“INTELIGENCIA ARTIFICIAL” La inteligencia artificial trata de conseguir que los ordenadores simulen en cierta manera la inteligencia humana. Se acude a sus tecnicas cuando es necesario incorporar en una sistema informatico, conocimiento o carácteristicas propias del ser humano.

ORIGEN DE LA I.A. El nacimiento de la Inteligencia Artificial se sitúa en una reunión celebrada en el Dartmouth College (Hanover, EEUU) en 1956, en la que se planteó la posibilidad de construir máquinas inteligentes. Llama la atención que en esa fecha la informática apenas se había desarrollado, y ya se planteaba la posibilidad de diseñar mecanismos inteligentes. En aquella reunión se encontraban entre otros, Claude Shannon, padre de la Teoría de la Información; Marvin Minsky, que más tarde demostraría las limitaciones de ciertos modelos de redes neuronales; Herbert Simon, premio Nobel de Economía quien además desarrolló el primer programa de Inteligencia Artificial y un largo etcétera de investigadores.

ORIGEN DE LA I.A. Warren Mc culloch y Walter Pitts (1943), con la fisiologia basica, funcionamiento cerebro. Rusell Whitehead , Análisis formal logica Turing (1953), Teoria de la computacion que con Shannon realizan un programa para Juego de ajedrez. Marvel Misky y Dean Edmonds (1951) primera computadora Red neuronal Snarc (ulilizaba 3000 bulbos , mecanismo automatico de un avion bombardero b –24, simulacion de 40 neuronal. 1980 / 88 Se convierte en una industria.

INFORMATICA CONVENCIONAL Los programas informáticos como hojas de cálculo, bases de datos, tratamientos de estos, etc., suelen estar basados en programación algorítmica convencional, en la que se indica al ordenador paso a paso lo que debe hacer. Estos programas se ejecutan en ordenadores convencionales con un único microprocesador o unidad central de proceso que opera secuencialmente.

INFORMATICA CONVENCIONAL Sin embargo, a pesar de la importancia de las aplicaciones informáticas convencionales en la empresa, en la medida en que necesitamos incorporar conocimiento a un sistema informático se utilizan otro tipo de herramientas, como son las procedentes de la Inteligencia Artificial.

TRONCO COMUN CON VARIAS RAMAS Desde entonces son muchas las ramas que surgen del tronco común de la Inteligencia Artificial. Las Ciencias de la Computación han asistido continuamente al nacimiento de nuevas ramas y se habla de sistemas expertos, vida artificial, algoritmos genéticos, computación molecular o redes neuronales. En algunas de estas ramas los resultados teóricos van muy por encima de las realizaciones prácticas.

AGENTES INTELIGENTE Es aquel que comprende la mejor accion posible en una situacion dada. Percibe el ambiente mediante sensores y respondeEfectores. Rendimiento: Grado de éxito logrado, secuencia de percepciones, conocimiento del medio, acciones que pueda emprender.

SISTEMAS EXPERTOS Los sistemas expertos son la rama más conocida. Parten de la premisa de que los expertos humanos utilizan gran cantidad de conocimientos específicos de un campo que deben ser incorporados en el sistema experto. Para los defensores más radicales de este paradigma, la inteligencia es un programa que debe funcionar independientemente del lugar donde se ejecute: ordenador o cerebro.

SISTEMA EXPERTO La forma deductiva en que representan el conocimiento, habitualmente mediante símbolos y reglas, es apropiada cuando es posible extraer un conjunto de reglas y normas. Son la rama de I.A mas empleada

REDES NEURONALES Las redes neuronales artificiales tratan de representar el conocimiento replicando la estructura neuronal del cerebro humano. En ellas lo fundamental es el aprendizaje mediante patrones o ejemplos. Las redes neuronales artificiales tratan de resolver tareas como el reconocimiento de patrones, problemas de optimización o clasificación que la computación algorítmica tradicional e Inteligencia Artificial convencional no han resuelto de un modo suficientemente satisfactorio. En las redes neuronales artificiales el conocimiento no se programa de forma directa en la red sino que se adquiere mediante ejemplos por medio de una regla de aprendizaje que va ajustando parámetros. Como vemos es un método inductivo muy diferente al que siguen los sistemas expertos.

SISTEMAS EXPERTOS Y REDES NEURONALES Los sistemas expertos son la rama más conocida de la Inteligencia Artificial. La forma en que representan el conocimiento, habitualmente mediante símbolos, es apropiada cuando es posible extraer un conjunto de reglas y normas. En la vasta ciencia empresarial, existen subdominios en los que es fácil o al menos posible extraer una serie de reglas y otros en los que es menos factible. Las redes neuronales artificiales son eficientes en tareas tales como el reconocimiento de patrones, problemas de optimización o clasificación. Las redes neuronales se puede integrar en un sistema de ayuda a la toma de decisiones, pero no son una panacea capaz de resolver todos los problemas: todo lo contrario, son modelos muy especializados que pueden aplicarse en dominios muy concretos.

REDES NEURONAS Red de neuronas formales. Las neuronas grises pertenecen a las capas de entrada y de salida. Una neurona particular es indicada en negro. Sus sinápsis de entrada son representadas en línea gruesa. La neurona formal i, con un estado , con sus sinápsis de entrada y su salida. wij es el peso sináptico de una neurona j sobre i, y wki la interacción de i sobre k. El umbral de activación es qi El modelo de McCulloch y Pitts

EJEMPLO Un sistema experto trata de incorporar la sabiduría de algún maestro del ajedrez mediante reglas. Una red neuronal es entrenada con ejemplos de partidas célebres, tratando de extraer de ahí el conocimiento. Finalmente, mediante algoritmos genéticos se diseñan programas que compiten entre sí de forma que por selección natural quedan los mejores.

PUEDEN SUPERAR AL EXPERTO HUMANO ? a)    cuando se requiere analizar un gran volumen de datos en un corto espacio de tiempo. experto humano se verá obligado a despreciar parte de la información desechando la que no considere relevante; sin embargo, el sistema experto, dada su mayor velocidad de proceso, puede analizar toda la información, sin que aparezca fatiga u otros efectos propios del ser humano que empeoran los resultados. b)    cuando la decisión exige aplicar conocimientos de varios campos.

COMO ELEGIR LA HERRAMIENTA ADECUADA ? Tipo de decisión Simón (1960) ha clasificado las decisiones en estructuradas y no estructuradas: las decisiones estructuradas son repetitivas, rutinarias y existe un procedimiento definido para abordarlas; por el contrario, en las decisiones no estructuradas el decisor debe proporcionar juicios y aportar su propia evaluación. Nivel al que se toman las decisiones También el nivel al que se toman las decisiones afecta la elección del tipo de sistema más apropiado. Gorry y Scott-Morton (1971) han propuesto un esquema que relaciona el tipo de decisión (estructurada, semiestructurada y no estructurada) y el nivel organizacional (control operativo, de gestión y estratégico) con la herramienta a utilizar. Lógicamente en el nivel operativo dominan las decisiones estructuradas, en el nivel de gestión las semiestructuradas y en el estratégico las no estructuradas, formando una diagonal.

HERRAMIENTAS SEGÚN TIPO DE DECISION Y NIVEL ORGANIZATIVO

HERRAMIENTAS SEGÚN TIPO DE DECISION Y NIVEL ORGANIZATIVO El nivel operativo y toma de decisiones estructuradas dominan los sistemas informatizados (costos y contabilidad,nómina )tareas mecánicas, son los TPS basados en prog.algoritmica convencional. El nivel operativo, pero con decisiones semiestructuradas Programas convencionales (tesoreria, control de existencias) Sistestemas de gestion de informacion (MIS ) a nivel organizativo decisiones mas complejas Estructuradas ( presupuestos,analisis contable). Niveles de gestion y decisiones no estructuradas Sistemas expertos (elaboracion de presupuestos ) Nivel Estratégico ( EIS ) Sistemas expertos para ejecutivos ( planificacion estratégica )

OTRAS APLICACIONES IA El programa MYCIN publicado por E. Schortcliffe en 1976 es un sistema que diagnostica enfermedades infecciosas, en particular infecciones sanguíneas. MYCIN lo usan médicos en practicas para obtener ayuda en sus diagnósticos, a su vez el sistema se actualiza con los hechos y reglas de inferencia que proporsionan los especialistas. DENDRAL es un programa experto de análisis químico y se ha aplicado con mucho éxito en muchos lugares del mundo. DENDRAL soluciona un problema de ingeniería química en tres fases. Este programa basado en la estrategia de "planificar, generar y comprobar" se usa en las universidades y en las industrias de Estados Unidos y en Europa y representa una de las aplicaciones practicas de la IA que mas éxito ha conseguido de entre las desarrolladas hasta la fecha.