INSTITUTO POLITÉCNICO

NACIONAL

UNIDAD PROFESIONAL
INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS
SOCIALES Y ADMINISTRATIVAS

INTELIGENCIA ARTIFICIAL Y SISTEMAS DE

ADMINISTRACIÓN DE CONOCIMIENTO.
EXPOSICIÓN

CONTEXTO ORIENTAL DE LA INGENIERÍA INDUSTRIAL

1IM21
EQUIPO 5;
CASTRO FLORES IVÁN
CASTRO GUZMÁN JOSÉ OMAR (J)
LUCERO MARÍN ALVARO
TÉLLEZ JÍMENEZ JESÚS RUBÉN
ZAMUDIO LÓPEZ ERICK ALBERTO
omarcastrog20@gmail.com
PROFESOR: AYALA ENCARNACIÓN LARISSA

SOLICITUD 30/10 ENTREGA 13/11

 INTELIGENCIA ARTIFICIAL (IA)

La Inteligencia artificial es el campo científico de la informática que se centra en la creación

de programas y mecanismos que pueden mostrar
comportamientos considerados inteligentes. En
otras palabras, la IA es el concepto según el cual
“las máquinas piensan como seres humanos”.

Normalmente, un sistema de IA es capaz de

analizar datos en grandes cantidades (big data),
identificar patrones y tendencias y, por lo tanto,
formular predicciones de forma automática, con
rapidez y precisión. Para nosotros, lo importante
es que la IA permite que nuestras experiencias
cotidianas sean más inteligentes. ¿Cómo? Al
integrar análisis predictivos y otras técnicas de
IA en aplicaciones que utilizamos diariamente.

 Siri funciona como un asistente personal, ya que utiliza procesamiento de lenguaje

natural
 Facebook y Google Fotos sugieren el etiquetado y agrupamiento de fotos con base
en el reconocimiento de imagen
 Amazon ofrece recomendaciones de productos basadas en modelos de canasta de
compra
 Waze brinda información optimizada de tráfico y navegación en tiempo real

Breve historia de la Inteligencia artificial

la IA ha estado en nuestra imaginación y en nuestros
laboratorios desde 1956, cuando un grupo de
científicos inició el proyecto de investigación
“Inteligencia artificial” en Dartmouth College en los
Estados Unidos. El término se acuñó primero ahí y,
desde entonces, hemos presenciado una montaña
rusa de avances, así como frustraciones.

Al inicio del proyecto, el objetivo era que la

inteligencia humana pudiera ser descrita de forma
tan precisa que una máquina fuera capaz de
simularla. Este concepto también fue conocido como
“IA genérica” y fue esta la idea que alimentó la
(asombrosa) ficción que nos daría entretenimiento
ilimitado.
Sin embargo, la IA derivó en campos específicos. Con el paso del tiempo, la ciencia
evolucionó hacia áreas de conocimiento específicas, y fue entonces que la IA comenzó a
generar resultados significativos en nuestras vidas. Fue una combinación entre el
reconocimiento de imagen, el procesamiento de lenguaje, las redes neuronales y la
mecánica automotriz lo que hizo posible un vehículo autónomo. En ocasiones, el mercado
se refiere a este tipo de avances como “IA débil”.
La siguiente tabla muestra algunos acontecimientos importantes en la historia de la
Inteligencia Artificial.
Año Acontecimiento
1842 Lovelace: máquina analítica programable
1950 Turing: la prueba de Turing
1956 McCarthy, Minsky, Rochester y Shannon celebran la primera conferencia sobre IA
1965 Weizenbaum: "ELIZA", el primer sistema especialista
1993 Horswill: "Polly" (robótica basada en el comportamiento)
2005 TiVo: tecnología de recomendaciones
2011 Apple, Google y Microsoft: aplicaciones móviles de recomendaciones
2013 Varios: avances tecnológicos en aprendizaje automático y profundo
2016 Google DeepMind: AlphaGo supera a Lee Sedol en el juego “Go”

Aplicación de la IA en la industria
En la fabricación de hoy en día ya se están empleando
estas técnicas avanzadas para el control y optimización
de los procesos y líneas de producción, pero también
en el análisis y explotación de datos producidos por la
empresa. Ejemplos prácticos incluyen visión artificial,
sistemas que optimicen su funcionamiento de forma
automática según condiciones del entorno o sistemas
que aprenden a través del análisis de datos para ofrecer
mejor atención al cliente o recomendar un producto
correcto para un cliente potencial.
Otra área importante en la aplicación de la IA se encuentra en el análisis de datos producidos
por la maquinaria, sensores y también por los propios procesos de negocio. Estos sistemas
Big Data a través de la aplicación de algoritmos avanzados de análisis consiguen aprovechar
grandes cantidades de información procedente de fuentes diferentes y ayuda en la toma de
decisiones tanto a nivel de producción como de negocio.
La conexión e integración de los sistemas internos de la empresa – tanto la maquinaria
industrial como sistemas de gestión – con plataformas externas permite a las empresas
acceder a este tipo de servicios avanzados sin realizar grandes inversiones en nuevos sistemas
y en el posterior mantenimiento de estos.
SISTEMAS DE ADMINISTRACIÓN DE CONOCIMIENTO

Es un conjunto de procesos para crear,

almacenar, transferir y aplicar el
conocimiento de la organización.

Las empresas requieren programas de

administración dado que se ha convertido
en un activo productivo, con un alto
potencial para una ventaja competitiva,
igualmente se promueve el aprendizaje de
la empresa al incrementar la capacidad de
aprender e incorporar el conocimiento en
los procesos de negocio.
un Sistemas de Administración del Conocimiento puede ser usado para codificar,
almacenar y distribuir la Base de Conocimiento de la empresa.

Tipos principales de sistemas de administración de conocimiento.

 Sistemas de administración del conocimiento a nivel empresarial

 Sistemas de trabajo del conocimiento
 Técnicas inteligentes

Conocimientos estructurados y semiestructurados.

Los sistemas de administración del conocimiento a nivel empresarial son esfuerzos de toda
empresa el recolectar, almacenar, distribuir y aplicar el contenido digital, así como el
conocimiento.
El conocimiento estructurado proporciona la base de
datos y herramientas para organizar y almacenar
documentación.

Los sistemas de conocimientos semi estructurados

ofrecen base de datos y herramientas como el correo
electrónico o medios prósperos.
Estos sistemas pueden ofrecer valor considerable si se
diseñan de manera adecuada y permiten a los empleados
localizar, compartir y utilizar el conocimiento de una
manera mas
eficiente.

KWS

Los sistemas de trabajo del conocimiento conocidos como KWS apoyan a la creación de
nuevo conocimiento y su integración a la organización.
Estos sistemas requieren de fácil acceso a bases de conocimientos externas, HW robusto,
software de uso intensivo de gráficos, administración de documentos y comunicaciones.
Los KWS se ejecutan a menudo en estaciones de trabajo personalizadas, para el área
financiera proporciona acceso a bases de fatos externas y capacidad para analizar con
rapidez, enormes cantidades de datos financieros.

Construcción de sistemas de administración del conocimiento

 Un sistema de administración del

conocimiento este compuesto por
varias etapas, siendo las principales:
pruebas, validación, entrega,
evaluación y mantenimiento.
 Las pruebas son simples en un sistema
KBMS, la validación tiene que ser
llevada a cabo para asegurar que el
sistema basado en conocimiento conoce
las necesidades de la compañía. El
KBMS se asegura que el sistema está
construido correctamente.
 La entrega y la evaluación son
realizadas de la manera tradicional. Sin
embargo, el mantenimiento es desarrollado modificando las especificaciones no
modificando el código.
 La automatización de los procesos de negocio requiere el acumulamiento del
conocimiento, un KBMS es un ambiente de desarrollo para sistemas basados en
conocimiento que automatizan mucho de los procesos de la construcción de una
aplicación basada en conocimiento.
 El experto no necesita de la intervención de un ingeniero del conocimiento;
pequeños conocimientos para la utilización de un KBMS son requeridos como guías
para ser usado en el proceso.

Beneficios:
 Utilizar la inteligencia ayuda a
generar soluciones para
problemas en especifico que
sean demasiados extensos y
complejos para las personas e
igualmente ayudar a la empresa
a filtrar y buscar información.
 La lógica difusa ayuda a
controlar dispositivos físicos y
 se ha llegado a utilizar en aplicaciones de toma de decisiones limitadas.
 Las redes neuronales son importantes para reconocer y seguir patrones que el ser
humano no puede describir con facilidad, por ejemplo, en el área medica el
distinguir patrones de cantidades enormes de datos.
 Los algoritmos genéricos dan soluciones a problemas en específico, utilizando la
genética, optimizando, diseñando productos y sistemas de monitoreo industrial
donde se evalúan alternativas o variables para función óptima.
 Los agentes inteligentes tienen la opción de programarse para navegar a través de
grandes cantidades de datos a fin de localizar información útil y en algunos casos
actuar sobre esa información en beneficios del usuario.

Bibliografia:

 https://www.salesforce.com/mx/blog/2017/6/Que-es-la-inteligencia-artificial.html
 https://grupogaratu.com/inteligencia-artificial-para-industria40/
 https://prezi.com/dg6nwc5gh6oc/sistemas-de-administracion-del-conocimiento-a-
nivel-empresar/
 https://es.slideshare.net/yeisontorradolopez/los-sistemas-de-administracin-del-
conocimiento