SISTEMAS DE INFORMACION INTELIGENCIA ARTIFICIAL SISTEMAS DE INFORMACION GERENCIAL

DEFINICIONES Se denomina inteligencia artificial (IA) a la rama de la ciencia informática dedicada al desarrollo de agentes racionales no vivos. Como la capacidad que tienen las máquinas para realizar tareas que en el momento son realizadas por seres humanos; Otros autores como Nebendah [1988], Delgado [1998], arrojan definiciones más completas y las definen cómo el campo de estudio que se enfoca en la explicación y emulación de la conducta inteligente en función de procesos computacionales basadas en la experiencia y el conocimiento continuo del ambiente. 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.

La IA se divide en: Inteligencia Artificial Convencional 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. • Inteligencia Artificial basada en Comportamientos 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 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 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).

REDES NEURONALES 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. Lógica Difusa: Se basa en reglas que no tienen límites discretos, sino que se prolongan en un continuum, permitiendo a un sistema manejar mejor la ambigüedad. Esto es muy útil para reflejar cómo tienden a pensar las personas, en términos relativos, no absolutos. Cuando la lógica difusa se incorpora a un SE, el resultado es un sistema que limita mejor la manera natural en que un experto humano resolvería un problema. Un concepto fundamental en la aplicación de lógica difusa es el de la variable lingüística de una variable matemática; su valor se describe con una palabra en lugar de un número. Ejemplo, la edad se es joven, de los 15 a los 20, pero a los 35 todavía se considera joven. Algoritmos genéticos: Son funciones matemáticas que usan los principios de Darwin para mejorar una aplicación. La funciones se diseñan para simular en software, en cuestión de minutos o segundos, lo que sucede en ambientes naturales durante millones de años. Agentes inteligentes: La creación más reciente en IA son los agentes inteligentes, programas de computadora que automáticamente revisan enormes cantidades de datos y seleccionan y entregan la información más 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 la gente. Los expertos dicen que pronto los agentes inteligentes vincularán automáticamente su computadora con sitios favoritos, le avisarán cuando éstos se hayan actualizado y adecuarán páginas específicas a sus preferencias.

APLICACIONES Y TECNICAS 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.

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 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: Incluye el desarrollo de dispositivos mecánicos o de computación que tengan la capacidad de realizar funciones, tales como pintar automóviles, de hacer soldaduras de precisión y realizar otras tareas que requieran de un alto grado de precisión o que sean tediosas o impliquen peligro para los seres humanos. En la robótica contemporánea se combinan las capacidades de alta precisión de la máquina con un software controlador sofisticado. Sistema de visión: Incluyen equipos y software que les permite a las computadoras capturar, almacenar y manipular imágenes visuales y fotografías. El Departamento de Justicia de los Estados Unidos usa un sistema de visión para realizar análisis de huellas dactilares, con casi el mismo nivel de precisión que los expertos humanos. Los sistemas de visión 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. Procesamiento de lenguaje natural: Son programas diseñados para tomar lenguajes humanos como entrada y traducirlo en un conjunto estándar de instrucciones que una computadora ejecuta. Los programas analizan gramaticalmente oraciones, tratando de eliminar la ambigüedad de un contexto determinado. El propósito de estos complejos programas es permitir a los seres humanos usar su propio lenguaje natural cuando interactúan con programas como sistemas de administración de bases de datos (DBMS) o sistemas de apoyo para la toma de decisiones. 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 gran ventaja radica en que pueden usarse junto con dispositivos de reconocimiento de voz a fin de que el usuario de instrucciones a las computadoras para que realicen tareas, sin usar un teclado o cualquier otro dispositivo de entrada. Sistemas de aprendizaje: Una 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. Por ejemplo, algunos juegos computarizados tienen capacidades de aprendizaje, si la computadora no ganaun juego en particular, recuerda no hacer los mismos movimientos. Redes Neuronales: Es un sistema de computación que puede actuar en la misma forma que funciona el cerebro humano, o simularlo. Además, el software de red neuronal se puede usar para simular una red neuronal por medio de computadoras normales. La redesneuronales pueden procesar muchas piezas de información al mismo tiempo y aprender a reconocer patrones.

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.

“La inteligencia artificial llega a los sistemas 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.

“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. Todo proceso industrial es evaluado por la calidad de su producto final, esto hace de la etapa de control de calidad una fase crucial del proceso. Los mecanismos utilizados para establecer la calidad de un producto varían dependiendo de los parámetros que tengan relevancia en el mismo. Cuando el parámetro relevante es la geometría o forma del objeto fabricado se suele dejar a la vista del operario que lleve a cabo tal función tanto de inspección como de verificación para el control de calidad, sin embargo pueden existir errores en la geometría de un objeto que escapen de la vista de un operario y que luego impidan el buen funcionamiento de dicho objeto. En un caso como éste, surge como una buena alternativa el utilizar un sistema de visión artificial capaz de detectar aquellos errores que un operario pudiera pasar por alto. El sistema de visión artificial Robot Visión PRO, es capaz de ejecutar de manera totalmente automática las labores de identificación de objetos y de control de calidad de los mismos.