Página principal

Tecnologías de inteligencia artificial en la empresa Visión general de la inteligencia artificial


Descargar 40.9 Kb.
Fecha de conversión18.07.2016
Tamaño40.9 Kb.

Instituto Profesional La Araucana

Contador Auditor



Apuntes de Sistemas de Información II: I parte


Tecnologías de inteligencia artificial en la empresa
Visión general de la inteligencia artificial
La inteligencia artificial se está abriendo paso de nuevo hacia la corriente principal de la tecnología corporativa, esta vez en el centro de los sistemas empresariales que están proporcionando ventajas competitivas en todos los tipos de industrias, incluidas las de componentes electrónicos, de transporte, de manufactura, de software, de medicina, de entretenimiento, de ingeniería y de comunicaciones.
Diseñada para apalancar las capacidades de los seres humanos en lugar de reemplazarlos, la tecnología de AI de hoy hace posible una extraordinaria gama de aplicaciones que forjan nuevas conexiones entre las personas, los computadores, el conocimiento y el mundo físico. Las aplicaciones habilitadas para AI están operando en la distribución y recuperación de información, la exploración de bases de datos, el diseño de productos, la manufactura, la inspección, la capacitación, el soporte al usuario, la planeación quirúrgica, la programación de recursos y la administración de recursos complejos.
Efectivamente, para cualquier persona que programe, planee, asigne recursos, diseñe nuevos productos, utilice Internet, desarrolle software, sea responsable de la calidad del producto, sea un profesional de inversión, encabece TI, utilice TI u opere en cualquiera de una veintena de otras capacidades y campos comunes, es posible que las nuevas tecnologías de AI ya estén en funcionamiento y suministrando ventaja competitiva1.
Por tanto, las tecnologías de inteligencia artificial son de importancia estratégica en el ambiente empresarial de hoy. Pero ¿qué es inteligencia artificial? La inteligencia artificial (AI, Artificial Intelligence) es un campo de la ciencia y la tecnología que se basa en disciplinas como la informática, la biología, la psicología, la lingüística, las matemáticas y la ingeniería. La meta de la AI es desarrollar computadores que puedan pensar, así como ver, oír, caminar, conversar y sentir. Un aspecto principal de la inteligencia artificial es el desarrollo de funciones computacionales que normalmente se asocian a la inteligencia de los seres humanos, como razonamiento, aprendizaje y solución de problemas. Por eso el término inteligencia artificial fue acuñado por John McCarthy del MIT en 1956.
El debate ha continuado con furia alrededor de la inteligencia artificial, ya que el trabajo serio en el campo comenzó en los años cincuenta. No sólo abundan las preguntas tecnológicas, sino también morales y filosóficas, sobre la posibilidad de máquinas inteligentes y con capacidad de pensar. Por ejemplo, en 1950 el pionero británico de la AI, Alan Turing, propuso una prueba para determinar si las máquinas podían pensar. Según la prueba de Turing, un computador podría demostrar inteligencia si un entrevistador humano, que conversa con un humano y un computador a los que no puede ver, no pudiese decir cuál era cuál.


Atributos del comportamiento inteligente. La AI está tratando de reproducir estas capacidades en los sistemas computacionales

Pensar y razonar

Utilizar la razón para solucionar problemas

Aprender y comprender con base en la experiencia

Adquirir y aplicar conocimiento

Mostrar creatividad e imaginación

Abordar situaciones complejas y complicadas

Responder con rapidez y éxito a nuevas situaciones

Reconocer la importancia relativa de los elementos en una situación

Manejar información ambigua, incompleta o errónea.

Aunque se ha realizado bastante trabajo en muchos de los subgrupos que se encuentran bajo la cobertura de la AI, los críticos consideran que ningún computador puede pasar realmente la prueba de Turing. Ellos afirman que el desarrollo de la inteligencia para impartir a los computadores verdaderas capacidades similares a las de los seres humanos simplemente no es posible. Pero el avance continúa, y sólo el tiempo dirá sí las ambiciosas metas de la inteligencia artificial se alcanzarán e igualarán las populares imágenes que se encuentran en la ciencia ficción.


Los campos de acción de la inteligencia artificial
Los principales campos de acción de la investigación y desarrollo en AI pueden agruparse bajo tres áreas principales: la ciencia cognoscitiva, la robótica y las interfaces naturales. Aunque estas clasificaciones se superponen entre sí, y pueden utilizarse otras clasificaciones.

Las principales áreas de aplicación de la inteligencia artificial. Nótese que las muchas aplicaciones de AI pueden agruparse en las tres áreas principales de la ciencia cognoscitiva, la robótica y las interfaces naturales.






  • Sistemas expertos

  • Sistemas de aprendizaje

  • Lógica difusa

  • Algoritmos genéticos

  • Redes neurales

  • Agentes inteligentes

  • Percepción visual

  • Perceptible al tacto

  • Agilidad mental

  • Capacidad locomotriz

  • Navegación

  • Lenguajes naturales

  • Reconocimiento del lenguaje

  • Interfaces sensoriales múltiples

  • Realidad Virtual

Observe que los sistemas expertos son sólo una de las muchas aplicaciones AI importantes. Revisemos brevemente cada una de estas principales áreas de AI y algunas de sus actuales tecnologías.


Ciencia cognoscitiva. Esta área de la inteligencia artificial se basa en la investigación en biología, neurología, psicología, matemáticas y muchas disciplinas relacionadas. Se concentra en la investigación de cómo funciona el cerebro humano y cómo piensan y aprenden los seres humanos. Los resultados de este tipo de investigación en el procesamiento de información humana constituyen la base para el desarrollo de una variedad de aplicaciones computacionales en inteligencia artificial.
Las aplicaciones en el área de la ciencia cognoscitiva de AI incluyen el desarrollo de sistemas expertos y otros sistemas que se basan en el conocimiento y que agregan una base de conocimiento y alguna capacidad de razonamiento a los sistemas de información. También se incluyen los sistemas de aprendizaje adaptativo que pueden modificar sus comportamientos con base en la información que adquieren, aunque se están implementando muchas otras aplicaciones. Los sistemas de lógica difusa pueden procesar datos que son incompletos o ambiguos, es decir, datos difusos. Así, éstos pueden solucionar problemas no estructurados con conocimiento incompleto mediante el desarrollo de respuestas e inferencias aproximadas, como lo hacen los seres humanos. El software de redes neurales puede aprender mediante el procesamiento de problemas de muestra y sus soluciones. A medida que las redes neurales comienzan a reconocer patrones, pueden empezar a autoprogramarse para solucionar dichos problemas por su propia cuenta. El software de algoritmos genéticos utiliza funciones propias de Darwin (supervivencia del más apto), de orden aleatorio y otras funciones matemáticas para simular procesos evolutivos que puedan generar cada vez más mejores soluciones a problemas. Y los agentes inteligentes utilizan tecnologías de sistemas expertos y otras tecnologías de AI para actuar como sustitutos de software para una variedad de aplicaciones de usuario final.
Robótica. La AI, la ingeniería y la fisiología son las disciplinas básicas de la robótica. Esta tecnología produce máquinas robot con inteligencia computacional y capacidades físicas similares a las de los seres humanos y controladas por computador. Por tanto, esta área incluye aplicaciones diseñadas para dar a los robots las capacidades de visión, o percepción visual; capacidades sensibles al tacto o táctiles; agilidad mental, destreza, o habilidad en el manejo y la manipulación; locomoción, o la habilidad física para desplazarse a través de cualquier terreno; y navegación, o la inteligencia para encontrar adecuadamente su camino hacia un destino.
Interfaces naturales. El desarrollo de interfaces naturales se considera un área importante de las aplicaciones de AI y es esencial para el uso natural de los computadores por parte de los seres humanos. Por ejemplo, el desarrollo de lenguajes naturales y reconocimiento de la voz constituyen avances importantes de esta área de AI. Poder hablar con los computadores y robots en lenguaje de conversación humanos y hacer que éstos nos “comprendan” con la misma facilidad con que nos entendemos entre nosotros es una meta de la investigación de AI. Esto comprende investigación y desarrollo en lingüística, psicología, informática y otras disciplinas. Esta área de la AI impulsa desarrollos en la tecnología de reconocimiento y respuesta de la voz y los lenguajes de programación natural. Entre otras aplicaciones de investigación de interfaces naturales se incluyen el desarrollo de dispositivos multisensoriales que utilizan una variedad de movimientos corporales para operar computadores. Esto se relaciona con el área de aplicación emergente de la realidad virtual. La realidad comprende el uso de interfaces multisensoriales humano – computador que permiten a los usuarios humanos experimentar objetos, espacios, actividades y “mundos” simulados por computador, como si realmente éstos existieran.
Redes neurales en Infoseek
Infoseek ha desarrollado un servicio de marketing enfocado que dirige de manera más estrecha la publicidad en su motor de búsqueda Internet hacia los intereses de los usuarios mediante el seguimiento de cada búsqueda que realiza el usuario. El servicio utiliza la tecnología de red neural de Aptex Software para observar todas las búsquedas que los usuarios ejecutan cada vez que visitan el motor de búsqueda de Infoseek. Luego, el software de red neural calcula un valor numérico único, o “vector”, que describe los intereses de los usuarios. Infoseek utiliza dicha información para asociar a los usuarios con los anuncios en línea que vende a los anunciantes en sus páginas Web de búsqueda.
Otros sitios World Wide Web comerciales utilizan esta tecnología para establecer la utilidad de sus sitios Web o para estimular la repetición de negocios. Muchos sitios Web de comercio electrónico usan software personalizado para investigar el comportamiento del usuario y para predecir lo que un usuario estará interesado en ver en el futuro. Por ejemplo, Aptex tiene una versión de su software de red neural diseñada para sitios que venden productos y servicios en línea. SelectCast para Comerse Servers (servidores de comercio) analiza los patrones de compra de los clientes, y predice los productos y servicios que el cliente probablemente comprará, con base en el comportamiento pasado.

Exploración de datos en Bank of America
El Bank of America (BofA) está empleando una tecnología de red neural en el software de exploración de datos para desarrollar más exactitud en el marketing y la fijación de precios de productos financieros, como préstamos para la vivienda con base en el patrimonio. La bodega de datos de BofA es tan grande – para algunos clientes hay más de 300 puntos de datos – que los enfoques analíticos tradicionales se sobrecargan. Para cada mercado, el BofA puede ofrecer una variedad de paquetes de productos adaptados mediante el ajuste de tarifas, tasas de interés y características. El resultado es una cantidad asombrosa de estrategias potenciales para llegar a los clientes rentables. Pasar por un proceso de selección una amplia cantidad de combinaciones requiere la capacidad de identificar segmentos de oportunidad muy buenos.
Los datos extraídos de la bodega de datos se analizaron mediante un software de exploración de datos basado en una red neural, con el fin de descubrir patrones ocultos. Por ejemplo, el software reveló que un cierto conjunto de clientes tenía 15 veces mayor probabilidad de adquirir un producto de crédito de alto margen. El banco también quería determinar la secuencia de los eventos que conducen a la adquisición. Ingresaron los parámetros al software Discovery de HYPERparallel y construyeron un modelo para encontrar otros clientes. Este modelo resultó ser tan exacto que descubrió personas que ya se encontraban en el proceso de solicitud y que estaban siendo aprobadas para el producto de crédito. Con el uso de este perfil, se preparó una lista final de clientes potenciales de calidad solicitantes. Las tasas de respuesta del marketing directo resultantes han superado de manera significativa los resultados pasados.
Lógica difusa en la empresa
Los ejemplos de aplicaciones de lógica difusa en Japón son numerosos, pero son raros en Estados Unidos, que se ha inclinado a preferir el uso de soluciones AI como sistemas expertos o redes neurales. Pero Japón es un semillero de aplicaciones de lógica difusa, especialmente el uso de chips de microprocesadores de lógica difusa de propósito especial, llamados controladores de procesos difusos. Así, los japoneses viajan en trenes subterráneos, usan ascensores y condicen vehículos que son guiados o respaldados mediante controladores de procesos difusos fabricados por Hirachi y Toshiba. Incluso pueden vender acciones en la Bolsa de Valores de Tokio utilizando un programa de negociación de acciones que se basa en reglas de lógica difusa. Muchos modelos nuevos de productos fabricados en el Japón también ofrecen microprocesadores de lógica difusa. La lista esta aumentando e incluye cámaras de autoenfoque, videocámaras autoestabilizadoras, aparatos de aire acondicionado eficientes en energía, lavadoras de autoajuste y transmisiones automáticas.
Algoritmos genéticos
El uso de los algoritmos genéticos es una aplicación creciente de la inteligencia artificial. El software de algoritmos genéticos utiliza funciones propias de Darwin (supervivencia del más apto), de orden aleatorio y otras funciones matemáticas para simular un proceso evolutivo que pueda generar soluciones cada vez mejores de un problema. Los algoritmos genéticos se utilizaron por primera vez para simular en un computador millones de años de evolución biológica, geológica y del ecosistema, en sólo unos cuantos minutos. Ahora, el software de algoritmos genéticos se está empleando para modelar una variedad de procesos científicos, técnicos y empresariales.
Los algoritmos genéticos son especialmente útiles para situaciones en las que son posibles miles de soluciones que deben evaluarse para generar una solución óptima. El software de algoritmos genéticos utiliza series de reglas de procesos matemáticos (algoritmos) que especifican cómo se forman las combinaciones de componentes o pasas de proceso. Esto puede comprender una prueba de combinaciones de procesos aleatorios (mutación), una combinación de partes de varios procesos buenos (cruce) y una selección de buenos conjuntos de procesos y descarte de los malos (selección), con el fin de generar soluciones cada vez mejores.
Engeneous de GE
El diseño de General Electric de un motor de reacción más eficiente para el Boeing 777 es un ejemplo clásico de una aplicación de algoritmo genético en la empresa. Un desafío importante de ingeniería consistía en desarrollar aspas de hélices más eficientes para el motor. Los ingenieros de GE estimaron que tomaría miles de millones de años, incluso con un supercomputador, evaluar matemáticamente la cifra astronómica de factores y combinaciones de costos y desempeño involucradas. En cambio, GE utilizó un sistema experto/algoritmo genético híbrido, llamado Engeneous, que generó una solución óptima en menos de una semana.
Sistemas expertos
Una de las aplicaciones más prácticas y de más amplia implementación de la inteligencia artificial en la empresa es el desarrollo de sistemas expertos y otros sistemas de información basados en el conocimiento. Un sistema de información basado en el conocimiento (KBIS, knowledge – based information system) agrega una base de conocimiento a los componentes principales que se encuentran en otros tipos de sistemas de información que se basan en el computador. Un sistema experto (ES, expert system) es un sistema de información basado en el conocimiento, que utiliza su conocimiento sobre un área de aplicación compleja y específica para actuar como un consultor experto para los usuarios finales. Los sistemas expertos proporcionan respuestas a preguntas en un área problema muy específica mediante la realización de inferencias similares a las humanas sobre el conocimiento contenido en una base de conocimiento especializada. Éstos deben ser capaces de explicar a un usuario su proceso de razonamiento y sus conclusiones. Por tanto, los sistemas expertos pueden proporcionar apoyo a las decisiones de los usuarios finales, en la forma de asesoría de un consultor experto en un área problema específica.
Componentes de un sistema experto

Entre los componentes de un sistema experto se incluyen una base de conocimiento y módulos de software que realizan inferencias con base en el conocimiento y comunican respuestas a las preguntas de un usuario.





  • Base de conocimiento. La base de conocimiento de un sistema experto contiene: 1) hechos sobre un área temática específica (por ejemplo, john es un analista) y 2) heurística (reglas empíricas), que expresan los procedimientos de razonamiento de un experto sobre el tema (por ejemplo, SI John es un analista, ENTONCES él necesita un computador). Existen muchas maneras como este conocimiento se representa en los sistemas expertos, entre las cuales se encuentran:




    • Razonamiento basado en casos. Representa el conocimiento en la base de conocimiento de un sistema experto, en la forma de casos, es decir, ejemplos del desempeño, hechos y experiencias pasadas.

    • Conocimiento basado en estructuras. Conocimiento que se representa en la forma de una jerarquía o red de estructuras. Una estructura es un conjunto de conocimiento sobre una entidad, que se compone de un paquete complejo de valores de datos que describen atributos.

    • Conocimiento basado en objetos. Conocimiento que se representa como una red de objetos. Un objeto es un elemento de datos que incluye tanto datos como los métodos o procesos que actúan sobre dichos datos.

    • Conocimiento basado en reglas. Conocimiento que se representa en la forma de reglas y declaraciones de hechos. Las reglas son declaraciones que generalmente adoptan la forma de una premisa y una conclusión como: SI (condición), Entonces (conclusión).




  • Recursos de software. Un paquete de software de sistemas expertos contiene un motor de inferencias y otros programas para mejorar el conocimiento y para comunicarse con los usuarios. El programa de motor de inferencias procesa el conocimiento (como reglas y hechos) que se relaciona con un problema específico. Luego realiza asociaciones e inferencias que dan como resultado cursos de acción recomendados para un usuario. Los programas de interfaz de usuario también son necesarios para comunicarse con los usuarios finales, incluido un programa de explicación para esclarecer el proceso de razonamiento a un usuario, en caso de que lo solicite. Los programas de adquisición de conocimiento no forman parte de un sistema experto, pero son herramientas de software para el desarrollo de la base de conocimiento, como las shells2 de sistemas expertos, que se utilizan para el desarrollo de sistemas expertos.



Principales categorías y ejemplos de aplicación de sistemas expertos
Gerencia de decisión: sistemas que avalúan situaciones o consideran alternativas y formulan recomendaciones con base en los criterios que se suministran durante el proceso de descubrimiento:

  • Análisis del portafolio de créditos

  • Evaluación del desempeño del empleado

  • Subscripción de seguros

  • Pronósticos demográficos


Solución de problemas / diagnóstico: sistemas que infieren causas implicitas de los síntomas e historia informados:

  • Calibración de equipos

  • Operaciones del mostrador de ayuda

  • Corrección de software

  • Diagnóstico médico


Mantenimiento / programación: sistemas que dan prioridades y programan recursos limitados o críticos en tiempo:

  • Programación de mantenimiento

  • Programación de producción

  • Programación de la educación

  • Administración de proyectos


Diseño / configuración:




O’BRIEN, James A. Sistemas de Información Gerencial. Capitulo I. 4ta. Edición. Ed. Irwin McGraw-Hill. Colombia 2001. 700 pag. ISBN: 958-41-0177-3


1 WINSTON, Patrick. Rethinking Artificial Intelligence. Program Announcement, Massachusetts Institute of Technology. Septiembre 1997.

2 Se refiere a la capa externa de un programa que proporciona la interfaz de usuario.


La base de datos está protegida por derechos de autor ©espanito.com 2016
enviar mensaje