen-
tacion del Algoritmos
Conocimie Geneticos
nto 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 IA incluyen
VEERUM, en el espacio de capital para ejecución de proyectos; Akselos, que lo está
utilizando para proteger infraestructuras críticas, y Supply Dynamics, que ha desarrollado
una solución SaaS para gestionar el abastecimiento de materia prima en entornos de
fabricación complejos y alta distribución.

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
tales facultades cognitivas. 17. Interacción del agente inteligente.
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