Inteligencia Artificial Elvis Rafael Perez Ortiz 10-1202

HISTORIA 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. 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”, en el que reflexionaba sobre el concepto de inteligencia artificial y establecío una prueba que permite determinar si un ordenador o computadora se comporta conforme a lo que se entiende como artificialmente inteligente o no.

Concepto Se denomina inteligencia artificial (IA) a la rama de la ciencia informática dedicada al desarrollo de agentes racionales no vivos. Se define la inteligencia artificial (IA) como aquella inteligencia exhibida por artefactos creados por humanos. A menudo se aplica hipotéticamente a los computadores. Es la capacidad de un artefacto de realizar los mismos tipos de funciones que caracterizan al pensamiento humano. Algunos piensan que es imposible la creación de un sistema tan complejo, pero otros luchan para modelar la inteligencia humana en sistemas computacionales, y al parecer está muy cerca de lograrse. Puede decirse que la inteligencia artificial es una de las áreas más fascinantes y con más retos de las ciencias de la computación. Nació formalmente en 1956 como mero estudio filosófico y razonístico de la inteligencia humana, mezclada con la inquietud del hombre de imitar la naturaleza circundante (como volar y nadar), hasta inclusive querer imitarse a sí mismo.

Clasificación de la IA La Inteligencia Artificial Convencional La inteligencia Artificial se divide en dos categorías, estas son: La Inteligencia Artificial Convencional La Inteligencia Computacional Basada en análisis formal y estadístico del comportamiento humano ante diferentes problemas: • Razonamiento basado en casos: Ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos. • Sistemas Expertos: Infieren una solución a través del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones. • Redes Bayesianas: Propone soluciones mediante inferencia estadística. • Inteligencia Artificial basada en Comportamientos: Sistemas Complejos que tienen autonomía pueden auto-regularse y controlarse para mejorar.

Inteligencia Artificial Convencional Esta 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

Inteligencia Artificial Computacional La inteligencia artificial computacional 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 La inteligencia computacional (también conocida como inteligencia artificial subsimbólica) implica desarrollo o aprendizaje interactivo (por ejemplo: modificaciones interactivas de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama incluyen: • Máquina de Vectores Soporte: Sistemas que permiten reconocimiento de patrones genéricos de gran potencia. • Redes Neuronales: Sistemas con grandes capacidades de reconocimiento de patrones. • Modelos ocultos de Markov: Aprendizaje basado en dependencia temporal de eventos probabilísticos. • Sistemas Difusos: Técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras. • Computación Evolutiva: Aplica conceptos inspirados en la biología, tales como población, mutación y supervivencia del más apto para generar soluciones sucesivamente mejores para un problema. Estos métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia colectiva (ej. algoritmos hormiga).

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. 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. Estas técnicas son las bases de las aplicaciones. En su mayoría, no necesita conocerla el usuario final, sino los profesionales que se dedican a su aplicación y la generación de aplicaciones comerciales.

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. 3. Clases o tipos de aplicaciones: Diagnóstico, Predicción (sistemas de autocontrol de reactores atómicos), Secuencia de operaciones ("Scheduling"), Diseño, Interpretación de datos. Todas ellas son familias de problemas tipo. Por ejemplo, el diagnóstico se refiere a encontrar las causas de fallas, ya sea que se trate de fallas en una línea de producción o de enfermedades en una persona.

Inteligencia Artificial en Sistema de atención al cliente Ana mantiene más de 40.000 diálogos cada día con los clientes de Ikea de 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 Solutions es 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 Customer Service Optimization, es decir, optimizar todos los servicios que relacionan a la empresa con sus clientes. Son sistemas diseñados para entender el lenguaje natural de las personas La idea se basa en combinar sistemas semiautomáticos y automáticos que se nutren de una base de datos conjunta, en la que se almacena todo el conocimiento necesario para dar solución a las necesidades de los clientes. Estos sistemas están diseñados para que entiendan el lenguaje natural de las personas, de manera que aunque la petición se haga de una manera muy coloquial, la máquina lo pueda comprender y asociar al contenido adecuado de la base de datos. Es decir, si entramos en Ikea y le preguntamos a Ana: ¿A qué hora abrís mañana?, ella nos mostrará los horarios del establecimiento.

Muchas Gracias!