Universidad Simn Bolvar

Departamento de Procesos y Sistemas

Sistemas de Informacin I (PS -1115)

Tipos de Sistemas de Informacin

Inteligencia Artificial

Autores:
Mnica Figuera. Carnet: 11-10328
Enrique Iglesias. Carnet: 11-10477
Mara Victoria Jorge. Carnet: 11-10495
Richard Lares. Carnet: 11-10508
Jorge Marcano. Carnet: 11-10566
Patricia Reinoso. Carnet: 11-10851

Sartenejas, enero 2015

1
11

ndice

Introduccin

Inteligencia Artificial
1.1
Definicin
1.2
Propsito
1.3
Estructura/ Elementos/ Componentes
1.4
Informacin que manejan
1.5
Organizaciones que tpicamente utilizan Sistemas de Inteligencia Artificial
1.6
reas o funciones de las organizaciones que utilizan
Sistemas de Inteligencia Artificial
1.7
Ventajas del uso de Sistemas de Inteligencia Artificial
1.8
Desventajas del uso de Sistemas de Inteligencia Artificial ..
1.9
Ejemplos de Sistemas de Inteligencia Artificial que se encuentran en el mercado ..
2.
Sistemas Expertos .
2.1 Definicin .
2.2 Propsito
2.3 Estructura/ Elementos/ Componentes
2.4 Informacin que manejan
2.5 Organizaciones que tpicamente utilizan Sistemas Expertos
2.6 reas o funciones de las organizaciones que utilizan Sistemas Expertos
2.7 Ventajas del uso de Sistemas Expertos
2.8 Desventajas del uso de Sistemas Expertos
2.9 Ejemplos de Sistemas de Sistemas Expertos que se encuentran en el mercado
3 Redes neuronales o neurales
.
3.1 Definicin

3.2 Propsito
3.3 Estructura/ Elementos/ Componentes .
3.4 Informacin que manejan ...
3.5 Organizaciones que tpicamente utilizan Redes Neuronales ..
3.6 reas o funciones de las organizaciones que utilizan Redes Neuronales ....
3.7 Ventajas del uso de Redes Neuronales ...
3.8 Desventajas del uso de Redes Neuronales .
3.9 Ejemplos de Sistemas de Redes Neuronales que se encuentran en el mercado .

4
4
4
5
6
6

1.

8
9
10
10
10
10
11
11
12
13
15
16
17
17
18
18
18
19
20
21
22
22
23
23

Conclusin . 25
Bibliografa 26

Introduccin
En el presente documento describiremos los puntos ms importantes de los Sistemas de Informacin
basados en Inteligencia Artificial (IA).
Comenzaremos explicando la definicin de sistema y la de inteligencia artificial, que sern necesarias
para entender el resto de las definiciones. Luego, describiremos los sistemas basados en IA de forma
general, con su propsito, estructura y la informacin que manejan. Posteriormente, se mostrarn
ejemplos de las organizaciones que tpicamente utilizan estos sistemas, as como las reas en las
cuales suelen utilizarse y las ventajas y desventajas de su uso. Por ltimo, cerraremos esta seccin con
ejemplos de Sistemas de IA que se encuentran en el mercado.
A continuacin procederemos a explicar dos tipos de implementaciones ms especficas de sistemas
basados en IA. Los Sistemas Expertos y las Redes Neuronales o Neurales. Para cada uno de estos
sistemas especficos abordaremos las mismas secciones que se describieron para el caso genrico de
sistemas basados en IA. Comenzando con su definicin, propsito, estructura e informacin que
manejan y pasando por ejemplos de sus usos en el mundo real, ventajas y desventajas de los mismos
y sistemas que se encuentren en el mercado que hagan uso de estas tecnologas.
Toda esta investigacin servir como gua para posteriormente exponer estos conocimientos del
tema a nuestros compaeros de clase de Sistemas de Informacin I.

1. Inteligencia Artificial
1.1 Definicin :
Para poder describir un Sistema de Informacin (SI) de Inteligencia Artificial (IA), debemos primero
conocer la definicin de Inteligencia Artificial, y la de Sistema de Informacin.
Un SI es un sistema que se encarga de recolectar, procesar, almacenar, interpretar y distribuir
informacin. Al ser un sistema, posee una cantidad de componentes que se encuentran
interrelacionados, es decir, funcionan en conjunto y cada una de sus partes proporciona una utilidad
que permite el correcto desempeo del sistema como un todo. Los SI tienen como funcin optimizar
el funcionamiento de las personas dentro de las organizaciones a travs del uso de las Tecnologas de
Informacin.
La IA en su forma ms simple consiste en la inteligencia exhibida por mquinas o software. Es un rea
acadmica que se encarga de estudiar la creacin de inteligencia. La definicin moderna de IA es el
estudio y diseo de agentes inteligentes, en donde un agente inteligente es un sistema que percibe
su entorno y toma acciones para maximizar sus posibilidades de xito en la resolucin de problemas.
Cabe destacar que esta rea de estudio utiliza herramientas y conocimiento de distintos campos,
entre los cuales se encuentran la computacin, psicologa, filosofa, neurociencia lingstica y otros.
Teniendo la definicin de SI y la de IA, podemos pasar a combinarlas y dar una definicin concreta a lo
que es un Sistema de Inteligencia Artificial (SIA). Al hablar de un SIA, nos referimos a un conjunto de
componentes que trabajan en conjunto, reciben ciertos datos de entrada, y utilizando Inteligencia
Artificial, producen una respuesta para resolver algn tipo de problema de la manera ms ptima
posible.

1.2 Propsito:
El propsito de los SIA es principalmente la utilizacin de la tecnologa y conocimientos sobre IA para
mejorar el desempeo de las personas que utilizan estos sistemas dentro de organizaciones.
En el caso especfico de los SIA, dependiendo de la tecnologa utilizada para su funcionamiento, es
posible que el sistema mejore su funcionamiento por s solo por medio de la utilizacin de resultados
4

anteriores, los cuales le permiten al Sistema observar su desempeo en la resolucin de operaciones,

y utilizar estos datos para mejorar hasta cierto punto.

1.3 Estructura/Elementos/Componentes :
Debido a que la Inteligencia Artificial es un campo muy amplio, hablar de componentes o estructura
de los sistemas basados en sta es un poco difcil. Debido a esto, explicaremos de forma genrica los
elementos que debe tener cualquier sistema de IA, los cuales segn el caso pueden ser ms o menos
complejos, y pueden incluir algunos componentes adicionales de acuerdo a las necesidades del
sistema.
La forma ms genrica de hablar de estos sistemas es decir que todo sistema de IA requiere de
informacin acerca del universo a tratar para poder construir un aprendizaje que le de herramientas
para tomar decisiones autnomamente y con estas poder resolver problemas.
La corriente de entrada de todo Sistema de IA vienen siendo estos datos sobre el entorno. Estos sern
procesados de distintas maneras segn el sistema en cuestin. En el caso especfico de sistemas de
aprendizaje los datos de entrada sirven como entrenamiento para el sistema.
Luego, el sistema requiere de un motor, el cual se encargar de procesar los datos de entrada y
tomar decisiones en funcin de estos y de otra informacin.
Adicionalmente, dependiendo de la complejidad del sistema, ser necesario un hardware apto para la
tarea, ya que los problemas que la IA resuelve requieren del uso de recursos y de ciertas capacidades
que no todo hardware posee.
Las corrientes de salida para estos Sistemas de IA vendran siendo las acciones que el sistema ejecute
en base a los datos procesados y las decisiones tomadas.
Por ltimo, el proceso de retroalimentacin puede venir por parte de los administradores del sistema,
en caso de que vean comportamientos inadecuados y puedan mejorar los datos de entrada para
cambiar dichos comportamientos a algo ms cercano a lo que buscan, o, en el caso de los sistemas de
aprendizaje, el propio sistema puede aprender a partir de sus propios errores o en base a los mismos

datos de entrada que le permitirn ajustar su comportamiento segn sea el caso.

Un ejemplo en donde podemos ver este proceso de entrada, procesamiento y salida, es el caso simple
de un sistema de IA es el de Cleverbot, una aplicacin que permite la comunicacin entre un humano
y un sistema de IA y permite conversar con l. En este caso, los datos de entrada son las palabras y
frases introducidas por el usuario, el sistema analiza estas palabras y en base a estos datos, toma la
decisin de qu responder. La salida viene siendo esta respuesta. Este Sistema adicionalmente
aprende sobre lo que se est hablando como fue mencionado antes, lo cual le permite mantener la
conversacin lo ms fluida y con el mayor sentido posible.

1.4 Informacin que manejan

La informacin manejada por los Sistemas de IA es, como se mencion anteriormente, informacin
sobre el entorno, la cual se procesa para permitir al sistema tomar decisiones basndose en esto.
Los datos introducidos dependen de la funcin del sistema. Pueden ser datos sobre comportamiento
humano, sobre finanzas, en el caso de robots con capacidades de analizar el entorno la informacin
puede ser imgenes o sonidos provenientes del ambiente alrededor del robot.
El manejo y procesamiento de estos datos depende enteramente de la funcin del sistema. En el caso
de que los datos de entrada sean por ejemplo, estadsticas financieras, ser necesario analizarlas por
medio del uso de distintos algoritmos que permitan la toma de decisiones en base a ellos. Si la
entrada son imgenes del exterior, ser necesario hacer uso de distintos procedimientos que
permitan diferenciar pixeles de las imgenes, colores o formas. Si son sonidos, debern ser
procesados de una manera distinta que permita diferenciar qu es cada sonido o de dnde proviene,
segn sea la necesidad.

1.5 Organizaciones que tpicamente utilizan Sistemas de Inteligencia Artificial

Debido a la variedad de problemas que pueden resolverse gracias a la Inteligencia Artificial el uso de
sistemas basados en esta ciencia abarca una gran cantidad de reas de trabajo. A continuacin se
desarrollarn algunas de las que logran obtener beneficios mayores con la implementacin de esta
6

tecnologa:
Robtica: en esta rea se aplican muchos sistemas que trabajan con varias de las ramas de la
IA, como: aprendizaje de mquina, procesamiento de lenguaje natural (en robots que
interactan con personas), visin artificial (para detectar el ambiente donde se desenvuelven),
entre otras. En la actualidad el uso de robtica est presente en una gran cantidad de
empresas de distinta ndole, debido al uso de robots para la automatizacin de procesos
industriales, sin que estas estn enfocadas directamente en el rea de la robtica. Dentro de
las empresas que s se encargan de desarrollar esta tecnologa se encuentran: Honda,
Aldebaran (robots domsticos), Boston Dynamics y KUKA (robots para procesos automticos
de ensamblado).
Medicina: en esta rea los sistemas de IA permiten reducir los costos, el tiempo y los errores
humanos al momento de detectar enfermedades de difcil identificacin. La Universidad de
Stanford ha desarrollado varios sistemas basados en IA para este fin. Adems, el uso de la
robtica en la medicina ha tenido un aumento considerable gracias a la elaboracin de
sistemas quirrgicos, prtesis e implantes inteligentes.
Militar: utilizacin de minera de datos (entre sus tcnicas se encuentran las redes neurales y
los rboles de decisin) para reconocimiento de patrones en grandes volmenes de datos. En
el rea militar tambin se utilizan sistemas basados en el uso de reconocimiento de seas e
imgenes y sistemas expertos para disminuir el tiempo en la toma de decisiones, tarea crucial
para el campo. El Departamento de Defensa de Estados Unidos es una de las organizaciones
con mayores avances en el uso de sistemas basados en IA para actividades militares en el
mundo gracias a la Agencia de Proyectos de Investigacin Avanzados de Defensa(DARPA por
sus siglas en ingls).
Automotriz: en la industria automotriz uno de los mayores aportes de los SIA es el de las
mquinas ensambladoras de vehculos (robots industriales), ya que permiten realizar tareas
que seran muy pesadas en caso de que las realizaran personas y bajaran el nivel de
produccin de las empresas. Otra de las aplicaciones que tiene dentro de este campo es el
7

desarrollo de automviles autnomos. Empresas como Google ya han logrado construir

prototipos de automviles que utilizan SIA en las tareas de navegacin (con la visin del auto)
y la interaccin del humano con la deteccin de voces y el procesamiento de lenguaje natural
para poder captar las rdenes del piloto, procesarlas y realizarlas con xito, sin poner en
riesgo su integridad.
Videojuegos: el uso de agentes inteligentes como sistemas capaces de percibir su entorno,
procesar tales percepciones y responder o actuar de manera correcta y tendiendo a maximizar
el resultado esperado es uno de los aportes ms grandes de la IA a los videojuegos.
Economa: las entidades financieras y casas de bolsa podran utilizar sistemas de este tipo para
que realicen predicciones financieras, esto les permitira aumentar el rendimiento en sus
transacciones y disminuir los riesgos al momento de invertir. Los bancos, casas de cambio y
compaas de tarjetas de crdito tambin pueden hacer uso de estos sistemas para
perfeccionar la deteccin de fraudes mediante el estudio de patrones en el uso de crdito, y
para la localizacin de transacciones potencialmente fraudulentas.

Aunque estos son los tipos de empresas y organizaciones que utilizan en mayor medida los SIA, esta
clase de sistemas pueden ser utilizados en cualquier empresa. Por ejemplo, las empresas pueden
utilizar sistemas basados en Inteligencia Artificial que les permitan servir de apoyo a sus trabajadores
al momento de automatizar y mejorar la toma de decisiones en diversas reas.

1.6 reas o funciones de las organizaciones que utilizan Sistemas de Inteligencia Artificial
Recursos Humanos: para la identificacin de las caractersticas de sus empleados de mayor
xito. La informacin obtenida puede ayudar a la contratacin de personal.
Produccin: el empleo de sistemas de IA permiten mejorar la automatizacin del proceso de
produccin de las empresas, adems de mejorar los mecanismos utilizados para establecer la
calidad de sus productos.
8

 Mercadeo: pueden utilizarse tcnicas de IA para desarrollar sistemas que le permitan a las
empresas conocer cules usuarios de redes sociales (como Twitter y Facebook) son ms
propensos a convertirse en sus clientes o usuarios, para as poder enfocar las campaas de
publicidad y mercadeo al pblico adecuado.
Finanzas: dentro de las finanzas puede ser utilizada para la prediccin de solvencias, anlisis
de estados financieros, anlisis de tendencias, asignacin de recursos escasos, clculo y
asignacin de costos, entre otras tareas involucradas en la gestin econmica de una
organizacin.
Manufactura: debido a las exigencias que sufren las organizaciones en los mercados en los
que se desenvuelven existe una tendencia creciente a la implementacin de sistemas de
manufactura y ensamblaje autnomos e inteligentes que les permiten generar mayores
cantidades de productos en menos tiempo.

1.7 Ventajas del uso de Sistemas de Inteligencia Artificial

Debido a la diversidad de reas que se encuentran dentro de Inteligencia Artificial estos
sistemas pueden utilizarse en organizaciones de todo tipo, permitiendo resolver problemas de
distinta ndole.
Muchos de los Sistemas de Inteligencia Artificial son programados para que tengan la
capacidad de aprender, esto les permite ir perfeccionando su desempeo conforme pasa el
tiempo.
Capacidad de analizar volmenes muy grandes de informacin a muy alta velocidad.
Permiten la resolucin de problemas aun cuando exista falta de informacin.
El uso de heursticas permite dar una solucin aproximada de un problema en un tiempo
razonable, contrario al caso en que se intente resolver con modelos matemticos cuyas
soluciones exactas son difciles y computacionalmente costosa.

1.8 Desventajas del uso de Sistemas de Inteligencia Artificial

La programacin de estos sistemas es compleja y poco flexible a cambios.
No son capaces de explicar la lgica y el razonamiento detrs de las decisiones sugeridas,
como lo podra hacer un humano.
Mayor inversin de tiempo y dinero para su creacin y posterior mantenimiento.
Necesidad de hardware con condiciones y recursos suficientes para el manejo de grandes
cantidades de datos.

1.9 Ejemplos de Sistemas de Inteligencia Artificial que se encuentran en el mercado

ASIMO: es un robot humanoide presentado por la empresa japonesa Honda en el ao 2000.
En sus orgenes fue construido con la finalidad de crear un robot que pudiese caminar. Sin
embargo, en versiones posteriores le incluyeron varias aplicaciones procedentes de la
Inteligencia Artificial, entre ellas estn: la identificacin de objetos, reconocimiento facial,
entender y dar respuestas orales para poder interactuar con las personas de su entorno y
prediccin de la trayectoria de objetos (para poder evadirlos).
Siri: es una aplicacin con funciones de asistente personal desarrollada por SRI Venture Group
en el ao 2007. Posteriormente fue comprada por Apple e incluida dentro del sistema
operativo de su telefona mvil, iOS. Siri utiliza procesamiento del lenguaje natural para
responder las preguntas del usuario y hacerle recomendaciones.

2. Sistemas Expertos
2.1 Definicin

Segn Edward Feigenbaum, de la Universidad de Stanford, un Sistema Experto (SE) es un programa

de computadora inteligente que usa procedimientos de conocimiento e inferencia para resolver
problemas que son lo suficientemente difciles como para requerir experiencia humana significativa
para su solucin. Este tipo de Sistema, a diferencia de los convencionales que se ejecutan sobre una
base algortmica y manipulan bases de datos, permiten cargar bases de conocimientos integradas por
10

una serie de reglas de sentido comn o conocimiento heurstico; es decir, conocimiento obtenido
mediante la experiencia de un experto dentro de un dominio especfico del saber.

2.2 Propsito

Como los SE contienen la experiencia, conocimiento y habilidad propios de una persona en un rea
particular del conocimiento humano, su propsito es tratar de aconsejar a los usuarios con respecto a
un rea resolviendo problemas especficos de la misma de manera inteligente y satisfactoria, pues
imitan el comportamiento humano a travs de la informacin que les es proporcionada para poder
dar tal opinin.

2.3 Estructura/Elementos/Componentes

Un SE est conformado por:

Base de conocimiento: Es la parte del sistema experto que contiene el conocimiento sobre el
dominio. Este conocimiento se establece con respecto al tema especfico para el que se disea
el sistema.
Motor de inferencia: Utiliza la base de conocimiento para establecer conclusiones. Esto lo
hace combinando los hechos y las preguntas particulares, seleccionando los datos y pasos
apropiados para presentar los resultados. Si el conocimiento inicial es muy poco, y el sistema
no puede obtener ninguna conclusin, se utilizar el subsistema de demanda de informacin.
Interfaz de usuario: Permite la comunicacin con el usuario y se realiza mediante el lenguaje
natural. A travs de esta interfaz, el motor de inferencia reconoce la pregunta, saca datos de
la base de conocimiento y mediante la interfaz responde la pregunta planteada.
Subsistema de demanda de informacin: Completa el conocimiento necesario y reanuda el
proceso de inferencia hasta obtener alguna conclusin vlida. El usuario puede indicar la

11

informacin necesaria en este proceso ayudado de una interfaz de usuario, la cual facilita su
comunicacin con el SE.
Subsistema de explicacin: Este componente entra en ejecucin cuando el usuario solicita
una explicacin de las conclusiones obtenidas por el SE. Esto se facilita mediante el uso de una
interfaz. Este mdulo proporciona beneficios tanto al diseador del sistema como al usuario.
El diseador puede usarlo para detectar errores y el usuario se beneficia de la transparencia
del sistema.
Subsistema de control de coherencia: Este componente previene la entrada de informacin
incoherente en la base de conocimiento.
Subsistema de adquisicin de conocimiento: Controla el flujo de nuevo conocimiento a la
base de datos. Slo almacena la informacin que no es redundante.
Subsistema de ejecucin de tareas: Permite realizar acciones al SE basadas en el motor de
inferencia.

2.4 Informacin que manejan

Los sistemas expertos se caracterizan por poseer dominio del conocimiento, tomar decisiones y
calcular resultados basados en heursticas, por aplicar procedimientos de bsqueda, procesar
smbolos. Dependiendo del tipo de SE, se maneja la siguiente informacin:
SE basados en reglas previamente establecidas: Trabajan mediante la aplicacin de reglas,
comparacin de resultados y aplicacin de las nuevas reglas basadas en situacin modificada.
Tambin pueden trabajar empezando con una evidencia inicial en una determinada situacin y
dirigindose hacia la obtencin de una solucin, o bien con hiptesis sobre las posibles
soluciones y volviendo hacia atrs para encontrar una evidencia existente que apoye una
hiptesis en particular.

12

 SE de razonamiento basado en casos: Razonan haciendo analogas; es decir, resuelven nuevos

problemas basndose en soluciones de problemas anteriores. Para resolver estos nuevos
problemas, los SE dividen el razonamiento basado en casos mediante cuatro procesos
claramente diferenciados:
1. Recuerda los casos similares al que se est analizando.
2. Reutiliza la informacin y el conocimiento que tiene en el caso actual para resolver el

problema.
3. Revisa la solucin propuesta.
4. Retiene las partes de esta experiencia que puedan ser tiles para la resolucin de futuros

problemas.
SE basados en redes bayesianas: Los SE utilizan las redes bayesianas en campos como la
medicina, en la depuracin de programas de inteligencia artificial, en la gentica, en procesos
de produccin. Basndose en un principio matemtico, el Teorema de Bayes permite
relacionar las probabilidades combinadas de dos o ms sucesos, lo cual es imprescindible para
poder implementar un sistema experto basado en anlisis de probabilidades.
Los SE de este tipo utilizan los siguientes elementos:
1. Hallazgo: determinacin del valor de una variable, a partir de un dato.
2. Evidencia: conjunto de todos los hallazgos disponibles en un determinado momento.
3. Probabilidad a priori: es la probabilidad de una variable o subconjunto de variables cuando
no hay ningn hallazgo.
4. Probabilidad a posteriori: es la probabilidad de una variable o subconjunto de variables
dada una evidencia.

2.5 Organizaciones que tpicamente utilizan Sistemas Expertos

Debido al surgimiento de problemas en distintos mbitos laborales donde no necesariamente hay

personal capacitado para poderlos resolver, las empresas comenzaron a implementar sistemas
expertos para la solucin de estos problemas. A continuacin, se presentan algunos tipos de
organizaciones y cmo se utilizan los SE en las mismas:

13

 Medicina: La medicina es un rea en donde se requiere de mucho entrenamiento para ser un

especialista. Adems, cuando existe una amplia diversidad de enfermedades, los sntomas
pueden ser confusos cuando se busca determinar rpidamente un diagnstico oportuno que
puede significar la supervivencia o la muerte del paciente. En este sentido, el sistema experto
sustituye al especialista en un rea dominada plenamente por el mdico. La parte importante
son los recursos que se refieren al conocimiento almacenado adquirido, ya sea con la ayuda de
un especialista o bien, a travs del sistema que integra un mdulo de aprendizaje, donde se
construye su propio conocimiento.
Contabilidad: Los SE se pueden aplicar en todas las reas de la contabilidad y alguno de sus
usos son clculo y asignacin de costes, asignacin de recursos escasos, control y anlisis de
desviaciones, regulacin legal, normas y principios contables, recuperacin y revisin analtica
de registros contables, etc.
Militar: Los principales usos de los sistemas expertos dentro de la milicia se centran en la
eleccin inteligente de contramedidas electrnicas para as tomar provecho de recursos
limitados, planificacin de estrategias, el guiado de proyectiles y vehculos de forma
semi-automtica, reconocimiento automtico de blancos y valoracin de los mismos,
interpretacin de seales provenientes de sensores, etc.
Industria: Las industrias utilizan los sistemas expertos para diagnsticos que permiten
controlar la calidad del producto, configuracin de equipos y sistemas bajo demanda, gestin
ptima de los recursos, entre otras cosas.
Electrnica, informtica y telecomunicaciones: Dentro de este campo se utilizan los SE en
varias tareas como el diseo de circuitos de alto grado de integracin, la configuracin de
equipos y sistemas, control de redes de comunicacin, optimizacin de programas de
computadoras, entre otras.
Robtica: Los robots son muy solicitados en ambientes peligrosos para el ser humano, como
en el manejo de explosivos, altas temperaturas, atmsfera sin la cantidad adecuada de
14

oxgeno y en general bajo cualquier situacin donde se pueda deteriorar la salud. La mayora
de los robots tienen un brazo con varias uniones mviles y partes prensiles, donde todos sus
elementos son controlados por un sistema de control programado para realizar varias tareas
bajo una secuencia de pasos preestablecidos, es decir que tiene cierto nivel de inteligencia, la
cual le permite hacer las tareas para el cual esta hecho.
Aeronutica: Los SE apoyan a los pilotos a realizar prcticas de simulacin, control, vuelos,
diagnsticos, entrenamiento, etc. Las prcticas de simulacin en la Ingeniera Aeronutica son
de vital importancia. En este sentido, los sistemas expertos permiten apoyar de forma ms
precisa los procesos de simulacin que llevan a cabo los practicantes y futuros pilotos. Las
prcticas de simulacin evitan graves accidentes, es decir, los practicantes durante su
entrenamiento no usarn aviones o naves reales, sino arquitecturas electrnicas y sistemas
que simulan estas naves, es aqu precisamente donde los sistemas expertos apoyan estas
labores, otorgando a los practicantes conocimiento sobre mecanismos de vuelo, control,
solucin de problemas, etc. Adems los sistemas expertos permiten detectar y solucionar
fallas en el avin o nave que podan haber sido pasado por alto por el inspector.

2.6 reas o funciones de las organizaciones que utilizan Sistemas Expertos

Produccin: Los SE se pueden utilizar para controlar la lnea de produccin de los productos
de la organizacin y luego hacer un diagnstico para control de calidad.
Mercadeo: Los SE pueden ser utilizados para analizar informacin sobre distintos productos y
opiniones de clientes para as determinar qu productos se vendern mejor dentro del
mercado.
Finanzas: Se pueden utilizar en la regulacin legal, normas y principios contables,
recuperacin y revisin analtica de registros contables, diseo de sistemas contables,
imputacin contable, consolidacin de estados contables, etc.

15

 Manufactura: los SE ayudan en la automatizacin del proceso de manufactura de cualquier

producto.

2.7 Ventajas del uso de Sistemas Expertos

Disponibilidad: Los SE estn estn siempre disponibles a cualquier hora del da y de la noche,
de forma ininterrumpida.

Permanencia: A diferencia de un experto humano, un SE no envejece y, por tanto, no sufre

prdida de facultades con el paso del tiempo: su conocimiento perdurar indefinidamente.

Rapidez: Pueden responder a gran velocidad debido a las ventajas inherentes de las
computadoras sobre los humanos.
Respuestas racionales: A diferencia de los humanos, no sienten tensin, fatiga o pnico y
trabajan imperturbablemente en situaciones de peligro y emergencia.
Experiencia mltiple: Pueden ser diseados para tener el conocimiento de muchos expertos.
Explicacin: Son capaces de explicar en detalle el razonamiento y guiar a una conclusin.
Trabajan en entornos peligrosos: Los SE pueden ser usados en entornos de peligro, dainos
para los humanos.
Duplicacin: Una vez programado un SE, se puede duplicar infinidad de veces (lo que permite
tener tantos como se necesiten).

16

2.8 Desventajas del uso de Sistemas Expertos

Sentido comn: Para un SE no hay nada obvio. Por ejemplo, un sistema experto sobre
medicina podra admitir que un hombre lleva 40 meses embarazado, a no ser que se
especifique que esto no es posible ya que un hombre no puede procrear hijos.
Lenguaje natural: Con un experto humano se puede mantener una conversacin informal
mientras que con un SE no.
Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y
de errores ajenos, que un SE haga esto es muy complicado.
Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la resolucin
de un problema pero un SE no lo es.
Contextualizacin: Los SE no son capaces de resolver problemas de manera general, de aplicar
el sentido comn para resolver situaciones complejas ni de controlar situaciones ambiguas.

2.9 Ejemplos de Sistemas Expertos que se encuentran en el mercado.

ACE (Automated Cable Expertise): Sistema Experto, basado en reglas de razonamiento hacia
delante, concebido para asistir a los tcnicos de las compaas telefnicas americanas en el
mantenimiento de la planta exterior y bucles de abonos. Se trata de un sistema automtico de
anlisis, que interacciona con una base de datos convencional denominada CRAS (Cable Repair
Administrative System), en la que se recogen registros de las actividades de mantenimiento de
la planta exterior. Su uso permite tanto localizar averas como planificar los trabajos de
mantenimiento, as como tambin ayuda a adoptar decisiones sobre la modernizacin y
ampliacin de la red.

17

 PXDES: es un sistema mdico experto usado por doctores que no son expertos en
pneumoconiosis. Su funcin es diagnosticar varios niveles de pneumoconiosis (pulmn negro).
Consiste en una base de conocimientos, interfaz de explicacin, adquisicin de conocimiento e
interfaz de usuario. Este sistema toma fotos de los pulmones y, basndose en las sombras,
determina la cantidad de dao que hay y compara la imagen con los rayos X que se
encuentran en la base de conocimiento, los cuales son ejemplos de la enfermedad en distintas
etapas.
La manera en que el PXDES razona es la siguiente:
1. Decide si el paciente tiene la enfermedad y en qu etapa est,
2. Decide cules medicinas deben ser utilizadas en base a la etapa de la enfermedad,
3. Elige las medicinas en base al historial mdico del paciente y su condicin.

3. Redes neuronales o neurales

3.1 Definicin
Una red neuronal artificial (ANN, Artificial Neural Network) es un modelo computacional de
procesamiento automtico inspirado en la manera como trabaja el sistema nervioso humano, de
manera que busca emular una red neuronal biolgica. Estos sistemas generalmente almacenan
conocimiento experimental y lo mantienen disponible para usos posteriores. Sus operaciones estn
basadas en el procesamiento paralelo y presentan una serie de caractersticas propias del cerebro,
como aprender de la experiencia, generalizar de ejemplos previos a ejemplos nuevos y abstraer las
caractersticas principales de un conjunto de datos ya agrupados.

3.2 Propsito
Son construidas con la intencin de dar respuesta de manera inmediata a distintos estmulos del
medio ambiente y automatizar procesos para los cuales se requiera un pensamiento
comportamiento similar al humano.

18

3.3. Estructura/Elementos/Componentes

Una red neuronal artificial est compuesta por un gran nmero de interconexiones masivas en
paralelo de elementos simples y adaptativos con una organizacin jerrquica, que procesan
informacin por medio de su estado dinmico como respuesta a entradas externas; dichos elementos
emulan a las neuronas del sistema nervioso humano e intentan interactuar con los objetos del mundo
real.

Las neuronas de una ANN estn interconectadas y arregladas en tres tipos de capas:
Capa de entrada: recibe directamente la informacin proveniente de las fuentes externas de
la red.
Capas ocultas: son internas a la red y no tienen contacto directo con el entorno exterior. El
nmero de niveles ocultos puede variar entre cero y un nmero elevado. Las interconexiones
y la cantidad de neuronas en estas capas determinan la topologa.
Capa de salida: transfieren la informacin de la red hacia el exterior.

Figura 1. Red neuronal conectada.

19

En la figura 1 se puede apreciar grficamente la organizacin de las capas en una red neuronal. Se
observa adems que pueden existir varias capas ocultas y no estrictamente una.

Como en un sistema nervioso real, y aprovechando esta distribucin en capas del modelo artificial, las
neuronas de una ANN pueden ser usadas de distintas formas dependiendo de lo requerido para un
momento dado. Teniendo esto en cuenta, existen tres tipos de funciones que determinarn el rol que
ejercer una neurona del sistema:
Funcin de entrada: Una neurona recibe una entrada global compuesta de muchas entradas,
y la funcin de entrada se encarga de combinar estas entradas simples.
Funcin de activacin: Al igual que una neurona biolgica, las neuronas de una red neuronal
artificial tiene distintos estados de activacin (que usualmente se generalizan en activo o
inactivo), asemejndose a la tasa potencial de activacin requerida por una neurona para
generar una salida.
Funcin de salida: Esta funcin determina la salida de una neurona dependiendo de la
entrada que haya recibido, salida que ser o bien el output del sistema, o la entrada a la
siguiente neurona vinculada. Esta salida puede ser la misma entrada, lo que quiere decir que
la funcin no hizo nada, o cualquier otro valor dependiendo de la funcin.

3.4. Informacin que manejan

Para la solucin de problemas las ANN no utilizan algoritmos previamente programados, sino que la
red construye un modelo a partir de sus datos de entrenamiento (datos de entrada), esto significa
que recibe una serie de ejemplos y ella misma se ajusta. A este proceso se le llama entrenamiento y lo
hace en funcin de alguna regla de aprendizaje.

La informacin que manejan las redes neuronales proviene de estmulos del entorno que ingresan al
sistema a travs de la capa de entrada. Los datos obtenidos son filtrados para eliminar la redundancia
por lo que prevalecen solamente los elementos ms importantes que luego se agrupan en vectores.
20

Sobre las variables de estos vectores se tiene una cierta cantidad de observaciones previas lo que
permite dar respuesta a un estmulo determinado tal como lo hara un cerebro humano.

3.5. Organizaciones que tpicamente utilizan Redes Neuronales

Las redes neuronales permiten resolver problemas y facilitar actividades en distintas reas de trabajo.
Las organizaciones que obtienen ms beneficios de este tipo de sistemas son:
Medicina: los usos que tienen las redes neuronales dentro del campo de la medicina son
numerosos, entre los cuales cabe destacar: diagnstico y tratamiento a partir de sntomas e
inclusive de datos analticos (anlisis sanguneo, electrocardiograma), monitorizacin en
cirugas y prediccin de reacciones adversas en los medicamentos, incluyendo resultados
sobre la presencia o ausencia de reacciones a partir de una imagen visual de la reaccin.
Energa: las redes neuronales artificiales tambin son usadas por aquellas empresas
encargadas de proveer energa a una poblacin, por ejemplo en la prediccin de consumo
elctrico, distribucin de recursos hidrulicos para la produccin elctrica, o prediccin del
consumo de gas en una ciudad.
Economa: este tipo de sistemas son de gran utilidad para aquellas organizaciones dedicadas a
asuntos econmicos y/o financieros, especficamente en predicciones financieras a partir de
datos y tendencias, aprobacin de prstamos a partir de informacin en la solicitud del
mismo, deteccin a posibles fraudes.
Informtica: til para reconocimiento y clasificacin tanto de palabras (como identificacin de
palabras a partir de un discurso o transformacin de un texto en un discurso) como de
imgenes para un fin especfico.
Militar: dentro del rea militar las redes neuronales son empleadas para clasificacin de las
seales de radar, reconocimiento y seguimiento en el tiro al blanco, optimizacin del uso de
recursos escasos, creacin de armas inteligentes.
21

3.6. reas o funciones de las organizaciones que utilizan Redes Neuronales

Finanzas: ms all de ser usadas en empresas dedicadas a las finanzas propiamente, las redes
neuronales artificiales sirven a una empresa para evaluar prstamos y control de fraudes.
Marketing: la idea es utilizar las redes neuronales para encontrar un patrn con respecto a los
clientes desarrollando perfiles en funcin de las compras. Por otro lado, las redes se utilizan
para la prediccin de la rentabilidad de acciones de campaas de venta.
Recursos humanos: las ANN pueden ser usadas en una empresa para control y posibles guas
con el adiestramiento del personal de la empresa.
Gestin: en el rea de gestin de una empresa las redes neuronales pueden ser usadas para la
planificacin, la organizacin, la coordinacin y el control de la empresa utilizando informacin
de las distintas dems reas para tomar acciones adecuadas segn la estrategia y objetivos de
la empresa.

3.7. Beneficios del uso de Redes Neuronales

Generalizacin: capacidad para producir respuestas razonables a estmulos no representados
durante su entrenamiento.
Adaptabilidad: la red puede ser construida para adaptar sus pesos sinpticos al medio
ambiente (reentrenar).
Robustez: por su carcter distributivo, una red maneja muy bien daos a su estructura (ruido)
Complejidad: puede capturar comportamiento complejo que no es posible con mtodos
tradicionales.
Operacin en tiempo real: los cmputos neuronales pueden ser realizados en paralelo; para
esto se disean y fabrican mquinas con hardware especial para obtener esta capacidad.

22

 Tolerancia a fallas: la destruccin parcial de una red conduce a una degradacin de su

estructura; sin embargo, algunas capacidades de la red se pueden retener, incluso sufriendo
un gran dao.
Aprendizaje adaptativo: capacidad de aprender a realizar tareas basadas en un
entrenamiento o experiencia inicial.
Auto-organizacin: puede crear su propia organizacin o representacin de la informacin
que recibe mediante una etapa de aprendizaje.

3.8. Desventajas del uso de Redes Neuronales

Necesidad de un hardware muy especializado para la construccin de las redes.
Falta de reglas definidas que ayuden a construir una red para un problema dado.
Es necesario realizar mltiples pruebas para determinar la arquitectura adecuada.
Necesitan un entrenamiento especfico para cada cada problema.
El entrenamiento es largo y puede consumir varias horas de CPU.
Debido a que las redes se entrenan en lugar de programarlas, estas requieren la definicin de
muchos parmetros antes de poder aplicar la metodologa. Hay muchos factores que tomar en
cuenta: el algoritmo de aprendizaje, la arquitectura, nmero de neuronas por capa, nmero
de capas, representacin de datos.
Presentan un aspecto complejo para un observador externo que desee realizar cambios.
Para adicionar nuevo conocimiento es necesario cambiar las interacciones entre muchas
unidades para que su efecto unificado sintetice este conocimiento.
El aprendizaje es limitado

3.9. Ejemplos de Sistemas de Redes Neuronales que se encuentran en el mercado

Quake 2 Neuralbot: es un programa que simula a un jugador real en el juego Quake 2.
Desarrollado a finales de 1999, utiliza una red neuronal artificial para decidir su
comportamiento y parte de su aprendizaje, el resto lo lleva a cabo con otro algoritmo
(gentico).

23

 Alyuda Research Company: es una empresa creada en 2001 dedicada exclusivamente al

desarrollo de software individual y empresarial basados en redes neuronales, como por
ejemplo NeuroIntelligence que brinda funcionalidades de reconocimiento de patrones, data
mining, y modelos predictivos.

24

Conclusin

La Inteligencia Artificial es un concepto que se comenz a utilizar hacia 1956. Est orientada a
conseguir que las mquinas realicen tareas donde se aplique la inteligencia, el razonamiento y el
conocimiento de un ser humano. Los Sistemas basados en Inteligencia Artificial juegan un papel
fundamental hoy en da pues est presente en muchos campos como robtica, medicina, economa,
mecnica, milicia y videojuegos.
Para algunos autores, este tipo de sistema engloba los sistemas expertos y las redes neuronales. Los
sistemas expertos logran resolver problemas a travs del conocimiento y raciocinio de igual forma
que lo hace el experto humano mientras que las redes neuronales tratan de simular el
comportamiento biolgico de las neuronas del cerebro humano en la resolucin de problemas.
La importancia de estos sistemas de informacin radica en que tienen el potencial de ayudar a los
humanos a resolver problemas incluso de manera ms eficaz. Segn el reconocido cientfico Stephen
Hawking, los humanos, que son seres limitados por su lenta evolucin biolgica, no podrn competir
con las mquinas, y sern superados. Sin duda alguna, la inteligencia artificial podra convertirse en
una de las tecnologas ms importantes del futuro.
En el mundo cientfico hay una serie de retos clave para cumplir el sueo de fabricar una inteligencia
artificial y lograr que una computadora supere lo que puede hacer un ser humano. Ramn Lpez de
Mntaras, Director del Instituto de Investigacin en Inteligencia Artificial del CSIC (Espaa) , comenta
que "curiosamente lo que pareca ms difcil en esta disciplina ha sido ya posible, y paradjicamente,
lo que pareca ms fcil an no se ha conseguido". Con esto, Mntaras se refiere a que las mquinas
ya son capaces de proezas como el diagnstico de enfermedades, pero an carecen de sentido comn
para aprender cosas bsicas para los humanos. Destaca que el reto futuro es dotar de "sentido
comn" a estos sistemas.

25

Bibliografa

[1] https://asignaturas.usb.ve/osmosis/dokeos/claroline/document/download.php?doc_url=
%2FTEORIA%2FClases%2FClase_No._04_TGS_I_2012.pdf
[2] http://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/
matich-redesneuronales.pdf
[3] http://japsis.blogspot.com/2010/11/inteligencia-artificial.html
[4] http://citic-research.org/area_tecnologica/2?locale=es
[5] http://asimo.honda.com/
[6] http://www.kuka.com/
[7] https://www.aldebaran.com
[8] http://www.ciberesquina.una.edu.ve:8080/2014_2/350_E.pdf
[9] http://www.iac.es/sieinvens/SINFIN/Sie_Courses_PDFs/NNets/confiac.pdf
[10] http://disi.unal.edu.co/~lctorress/RedNeu/LiRna008.pdf
[11] http://homepages.paradise.net.nz/nickamy/neuralbot/index.html
[12] http://www.alyuda.com/neural-networks-software.htm
[13] http://uepoinformatica2.blogspot.com/2010/12/estructurabasicadeunsistema.html
[14] http://intelligence.worldofcomputing.net/aibranches/expertsystems.html#.VLFatnWUc8o
[15] http://www.depi.itch.edu.mx/apacheco/ai/ventdesv.htm
[16] http://www.uaeh.edu.mx/docencia/Tesis/icbi/licenciatura/documentos/Sistemas%20expertos
%20y%20sus%20aplicaciones.pdf
[17] http://www.monografias.com/trabajos30/sistemas-expertos/sistemas-expertos.shtml#APLICAC
[18] http://www.biobayex.com/ServiciosSistemas.aspx
[19] http://www.bbc.co.uk/mundo/ultimas_noticias/2014/12/141202_ultnot_hawking_inteligencia_
artificial_riesgo_humanidad_egn
[20] http://sociedad.elpais.com/sociedad/2014/01/14/actualidad/1389716541_468969.html

26