REPBLICA BOLIVARIANA DE VENEZUELA

INSTITUTO UNIVERSITARIO
DE TECNOLOGA DE
ADMINISTRACIN INDUSTRIAL
AMPLIACIN BARCELONA

Elaborado por:
YARWIN MARTINEZ
CI. 25.572.604

Barcelona, Abril 2015

INTRODUCCIN

En las ltimas dcadas se han visti en cambios profundos en el mbito

empresarial debido fundamentalmente al avance de la tecnologa. La
presencia de nuevos paradigmas en el tratamiento de la informacin que
generan las empresas denominado "Gestin del Conocimiento" al igual que
el procesamiento masivo de esta informacin, una marcada tendencia hacia
la globalizacin de los mercados, al riesgo y la incertidumbre en la toma de
decisiones empresariales etc., han contribuido a dicho avance. Todo esto
enmarcado por un mundo cada vez ms complejo donde el viejo mundo de
las certezas ya no existe y donde el ser competitivo y sostenible en el tiempo
se constituye en un reto imperativo para la supervivencia de las empresas.
En este contexto, el avance de la tecnologa y de los nuevos paradigmas no
debe limitarse a simular las funciones para el procesamiento manual de la
informacin, sino que estas herramientas deben ser un soporte fundamental
para el logro de los objetivos de la gestin empresarial traducida en
decisiones adecuadas, eficaces y oportunas.
Los cambios mencionados anteriormente se pueden extender al campo
de las decisiones empresariales, especialmente al campo de las finanzas, las
cuales no se han escapado a estos cambios y nuevos paradigmas. As se
pueden observar profundas transformaciones que van desde las finanzas
tradicionales en las que los estudios se han enmarcado sobre una base
fundamentalmente descriptiva, contable e institucional, a las finanzas
modernas que buscan explicar los fenmenos financieros e indicar el
camino para la toma de decisiones financieras. Estas explicaciones se basan
en la construccin de modelos cuantitativos que utilizan el lenguaje cientfico,
un razonamiento adecuado y verificaciones empricas. Las investigaciones
ms recientes en el campo de las finanzas estn incidiendo ms en el

estudio de los aspectos cualitativos, en lo que se ha dado en llamar como el

paradigma de la sicologa financiera. Este paradigma intenta explicar el
comportamiento de los inversionistas, tema que encuentra grandes
limitaciones cuando se aborda enteramente con los modelos racionales
planteados por las finanzas tradicionales y modernas.
Con el propsito de abordar estos nuevos paradigmas se han
desarrollado recientemente las tcnicas de la Inteligencia Artificial, las cuales
han dejado en claro la necesidad de contar con soportes de ayuda
poderosos para tomar decisiones en la actividad empresarial. Estos soportes
deben ser capaces de considerar la informacin cualitativa y a partir de ella
disear e implementar modelos estadsticos y computacionales que asistan a
los decisores en la resolucin de los diversos problemas empresariales.
En la actualidad, la Inteligencia artificial se est aplicando a numerosas
actividades realizadas por los seres humanos y se destacan entre otras las
siguientes lneas de investigacin cientficas: La robtica, la visin artificial,
tcnicas de aprendizaje y la gestin del conocimiento. Estas dos ltimas
aplicaciones de la inteligencia artificial son las que ms directamente se
aplican al campo de las finanzas, debido a que en este campo existe una
fuerte motivacin orientada a la construccin de sistemas de informacin que
incorporen

conocimiento,

y que

permitan

a los decisores de

las

organizaciones tomar decisiones eficientes y oportunas en el mbito de la

gestin financiera empresarial.
A continuacin se describe las tcnicas ms destacadas de la
Inteligencia artificial aplicadas al campo de la gestin financiera empresarial:
Los sistemas expertos, las redes neuronales, los algoritmos genticos y la
lgica difusa. Estas tcnicas pueden combinarse para obtener una solucin
ms adecuada del problema en estudio.

INTELIGENCIA ARTIFICIAL Y SUS APLICACIONES EN LA GESTION DE

RIESGOS

INTELIGENCIA ARTIFICIAL

La Inteligencia Artificial trata de conseguir que los ordenadores simulen

en cierta manera la inteligencia humana. Se acude a sus tcnicas cuando es
necesario

incorporar

en

un sistema informtico, conocimiento o

caractersticas propias del ser humano.

IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL

A medida que el mundo se vuelve ms complejo, debemos usar

nuestros recursos materiales y humanos con ms eficiencia, y para lograrlo,
se necesita la ayuda que nos ofrecen los computadores.

Existe la falsa impresin de que uno de los objetivos de la inteligencia

artificial es sustituir a los trabajadores humanos y ahorrar dinero. Pero en el
mundo de los negocios, la mayora de personas est ms entusiasmada ante
las nuevas oportunidades que ante el abatimiento de costos. Adems, la
tarea de reemplazar totalmente a un trabajador humano abarca de lo difcil a
lo imposible, ya que no se sabe cmo dotar a los sistemas de IA de toda esa
capacidad de percibir, razonar y actuar que tienen las personas. Sin
embargo, debido a que los humanos y los sistemas inteligentes tienen

habilidades

que

se

complementan,

podran

apoyarse

ejecutar acciones conjuntas:

En la agricultura, controlar plagas y manejar cultivos en forma ms
eficiente.
En las fbricas, realizar montajes peligrosos y actividades tediosas
(labores de inspeccin y mantenimiento).
En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar la
condicin de los pacientes, administrar tratamientos y preparar estudios
estadsticos.
En el trabajo domstico, brindar asesora acerca de dietas, compras,
supervisin y gestin de consumo energtico seguridad del hogar.
En las escuelas, apoyar la formacin de los estudiantes, especialmente
en aquellas materias consideradas complejas.
Ayudar a los expertos a resolver difciles problemas de anlisis o a
disear nuevos dispositivos.
Aprender de los ejemplos para explorar bases de datos en busca de
regularidades explotables.
Proporcionar respuestas a preguntas en lenguaje natural usando datos
estructurados y texto libre.
La inteligencia artificial aplicada es la contraparte de ingeniera de la
ciencia cognoscitiva y complementa sus perspectivas tradicionales. La
ciencia cognoscitiva es una mezcla de psicologa, lingstica y filosofa.

La metodologa y terminologa de la inteligencia artificial est todava en

vas de desarrollo. La inteligencia artificial se est dividiendo y encontrando
otros

campos

relacionados:

lgica,

redes

neuronales, programacin orientada a objetos, lenguajes formales, robtica,

etc. Esto explica por qu el estudio de inteligencia artificial no est confinado
a la matemtica, ciencias de la computacin, ingeniera, o a la ciencia
cognoscitiva, sino que cada una de estas disciplinas es un potencial
contribuyente.
Una

caracterstica

Inteligencia

Artificial

fundamental
de

que

los mtodos

distingue

numricos[3]

los mtodos de
es

el

uso

de smbolos no matemticos, aunque no es suficiente para distinguirlo

completamente. Otros tipos de programas como los compiladores[4] y
sistemas de bases de datos, tambin procesan smbolos y no se considera
que usen tcnicas de Inteligencia Artificial.
El comportamiento de los programas no es descrito explcitamente por
el algoritmo.

La

secuencia

de

pasos

seguidos

por

el programa es

influenciado por el problema particular presente. El programa especifica

cmo encontrar la secuencia de pasos necesarios para resolver un problema
dado (programa declarativo). En contraste con los programas que no son de
Inteligencia Artificial, que siguen un algoritmo definido, que especifica,
explcitamente, cmo encontrar las variables de salida para cualquier
variable dada de entrada (programa de procedimiento).
El razonamiento basado en el conocimiento, implica que estos
programas incorporan factores y relaciones del mundo real y del mbito del
conocimiento en que ellos operan. Al contrario de los programas para
propsito especfico, como los de contabilidad y clculos cientficos; los

programas de Inteligencia Artificial pueden distinguir entre el programa de

razonamiento o motor de inferencia y base de conocimientos dndole la
capacidad de explicar discrepancias entre ellas.
Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de
Inteligencia Artificial los programas no pueden trabajar con este tipo de
problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a
metas como en planificacin, o el diagnstico de tareas en un sistema del
mundo real: con poca informacin, con una solucin cercana y no
necesariamente exacta.
La Inteligencia Artificial incluye varios campos de desarrollo tales como:
la robtica, usada principalmente en el campo industrial; comprensin de
lenguajes y traduccin; visin en mquinas que distinguen formas y que se
usan en lneas de ensamblaje; reconocimiento de palabras y aprendizaje de
mquinas; sistemas computacionales expertos.
Los sistemas expertos, que reproducen el comportamiento humano en
un estrecho mbito del conocimiento, son programas tan variados como los
que diagnostican infecciones en la sangre e indican un tratamiento, los que
interpretan datos sismolgicos en exploracin geolgica y los que configuran
complejos equipos de alta tecnologa.
Tales tareas reducen costos, reducen riesgos en la manipulacin humana
en

reas

peligrosas,

mejoran

el desempeo del personal inexperto,

mejoran el control de calidad sobre todo en el mbito comercial.

IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL EN LA GERENCIA
EMPRESARIAL

En el momento actual la Inteligencia Artificial se aplica a numerosas

actividades humanas, y como lneas de investigacin ms explotadas
destacan el razonamiento lgico, la traduccin automtica y comprensin del
lenguaje natural, la robtica, la visin artificial y, especialmente, las tcnicas
de aprendizaje y de ingeniera del conocimiento. Estas dos ltimas ramas
son las ms directamente aplicables al campo de las finanzas pues, desde el
punto de vista de los negocios, lo que interesa es construir sistemas que
incorporen conocimiento y, de esta manera, sirvan de ayuda a los procesos
de toma de decisiones en el mbito de la gestin empresarial.
En el mbito especfico del Anlisis Contable, segn Ponte, Sierra,
Molina y Bonsn (1996) la Inteligencia Artificial constituye una de las lneas
de actuacin futura ms prometedoras, con posibilidades de aplicacin tanto
en el mbito de la investigacin como en el diseo de sistemas de
informacin inteligentes, que no solamente proporcionen datos al decisor
sino que recomienden el mejor curso de actuacin a seguir.
De entre todos los paradigmas y estrategias de la Inteligencia Artificial,
actualmente dos tienen el mayor inters para las aplicaciones en la empresa:
los sistemas expertos y las redes neuronales artificiales. Estos sistemas se
pueden combinar, por lo que una solucin prctica es utilizar sistemas mixtos
que incorporan un mdulo de sistema experto con sus reglas junto a otros
mdulos neuronales y estadsticos.

LA INTELIGENCIA ARTIFICIAL Y EL ANLISIS DE LA SOLVENCIA

EMPRESARIAL

El anlisis de la solvencia empresarial ha sufrido una gran evolucin a lo

largo de los ltimos 20 aos, debido a factores tales como el aumento en el
nmero de quiebras, la desintermediacin creciente que se observa en
los mercados financieros, la disminucin de los tipos de inters o el
desarrollo de nuevos instrumentos financieros. Todo ello ha impulsado el
desarrollo de nuevos y ms sofisticados mtodos de anlisis de la solvencia,
y entre este tipo de sistemas ocupan un papel destacado aquellos que estn
basados en tcnicas de Inteligencia Artificial.
La determinacin de la solvencia futura de una empresa puede ser
entendida en la mayora de los casos como una operacin de clasificacin,
es decir, dada una informacin inicial o conjunto de atributos asociados a
una empresa, y extrados en su mayor parte de los estados contables de la
misma, lo que pretende el analista es tomar la decisin de clasificar a esa
empresa dentro de una categora concreta de riesgo financiero, de entre
varias posibles[10]. Aplicando la clsica divisin que hizo Simon de los
procesos de decisin entre estructurados y no estructurados, es claro que
esa decisin es de tipo no estructurado ya que no existe un procedimiento
definido para abordarla, siendo necesario el juicio y la propia evaluacin del
decisor. Tal y como sealan diversos autores Ball y Foster, Martn Marn, no
existe una teora comnmente aceptada que explique el fenmeno del
fracaso empresarial, por lo que a priori no es posible establecer qu variables
financieras ni qu valores en las mismas determinan la futura solvencia o
insolvencia de una firma.
Debido a lo anterior, el estudio de la solvencia implica una investigacin
selectiva dentro de un espacio de alternativas inmenso pues, como se ha
comentado, no existe un procedimiento que conduzca de forma inequvoca a
la solucin ptima. Por lo tanto, la seleccin ha de estar basada en reglas
prcticas o heursticas[14], debiendo fijarse tambin un criterio de suficiencia

para determinar cuando las soluciones encontradas son satisfactorias. Todo

ello concuerda plenamente con el paradigma de la racionalidad limitada, que
gobierna los procesos de decisin en el mbito econmico. Ese anlisis
heurstico se ha implementado tradicionalmente a travs de la aplicacin de
tcnicas estadsticas, tales como el anlisis multidiscriminante lineal o los
diversos modelos de variable de respuesta cualitativa (logit, probit, etc.).
Sin embargo todas estas tcnicas presentan limitaciones, pues parten
de hiptesis ms o menos restrictivas, que por su propia naturaleza la
informacin econmica, y en especial los datos extrados de los estados
financieros de las empresas, no van a cumplir, perjudicando as los
resultados. La aplicacin de tcnicas procedentes del campo de la
Inteligencia Artificial surge como un intento de superar esta limitacin, pues
estas ltimas no parten de hiptesis preestablecidas y se enfrentan a los
datos

de

una

forma

totalmente

exploratoria,

configurndose

como procedimientos estrictamente no paramtricos.

En los epgrafes restantes se revisan las aplicaciones al campo del
anlisis de la solvencia de los diversos sistemas de Inteligencia Artificial. Las
principales diferencias entre las mismas radican en la forma en la que
abordan el proceso de elicitacin, que es la fase en la cual se extrae el
conocimiento de las fuentes elegidas y, en este sentido, OLeary indica que
los sistemas inteligentes pueden construirse a partir de dos enfoques:

Introducir en el ordenador el conocimiento que un(os) experto(s) humano(s)

ha(n) ido acumulando a lo largo de su vida profesional, obtenindose as lo
que se conoce como sistema experto.
El principal problema que ocasiona este enfoque consiste en que el proceso
de captacin de la informacin ha de hacerse mediante entrevistas al experto
o bien observando directamente su comportamiento a travs de un anlisis
de protocolos. Esto ocasiona un cuello de botella en el desarrollo de las

aplicaciones, por lo que para solucionarlo surge el enfoque indicado en el

siguiente acpite.

Elaborar programas de ordenador capaces de generar conocimiento a travs

del anlisis de los datos empricos y, en una fase posterior, usar ese
conocimiento para realizar inferencias sobre nuevos datos. Fruto de este
enfoque

surgen

diversos

procedimientos,

conocidos

como

Machine

Learning[17] (Aprendizaje Automtico) o Data Mining[18] (Explotacin de

Datos), que van a permitir la transformacin de una base de datos en una
base de conocimiento. Las tcnicas aplicables pertenecen en su mayor parte
a dos bloques principales:

Las que buscan el conocimiento a travs de un proceso consistente en

anticipar patrones en los datos. Las diversas arquitecturas de Redes
Neuronales Artificiales van encaminadas a este propsito.

Aquellas consistentes en inferir reglas de decisin a partir de los datos de la

base.

Para

ello

existen

diversos

algoritmos

de induccin de

reglas

y rboles de decisin.
GESTION DE RIESGO
El fsico britnico Stephen Hawking alert sobre los peligros de la
inteligencia artificial. El fsico considera que los esfuerzos en crear este tipo de
tecnologa avanzada puede poner en riegos la supervivencia de los seres
humanos.

Para el cientfico, de 72 aos, el desarrollo de la inteligencia artificial

podra significar el fin de la raza humana, si los sistemas artificiales llegaran a
superar en inteligencia a las personas.

Los robots podran llegar a tomar el control y se podran redisesear a s

mismos para desbancar a los humanos, dijo el fsico en una entrevista con la
cadena BBC.

Hawking ofreci hoy una rueda de prensa en Londres para presentar un

nuevo software que le permitir comunicarse con mayor velocidad que hasta
ahora.

Humanos suprimidos por robots

El autor de libros como Una breve historia del tiempo padece desde hace
ms de 50 aos una esclerosis lateral amiotrfica (ELA) que ha reducido casi
por completo su movilidad. Gracias a un nuevo sistema desarrollado por la
compaa Intel, Hawking podr comunicarse con mayor fluidez y multiplicar por
diez su productividad, segn l mismo explic.

En ese contexto, el cientfico subray que los sistemas inteligentes que se

han desarrollado hasta ahora han resultado tiles para la humanidad, si bien
advirti sobre la posibilidad de que en el futuro puedan suponer un peligro.

Los humanos, que estn limitados por la evolucin biolgica, no podran

competir y quedaran suprimidos por los robots, analiz Hawking.

El fsico habl adems de los peligros que a sus ojos puede acarrear
internet y resalt que las compaas de telecomunicaciones deben hacer ms
para contrarrestar las amenazas que pueden propagarse a travs de la red.
La dificultad est en cmo hacerlosin sacrificar la libertad y la privacidad,
reflexion Hawking

Hawking no es el primero que expresa su preocupacin por la inteligencia

artificial. Elon Musk, CEO de Tesla, ha dicho en varias ocasiones que esta
tecnologa puede suponer un riesgo. Con la inteligencia artificial estamos
invocando al demonio puede ser ms peligrosa que las armas nucleares
han sido algunas de sus calificaciones.

A medida que la tecnologa ha ido avanzando, y los dispositivos que nos

rodean (desde coches a relojes, pasando por refrigeradores y termostatos) han
ido ganando en inteligencia, un temor ha ido creciendo en algunos seres
humanos, que en dicho avance han visto tambin una amenaza. Se trata, claro,
de la rebelin de las mquinas, un escenario apocalptico en el que, alcanzado
el umbral de la autoconsciencia, y desarrollados los mecanismos necesarios
para evolucionar, las mquinas decidiran que ya est bien de permanecer
sometidas a lo dictado por el ser humano, especialmente si eso atenta contra
intereses mayores. No es balad que el padre del concepto de cerebro
positrnico, Isaac Asimov, lo fuera tambin de las tres leyes de la robtica, que
an hoy en da siguen siendo empleadas no slo en todo tipo de creaciones de
ciencia ficcin, sino en planteamientos tericos de cmo deben comportarse las
formas de vida artificial. Dicho conjunto de reglas, que son de obligado
cumplimiento para cualquier robot (entindase como tal un dispositivo
electrnico con capacidad de toma de decisiones), tienen la finalidad de proteger
a los seres humanos, por encima de cualquier otro criterio:

1. Un robot no puede hacer dao a un ser humano o, por inaccin, permitir que un
ser humano sufra dao.
2. Un robot debe obedecer las rdenes dadas por los seres humanos, excepto si
estas rdenes entrasen en conflicto con la 1 Ley
3. Un robot debe proteger su propia existencia en la medida en que esta proteccin
no entre en conflicto con la 1 o la 2 Ley.

Sin embargo, y al igual que ocurre con el cerebro positrnico, un enfoque

cientfico de los postulados de Asimov los deja un poco cojos y,
consecuentemente, ese seguro de vida que supondra la aplicacin de normas
proteccionistas para con los seres vivos, queda en entredicho. As, no es de
extraar que determinadas voces, algunas de ellas fuera de cualquier tipo de
duda, planteen que existen riesgos. Tal es el caso de Stephen Hawking, que ha
afirmado en un editorial en The Independent, que el desarrollo de la inteligencia
artificial puede ser el mayor logro de la humanidad pero tambin el ltimo.

Lo nico que nos puede salvar de esos posibles riesgos es, claro,
conocerlos, y para tal fin es necesario que se dediquen muchos esfuerzos de
investigacin (y econmicos, claro est), tanto a las pocas entidades (tanto
pblicas como privadas) que ya estn trabajando en este sentido, pues slo
identificando los riesgos y preparando una respuesta para los mismos, se podr
actuar llegado el momento. Por ejemplo, un aspecto particularmente
preocupante es el relacionado con los trabajos. A da de hoy, bastantes
actividades que hasta hace poco tiempo eran llevadas a cabo por humanos,
ahora estn en manos de mquinas. Sin embargo, esto podra crecer de manera
exponencial, a medida que la inteligencia de las mquinas fuera superior. E,
incluso antes que eso, en el corto plazo, otro aspecto que preocupa seriamente
a Hawking es el de las armas inteligentes:

In the near term, world militaries are considering autonomous-weapon

systems that can choose and eliminate targets; the UN and Human Rights
Watch have advocated a treaty banning such weapons.

Es decir, que los militares podran estar pensando (y trabajando) en

sistemas totalmente autnomos, capaces de elegir objetivos y destruirlos.
Naciones Unidas y Derechos Humanos (Human Rights Watch) han planteado
tratados para la prohibicin (antes incluso de que existan) de este tipo de armas,
pero ya es sabido que no son pocos los pases que no reconocen a ambas
entidades o que, incluso en el caso de hacerlo, no llevan a rajatabla todas sus
propuestas.

Termina su editorial Hawking, enumerando las instituciones que s que estn

trabajando en la identificacin de los posibles riesgos (Cambridge Centre for the
Study of Existential Risk, Future of Humanity Institute, Machine Intelligence
Research Institute y Future of Life Institute), entidades todas sin nimo de lucro.
Y, al final, una invitacin de la que todos somos partcipes: All of us should ask
ourselves what we can do now to improve the chances of reaping the benefits
and avoiding the risks. Todos nosotros debemos preguntarnos qu podemos
hacer para mejorar las posibilidades de aprovechar las las ventajas y, al
tiempo, evitar los riesgos. Quiz sea necesaria una conciencia global sobre
dichos riesgos. A da de hoy, investigadores especializados en inteligencia
artificial, afirman quela tecnologa todava est muy verde, lo que nos deja un
margen de maniobra ms que suficiente. Sin embargo, tampoco dudan en
plantear la posibilidad de una rpida evolucin de la misma, sobre todo si la
investigacin empieza a recibir ms fondos, algo ms que factible dadas las
circustancias actuales. No es algo a pasar por alto, en cualquier caso. Los

riesgos planteados por Hawking tienen una base muy slida, as que ms nos
vale empezar a pensar en cmo adelantarnos a ellos. Cualquier descuido al
respecto puede tener consecuencias inimaginables.

El avance rpido de la tecnologa en los ltimos 50 aos ha hecho

cambiar el mundo. Las computadoras dominan la vida moderna de las
vastas regiones del planeta, apoyando las funciones clave de los gobiernos
mundiales y la economa, aumentando la precisin en la asistencia sanitaria,
el control de identidad y facilitar las formas de comunicacin. El Centro para
el Estudio de Riesgo Existencial (RSME), ser el encargado de estudiar los
potenciales peligros de la tecnologa para la raza humana como los avances
en biotecnologa, la nanotecnologa junto al cambio climtico y hasta la
inteligencia artificial. El nuevo centro ha sido fundado por el filosofo Huw
Price, el cientfico Martin Rees y el ingeniero de software Jaan Tallinn, que
plantean los riesgos del nivel de extincin para nuestra especie.
En algn momento de este siglo o del siguiente podemos estar ante
uno de los grandes cambios en la historia de la humanidad o incluso de
nuestra historia csmica, cuando la inteligencia se escapa de los lmites de la
biologa, dijo Huw Price, profesor de filosofa y un de los tres fundadores de
la RSME. Adems seal que la inteligencia artificial general (IAG) no se
debe tomar a la ligera y hay que pensar en la posibilidad de que podra
tratarse de una caja de Pandora.
El inters de Price sobre el riesgo de la inteligencia artificial se deriva
de un encuentro casual con Jaan Tallinn, un antiguo ingeniero de software y
uno de los fundadores de Skype, que al igual que Google y Facebook se ha
convertido en una de las piedras angulares de la edad digital. Tallinn afirma
que es ms probable morir a causa de un accidente relacionado con la

inteligencia artificial que de cncer o enfermedades del corazn. Segn

Tallinn, las maquinas controlan el futuro despus de 4 millones de aos de
evolucin humana. Pero segn Price, dijo que predecir la naturaleza exacta
de los riesgos es muy complicado, y que la tecnologa avanzada puede ser
una amenaza en un momento donde los ordenadores comienzan a dirigir los
recursos hacia sus propios objetivos, a expensas de las preocupaciones
humanas como la sostenibilidad del medio ambiente. Tambin reconoci que
muchas personas creen que este proyecto es inverosmil, pero insisti en
que los riesgos potenciales son demasiado serios para mirar a otro lado. La
universidad dijo el domingo que la apertura del nuevo centro est prevista
para el prximo ao.
Riesgos
Para muchos la singularidad debe acontecer antes del 2030. El tiempo
que resta antes de que se llegue a ese fenmeno se acelera con la
utilizacin de mquinas para apoyar tareas de diseo, mejoras de diseo y
fabricacin de nuevos inventos.

Una vez llegado al punto en que se cree una inteligencia superior a la

humana, se entrara en una etapa post humana que probablemente
conduzca a la extincin de la humanidad o a su subordinacin a esos nuevos
entes inteligentes.

Los defensores de la singularidad estn conscientes de las amenazas

que esta implica y consideran los siguientes riesgos existenciales:

Inteligencia artificial mal programada.

Mal uso de la nanotecnologa.

Mala utilizacin de la biotecnologa.

Uso generalizado de las prtesis (convirtindose en un robot)

Tecnologas autnomas que se escapan de las manos (mquinas que

se auto construyen a si mismas)

En cambio, los defensores de la singularidad asumen que es necesario

tomar el control de la evolucin humana y acelerar el progreso tecnolgico.
Proponen la sustitucin de una especie humana obsoleta por otra especie
superior con poderes ilimitados y que por medio de las tecnologas
emergentes o convergentes (Nanotecnologa, Biotecnologa, Infotecnologa y
Cognotecnologa - NBIC) puedan alcanzar la posthumanidad.
El siglo XXI enfrenta el dilema de si controla el progreso tecnolgico y lo
mantiene como una infraestructura subordinada a los humanos o estimula el
desarrollo autnomo del progreso tecnolgico y con l los riesgos que este
representa.

La idea de una singularidad, Vinge la sustenta sobre la ley de

Moore que dice que la capacidad de los microchips de un circuito integrado
se duplicar cada ao y medio, lo cual traer un crecimiento exponencial de
la potencia del hardware de las computadoras y de mantenerse este
crecimiento acelerado conducir inevitablemente a que las mquinas le den
alcance y luego superen la capacidad del cerebro para procesar la
informacin y segn un grfico elaborado por Hans Moravec, la paridad entre
el hardware y el cerebro se alcanzar alrededor del 2020 lo cual dar lugar a
las mquinas ultra inteligentes.

Vinge define una mquina ultra inteligente como una mquina capaz
de superar en mucho todas las actividades intelectuales de cualquier
humano independientemente de la inteligencia de ste y est convencido de
que esa inteligencia superior ser la que impulsar el progreso, el cual ser
mucho ms rpido e incluso superar a la actual evolucin natural. Es as
que afirma que estaremos entrando en un rgimen radicalmente diferente de
nuestro pasado humano, y es a este evento al que le da el nombre de
singularidad.

El transhumanista Nick Bostrom define una superinteligencia de la siguiente

forma: Tendr superinteligencia cualquier intelecto que se comporte de
manera vastamente superior en comparacin con los mejores cerebros
humanos en prcticamente todos los aspectos y en especial estos tres:

Creatividad cientfica

Sabidura en general

Desempeo cientfico

Esta definicin deja abierta la forma como se implementa esa

superinteligencia

Una computadora digital

Una red de computadoras

Cultivo de tejidos corticales

Fusin entre computadoras y humanos

En general los tericos del la singularidad definen la superinteligencia:

como cualquier forma de inteligencia artificial basada en la capacidad del
sistema de autoaprendizaje. Estas redes neuronales artificiales seran
capaces de superar a los mejores cerebros humanos en prcticamente
cualquier disciplina, incluyendo creatividad cientfica; sentido comn, y
habilidades sociales. Muchos cientficos han presentado el argumento de que
tanto el hardware necesario como el software requerido para la
superinteligencia sern desarrollados en las primeras dcadas del siglo XXI.
A diferencia de los investigadores de la Inteligencia Artificial, que
pensaban que la mente poda ser representada por medio de algoritmos y
que esta poda ser programada totalmente en una computadora. Creen que
las mquinas dado el progreso acelerado de la potencia de su hardware
despertarn en algn momento como una inteligencia, esto nos lleva al
concepto de emergencia basado en que las mquinas sern cada vez ms
veloces, tendrn ms memoria y que esto emerger en una nueva
inteligencia. El mismo concepto aplica para Internet, donde las conexiones
entre humanos y mquinas que se comportaran como neuronas dentro de
una gran red, por lo que en cualquier momento de ellas emerger una
inteligencia (cerebro global).

La idea de priorizar el hardware sobre el software se apoya sobre los

siguientes conceptos:

La evolucin de las mquinas es ms rpida que la de los humanos,

mientras las mquinas sufren un crecimiento acelerado, la evolucin
natural de los humanos est prcticamente detenida.

La aceleracin de las tecnologas se seguir incrementando hasta

llegar a un punto que escapa a las capacidades de los humanos
(singularidad tecnolgica).

Las mquinas se irn auto construyendo a s misma, cada vez ms

perfeccionadas, ms veloces, con ms memorias, dotadas de mejores
algoritmos; podrn llegar a convertirse en mquinas superinteligentes que
superen a los humanos.

La inteligencia de las mquinas dada la complejidad que irn

adquiriendo y las conexiones internas (circuitos) o externas (redes) podr
despertar como una entidad auto consciente.

La mayora de los mtodos propuestos para la creacin de una

inteligencia suprahumana caen en una de estas dos categoras: en la
amplificacin de la inteligencia del cerebro humano o en el desarrollo de la
inteligencia artificial. Los medios con los que se podra aumentar la
inteligencia son numerosos, e incluyen la bioingeniera, la ingeniera
gentica, los frmacosnootrpicos, los asistentes inteligentes, las interfaces
directas cerebro-computadora y transferencia mental. La existencia de
mltiples caminos para una explosin de inteligencia hace que una
singularidad sea ms probable, ya que para no ocurrir debe fallar en todas
sus posibilidades.

CONCLUSIONES.

En este artculo se presenta una breve revisin de las principales

tcnicas de la Inteligencia Artificial y sus aplicaciones a la gestin financiera
empresarial, debido a que estas herramientas tecnolgicas constituyen un
soporte muy importante para la toma de decisiones eficaces y oportunas en
la gestin empresarial.
De las tcnicas de Inteligencia Artificial los sistemas expertos se
constituyen en la tcnica o herramienta ms tradicionalmente aplicada a la
gestin financiera empresarial debido a que permiten la implementacin de
sistemas transaccionales, flexibles e innovadores para las empresas. La
gran mayora de los sistemas expertos estn basados en reglas de
clasificacin que son obtenidas partiendo de la experiencia y del
conocimiento de especialistas expertos en la solucin de un problema
particular. Sin embargo, recientemente se ha venido desarrollando una nueva
tcnica adscrita a los Sistemas expertos y son los denominados Sistemas
Basados en Casos (Case Based Reasoning).
En la bsqueda de nuevas tcnicas de Inteligencia Artificial se han
implementado estructuras auto-organizativas

que simulen o imiten el

funcionamiento de la vida biolgica, tal es el caso de las redes neuronales

artificiales las cuales intentan representar el conocimiento desde el estrato
ms bsico de la inteligencia ( el estrato fsico) que es el cerebro humano.
Estas estructuras autoorganizativas se constituyen en sistemas robustos
para el tratamiento de la informacin, cuya potencialidad an es objeto de
investigacin. Las caractersticas fundamentales de las redes neuronales
artificiales son entre otras: La capacidad de autoaprendizaje a partir del

procesamiento de patrones, flexibilidad ante cambios en nuevos ambientes,

y la tolerancia a fallos.
Por otra parte, las redes neuronales se estn combinando con otras
tcnicas de reciente aparicin tales como la lgica difusa y los algoritmos
genticos, las cuales proporcionan en conjunto herramientas potentes para la
resolucin de problemas complejos para los cuales el sistema algortmico
tradicional no es eficiente.
La evolucin y constante desarrollo y aplicacin de estas tcnicas de la
inteligencia artificial nos invitan a continuar realizando estudios empricos que
permitan determinar en qu tipo de problemas y bajo qu condiciones estas
herramientas pueden ser una solucin ms eficiente que los modelos
utilizados habitualmente.
En conclusin, la aplicacin de las herramientas anteriormente
mencionadas al campo empresarial, permite contar con metodologas que
sirven de soporte a los complejos procesos de anlisis. Dichos procesos se
requieren en el descubrimiento de las tendencias del negocio a fin de tomar
decisiones eficientes y oportunas, y poder afrontar los retos que impone el
mundo globalizado, en donde el conocimiento y su correcta aplicacin
aparecen como un factor esencial para el desarrollo de las organizaciones y
de la economa en general.

BIBLIOGRAFIA
Arias, J., Fabin M.(2005): Pronstico del tipo de cambio colombiano: Una
aproximacin desde las redes neuronales. Edicin electrnica accesible a
texto completo en http:/www.uniandes.edu.co. Pginas:4-31.
Bracamonte R..C. y Villamizar, J.G. (2002): Diseo e Implementacin de un
sistema inteligente utilizando redes neuronales. Tesis Uninorte. Pginas: 618.
Boucier, D. y Casanova, P.(2003): Inteligencia Artificial y Derecho. Editorial
UOC. Pginas: 54-72.
Flores, M.(n.d): La Inteligencia Artificial en la Gestin Empresarial. Edicin
electrnica

accesible

texto

completo en http://www.monografias.com/trabajos28/inteligencia-artificialgestion-empresarial/inteligencia-artificial-gestion-empresarial.shtml
Giatarrano, J. Y Riley, G. (2001): Principios y Programacin. Internacional
Thomson Editores. Pginas 1-50.
Graubard, Stephen R. (1993):El nuevo debate sobre la inteligencia artificialSistemas simblicos y redes neuronales. Editorial Gedisa . Primera edicin.
Pginas: 29-96.
Guy, B., Pierre, L y Pomerol, J.C.(1990): Los sistemas expertos en la
empresa. Macrobit Corporation. Pgina: 9-189.
Harmon, P. y King, D. (1985): Artificial Intelligence In business Expert
System A Wiley Press Book . Pginas 1-21.

Hilera J. y Martnez, V. (1995): Redes Neuronales Artificiales. Fundamentos,

Modelos y Aplicaciones . RA-MA/Addison Wesley Iberoamericana.