FASE 1 – TÉCNICAS

KATHERINE AVILA VIATELA

WILMAR JAIR GOMEZ

EDISSON CENDALES

VIVIANA QUINTERO

LUIS ENRIQUE CABALLERO

DOCENTE:

FERNANDO ROJAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PROGRAMA INGENIERÍA DE SISTEMAS

HERRAMIENTAS DE LA INTELIGENCIA ARTIFICIAL

OCTUBRE BOGOTÁ, COLOMBIA

2019
● Investigar sobre las técnicas y herramientas que utiliza la inteligencia artificial

Las técnicas de la inteligencia artificial (IA) hacen referencia a diferentes campos de

investigación y al desarrollo de aplicaciones. La IA es el tipo de inteligencia, que

demuestran los distintos artefactos creados por los humanos, normalmente referido a los

sistemas informáticos, pero también tiene relación en el ámbito de la investigación

científica (Galipienso et al., 2003).

El desarrollo de nuevos mecanismos y aplicaciones, ha permitido diseñar nuevos métodos

de trabajo, logrando la comunicación con las máquinas y los entornos informáticos,

acercándose al funcionamiento de la mente humana. A continuación se presenta las

diferentes técnicas de la inteligencia artificial:

Machine learning o aprendizaje automático: utiliza algoritmos orientados a la

identificación de patrones en datos para generar predicciones, segmentar grupos de

comportamiento homogéneo o identificar la solución más eficiente para una meta

establecida”. El Machine Learning es la rama de la ciencia que busca el desarrollo

de técnicas que permitan a los ordenadores aprender por sí mismos. Para ello se

crean programas que pueden generalizar ciertas respuestas a partir de información

sin estructurar, que se suministra como ejemplos. Con ello, se induce al

conocimiento por parte del ordenador.

Fuzzy logic o lógica difusa: Conocida como lógica heurística. Esta técnica incide

en lo relativo de un escenario observado como posición diferencial. Es un tipo de

lógica que toma dos valores al azar, contextualizados y relacionados entre sí. Por
ejemplo, considerar una persona de 2 metros como alta al haber tomado antes el

valor de una persona de un metro como baja.

Vida artificial: Consiste en el estudio de la vida y de los entornos artificiales que

muestran cualidades propias de los seres vivos en entornos de simulación.

Sistemas expertos: Hace referencia a un sistema de información que se basa en el

conocimiento de un área de aplicación de gran complejidad y muy específica. Sirve

como asistente consultor y experto para los usuarios de su interfaz.

Data Mining o minería de datos: Esta técnica consiste en la extracción

indiscriminada de información que se encuentra implícita en los datos manejados.

Dicha información, desconocida previamente, se destina a ser utilizada en algún

otro proceso. La minería de datos sondea, prepara y explora, los datos para poder

extraer alguna información que se oculte en ellos.

Redes Bayesianas: conocidas como redes de creencia, estas redes son un modelo

probabilístico multivariado, que relaciona un conjunto de variables de tipo aleatorio

usando un grafo dirigido para indicar una influencia causal de manera explícita.

Ingeniería del conocimiento: generar un nuevo conocimiento que no existía

previamente. Se hace a partir de la información que se contiene en bases de datos de

documentos y mediante el cruce de contenido de los archivos. Es una técnica que se

basa en la teoría de “actor-red”, poniendo de manifiesto redes y creando nuevas.

También implica el ejercicio de la teoría de la “traducción-traslación”.

Redes neuronales artificiales: Estas redes son un paradigma del aprendizaje y los

procesamientos automáticos, inspirado todo ello en el modo en que funciona el

sistema nervioso de los animales. Consiste en un sistema de interconexión de

neuronas en una red que colaboran entre ellas para crear una respuesta de salida.

Sistemas reactivos: Estos son sistemas de aplicación crítica, y un fallo o error

puede acarrear consecuencias graves. Al punto de poner en riesgo las vidas

humanas o el resultado de importantes inversiones económicas. Su comportamiento

en estos entornos, de tiempo real, se determina tanto por la sucesión de acciones que

se ejecutan como por el momento en que cada una de ellas se sucede y son

procesadas.

Sistemas basados en reglas: Consisten en modelos de representación del

conocimiento que se usan de manera amplia. Son apropiados para escenarios en los

que el conocimiento que se necesita representar surge de manera natural en una

estructura de reglas.

Razonamiento basado en casos: Es un proceso para solucionar cuestiones

basándose en soluciones de problemáticas anteriores. El razonamiento que se basa

en casos se sirve de analogías para los nuevos razonamientos. Se considera que no

solo es una poderosa herramienta de cálculo para ordenadores. Sino que los seres

humanos usan el mismo principio para la solución de problemas cotidianos.

Representación de Conocimiento: Es un sistema que sirve para analizar el modo

de pensamiento de manera formal. Se usa un entorno de símbolos para la

representación de un dominio de discurso, junto a las funciones que puedan inferir

sobre los objetos procesados.

Redes semánticas: Son maneras de representación del conocimiento lingüístico

para las que los conceptos y las interrelaciones entre ellos se representan mediante

grafos. Son utilizadas para la representación de mapas conceptuales y mentales,

entre otras funciones.

Lingüística computacional: Es un campo multidisciplinar de la lingüística aplicada

en la informática. Se sirve de los sistemas informáticos para el estudio y el

tratamiento del lenguaje. Para ello, se intenta modelar de manera lógica el lenguaje

natural desde un punto de vista programable.

Procesamiento del lenguaje natural: Es una disciplina de la rama de la ingeniería

para la lingüística computacional. Se utiliza para la formulación e investigación de

mecanismos de eficacia informática para servicios de comunicación entre las

personas o entre ellas y las máquinas usando lenguajes naturales. Los campos de

desarrollo e investigación de la inteligencia artificial sirven para el desarrollo de

nuevos mecanismos y aplicaciones que permitan diseñar nuevos métodos de trabajar

y comunicar con las máquinas y los entornos informáticos

Sistemas borrosos: Maneja una lógica difusa por la cual con ayuda de herramientas

matemáticas se representa y manipula la información de modo que simulan

comportamientos humanos, estos datos se representan en métricas lineales; es

adecuada para la representación de incertidumbres.

Algoritmos genéticos: Es un proceso que busca soluciones potenciales conocida

como población genética; en primera instancia esta población genética es aleatoria y

 las soluciones van evolucionando de acuerdo a las etapas de mutación que obtenga

en sus pruebas. Construye una información cuantitativa para guiar la búsqueda.

En cuanto a las herramientas de la IA, a lo largo de la historia se han ido desarrollando

diferentes aplicaciones y herramientas como, se presentan en la tabla 1.

Tabla 1.

Herramientas y aplicaciones de la inteligencia artificial

Herramientas Descripción

Un lenguaje artificial empleado para dictar

instrucciones a una computadora, y aunque
es factible hacer uso de cualquier lenguaje
computacional para la producción de
Lenguajes de Programación
herramientas de inteligencia artificial; se
han desarrollado herramientas cuyo
propósito específico es el desarrollo de
sistemas dotados con Inteligencia Artificial.

Un sistema experto es “una aplicación

informática que soluciona problemas
complicados que de otra manera exigirían
ampliamente la pericia humana”
Aplicaciones y Sistemas Expertos
(Rolston,1990). Los sistemas expertos
simulan el proceso de razonamiento
humanos mediante la aplicación de
conocimiento e inferencia de
almacenamiento y manipulación de las
bases del conocimiento de los sistemas
 expertos, fueron las ciencias naturales.

Ambientes de desarrollo Un sistema experto posee entre sus

componentes las dos herramientas
siguientes: la base de conocimientos,
relacionado con un problema o fenómeno se
codifica según una notación específica que
incluye reglas, predicados, redes semánticas
y objetos.

Motor de inferencia. Es el mecanismo que

combina los hechos y las preguntas
particulares, utilizando la base de
conocimiento, seleccionando los datos y
pasos apropiados para presentar los
resultados

Fuente: Ponce et al., (2014)

● Investigar ¿que es un agente inteligente? y ¿cómo funciona?

Un agente inteligente desde las ciencias de la computación en inteligencia artificial, tiene

un significado más amplio, considerado como un sistema de computación que sustituye a

una persona o proceso para realizar una actividad o cumplir un requerimiento (Narciso,

2007). Operando dentro de los límites de una necesidad general o representada en un

espacio de información dada (King, 1995). En cuanto a su comportamiento un agente puede

percibir su ambiente a través de sensores y actuando sobre el mismo a través de efectores

(figura 1), siendo racional y autónomo en la medida que sus acciones y preferencias

dependan se su propia experiencia en lugar del conocimiento inmerso en el ambiente que ha

sido construido por el diseñador.

 Figura 1. Visión esquemática de un agente inteligente. Flores (2008).

Según Wooldidge (2000) los agentes inteligentes deben ser autónomos siendo su mayor

características, al ser capaces de realizar acciones flexibles en relación a sus propiedades y

características siendo capaz de percibir y responder al entorno en un tiempo razonable,

exhibiendo su comportamiento dirigido por metas, y de interactuar con otros agentes (tabla

2), en orden de satisfacer sus objetivos siendo:

Reactivo: El agente es capaz de responder a cambios en el entorno en que se encuentra

situado.

Pro-activo: a su vez el agente debe ser capaz de intentar cumplir sus propios planes u

objetivos.

Social: debe de poder comunicarse con otros agentes mediante algún tipo de lenguaje de

comunicación de agentes.

Logrando los investigadores de inteligencia artificial, que los agentes inteligentes realicen

funciones en cuanto a la ejecución de tareas, realizándose con destrezas y cumpliendo sus

objetivos, por otra parte con conocimiento de su entorno, adquiriendo su conocimientos por
aprendizaje y capacidad de comunicación donde interactúa con el usuario y se relaciona

con el inter-agente.

Tabla 2.

Propiedades atribuidas a los agentes

Propiedad Descripción

Autónomo Ejerce control sobre sus propias acciones

Orientado a objetivos Actúa con un sentido, no solo como

respuesta al ambiente

Continuo Está continuamente corriendo sus proceso

Comunicativo Es sociable, puede comunicarse con otros

agentes, inclusive agentes humanos

Aprendizaje adaptativo Cambia su comportamiento basado en

experiencias previas

Móvil Tiene la posibilidad de transportarse por si

mismo, de una máquina a otra

Flexible No tiene un guión predeterminado

Carácter Demuestra una personalidad y un estado

emocional
 Reactivo Responde en un corto tiempo a los cambios
en el ambiente

Fuente: Lizcano et al., (2009)

● Definir e identificar los componentes de un agente inteligente

Agente inteligente como una entidad software que, basándose en su propio

conocimiento, realiza un conjunto de operaciones destinadas a satisfacer las

necesidades de un usuario o de otro programa, bien por iniciativa propia o porque

alguno de éstos se lo requiere.

Los componentes de un agente inteligente, debe ser capaz de interactuar con su

ambiente, logrando aspectos como:

Convergencia: demostrar o probar que un agente está programado en tal forma que

su comportamiento externo alcanzará una tarea en particular como éxito.

Complejidad: el agente debe contender con la complejidad del mundo, para lograrlo

debe examinar los aspectos relevantes de las sensaciones recibidas.

Síntesis: para una tarea en particular, el programa debe funcionar de tal forma que el

program demuestre convergencia.

Tabla 3.

Componentes de un interfaz de agente inteligente

Componente Descripción

El usuario determina en gran parte, el

contexto, la interfaz, los dispositivos de
 entrada - salida y el enfoque del sistema
computarizado a diseñar. Antes de concebir
el diseño es necesario definir el modelo en
función a las características como edad,
Modelo del usuario o perfil del usuario
experiencia, habilidad destrezas, cultura y el
modelo mental del sistema

El uso de varios métodos de interacción,

permitiendo utilizar el sistema
Comunicación multimodal computarizado de forma más intuitiva,
ofreciendo más libertad de usuarios.

Se usa para deducir lo que el usuario planea

hacer, tomando en consideración el
conocimiento del sistema, el modelo del
usuario y las tareas que realiza el sistema
Reconocimiento del plan
computarizado.

Presentación dinámica El sistema decide desplegar la información,

de una manera clara y comprensible

Una mejor técnica para hacer un sistema

computarizado más intuitivo permitiendo
Lenguaje natural alto grado de libertad del usuario.

Presenta al usuario aquella ayuda necesaria

en un lapso de tiempo o situación
Ayuda inteligente
determinada. También se usa para
reconocer que el usuario tiene un problema
con una tarea o para sugerir acciones que el
usuario puede realizar.

Interfaz adaptable Debe presentar al usuario dependiendo de

una análisis del modelo del usuario.
Fuente: Narciso, (2007).

● Indicar de las técnicas, herramientas de la inteligencia artificial que utilizará en el

proyecto en desarrollo

El propósito específico del proyecto es el desarrollo de un prototipo de software inteligente

que reconoce el sexo de una persona, partiendo de características dadas. Para el desarrollo

del proyecto se considerará técnicas y herramientas de IA. En primer lugar, como objetivo

del agente se almacenará y utilizará el conocimiento de informaciones específicas para

lograr el reconocimiento. Para los componentes del agente se tendrá en cuenta, base de

conocimiento, es decir conocimiento, que se implementa mediante una notación específica,

y unidad de inferencia encargada de combinar los hechos y preguntas particulares mediante

el uso de la base del conocimiento, seleccionado los pasos y datos adecuados para la

representación de información útil. Se utilizará Python como lenguaje de programación,

como técnica se utilizará mechine learning para adquirir los datos y poder comparar los

resultados obtenidos y el empleo de diseño de diagrama del algoritmo para controlar el

funcionamiento del sistema.

 BIBLIOGRAFÍA

Alemán Morales Daril. 2017. Revista de Arquitectura e Ingeniería. Técnicas de inteligencia

artificial aplicadas a problemas de ingeniería civil. Recuperado de

http://www.redalyc.org/pdf/1939/193955164005.pdf

Carranza, P., Castro. (2010). Introducción a las Técnicas De Inteligencia Artificial

Aplicadas A La Gestión Financiera Empresarial. Fides et Ratio - Revista de

Difusión cultural y científica de la Universidad La Salle en Bolivia, 4(4), 8-15.

Recuperado en 20 de septiembre

. Castro, A., Castro, N., Garcia, G., Hernandez, M., Lara, M. (2005). Inteligencia Artificial

–Agentes inteligentes. Instituto tecnológico de nuevo Laredo. Pp. 4-12.

Flores, E. (2008). Agentes Inteligentes: El Siguiente paso en la Inteligencia Artificial.

Revista de Información, Tecnología y Sociedad.

Galipienso, A., Quevedo, C., Pardo, C., Ruiz, E., & Ortega, L. (2003). Inteligencia

artificial: modelos, técnicas y áreas de aplicación. Editorial Paraninfo.

King, J. (1995). Intelligents Agents: Bringing Good Things To Life. Al expert. Pp.17-19.
 Lizcano, R., García, C., & Holguín, P. (2009). Tendencias en el desarrollo de

agentes inteligentes aplicados en la construcción de un aula inteligente. Revista de

Investigaciones UNAD, 8(2), 85-102.

Narciso, F. (2007). Estudio de aplicabilidad de los agentes inteligentes en las interfaces de

Usuario. Red Universidad de los Andes. Pag. 20-22. Recuperado de

https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3206927

&query=agentes+inteligentes

Ponce., J. Gallegos., A. Torres., Fátima., S. (2014). Proyecto Latin Inteligencia Artificial.

1a ed. - Iniciativa Latinoamericana de Libros de Texto Abiertos (LATIn), pp 225.

Quesenbery, W. (2002). Who is control? The logic undelying the intelligent technologies

used in Performance support. Technical Comunication. Vol. 49, Iss. 4, p. 449-457

(9 pp.) Consultado Marzo 31 de 2007 desde ProQuest Humanities. (Document ID:

235932521)

Rolston, D. (1990). Principios de Inteligencia Artificial y Sistemas Expertos. Editorial

McGraw Hill. ISBN 958-600-047-7.

Wooldrige, M. (2000). Intelligent Agents: introduction. Agent Systems sumer school.

APD, R. (2019) Técnicas de la inteligencia artificial: ¿Cuáles son y para qué se

utilizan?. Recuperado de https://www.apd.es/tecnicas-de-la-inteligencia-artificial-

cuales-son-y-para-que-se-utilizan/