LA REVOLUCION DE LA IA EN
TIEMPOS DE PANDEMIA

Resumen
La inteligencia artificial es aquella que trata de explicar el funcionamiento mental
basándose en el desarrollo de algoritmos para controlar diferentes cosas. La inteligencia
artificial combina varios campos, como la robótica, los sistemas expertos y otros, los
cuales tienen un mismo objetivo, que es tratar de crear máquinas que puedan pensar por
sí solas, lo que origina que hasta la fecha existan varios estudios y aplicaciones, dentro
de las que se encuentran las redes neuronales, el control de procesos o los algoritmos
genéticos.

Abstract
Artificial intelligence is one that attempts to explain mental functioning
based on the development of algorithms to control different things.
Artificial intelligence combines several fields such as robotics, expert
systems and others, which have the same goal, which is to try to create
machines that can think for themselves, resulting so far there are several
studies and applications, within which are neural networks, process
control and genetic algorithms.
Keywords: Branches, Intelligence, Applications.

Desarrollo del tema
UNIDAD II Efectos de las Computadoras
sobre la sociedad
2.1 Inteligencia Artificial
2.2 Sistemas Expertos
2.3 Ejemplos
2.4 Referencias

La Inteligencia Artificial es la parte de la Ciencia que
se ocupa del diseño de sistemas de computación
inteligentes, es decir, sistemas que exhiben las
características que asociamos a la inteligencia en el
comportamiento humano que se refiere a la comprensión
del lenguaje, el aprendizaje, el razonamiento, la
resolución de problemas, entre otros.
2.1 INTELIGENCIA ARTIFICIAL (IA)

Estudios centrados en Redes Neuronales.
Demostración de Teoremas y Ajedrez.
(1937) Matemático Ingles Alan Mathison Turing (Articulo
"Números Calculables”), introdujo la Máquina de Turing, una
entidad matemática abstracta que formalizo el concepto de
algoritmo y resulto ser la precursora de las computadoras
digitales.
2.1.1 ETAPAS DE LA IA:

2.1.2 PRINCIPALES RAMAS
Desarrollo de dispositivos mecánicos o de computación
que tengan la capacidad de realizar funciones y/o tareas
que requieran de un alto grado de precisión, tediosas o
impliquen riesgo de peligro para los seres humanos.
I.A. Robótica
Robótica

Equipos y software que les permite a las
computadoras capturar, almacenar y
manipular imágenes visuales y
fotografías.
Se pueden usar junto con robots para darles "visión" a
estas máquinas y que pueda tomar decisiones con base a
lo que ve y reconocer la información visual de acuerdo
con patrones generales.
I.A.
Robótica
Sistema
de visión
Sistema de visión

Programas que tienen como entrada
lenguajes humanos para traducirlos en un
conjunto estándar de instrucciones que
una computadora ejecuta.
Permiten a los seres humanos usar su propio lenguaje
natural cuando interactúan con programas como sistemas
de administración de bases de datos (DBMS).
I.A.
Robótica
Sistema de
visión
Procesamiento
de Lenguaje
Natural
Procesamiento de Lenguaje Natural

El objetivo de los procesadores de lenguaje natural es eliminar
paulatinamente la necesidad de aprender lenguajes de
programación o comandos personalizados para que las
computadoras entiendan.
Su ventaja radica en que combinados con dispositivos de
reconocimiento de voz, el usuario de instrucciones a las
computadoras para que realicen tareas, sin usar un teclado o
cualquier otro dispositivo de entrada.
Procesamiento de Lenguaje Natural

Combinación de software y equipos que le permite a la
computadora cambiar su modo de funcionar o reaccionar
a situaciones, basado en la retroalimentación que recibe.
I.A.
Robótica
Sistema de
visión
Procesamiento
de Lenguaje
Natural
Sistemas de
Aprendizaje
Sistemas de Aprendizaje

Es un sistema de computación que
puede actuar en la misma forma
que funciona el cerebro humano, o
simularlo.
I.A.
Robótica
Sistema de
visión
Sistemas de
Aprendizaje
Redes
Neuronales
Redes Neuronales
La redes neuronales pueden procesar muchas piezas de
información al mismo tiempo y aprender a reconocer patrones.

•Capacidad de recuperar información incluso si falla alguno de
sus nodos.
•Modificación rápida de los datos almacenados a partir de
nueva información.
•Capacidad de descubrir relaciones y tendencias en grandes
bases de datos.
•Capacidad de resolver problemas complejos para los cuales
no se cuenta con la información.
Características de una Red Neuronal

Se basa en reglas que no tienen límites
discretos, sino que se prolongan en un
continuum, permitiendo a un sistema
manejar mejor la ambigüedad.
I.A.
Robótica
Sistema de
visión
Sistemas de
Aprendizaje
Redes
Neuronales
Lógica
Difusa
Lógica Difusa
Esto es muy útil para reflejar cómo tienden a pensar las
personas, en términos relativos, no absolutos.

Un algoritmo genético es un método de
búsqueda dirigida basada en
Probabilidad. Al aumentar el número de
iteraciones, la probabilidad de tener el
óptimo en la población tiende a 1.
I.A.
Robótica
Sistema de
visión
Sistemas de
Aprendizaje
Redes
Neuronales
Lógica
Difusa
Algoritmos
Genéticos
Algoritmos Genéticos
Funciones matemáticas que usan los principios de Darwin para
mejorar una aplicación. Diseñadas para simular en software.

Programas de computadora que
automáticamente revisan enormes
cantidades de datos y seleccionan y
entregan la información más
I.A.
Robótica
Sistema de
visión
Sistemas de
Aprendizaje
Redes
Neuronales
Lógica Difusa
Algoritmos
Genéticos
Agentes
Inteligentes
Agentes Inteligentes
adecuada para el usuario, de acuerdo con requisitos
contextuales o específicos. La aplicación más importante de
los agentes inteligentes se encuentra en la WEB.

El propósito principal de los agentes inteligentes es
realizar sus tareas significativas más rápido, con más
frecuencia y de manera más efectiva, que el usuario. Los
agentes inteligentes vinculan automáticamente su
computadora con sitios favoritos, le avisan cuando éstos
se hayan actualizado y adecuan páginas específicas a sus
preferencias.
Agentes Inteligentes

Programa de computadora, inteligente, que
usa el conocimiento y los procedimientos de
inferencia para resolver problemas que son
suficientemente
I.A.
Robótica
Sistema de
visión
Sistemas de
Aprendizaje
Redes
Neuronales
Lógica Difusa
Algoritmos
Genéticos
Agentes
Inteligentes
Sistemas
Expertos
Sistemas Expertos
suficientemente difíciles como para requerir significativa
experiencia humana para su solución. Hace un amplio uso del
conocimiento especializado, como lo hace un experto humano.

Se utilizan los términos: Sistema Experto (SE),
Sistemas Basados en Conocimientos o
Sistema Experto Basado en Conocimiento.
Para construir un SE, un ingeniero del
conocimiento se entrevista con un experto
humano, y traduce la información en código.
2.2 Sistemas Expertos

• Pueden explicar su razonamiento o decisiones sugeridas.
• Puede mostrar un comportamiento "inteligente“.
• Puede obtener conclusiones de relaciones complejas.
• Puede proporcionar conocimientos acumulados.
• Puede hacer frente a la incertidumbre.
2.2.1 Características de los Sistemas
Expertos (SE)

2.2.2 Capacidades de los SE
En comparación con otros tipos de sistemas de información,
los SE ofrecen varias capacidades poderosas y beneficios. Los
SE se pueden usar para solucionar problemas en todos los
campos y disciplinas y ayudar en la totalidad de las etapas del
proceso de solución del problemas.

2.2.3 Usos de los SE
El desarrollo de un SE complejo puede ser difícil,
costoso y requerir de tiempo, por lo tanto, es
importante asegurarse de que los posibles beneficios
valen el esfuerzo y que las diversas características del
S.E. se equilibran, en términos de costo, control y
complejidad.

• No se han usado o probado en forma extensa.
• Dificultad de uso.
• Están limitados a problemas relativamente limitados.
• No pueden enfrentar con facilidad a conocimientos "mixtos".
• Posibilidad de error.
2.2.4 Limitaciones de los SE

2.2.5 Componentes de los SE
El usuario interactúa con el SE a través de una interfaz, la cual puede
contender menús, procesamiento del lenguaje natural u otro tipo de
interacción. Debe ser amigable en la entrada y salida de información.
Interfaz
de
Usuario

Se corresponde con el proceso de crear y actualizar la
base de conocimientos
Interfaz
de
Usuario Adquisición de
Conocimiento

Almacena toda la información, datos, reglas, casos y relaciones importantes
que utiliza el SE. Para cada aplicación única se tiene que desarrollar una
base conocimientos.
Interfaz
de
Usuario
Adquisición de
Conocimiento
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas

Es similar a la suma total de los conocimientos y experiencias de los
expertos humanos que se obtienen a través de años de trabajo en un área
o disciplina específica.
Interfaz
de
Usuario
Adquisición de
Conocimiento
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas

El uso de reglas: una regla es una instrucción condicionada que enlaza
determinadas condiciones con acciones o resultados. La regla se crea
por medio de construcciones de SI – ENTONCES.
Interfaz
de
Usuario
Adquisición de
Conocimiento
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas

Interfaz
de
Usuario
Adquisicion de
Conocimiento
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas
El proceso incluye:
1) Encontrar casos almacenados en la base de conocimientos, que
sean similares al problema,
2) Modificar las soluciones a los casos para adaptarlas, o ajustarlas,
al problema o la situación actual.

Interfaz
de
Usuario
Adquisición de
Conocimiento
Mecanismo de
Inferencia.
Conocido como Motor de Inferencia, usado para buscar información y
relaciones en la base de conocimientos, y proporcionar respuestas,
pronósticos y sugerencias en la misma forma en que lo haría un experto
humano.
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas

Interfaz
de
Usuario
Adquisición de
Conocimiento
Mecanismo de
Inferencia.
Se asocia con un modelo o paradigma para resolver problemas.
•Modelo que utiliza métodos de encadenamientos de reglas SI
– ENTONCES para formar una línea de razonamiento.
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas

Interfaz
de
Usuario
Adquisición de
Conocimiento
Mecanismo de
Inferencia.
• Si la conclusión es conocida pero la ruta de la conclusión no es conocida
entonces el método que se utiliza es el encadenamiento hacia atrás.
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas

Interfaz
de
Usuario
Adquisición de
Conocimiento
Mecanismo de
Inferencia.
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas
Busca a través de la BC, intentando asociar el conocimiento almacenado en
forma de hechos el antecedente de una regla (condición).

Permite explicar el proceso de razonamiento seguido para tomar una
decisión.
Interfaz
de
Usuario
Adquisición de
Conocimiento
Mecanismo de
Inferencia.
Medio de
Explicacion
Base de Conocimiento
(BC)
Memoria Activa
(Hechos)
y
Reglas
Responderá a la pregunta: ¿Cómo? O ¿Por qué? Cuando ha efectuado una
conclusión.

2.3 Ejemplos
• Robot QRIO de Sony http://www.youtube.com/watch?v=rokOtmUhos0
• El primer trabajo práctico de Robótica en la Maestría de Inteligencia
Artificial en la UCLA, Venezuela :D...Robot minibot Lego RCX
http://www.youtube.com/watch?v=Wz0aJmFYeaE
• Video de Robótica
http://www.youtube.com/watch?v=yzCadN4_5Ms
• Video Redes Neuronales
http://www.youtube.com/watch?v=HdHFTxlYIjc
• Video Lógica difusa
http://www.youtube.com/watch?v=ilchnpsROSs

Referencias
Claver Cortés, Enrique, Sistemas de información estratégicos, Ed. Trillas,
ISBN:9788479082024.
Peter Norvig, Inteligencia artificial un enfoque moderno, Ed. Pearson España,
ISBN: 9788483227565
Roque Luis Marín Morales, Inteligencia Artificial y Sistemas Inteligentes, Ed.
McGraw Hill, ISBN: 9788448174019