1. INTELIGENCIA ARTIFICIAL SISTEMAS DE INFORMACION GERENCIAL ERIKA SUAN

2. HISTORIA DE LA INTELIGENCIA ARTIFICIAL Los orígenes de la inteligencia artificial: 1943 - Con la definición de la neurona formal dada por McCulloch & Pitts, como un dispositivo binario con varias entradas y salidas. 1956 - Se volvió a tocar el tema de inteligencia artificial (IA) en el instituto de tecnología de Massachussets por John McCarthy donde se celebró la conferencia de Dartmouth en Hanover (Estados Unidos). En este certamen McCarthy, junto a otros colegas, establecieron las bases de la inteligencia artificial como un campo independiente dentro de la informática. 1950 - Alan M. Turing publico un artículo en la revista Mind, titulado “Computing Machinery and Intelligence” (“Ordenador e inteligencia”), en el que reflexionaba sobre el concepto de inteligencia artificial y establecío una una prueba que permite determinar si un ordenador o computadora se comporta conforme a lo que se entiende como artificialmente inteligente o no.

3. En los años 70, la inteligencia artificial como tal no tuvo muchos éxitos ya que requería demasiada inversión para ese tiempo y la mayoría de tecnologías eran propias de grandes centros de investigación. En los años 80 se lograron algunos avances significativos en una de sus ramas llamada Sistemas Expertos, con la introducción de PROLOG LISP. En la actualidad se sigue investigando en los grandes laboratorios tecnológicos educativos y privados; sin dejar de lado los notables avances en sistemas por computadora (Sony, con sus robots capaces de moverse en forma casi humana y reaccionar a presiones tal como lo hace una persona al caminar), aplicaciones de lógica difusa (aplicación del tracking automático en nuestras video caseteras, por citar una aplicación), etc.

5. La IA se divide en: 1. La Inteligencia Artificial Convencional 2. La Inteligencia Computacional Inteligencia Artificial Convencional Basada en análisis formal y estadístico del comportamiento humano ante diferentes problemas: • Razonamiento basado en casos • Sistemas Expertos • Redes Bayesianas. • Inteligencia Artificial basada en Comportamientos

6. Inteligencia Artificial Computacional La inteligencia computacional (también conocida como inteligencia artificial subsimbólica) implica desarrollo o aprendizaje El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama incluyen: • Máquina de Vectores Soporte • Redes Neuronales • Modelos ocultos de Markov • Sistemas Difusos • Computación Evolutiva

7. APLICACIONES Y TECNICAS Dentro del enfoque de la ingeniería de la Inteligencia Artificial, se clasifican las técnicas que pueden ser usadas como herramientas para solucionar problemas en las siguientes categorías: 1. Técnicas básicas, así llamadas por encontrarse a la base de diversas aplicaciones de IA. Entre otras se encuentran Búsqueda Heurística de Soluciones, Representación del Conocimiento, Deducción Automática, Programación Simbólica (LISP) y Redes Neuronales. 2. Tecnologías, o combinaciones de varias técnicas básicas, orientadas a resolver familias de problemas. Las tecnologías son más especializadas que las técnicas básicas y están más cerca de las aplicaciones finales. Se pueden mencionar a la Robótica y Visión, Lenguaje Natural y Sistemas Expertos.

8. APLICACIONES Y TECNICAS 3. Clases o tipos de aplicaciones: Diagnóstico, Predicción (sistemas de autocontrol de reactores atómicos), Secuencia de operaciones ("Scheduling"), Diseño, Interpretación de datos. 4. Campos de aplicación: Ingeniería, Medicina, Sistemas de Manufactura, Administración, Apoyo a la Toma de Decisiones Gerenciales, etc. Todas caen dentro de las áreas de los sistemas computacionales, pero que se consideran como clientes de la Inteligencia Artificial.

9. “La inteligencia artificial llega a los sistemas de atención al cliente” “Ana mantiene más de 40.000 diálogos cada día con los clientes de Ikeade veinte países. Gracias a ello, los responsables de la compañía calculan un ahorro anual de entre 15 y 20 millones de euros en todo el proceso de atención al cliente.” Artificial Solutionses la empresa tecnológica que está detrás de esta políglota y eficiente empleada virtual. Johan Ahlund, CEO de la compañía, resume su actividad diciendo que “lo que hacemos se llama CustomerServiceOptimization, es decir, optimizar todos los servicios que relacionan a la empresa con sus clientes”.

10. “aplicación de la ie en problemas de producción” Operación automática de control de calidad usando un sistema de visión por computadora. El sistema Robot Visión PRO es un paquete de software de visión que permite la adquisición de imágenes, preprocesamiento y segmentación. Además realiza procesamiento de datos de alto nivel que brinda filtrado de imágenes, elaboración de clusters y patrones, e identificación de objetos. Este sistema cuenta con una videocámara y un monitor encargado de identificar cada una de las piezas salientes del proceso y hacer una comparación con piezas de 100% de calidad para luego determinar si el empaque puede salir al mercado o debe desecharse.

11. ¿AVANCE TECNOLÓGICO O AMENAZA SOCIAL?

13. SOFTWARE Y HADWARE Estos sistemas ayudan a elaborar diagnósticos médicos, explorar en busca de recursos naturales, determinar errores en dispositivos mecánicos y ayudar en el diseño y puesta en operación de otros sistemas de computación. Los sistemas de inteligencia artificial incluyen a las personas, los procedimientos, el hardware y software, los datos y los conocimientos necesarios para desarrollar sistemas, y máquinas de computación que presenten características de inteligencia. El objetivo del desarrollo de sistemas de IA contemporáneos no es el reemplazo completo de la toma de decisiones de los humanos, pero sí duplicarlas para ciertos tipos de problemas bien definidos.

14. SOFTWARE Y HADWARE Los esfuerzos de la IA se clasifican según varias categorías. Mientras la investigación y el desarrollo como robótica y visión artificial, se relacionan con el hardware y software, la investigación y el desarrollo en otras áreas sólo se relacionan con el software. Robótica Sistema de visión Procesamiento de lenguaje natural Sistemas de aprendizaje Redes Neuronales

15. características Los sistemas de IA con su red neuronal aprende por ensayo y error. Características: Capacidad de recuperar información incluso si falla alguno de los nodos neuronales. Modificación rápida de los datos almacenados como consecuencia de nueva información. Capacidad de descubrir relaciones y tendencias en grandes bases de datos. Capacidad de resolver problemas complejos para los cuales no se cuento con la información. NOTA: Las redes neuronales son excelentes para el reconocimiento de patrones. Por ejemplo, las computadoras de red neuronal se pueden usar para leer los códigos de barra de los cheques bancarios a pesar de manchas o de una impresión de baja calidad.

16. Agentes de reflejo simple Agentes bien informados de todo lo que pasa Agentes basados en metas Agentes basados en utilidad Sistema Experto Otros métodos son marcos semánticos integrados por cuadros con listas de entidades y atributos; y las redes semánticas, mapas de entidades y sus atributos relacionados. características

17. DECISIONES GERENCIALES Aprender de la experiencia y aplicar el conocimiento adquirido de ésta. Mejorar situaciones complejas. Solucionar problemas cuando se carece de información importante. Determinar qué es importante. Reaccionar en forma rápida y correcta a una nueva situación. Comprender imágenes visuales. Procesar y manipular símbolos. Ser creativos e imaginativos. Usar la heurística (reglas prácticas producto de la experiencia).

18. GRACIAS…