Fase 1 - Técnicas, herramientas de la Inteligencia Artificial

Anderson Javier Quintero Argoty

Luisa María Valencia Rojas
Johnny Andrés Antia Velasco
Carlos Ordoñez

Universidad Nacional Abierta A Distancia

Escuela De Ciencias Básicas Tecnología E Ingeniería

Programa Ingeniera de Sistemas

San Juan de Pasto

2020
 Objetivo General

 A continuación, se encuentra las definiciones y conceptos básicos para las técnicas

y herramientas de la inteligencia artificial, al igual que la descripción de que son y

cómo funcionan los agentes inteligentes, se pretende que el estudiante se familiarice

con los diferentes conceptos que se incluyen dentro de la Inteligencia Artificial.

Objetivos específicos

 Conocer las técnicas y herramientas de la inteligencia artificial

 Conocer qué es un agente inteligente y cómo funciona

 Conocer conceptos de Inteligencia artificial y algunas de sus aplicaciones

 CONSOLIDADO ACTIVIDADES PARA LA PRESENTE ACTVIDAD

TÉCNICAS Y HERRAMIENTAS QUE UTILIZA LA INTELIGENCIA

ARTIFICIAL

Una vez realizada la investigación, se puede evidenciar la existencia de dos grupos,

inteligencia artificial convencional y la inteligencia artificial computacional.

La inteligencia artificial convencional se conoce también como simbólico-deductiva

basada en el análisis formal y estadístico del comportamiento humano, se caracteriza por

siempre garantizar la presencia de las siguientes técnicas:

 Razonamiento basado en casos: Tomar decisiones mientras se resuelven

problemas concretos. Se cuenta con decisiones a tomar para cada caso específico.

 Sistemas expertos: Solución a través del conocimiento previo del contexto en que

se aplica y ocupa de ciertas reglas o relaciones.

 Redes bayesianas: Soluciones mediante inferencia probabilística. Aplicadas las

técnicas conocidas a la optimización de procesos para aprendizaje y opciones de

conocimiento.

Inteligencia artificial basada en comportamientos: Esta inteligencia contiene

autonomía y puede controlarse para optimizar sus proceso o procedimientos dependientes.

sistemas con capacidad de adquiri nuevo conocimiento, y aplicarlo al mejoramiento de la

actividad involucrada a desarrollar, se despliegan elementos importantes como los que se

relaciona a continuación.

 Aprendizaje automático (Machine learning): Su objetivo es hacer que las

maquinas aprendan de manera automática, a través del método inductivo,

implementado a partir de programas que generalizan comportamientos basado en

información no estructurada e ingresada en forma de ejemplos.

Algunos de sus algoritmos son:

 Aprendizaje supervisado: El algoritmo genera de manera automática una

forma de correspondencia entre lainformación de entrada con el fin de

obtener la salida deseada. Por ejemplo, se puede obtener a partir de un grupo

de parámetros definidos como coordenadas la ubicación de un lugar en

particular.

 Aprendizaje No supervisado: Todo el proceso de modelado se lleva a cabo

sobre un conjunto de ejemplos formado tan sólo por entradas al sistema. No

se tiene información sobre las categorías de esos ejemplos.

Un ejemplo de ello es ingresar un conjunto de datos con características

similares, pero no dar una función para el resultado, esto lleva al algoritmo a

agrupar por patrones el conjunto de datos y presentar de dicha manera esta

información.

 Aprendizaje por refuerzo: El algoritmo aprende observando el mundo que

le rodea. Su información de entrada es el feedback o retroalimentación que

obtiene del mundo exterior como respuesta a sus acciones.

 Transducción: Similar al aprendizaje supervisado, pero no construye de

forma explícita una función. Trata de predecir las categorías de los futuros

ejemplos basándose en los ejemplos de entrada, sus respectivas categorías y

los ejemplos nuevos al sistema.

 Aprendizaje multi-tarea: Métodos de aprendizaje que usan conocimiento

previamente aprendido por el sistema de cara a enfrentarse a problemas parecidos a

los ya vistos. Al igual que con los algoritmos en el aprendizaje automático se tienen

tres tipos de conocimiento:

Crecimiento: se adquiere a partir de los que nos rodea con lo que se ve e

interactuamos, dejando marcado el aprendizaje firme en memoria.

Reestructuración: a partir del entendimiento, el individuo analiza y genera nuevo

conocimiento, conocido como reestructuración.

Ajuste: se obtiene al comprender los diferentes conceptos y entenderlos para obtener

un concepto propio

 Smart process management: Facilita la toma de decisiones complejas,

proponiendo una solución a un determinado problema.

La inteligencia artificial computacional se conoce como simbólica-inductiva, es la

relación del aprendizaje interactivo, por medio de comportamientos asociados al

patrón de memoria. En este grupo podríamos clasificar:

 Redes Neuronales: Basado en un gran conjunto de unidades neuronales simples

(neuronas artificiales), de forma aproximadamente análoga al comportamiento

observado un comportamiento similar a la estructura neuronal de un ser humano.

Sistemas de autoaprendizaje, son programados para detectar soluciones a problemas

complejos que no se resuelven de manera convencional.

  Computación Evolutiva: Se caracteriza por dar solución a los problemas de

optimización combinatoria. todo sistema que implique mejora continua, como

resultado de una evaluación constante.

 Swarm Intelligence: Comportamiento colectivo de sistemas, se asemeja a casos de

la naturaleza, seguimiento de reglas simples sobre una carente estructura de control

centralizado, interacciones locales asociados a la emergencia de un comportamiento

complejo.

En la Inteligencia Artificial, se han desarrollado diferentes lenguajes específicos

para los diferentes campos de aplicación. Los lenguajes para su desarrollo, se carazterizan

por características complejas, que ofrecen soluciones agiles a las necesidades puntuales

previamente identificadas.

El desarrollo de este tipo de software ofrece gran modularidad. Poseen capacidad de

tomar decisiones de programación, es decir cuando el programa ya está ejecutándose.

Ofrecen grandes facilidades en el manejo de listas, y esto es importante, ya que las listas

son la estructura más habitual usada para la representación del conocimiento en la

Inteligencia Artificial. Facilitan la realización de tipos de deducción automática

permitiendo también la creación de una base de hechos. Permite el uso simultáneo de

estructuras que incorporan conocimiento declarativo y procedimental. Tienen una marcada

orientación gráfica.

Las herramientas de Inteligencia Artificial permiten hacer un seguimiento de los

cambios realizados a lo largo de la sesión. En su disposición se encuentran herramientas

capaces de desarrollar programas, que generan autoaprendizaje, que permite la solución de

los problemas involucrados.

 Sistemas que se asimilan al desarrollo del pensamiento humano. Este tipo de

sistemas tratan de emular el pensamiento humano.

Sistemas que actúan como seres humanos. Son sistemas que asemejan su

comportamiento al de los seres humanos. imitan el comportamiento humano.

Sistemas que piensan racionalmente. La lógica involucra su desarrollo, el imitar o

emular el pensamiento lógico racional del ser humano, es la premisa de este tipo de

desarrollo.

Sistemas que actúan racionalmente, son aquellos que tratan de emular de forma

racional el comportamiento humano; por ejemplo, los agentes inteligentes.

De igual manera, tomando en cuenta el avance que se presenta actualmente en

cuanto a tecnología, además de la constante búsqueda de optimizar los diversos servicios y

procesos en cada una de las áreas de la industria y el conocimiento, necesariamente

tenemos que mencionar a la inteligencia artificial y las técnicas que ésta maneja, ya que,

son indispensables para comprender de una manera más clara el cómo se desarrolla y aplica

en nuestra vida diaria; la inteligencia artificial no es más que la inteligencia humana

emulada a través de diversos dispositivos adaptados para tal fin, se pueden tener en cuenta

los siguiente elementos, así:

 Fuzzy logic o lógica difusa: Esta técnica toma valores al azar, contextualizados,

los compara y, a partir de ello se obtiene un resultado, gracias a su manera de

trabajar ésta técnica es adaptable al mundo real, permitiendo comprender

cuantificadores que empleamos en nuestro lenguaje tales como alto, bajo,

mucho, poco, entre otros. Calculando por ejemplo la altura de 2 personas y

 determinando cual es la más alta y cual la más baja basado en el criterio ya

mencionado (la altura).

 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 reactivos: Son sistemas de aplicación críticos, dentro de los cuales,

cualquier error puede traer consecuencias graves al tal punto que, puede poner

en riesgo las vidas humanas ó el resultado de inversiones económicas,

dependiendo el área en que se utilice.

 Redes Bayesianas: También 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 casual de

manera explícita.
 COMPONENTES DE UN AGENTE INTELIGENTE

Un agente inteligente puede ser de tipo físico o virtual, se puede describir como una

entidad capaz de recibir información del exterior, analizarla, procesarla y entregar un

resultado al operador, dicho agente debe contar con sensores y demás elementos que le

permitan obtener información de su exterior para poder ser procesada. Algunos ejemplos de

estos agentes pueden ser, un robot parametrizado para realizar tareas peligrosas, un

software desarrollado para identificar algún tipo de enfermedad con parámetros definidos.

Un agente inteligente se caracteriza por la autonomía en el desarrollo de acciones,

los agentes normalmente son programas informáticos programados para la recepción de

órdenes por parte del usuario, órdenes complejas que contienen un grado de inteligencia

mayor al de otro programa, adicionalmente se caracteriza por la complejidad en las

respuestas automáticas realzadas con el fin de dar respuesta al usuario en tiempo real.

Se pueden encontrar programas que limiten su respuesta a instrucciones específicas,

recibiendo ordenes exactas en base a su código, pero un agente inteligente es capaz de

transformar la petición de su usuario en lo que este realmente quiere pese a no contar con

una instrucción específica.

Lo anterior, garantiza la aplicación de tres principales características:

 Comunicación

 Autonomía

 Inteligencia
 Un agente inteligente incorpora funciones que provienen de la inteligencia artificial,

se caracterizan por lanzamiento de productos, vigilancia de tendencias y competencia, en el

sector de la banca, para asesorías personales, detección de fallas.

Este tipo de agentes son esenciales en el desarrollo de la vida del ser humano, se

requieren para el desarrollo de actividades puntuales, se clasifican de la siguiente manera:

 Agentes de Interfaz: Útiles principalmente para que un usuario, que aprenda a

utilizar aplicaciones, permite resolver dudas y se comunica adicional con otros

agentes, con el fin de brindar satisfacción en el proceso desarrollado.

 Agentes colaborativos o cooperativos: Trabajan en conjunto con otros agentes y

depende de este trabajo así mismo son los resultados obtenidos.

 Agentes móviles: Son procesos que viajan por la WEB, su interacción radica en la

intervención de otros equipos, donde su función radica en obtener la mayor cantidad

de información posible para brindarle lo más concreto posible lo que desea su

usuario.

 Agentes de información: Son agentes encargados de administrar información,

entre sus funciones se puede decir que esta la recuperación de información perdida

en la WEB.

 Agentes reactivos: Responden de acuerdo a su entorno, no cuentan con un modelo

simbólico de su entorno, actúan con base a los estímulos generados en este.

 Agentes híbridos: Son una combinación entre agente y demás dispositivos

maximizando sus fortalezas y minimizando las debilidades del otro dispositivo.

Una vez identificada la diferente cantidad de agentes existentes, se pueden clasificar de la

siguiente manera:
  Agentes de búsqueda: Buscan, recuperan y brindan información, son fáciles de

usar y a información que brinda registra altos porcentajes de precisión.

 Agentes de filtrado: Determinan si la información es útil o no para el usuario

clasificando su información en base al perfil de cada persona.

 Agentes de monitorización: Capaces de alertar al usuario acerca de un evento que

le pueda interesar, tomando los gustos previamente definidos por el en su perfil.

Para finalizar se pude decir que un agente inteligente verifica una acción en el ambiente, su

percepción se mide por el tiempo, verifica conocimiento y valida detectado, se comunica

con demás agentes a su alcance y da una respuesta a sus usuarios.

Clasificación de los agentes inteligentes

 agentes reactivos

 agentes reactivos basados en modelo

 agentes basados en objetivos

 agentes basados en utilidad

 agentes que aprenden

 agentes de consultas

Ejemplo. El deamon de X Windows xbiff está situado en un ambiente UNIX,

vigilando constantemente el buzón de su usuario para avisarle cuando llegan mensajes

nuevos a través de una interfaz gráfica.

Si bien hemos presentado al xbiff como un agente, no hemos dicho que se trate de

una entidad inteligente. Se dice que un agente es racional si hace lo correcto. Una primera

aproximación a la definición de lo “correcto” consiste en asumir que una acción correcta es

aquella que causa que el agente tenga un mayor éxito. Esto reduce el problema de la
racionalidad a definir cómo y cuándo se debe evaluar el “éxito” del agente. El término

medida de desempeño se refiere al criterio usado para determinar el éxito de un agente.

Ilustración 1 Entorno computacional actual

Según Franklin y Graesser un agente es un sistema computacional capaz de actuar de

manera autónoma para satisfacer sus objetivos y metas, mientras se encuentra situado
persistentemente en su medio ambiente.

La arquitectura de un agente se clasifica así

Para su clasificación se basa en:

 Autonomía
 Cooperación
 Aprendizaje en agentes ▪ Agentes de interfaz:
 TÉCNICAS, HERRAMIENTAS DE LA INTELIGENCIA ARTIFICIAL PARA

DESARROLLO DEL PROYECTO

Teniendo en cuenta la importancia del desarrollo de la presente actividad, es de

suma importancia definir los elementos que se involucraran para el desarrollo del proceso y

fortalecimiento del proyecto aplicando los conceptos y elementos de la inteligencia

artificial.

Con base en lo anterior se define una lista de conceptos que se utilizaran en el

desarrollo del presente proyecto, así:

 Redes neuronales artificiales: Técnica se basa en la emulación del sistema

neuronal de las personas, consiste en un sistema de interconexión en una red que

trabajan en conjunto para crear una respuesta o dato de salida.

 Sistemas basados en reglas: Modelos que representan el conocimiento que usan de

manera amplia, realizan comparaciones iniciales, las cuales serán comparadas

nuevamente con nuevas reglas establecidas.

 Aprendizaje Automático (Machine Learning): Rama de la ciencia, que busca

desarrollar técnicas que permitan a los dispositivos aprender por sí mismos,

mediante programas no estructurados que se ingresan como ejemplos.

 Sistemas expertos: Sistema de información centrado en el conocimiento de áreas

particulares y de gran complejidad de la ciencia simulando razonamientos y

aprendizajes, frente a la interacción con el usuario.

 Técnicas de Representación de Conocimiento: Sistema que sirve para analizar el

modo de pensamiento de manera formal a partir de un entorno de símbolos que

 permite realizar un razonamiento, a partir de este, se obtienen conclusiones para el

desarrollo de la actividad.

 Redes semánticas: Son maneras de representación del conocimiento lingüístico

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

grafos.

 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.

 Data Mining o minería de datos: Técnica consiste en la extracción discriminada

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

almacenamiento y aprovechamiento garantiza la optimización de recursos y

mejoramiento en los procedimientos.

 Ingeniería del conocimiento: Consiste en generar un nuevo conocimiento que no

existía previamente. Autoaprendizaje aplicado al mejoramiento de actividades

aplicadas al mejoramiento de actividades y agilización de procesos, por intermedio

de decisiones propias.
 BIBLIOGRAFIA

González, A. (2014). Machine Learning. Recuperado de https://cleverdata.io/que-

esmachine-learning-big-data/

Departamento de Ingeniería de Sistemas Telemáticos. (2018). Ingeniería el conocimiento.

Recuperado de http://dit.upm.es/~gfer/ssii/rcsi/rcsise4.html

EcuRed (2018). Lógica Difusa Recuperado de https://www.ecured.cu/L

%C3%B3gica_difusa

Palmer Por, A. Montaño Moreno, J. (1999). ¿Qué son las redes neuronales artificiales?

Recuperado de http://disi.unal.edu.co/~lctorress/RedNeu/LiRna001.pdf

EcuRed (2018). Red Bayesiana Recuperado de https://www.ecured.cu/Red_Bayesiana

Universidad Veracruzana (2018). Agentes Inteligentes Recuperado de

https://www.uv.mx/aguerra/documents/2013-ia2-01.pdf

Narciso, Flor, et al. Estudio de la aplicabilidad de los agentes inteligentes en las interfaces

de usuario. Revista Ciencia e Ingeniería. 28(1), 2007, Red Universidad de Los

Andes, 2007. ProQuest Ebook Central,

http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3206927