Académique Documents
Professionnel Documents
Culture Documents
1
Generalmente, el concepto de Aprendizaje automático se confunde con el de “IA débil”. Es en este
campo en donde los avances más importantes de la IA se están llevando a cabo. En términos
prácticos, “el Aprendizaje automático es la ciencia que se encarga de hacer que las computadoras
realicen acciones sin necesidad de programación explícita”. La idea principal aquí es que se les
puede proporcionar datos a los algoritmos de Aprendizaje automático y luego usarlos para saber
cómo hacer predicciones o guiar decisiones.
Algunos ejemplos de algoritmos de Aprendizaje automático incluyen los siguientes: diagramas de
decisiones, algoritmos de agrupamiento, algoritmos genéticos, redes Bayesianas y Aprendizaje
profundo.
Aprendizaje profundo
¿Recuerda cuando Google anunció un algoritmo que encontraba videos de gatos en Youtube? (Si
desea refrescar su memoria haga clic aquí). Pues bien, esto es Aprendizaje profundo, una técnica
de Aprendizaje automático que utiliza redes neuronales (el concepto de que las neuronas se
pueden simular mediante unidades computacionales) para realizar tareas de clasificación (piense
en clasificar una imagen de un gato, de un perro o personas, por ejemplo).
Algunos ejemplos de aplicaciones prácticas del Aprendizaje profundo son las siguientes:
identificación de vehículos, peatones y placas de matrícula de vehículos autónomos,
reconocimiento de imagen, traducción y procesamiento de lenguaje natural.
Descubrimiento de datos inteligentes
Es el próximo paso en soluciones de IE (Inteligencia empresarial). La idea consiste en permitir la
automatización total del ciclo de la IE: la incorporación y preparación de datos, el análisis predictivo
y los patrones y la identificación de hipótesis. Este es un ejemplo interesante de la recuperación
de datos inteligentes en acción. La información que ninguna herramienta de IE había descubierto.
Análisis predictivo
Piense en ese momento en el que está contratando un seguro para auto y el agente le hace una
serie de preguntas Estas preguntas están relacionadas a las variables que influyen en su riesgo.
Detrás de estas preguntas se encuentra un modelo predictivo que informa sobre la probabilidad
de que ocurra un accidente con base en su edad, código postal, género, marca de auto, etc. Es el
mismo principio que se emplea en los modelos predictivos de crédito para identificar a los buenos
y malos pagadores. Por lo tanto, el concepto principal de análisis predictivo (o modelado) significa
que se puede utilizar un número de variables (ingresos, código postal, edad, etc.) combinadas con
resultados (por ejemplo, buen o mal pagador) para generar un modelo que proporcione una
puntuación (un número entre 0 y 1) que representa la probabilidad de un evento (por ejemplo,
pago, migración de clientes, accidente, etc.).
Los casos de uso en los negocios son amplios: modelos de crédito, modelos de segmentación de
clientes (agrupamiento), modelos de probabilidad de compra y modelos de migración de clientes,
entre otros.
4. Ejemplos del uso de la Inteligencia artificial en los negocios
“Parece interesante... Pero, ¿qué nos ofrece la IA que no tengamos ya?”
Existe una gran cantidad de aplicaciones para IA en los negocios. En esta publicación nos vamos
a centrar en un aspecto fundamental: el cliente. La IA está transformando las expectativas de los
clientes. Por ejemplo, el cliente que organiza su vida desde aplicaciones como Uber, Google y
Amazon. Estos clientes saben que las empresas disponen de información sobre ellos y, lo que es
más importante, saben lo que las empresas podrían hacer con esta información para proporcionar
una experiencia de atención al cliente excepcional. Por ejemplo, los millenials están obsesionados
con la experiencia de atención al cliente (es decir, todo debe ser sencillo, rápido e inteligente).
2
Esta es una lista de algunos ejemplos prácticos de cómo la IA está transformando los procesos
empresariales.
Inteligencia artificial para ventas
La IA ofrece una mayor productividad para los equipos de ventas, ya que permite centrarse en las
oportunidades que pueden llevar al éxito, así como ahorrar tiempo al personal de ventas durante
el registro de información. Veamos algunos ejemplos a continuación:
3
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.
Técnicamente un sistema experto, contiene una base de conocimientos que incluye la experiencia
acumulada de expertos humanos y un conjunto de reglas para aplicar ésta base de conocimientos
en una situación particular que se le indica al programa. Cada vez el sistema se mejora con
adiciones a la base de conocimientos o al conjunto de reglas.
¿Por qué utilizar un Sistema Experto?
1. Con la ayuda de un Sistema Experto, personas con poca experiencia pueden resolver
problemas que requieren un "conocimiento formal especializado".
2. Los Sistemas Expertos pueden obtener conclusiones y resolver problemas de forma más
rápida que los expertos humanos.
3. Los Sistemas Expertos razonan pero en base a un conocimiento adquirido y no tienen sitio
para la subjetividad.
4. Se ha comprobado que los Sistemas Expertos tienen al menos, la misma competencia
que un especialista humano.
5. El uso de Sistemas Expertos es especialmente recomendado en las siguientes
situaciones:
o Cuando los expertos humanos en una determinada materia son escasos.
o En situaciones complejas, donde la subjetividad humana puede llevar a
conclusiones erróneas.
o Cuando es muy elevado el volumen de datos que ha de considerarse para obtener
una conclusión.
Aplicaciones
Medicina, Economía, Psicología, Finanzas, Derecho y prácticamente todas las ramas del
conocimiento.
Los sistemas expertos utilizados en inteligencia artificial son software que emula el
comportamiento de un experto humano en la solución de un problema. Los sistemas expertos
funcionan de manera que almacenan conocimientos concretos para un campo determinado y
solucionan los problemas, utilizando esos conocimientos, mediante deducción lógica de
conclusiones. Con ellos se busca una mejora en calidad y rapidez de respuestas dando así lugar
a una mejora de la productividad del experto.
Los sistemas expertos pueden estar basados en reglas, es decir, disponen de unos
conocimientos predefinidos que se utilizan para tomar todas las decisiones (aplicando heurística),
o basados en casos (CBR, Case Based Reasoning), aplicando el razonamiento basado en casos,
donde la solución a un problema similar planteado con anterioridad se adapta a un nuevo
problema.
4
SISTEMA INTELIGENTE
La inteligencia se puede ver como una “medida” que indica cuan fácil logra un sistema sus
objetivos, Un sistema es: Una parte (fragmento) del universo (todo lo que existe, todo lo que hay),
con extensión limitada en espacio y tiempo.
Los sistemas inteligentes son capaces de interactuar con los seres humanos, por ejemplo,
mediante la observación del comportamiento, la comunicación, la comprensión de situaciones
observadas, anticipando lo que puede necesitar un usuario; y son valiosos en una gran variedad
de situaciones.
Estos sistemas pueden ayudar a personas que tienen problemas de algún tipo, ya sean visuales,
auditivos, físicos, cognitivos, etc.; a personas de edad avanzada afectadas por alguna enfermedad;
cirujanos cuyos ojos, manos o cerebro están constantemente ocupados cuando realizan
operaciones; o ejecutivos de negocios que puede tener numerosas tareas a realizar, entre otros.
Para lograr todos estos objetivos, los asistentes inteligentes integran una variedad de capacidades
proporcionadas por los diferentes componentes de software que requieren el conocimiento de
numerosos lenguajes de programación y métodos basados en inteligencia artificial.
En Apple detectaron la necesidad de desarrollar la técnica de un método y la aparatología
necesaria para la construcción de un asistente inteligente automatizado.
La invención llevada a cabo se basa en el concepto de "ontología de activos" para generar y
ejecutar aplicaciones y usarlas en los asistentes automatizados inteligentes.
SISTEMAS AUTÓNOMOS.
Un sistema autónomo es un grupo de redes y pasarelas de las que es responsable una autoridad
administrativa.
Las pasarelas son vecinos interiores si residen en el mismo sistema autónomo y vecinos
exteriores si residen en sistema autónomos diferentes. Las pasarelas que intercambian
información de direccionamiento utilizando EGP se conocen como iguales o vecinos EGP. Las
pasarelas de sistemas autónomos utilizan EGP para proporcionar información de acceso a los
vecinos EGP.
EGP permite a una pasarela exterior solicitar a otra pasarela exterior que acceda a intercambiar
información de acceso, comprueba continuamente que los vecinos EGP respondan y ayuda a los
vecinos EGP a intercambiar información de acceso pasando mensajes de actualización de
direccionamiento.
EGP restringe las pasarelas exteriores permitiéndoles anunciar sólo las redes de destino
totalmente alcanzables dentro del sistema autónomo de esa pasarela. De este modo, una pasarela
exterior que utiliza EGP pasa información a los vecinos EGP pero no anuncia información de
acceso acerca de los vecinos EGP fuera del sistema autónomo.
EGP no interpreta ninguna de la métrica de distancia que aparecen en los mensajes de
actualización de direccionamiento de otros protocolos. EGP utiliza el campo de distancia para
especificar si existe una vía de acceso (un valor de 255 significa que no se puede alcanzar la red).
El valor no se puede utilizar para calcular la ruta más corta entre dos, a menos que ambas rutas
estén contenidas en un solo sistema autónomo. Por consiguiente, EGP no se puede utilizar como
algoritmo de direccionamiento. Como resultado, sólo habrá una vía de acceso de la pasarela
exterior a cualquier red.