INTELIGENCIA ARTIFICIAL

¿Qué es la inteligencia artificial?

Es una tecnológica que persigue la construcción de máquinas y programas capaces de realizar

tareas complejas con una habilidad y eficiencia iguales o superiores a las que consigue el ser
humano. Es decir, que tengan capacidad de aprendizaje (la adquisición de información y
reglas para el uso de la información), razonamiento (usando las reglas para llegar a
conclusiones aproximadas o definitivas) y autocorrección.

El término (AI) fue acuñado por John McCarthy, un informático estadounidense, en 1956
durante la Conferencia de Dartmouth, donde nació la disciplina. Hoy en día, es un término
general que abarca desde la automatización de procesos robóticos hasta la robótica actual. Ha
ganado prominencia recientemente debido a que se encuentran en el área de control de
sistemas, planificación automática, la habilidad de responder a diagnósticos y a consultas de
los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de
patrones. Realizando tales tareas de forma más rápida que un ser humano, lo que permite a
las empresas obtener más información sobre sus datos. Los sistemas de IA actualmente son
parte de la rutina en campos como economía, medicina, ingeniería y la milicia.

A medida que las máquinas se vuelven cada vez más capaces, la tecnología que alguna vez se
pensó que requería de inteligencia se elimina de la definición. Por ejemplo, el reconocimiento
óptico de caracteres ya no se percibe como un ejemplo de la "inteligencia artificial"
habiéndose convertido en una tecnología común.

En la actualidad, la inteligencia artificial hace referencia a diversas tecnologías que se pueden

combinar de distintas formas para:
 ● Sentir: La visión por ordenador y el procesamiento de audio, por ejemplo, pueden
percibir lo que sucede alrededor mediante la adquisición y el procesamiento de
imágenes, sonidos y voz. El uso del reconocimiento facial en puestos de control de
pasaportes es un ejemplo práctico de cómo la IA puede aumentar la productividad.
● Comprender: El procesamiento de lenguajes naturales y los motores de inferencia
permiten que los sistemas de IA puedan analizar y comprender la información
recibida. Esta tecnología se utiliza para crear herramientas que traducen los resultados
obtenidos por motores de búsqueda.
● Actuar: Un sistema de (IA) puede emplear tecnologías como los sistemas expertos
para tomar decisiones o llevar a cabo acciones en el mundo físico. Buen ejemplo de
ello son los pilotos automáticos y los sistemas de asistencia a la frenada en vehículos.

Algunos investigadores decidieron cambiar el enfoque del desarrollo de la Inteligencia

artificial, restringiendo su ambición a un dominio específico e intentando simular el
razonamiento de un experto humano. En vez de dedicarse a computarizar la inteligencia
general, se centraron en dominios de conocimiento muy concretos. De esta manera nacieron
los Sistemas Expertos.

Los Sistemas Expertos, rama de la Inteligencia Artificial, son sistemas informáticos que
simulan el proceso de aprendizaje, de memorización, de razonamiento, de comunicación y de
acción en consecuencia de un experto humano en cualquier rama de la ciencia.

Estas características le permiten almacenar datos y conocimiento, sacar conclusiones lógicas,

tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse con expertos
humanos, explicar el porqué de las decisiones tomadas y realizar acciones como
consecuencia de todo lo anterior.

1. Historia de la inteligencia artificial

Los primeros trabajos que pueden considerarse como el embrión de la Inteligencia Artificial
moderna aparecen en la década de los 40 del siglo pasado, aunque no sería hasta 1950 cuando
realmente estos estudios y propuestas consiguen una verdadera repercusión gracias al artículo
“Computing Machinery and Intelligence”, escrito por Alan Turing, uno de los padres de la
IA, y publicado en el volumen 59 de la revista “Mind”. En este artículo se profundiza sobre la
posibilidad de que una máquina pueda imitar el comportamiento de la mente humana. En este
mismo artículo se propone el Test de Turing, orientado a demostrar si una determinada
máquina es inteligente o no.
En 1956 se propone a la Inteligencia Artificial como una disciplina que buscaba reproducir
comportamiento inteligente con la ayuda de una máquina. Esto se realizó en un Congreso
sobre Informática Teórica en EEUU, en el que se definió el concepto de Inteligencia
Artificial, como una nueva rama de la informática con entidad propia.

1.1. Inicios (1952-1969)

Los primeros años de la IA estuvieron llenos de éxitos, aunque con ciertas limitaciones.
Teniendo en cuenta lo primitivo de los computadores y las herramientas de programación de
aquella época, y el hecho de que sólo unos pocos años antes, a los computadores se les
consideraba como artefactos que podían realizar trabajos aritméticos y nada más, resultó
sorprendente que un computador hiciese algo remotamente inteligente
A continuación, se muestran algunos de los hechos que marcaron la esperanza del desarrollo
de la inteligencia artificial
➔ Herbert construyó el demostrador de teoremas de geometría
➔ Juego de damas, podía hacer más que cálculos aritméticos
➔ McCarthy definió el lenguaje Lisp. El nombre proviene del término “List Processing”,
es un lenguaje de programación aplicativo o funcional, de propósito general, se basa
en la aplicación de funciones a los datos y se apoya en la utilización de funciones
matemáticas para el control de los mismos. El elemento fundamental en el LISP es la
lista. Cada función del LISP y cada programa que generemos con él vienen dado en
forma de lista.
➔ Evolución de del aprendizaje Hebbiano, fue sugerida por Donald Hebb en 1949, a
partir de estudios con neuronas reales. Según este método de aprendizaje aplicado a
las redes neuronales artificiales, las conexiones entre las neuronas de entrada activas y
las neuronas de salida activas se refuerzan durante el entrenamiento.

1.2. Una dosis de realidad (1966-1973)

El primer tipo de problemas surgió porque la mayoría de los primeros programas contaban
con poco o ningún conocimiento de la materia objeto de estudio; obtenían resultados gracias
a sencillas manipulaciones sintácticas.
El segundo problema fue que muchos de los problemas que se estaban intentando resolver
mediante la IA eran intratables. La mayoría de los primeros programas de IA resolvían
problemas experimentando con diversos pasos hasta que se llegara a encontrar una solución.
El tercer obstáculo se derivó de las limitaciones inherentes a las estructuras básicas que se
utilizaban en la generación de la conducta inteligente. Por ejemplo, en 1969, en el libro de
Minsky y Papert, Perceptrons, se demostró que si bien era posible lograr que los perceptrones
(una red neuronal simple) aprendieran cualquier cosa que pudiesen representar, su capacidad
de representación era muy limitada.
Aunque hubo muchas limitaciones, durante estos años también se obtuvieron muchos
avances. En 1973 Alain Colmerauer, fue el creador de la programación lógica de lenguaje
prolog, que se utiliza en la inteligencia artificial.

1.3. Inteligencia artificial como ciencia (desde 1980 hasta el presente)

En 1982 por McDermott se creó el primer sistema experto comercial llamado R1 el cual
utilizaba la elaboración de pedidos informáticos, 4 años más tarde R1 representó un ahorro de
aproximadamente 40 millones de dólares al año y en 1988 la inteligencia artificial distribuía
más de 40 sistemas expertos. En la pelea de Japón y EEUU, por quién investigaba y
desarrollaba más en la IA, ésta pertenecía a un proyecto que involucraba el diseño de chips y
la relación del ser humano con las máquinas.
La confirmación definitiva de la inteligencia artificial llegó en 1997, cuando IBM, que es una
corporación multinacional de tecnología informática, demostró que un sistema informático
era capaz de vencer al ajedrez a un humano y no un humano cualquiera, sino el campeón del
mundo Gari Kaspárov. Se llamaba Deep Blue y sirvió de base para que la industria
tecnológica y la sociedad en general cobraran conciencia de la relevancia y las posibilidades
de las IA.
La inteligencia artificial no es coto cerrado de IBM ni mucho menos. El gigante de las
búsquedas Google está haciendo numerosos progresos en este terreno, ayudando además a la
comunidad de desarrolladores a sacar provecho de esta tecnología. En ese sentido, Google ha
ampliado recientemente su software de código abierto “TensorFlow”, con el que cualquiera
con acceso a sus servidores puede crear su propio equipo con capacidad de autoprogramación
y de aprender de forma autónoma.
Una de las posibilidades más inmediatas y prometedoras de la inteligencia artificial son los
“chatbots”, las herramientas que permiten la comunicación automatizada entre humanos y
marcas o empresas, a través de redes sociales o comunicaciones de voz, gracias a una
máquina que interpreta el lenguaje natural y es capaz de aprender, procesar e improvisar
respuestas de manera autónoma.

En el 2011, Honda presentó su renovado humanoide Asimo, con tecnología de control de

comportamiento autónomo.
En el 2014, la universidad de Osaka y Toshiba diseñaron un androide capaz de hablar en
lenguaje de señas.

En la última edición del Congreso Internacional de Tecnologías y Tendencias en Austin,

Texas, se habló de que:
➔ La IA reemplazará el 83% de los trabajos que ganan menos de 20 dólares la hora
➔ La IA reemplazará el 31% de los trabajos que ganan hasta 40 dólares la hora
➔ La IA reemplazará el 4% de los trabajos que ganen más de 40 dólares la hora

2. Estructura básica de un sistema experto

Base de conocimientos. Es la parte del sistema experto que contiene el conocimiento sobre
el dominio. Hay que obtener el conocimiento del experto y codificarlo en esta. Una forma
clásica de representar dicho conocimiento en un sistema experto son las reglas. Una regla es
una estructura condicional que relaciona lógicamente la información contenida en la parte del
antecedente con otra información contenida en la parte del consecuente.

Base de hechos (Memoria de trabajo). Contiene los hechos sobre un problema que se han
descubierto durante una consulta. Durante una consulta con el sistema experto, el usuario
introduce la información del problema actual en la base de hechos y el sistema empareja esta
información con el conocimiento disponible en la base de conocimientos.

Motor de inferencia. El sistema experto modela el proceso de razonamiento humano con un

módulo conocido como el motor de inferencia. Dicho motor de inferencia trabaja con la
información contenida en la base de conocimientos y la base de hechos para deducir nuevos
hechos. Contrasta los hechos particulares de la base de hechos con el conocimiento contenido
en la base de conocimientos para obtener conclusiones acerca del problema.

Módulo de explicación. Una característica de los sistemas expertos es su habilidad para

explicar su razonamiento. Usando el módulo del subsistema de explicación, un sistema
experto puede proporcionar una explicación al usuario de por qué está haciendo una pregunta
y cómo ha llegado a una conclusión. Este módulo proporciona beneficios tanto al diseñador
del sistema como al usuario. El diseñador puede usarlo para detectar errores y el usuario se
beneficia de la transparencia del sistema.

Interfaz de usuario. La interacción entre un sistema experto y un usuario se realiza en

lenguaje natural. También es altamente interactiva y sigue el patrón de la conversación entre
seres humanos. Para conducir este proceso de manera aceptable para el usuario es
especialmente importante el diseño del interfaz de usuario. Un requerimiento básico del
interfaz es la habilidad de hacer preguntas. Para obtener información fiable del usuario hay
que poner especial cuidado en el diseño de las cuestiones. Esto puede requerir diseñar el
interfaz usando menús o gráficos.

3. Problemas clásicos

La inteligencia artificial propone construir entidades inteligentes capaces de aprender a través

de la experiencia, reconocer las limitaciones de su conocimiento, exhibir verdadera
creatividad, tomar sus propias decisiones e interactuar con el medio que lo rodea. El cumplir
con estos complejos objetivos plantea una serie de problemas clásicos como lo son: el
razonamiento, la representación del conocimiento, la planificación, el aprendizaje, el
procesamiento del lenguaje natural, la percepción y la capacidad de mover y manipular
objetos.

3.1. Aprendizaje o Machine learning

Se refiere al proceso de aprendizaje que desarrolla la máquina, favorecido por algoritmos de
entrenamiento y que parten de datos o casos precedentes, en lugar de ser programados por un
humano. El machine learning se basa en sistemas de aprendizaje automático a partir de la
identificación de patrones complejos entre millones de datos. Es posible gracias a un
algoritmo que, tras llevar a cabo un análisis de los datos, se capacita para predecir
comportamientos o “comprender” la razón de los mismos. Al igual que en el aprendizaje
humano, los sistemas de machine learning mejoran con el tiempo, en base a una mayor
“experiencia”, y la ventaja es que son completamente autónomos.

Ejemplo: La aspiradora automática

La primera vez que la pones en el suelo no tiene ni idea de cómo es la casa. De modo que
empieza a andar hasta que choca contra una pared o un objeto. Una vez que ha golpeado un
número suficiente de puntos de la pared, la aspiradora realiza su trabajo estupendamente
(hasta que cambias el mobiliario).

3.2. Aprendizaje profundo o Deep learning.

El aprendizaje profundo está conformado por un conjunto de algoritmos de aprendizaje
automático que persigue el aprendizaje de representaciones de datos. Es una rama del
machine learning que se basa en estructuras lógicas y utiliza capas de redes neuronales para
detectar determinadas características en los elementos percibidos, características que se
hallan ocultas en los datos. El deep learning se inspira en el funcionamiento del sistema
nervioso humano y en aquellas redes de neuronas especializadas en realizar tareas
específicas. Es utilizado para la clasificación de datos y la identificación de anomalías en
patrones de datos.

Ejemplo:
El aprendizaje electrónico se usa en la audición automatizada y la traducción del habla. Por
ejemplo, los dispositivos de asistencia doméstica que responden a la voz y conocen sus
preferencias se basan en aplicaciones de aprendizaje profundo.

3.3. Razonamiento y solución de problemas

Se trata de un sistema computacional que emula la capacidad de toma de decisiones humana
con el objetivo de resolver problemas. Funcionan mediante el almacenamiento de
conocimientos específicos sobre un determinado campo para después utilizarlos para
solucionar un problema mediante una deducción lógica de conclusiones. Buscan mejoras en
la calidad y los tiempos de respuestas. Son la forma más primitiva de la inteligencia artificial
y deben disponer de una serie de conocimientos predefinidos, con el fin de poder aplicar
soluciones anteriores a nuevos problemas.

Ejemplo:
Juegos como el ajedrez donde los movimientos por si solos no asegura ganar es necesaria
generar una estrategia. El robotito tiene un sistema computarizado de visión llamado ITRI
que reconoce la forma, el color, el tamaño y la orientación de los objetos. La nueva
tecnología fue patentada por Industrial Technology Research Institute (ITRI) y es el primer
paso para que los robots puedan interactuar con humanos.

3.4. Representación del conocimiento

Se trata de una rama de la inteligencia artificial que representa la información de un modo
que permita inferir, sacar conclusiones. Analiza el pensamiento formal y, una vez adquirido
el conocimiento, busca una representación simbólica, completa, precisa y clara. Se basa en
reglas que guardan relación con la lógica y utiliza símbolos, ya sean imágenes, palabras,
cadenas de caracteres o conjuntos de señales eléctricas. Es el punto de partida para que una
máquina pueda adquirir conocimiento, buscando un modo de representación.

3.5. Percepción (visión)

Es una rama de la inteligencia artificial centrada en emular el sistema visual del ser humano,
no sólo ver, sino interpretar imágenes del mundo real a través del reconocimiento de
patrones, su procesamiento y comprensión de las mismas. La aplicación de la visión
mecánica o visión computarizada se centra fundamentalmente en el ámbito de la robótica.

3.6. Procesamiento del lenguaje natural.

Esta rama de la inteligencia artificial trata de entender el lenguaje natural en su dimensión
semántica. Esta aplicación es muy utilizada por los motores de búsqueda, por ejemplo.
También es adecuada para el filtrado de spam o la extracción de información de voluminosos
y complejos documentos.

3.7. Capacidad de mover o manipular objetos (robótica)

La inteligencia artificial se usa mucho en robótica. Los brazos robóticos avanzados y otros
robots industriales, ampliamente utilizados en las fábricas modernas, pueden aprender de la
experiencia cómo moverse con eficiencia a pesar de la presencia de fricción y deslizamiento
del engranaje. Un robot móvil moderno, cuando se le da un entorno pequeño, estático y
visible, puede determinar fácilmente su ubicación y mapear su entorno; sin embargo, los
entornos dinámicos, como (en endoscopia) el interior del cuerpo de respiración de un
paciente, plantean un desafío mayor. La planificación de movimiento es el proceso de
descomponer una tarea de movimiento en "primitivos", como los movimientos de
articulaciones individuales. Tal movimiento a menudo implica un movimiento obediente, un
proceso donde el movimiento requiere mantener el contacto físico con un objeto.

4. Aplicaciones

Las técnicas desarrolladas en el campo de la inteligencia artificial son numerosas y ubicuas.

Comúnmente cuando un problema es resuelto mediante inteligencia artificial la solución es
incorporada en ámbitos de la industria y de la vida diaria de los usuarios de programas de
computadora, pero la percepción popular se olvida de los orígenes de estas tecnologías que
dejan de ser percibidas como inteligencia artificial. A este fenómeno se le conoce como el
efecto de inteligencia artificial.

Los ejemplos de inteligencia artificial de alto perfil incluyen vehículos autónomos (como
drones y automóviles sin conductor), diagnóstico médico, creación de arte (como poesía),
demostración de teoremas matemáticos, juegos (como Chess o Go), motores de búsqueda
(como Búsqueda de Google), asistentes en línea (como Siri), reconocimiento de imágenes en
fotografías, filtrado de correo no deseado, predicción de decisiones judiciales y publicidad en
línea dirigida.

Con las redes sociales superando a la televisión como fuente de noticias para los jóvenes y las
organizaciones de noticias dependen cada vez más de las plataformas de medios sociales para
generar distribución, las principales editoriales ahora usan tecnología de inteligencia artificial
(IA) para publicar historias de manera más efectiva y generar mayores volúmenes de tráfico.

4.1. Salud

La inteligencia artificial se está introduciendo en la industria del cuidado de la salud

ayudando a los médicos. Según Bloomberg Technology, Microsoft desarrolló AI para ayudar
a los médicos a encontrar los tratamientos adecuados para el cáncer. Hay una gran cantidad
de investigaciones y medicamentos desarrollados relacionados con el cáncer. En detalle, hay
más de 800 medicamentos y vacunas para tratar el cáncer. Esto afecta negativamente a los
médicos, porque hay demasiadas opciones para elegir, lo que hace que sea más difícil elegir
los medicamentos adecuados para los pacientes. Microsoft está trabajando en un proyecto
para desarrollar una máquina llamada "Hannover". Su objetivo es memorizar todos los
documentos necesarios para el cáncer y ayudar a predecir qué combinaciones de
medicamentos serán más eficaces para cada paciente. Un proyecto que se está trabajando en
este momento es la lucha contra la leucemia mieloide, un cáncer mortal donde el tratamiento
no ha mejorado en décadas. Se informó que otro estudio encontró que la inteligencia artificial
era tan buena como la de los médicos entrenados en la identificación de cánceres de piel.
Otro estudio está utilizando inteligencia artificial para tratar de controlar a múltiples pacientes
de alto riesgo, y esto se hace haciendo numerosas preguntas a cada paciente sobre la base de
los datos adquiridos de las interacciones entre el médico in vivo y el paciente.

Según la CNN, un estudio reciente de cirujanos en el Children's National Medical Center en

Washington demostró una cirugía exitosa con un robot autónomo. El equipo supervisó al
robot mientras realizaba una cirugía de tejidos blandos, uniéndose al intestino de un cerdo
durante una cirugía abierta, y lo hizo mejor que un cirujano humano, dijo el equipo. IBM ha
creado su propia computadora de inteligencia artificial, IBM Watson, que ha derrotado a la
inteligencia humana (en algunos niveles). ¡Watson no solo ganó el juego Jeopardy! contra ex
campeones, pero fue declarado héroe después de diagnosticar con éxito a una mujer que sufre
de leucemia.

4.2. Auditoría

Para la auditoría de estados financieros, la inteligencia artificial hace posible la auditoría

continua. Las herramientas de inteligencia artificial pueden analizar muchos conjuntos de
información diferente de inmediato. El beneficio potencial sería que se reduciría el riesgo
general de la auditoría, se aumentaría el nivel de seguridad y se reduciría la duración de la
auditoría.

4.3. Militar

El gasto militar mundial anual en robótica aumentó de 5,1 mil millones de dólares en 2010 a
7,5 mil millones de dólares en 2015. Los drones militares capaces de acciones autónomas son
ampliamente considerados como un activo útil. En 2017, Vladimir Putin afirmó que "quien se
convierta en el líder en (inteligencia artificial) se convertirá en el gobernante del mundo".
Muchos investigadores de inteligencia artificial buscan distanciarse de las aplicaciones
militares de la IA

4.4. Videojuegos

En los videojuegos, la inteligencia artificial se usa rutinariamente para generar un

comportamiento dinámico y útil en personajes no jugadores (NPC). Además, las técnicas de
IA bien entendidas se usan de forma rutinaria para determinar la ruta. Algunos investigadores
consideran que NPC AI en los juegos es un "problema resuelto" para la mayoría de las tareas
de producción. Los juegos con más IA atípica incluyen el director de AI de Left 4 Dead
(2008), el entrenamiento neuroevolutivo de pelotones en Supreme Commander 2 (2010) y la
interacción con los NPC’s de The Witcher 3.

4.5. Finanzas y Economía

Las instituciones financieras han utilizado durante mucho tiempo los sistemas de redes
neuronales artificiales para detectar cargos o reclamaciones fuera de la norma, marcándolos
para la investigación humana. El uso de inteligencia artificial en la banca se remonta a 1987,
cuando Security Pacific National Bank en EE. UU. Estableció una Fuerza de Tarea de
Prevención del Fraude para contrarrestar el uso no autorizado de tarjetas de débito.
Programas como Kasisto y Moneystream están usando AI en servicios financieros.

Los bancos usan sistemas de inteligencia artificial hoy para organizar operaciones, mantener
libros, invertir en acciones y administrar propiedades. AI puede reaccionar a los cambios de
la noche a la mañana o cuando el negocio no está teniendo lugar. En agosto de 2001, los
robots vencieron a los humanos en una competencia de comercio financiero simulado. AI
también ha reducido el fraude y los delitos financieros al monitorear los patrones de
comportamiento de los usuarios ante cualquier cambio o anomalía anormal.

El uso de máquinas de IA en el mercado en aplicaciones tales como el comercio en línea y la

toma de decisiones ha cambiado las principales teorías económicas. Por ejemplo, las
plataformas de compra y venta basadas en AI han cambiado la ley de la oferta y la demanda
en el sentido de que ahora es posible estimar fácilmente las curvas individualizadas de
demanda y oferta y, por lo tanto, precios individualizados. Además, las máquinas de IA
reducen la asimetría de información en el mercado y, por lo tanto, hacen que los mercados
sean más eficientes y reducen el volumen de intercambios. Además, la IA en los mercados
limita las consecuencias del comportamiento en los mercados y hace que los mercados sean
más eficientes. Otras teorías en las que la IA ha tenido impacto incluyen la elección racional,
las expectativas racionales, la teoría de juegos, el punto de inflexión de Lewis, la
optimización de la cartera y el pensamiento contrafactual.

4.6. Automotriz

Los avances en la inteligencia artificial han contribuido al crecimiento de la industria

automotriz a través de la creación y evolución de vehículos autónomos. A partir de 2016, hay
más de 30 empresas que utilizan AI en la creación de automóviles sin conductor. Algunas
compañías involucradas con AI incluyen Tesla, Google y Apple.

Muchos componentes contribuyen al funcionamiento de los autos sin conductor. Estos

vehículos incorporan sistemas como el frenado, el cambio de carril, la prevención de
colisiones, la navegación y el mapeo. Juntos, estos sistemas, así como las computadoras de
alto rendimiento, están integrados en un vehículo complejo.

Los recientes desarrollos en automóviles autónomos han hecho posible la innovación de los
camiones autónomos, aunque todavía están en fase de prueba. El gobierno del Reino Unido
ha aprobado una legislación para comenzar las pruebas de pelotones de camiones autónomos
en 2018. Los pelotones de camiones autodirigidos son una flota de camiones autónomos que
siguen el ejemplo de un camión sin conductor, por lo que los pelotones de camiones no
completamente autónomo todavía. Mientras tanto, Daimler, una corporación automovilística
alemana, está probando la Freightliner Inspiration, que es un camión semiautónomo que solo
se utilizará en la carretera.

Un factor principal que influye en la capacidad de un automóvil sin conductor para funcionar
es el mapeo. En general, el vehículo estaría preprogramado con un mapa del área que se
conduce. Este mapa incluiría datos sobre las aproximaciones de la luz de la calle y las alturas
de la acera para que el vehículo esté al tanto de su entorno. Sin embargo, Google ha estado
trabajando en un algoritmo con el objetivo de eliminar la necesidad de mapas
preprogramados y, en su lugar, crear un dispositivo que pueda ajustarse a una variedad de
entornos nuevos. Algunos autos sin conductor no están equipados con volantes o pedales de
freno, por lo que también se han realizado investigaciones centradas en la creación de un
algoritmo que sea capaz de mantener un entorno seguro para los pasajeros en el vehículo a
través de la velocidad y las condiciones de conducción.
Otro factor que influye en la capacidad de un automóvil sin conductor es la seguridad del
pasajero. Para hacer un automóvil sin conductor, los ingenieros deben programarlo para
manejar situaciones de alto riesgo. Estas situaciones podrían incluir una colisión frontal con
peatones. El objetivo principal del automóvil debe ser tomar una decisión que evite golpear a
los peatones y salvar a los pasajeros en el automóvil. Pero existe la posibilidad de que el
automóvil necesite tomar una decisión que ponga a alguien en peligro. En otras palabras, el
automóvil tendría que decidir salvar a los peatones o a los pasajeros. La programación del
automóvil en estas situaciones es crucial para un automóvil exitoso sin conductor.

5. Futuro de la inteligencia artificial en el sector energético

La Inteligencia Artificial y el ‘machine learning’ van a incrementar la eficiencia en la

industria de las energías renovables. Afectará positivamente áreas como la toma de
decisiones y la planificación, la monitorización, robótica, inspecciones, certificaciones y
optimización de la cadena de suministro. Pero también impactará sobre el trabajo técnico.
Tanto la energía solar como la eólica ya cuentan con tecnologías que facilitan su
monitorización y la extracción de gran cantidad de datos, lo que será fundamental para el
desarrollo de funcionalidades de Inteligencia Artificial.

5.1. Beneficios de la Inteligencia Artificial en la industria

La industria solar y eólica se verá beneficiada con el uso de Inteligencia Artificial en varias
áreas, como la gestión e inspección remota de las instalaciones, con el uso de robots que
pueden acercarse a las estructuras y, mediante tecnologías de transmisión y recepción de
microondas y ultrasonidos, puedan penetrar en las estructuras y conocer problemas y fallas en
los materiales.

También se plantea la optimización de la cadena de suministros mediante robots de

conducción autónoma que en el futuro puedan, incluso, construir parques eólicos terrestres y
solares. Desde trasladar partes de una turbina o de una matriz solar en camiones autónomos,
hasta su descarga por robots conectados a la red y ensamblados por otros robots drones.

De hecho, drones autónomos apoyados por sistemas de Inteligencia Artificial pueden

convertirse en la herramienta principal para llevar a cabo inspecciones de turbinas eólicas y
paneles solares.

5.2. Robots en la industria solar

6.2.1 Rover y Spot en Alion Energy
La industria Alion Enery de paneles solares ha implementado el uso de robots para funciones
de montaje y limpieza de los captadores, se trata de Rover y Spot, los cuales automatizan la
instalación y el mantenimiento de los parques de energía solar de gran tamaño.

El sistema de instalación de Alion está diseñado para funcionar en terrenos irregulares, según
sus responsables, lo que reduce la necesidad de nivelar hectáreas de terreno. Primero, una
máquina que se usa para hacer las aceras y las alcantarillas forma una larga zapata de
hormigón sobre el suelo. Una vez que se endurece, Rover instala los paneles y los fija en su
sitio. Luego, los trabajadores humanos unen los paneles al sistema con cables. Spot puede ser
controlado mediante un teléfono inteligente. Se desplaza rodando por raíles mientras echa
chorros de agua y repasa los paneles con un cepillo giratorio y una espátula limpiacristales.
 Spot.

6.2.2 SERBOT Swiss Innovations

La empresa SERBOT ha apostado al uso de robots para la limpieza de sus paneles solares.
Es capaz de limpiar hasta 400 metros cuadrados en una hora.
6.3 Robots en la industria eólica
6.3.1 TSR Wind.
Formada por ingenieros de los sectores de las energías renovables y la robótica, TSR Wind es
una empresa española especializada en el desarrollo de soluciones robóticas innovadoras para
el mantenimiento de aerogeneradores que ha revolucionado el sector eólico con sus robots
magnéticos.
El EOLOS 100 se adhiere a la superficie metálica de las torres mediante imanes permanentes
de neodimio y es teleoperado por radiocontrol. Pesa alrededor de 25 kg, por lo que puede ser
manejado con facilidad. Su extraordinaria capacidad para realizar tanto movimientos
horizontales como verticales le proporcionan una total maniobrabilidad. Un especialista de
TSR Wind lo controla desde el suelo monitorizando en tiempo real la altura e inclinación del
mismo, así como las imágenes captadas por la cámara durante todo el proceso. EOLOS 100
puede trabajar con velocidades de viento de hasta 15 metros por segundo e incluso con rachas
de viento mayores gracias a su gran capacidad de adherencia, por lo que tiene menor
dependencia de las condiciones meteorológicas que el resto de los sistemas de inspección.

Con las imágenes obtenidas, TSR Wind reconstruye al detalle las cuatro superficies de la pala
(concha superior, inferior y bordes de ataque y de salida) y las almacena en una plataforma
web exclusiva para sus clientes. De esta manera se obtiene una imagen de la pala en su
totalidad, lo que aporta mucha más información que la inspección fotográfica tradicional que
dejaba sin visibilidad muchos datos valiosos para el cliente.

EOLOS 100

6. Principios Filosóficos y Éticos de la Inteligencia Artificial

La inteligencia artificial es uno de los campos de estudio interdisciplinares más fascinantes en

la actualidad, abarcando en sí ciencias tan diversas como la matemática, psicología,
cibernética, informática y filosofía. Es sobre todo en su conexión con esta última que deseo
en las siguientes líneas hacer una reflexión, es decir, en torno a los problemas de índole
filosófica que entraña el estudio de este campo. La filosofía ha traído a colación tres
interrogantes importantes en cuanto a este tema:

1. ¿Es la inteligencia artificial posible? ¿Acaso puede resolver cualquier problema que
un ser humano puede resolver utilizando inteligencia? O ¿Existen límites de lo que
una máquina puede lograr?

2. ¿Las máquinas inteligentes son peligrosas? ¿Cómo podríamos asegurar que las
maquinas se comporten de forma ética y que sean utilizadas de forma ética?

3. ¿Podría una máquina poseer una mente, conciencia y estados mentales exactamente
iguales a las de un ser humano? ¿Puede una maquina ser sensible, y de esa formar
merecer derechos?
Estas tres preguntas han sido tema de análisis desde los albores de la inteligencia artificial, ya
que plantean problemas éticos y morales que en un futuro en el que esta tecnología alcance
características humanas sean relevantes y de gran importancia.

6.1. Límites de la Inteligencia Artificial

¿Será posible que las maquinas logren alcanzar el intelecto

humano, o incluso superarlo? Parte de esta discusión se
puede observar en uno de los experimentos más
sobresalientes de esta área de la ciencia: el test de Turing.
Esta es una prueba de la habilidad de una máquina para
exhibir un comportamiento inteligente similar al de un ser
humano o indistinguible de este. Alan Turing, en el año 1950, propuso que un humano
evaluara conversaciones en lenguaje natural entre un humano y una máquina diseñada para
generar respuestas similares a las de un humano. El evaluador sabría que uno de los
participantes de la conversación es una máquina y los intervinientes serían separados unos de
otros. La conversación estaría limitada a un medio únicamente textual como un teclado de
computadora y un monitor por lo que sería irrelevante la capacidad de la máquina de
transformar texto en habla. En el caso de que el evaluador no pueda distinguir entre el
humano y la máquina acertadamente (Turing originalmente sugirió que la máquina debía
convencer a un evaluador, después de 5 minutos de conversación, el 70 % del tiempo), la
máquina habría pasado la prueba. Esta prueba no evalúa el conocimiento de la máquina en
cuanto a su capacidad de responder preguntas correctamente, solo se toma en cuenta la
capacidad de ésta de generar respuestas similares a las que daría un humano.

6.2. Potencial Riesgo y Razonamiento Moral

Los riesgos que esto podría causar pueden llegar a ser muy adversos:

• Riesgo Existencial. Si logran alcanzar nuestro potencial, estas máquinas seguirían un

patrón continúo de rediseño, llegando así a superarnos en todo aspecto y
posteriormente causando nuestra extinción en caso de una revolución.
 • Devaluación del Ser Humano. En muchas investigaciones realizadas, muchos de
estos investigadores sugieren que el ser humano llegara a ser obsoleto si no encuentra
un equilibrio con las inteligencias artificiales.
• Decrecimiento de la demanda de labor humana. Este es un factor que no solo se ve
a futuro, sino en la actualidad con gran parte de la automatización en diferentes
manufactureras, en las cuales se realizan despidos para instalar nuevos sistemas que
remplacen a los empleados. Con inteligencias artificiales esto no hará más que
aumentar este problema.
• Ética y Moral de la máquina. ¿Cómo saber que la máquina tomará decisiones con
base ética? Los diseñadores no aseguran que estos robots sigan el mismo sistema
moral impuesto por el ser humano, ya que estos contaran con libertad de pensamiento
y toma de decisiones.

6.3. Conciencia, Sensibilidad y Mente

Al tener sentimientos y, al menos potencialmente, motivaciones, podrán actuar de acuerdo

con sus intenciones. Así, se podría equipar a un robot con dispositivos que controlen su
medio interno; por ejemplo, que sientan hambre al detectar que su nivel de energía está
descendiendo o que sientan miedo cuando este esté demasiado bajo.

Esta señal podría interrumpir los procesos de alto nivel y obligar al robot a conseguir el
preciado elemento. Incluso se podría introducir el dolor o el sufrimiento físico, a fin de evitar
las torpezas de funcionamiento como, por ejemplo, introducir la mano dentro de una cadena
de engranajes o saltar desde una cierta altura, lo cual le provocaría daños irreparables.

Esto significa que los sistemas inteligentes deben ser dotados con mecanismos de
retroalimentación que les permitan tener conocimiento de estados internos, igual que sucede
con los humanos que disponen de propiocepción, interocepción, nocicepción, etcétera. Esto
es fundamental tanto para tomar decisiones como para conservar su propia integridad y
seguridad. La retroalimentación en sistemas está particularmente desarrollada en cibernética:
por ejemplo, en el cambio de dirección y velocidad autónomo de un misil, utilizando como
parámetro la posición en cada instante en relación al objetivo que debe alcanzar. Esto debe
ser diferenciado del conocimiento que un sistema o programa computacional puede tener de
sus estados internos, por ejemplo: la cantidad de ciclos cumplidos en un loop o bucle en
sentencias tipo do... for, o la cantidad de memoria disponible para una operación
determinada.

Conclusión
Por medio del trabajo presentado, se puede concluir que la robótica y la inteligencia artificial
van tomadas de la mano ya que la primera se encarga de la parte mecánica, y la segunda de la
parte analítica. La robótica es el diseño, fabricación y utilización de máquinas automáticas
programables con el fin de realizar tareas repetitivas como el ensamble de automóviles,
aparatos, etc. y otras actividades, por ello pienso que la robótica es la parte mecánica de una
tecnología, en cambio creo que la inteligencia artificial es la parte analítica o la parte que
determina la acción de los robots, ya que los robots no podrían realizar ninguna tarea sin que
se les indicara u ordenara la tarea, por ello, aquí es donde entra la inteligencia artificial.

Gracias a la inteligencia artificial se ha logrado que una maquina sea capaz de desarrollar
áreas de conocimiento muy específicas y complicadas, haciendo que la maquina pueda
simular procesos que el hombre realiza. Pero cabe destacar que aún no se ha logrado que una
máquina piense como un humano, pienso que una limitación es el hecho de que el hombre es
irremplazable ya que el ser humano cuenta con una característica propia el cual es el sentido
común.
Pero no podemos olvidar que el desarrollo de estas tecnologías no pretenden reemplazar al
ser humano sino que tratan de mejorar el estilo de vida del ser humano, ya que recordemos
que, por lo menos los robots hacen que el trabajo pesado sea más fácil de realizar, y que una
maquina no se enferma, ni protestas, ni se cansa y esto puede elevar su utilidad. En fin
esperemos que estas tecnologías no se nos vayan de las manos, y que no nos perjudique, sino
que nos ayude.
Referencias

Inteligencia artificial:
https://searchdatacenter.techtarget.com/es/definicion/Inteligencia-artificial-o-AI
http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/219/A7.pdf
https://es.wikipedia.org/wiki/Inteligencia_artificial

Sistemas expertos:
http://www.informaticaintegral.net/sisexp.html
http://www.monografias.com/trabajos16/sistemas-expertos/sistemas-
expertos.shtml#ixzz5HVz8nzk2

Problemas clásicos
https://www.kanlli.com/estrategia-marketing-digital/inteligencia-artificial-que-es-conceptos/

Futuro de la inteligencia artificial en el sector energético:

https://elpais.com/tecnologia/2013/10/30/actualidad/1383144030_175037.html
https://www.serbot.ch/es/
https://www.energias-renovables.com/eolica/tsr-wind-revoluciona-la-inspeccion-de-palas-
20170529

Historia de la inteligencia artificial

Alor, J. (29 de marzo de 2018). Forbes Mexico. Obtenido de https://www.forbes.com.mx/la-

ia-el-cambio-mas-disruptivo-en-la-historia/
(2014). Historia de la inteligencia artificial. Obtenido de
https://inteligenciaartificialkarlacevallos.wordpress.com/2014/10/29/1-3-historia-de-la-
inteligencia-artificial/
Julio Villena Roman, R. M. (s.f.). Historia de la inteligencia artificial.

Principios Filosóficos y Éticos:

https://en.wikipedia.org/wiki/Philosophy_of_artificial_intelligence
https://www.theguardian.com/science/2012/oct/03/philosophy-artificial-intelligence