Instituto Tecnológico y de Estudios Superiores de Monterrey

Campus Estado de México

Inteligencia artificial en la última década

Integrantes:

Leonardo Castillejos Vite A01375332

Jaime Orlando López Ramos A01374696

Profesora:

María del Carmen Contreras

Fecha:​ 03/05/2019
 1

ÍNDICE

1 …………………………………...Índice
2……………………………………Problema de Investigación
2……………………………………Pregunta de investigación
2……………………………………Objetivos
3……………………………………Justificación
4……………………………………Antecedentes
5……………………………………Marco teórico
6……………………………………Hipótesis
7……………………………………Metodología
 2

Problema de investigación

La inteligencia artificial es uno de los temas de investigación en los que existe una mayor
expectativa en mi área. Tiene posibilidades de impactar el cómo vivimos, el cómo trabajamos e
incluso los trabajos que hacemos.

Pregunta de investigación

Paso 1: ​Estoy aprendiendo acerca de la inteligencia artificial.

Paso 2: ​Estoy aprendiendo acerca de la inteligencia artificial porque quiero descubrir cómo
utilizar los recursos tecnológicos para crear sistemas inteligentes óptimos.

Paso 3:​Estoy aprendiendo acerca de la inteligencia artificial porque quiero descubrir cómo
utilizar los recursos tecnológicos para crear sistemas inteligentes óptimos, para comprender la
importancia de la inteligencia artificial en los últimos 10 años.

Pregunta: ¿Cuáles han sido los avances y retos en el campo de Inteligencia Artificial en la
última década?

Objetivo general y objetivos específicos.

Objetivos

Generales:
● Analizar el impacto del machine learning en el mundo en los últimos 10 años.
Específicos:
● Indagar en los últimos avances realizados en el campo de inteligencia artificial.
● Obtener información acerca de las aplicaciones que se le dan al machine learning
actualmente.
● Comparar el impacto que tiene la inteligencia artificial actualmente con aquel de hace 10
años.
● Buscar información relacionada con las aplicaciones que se le daba a la inteligencia
artificial hace 10 años.
 3

● Investigar acerca de los algoritmos usados en el campo de machine learning.

● Examinar los métodos contemporáneos de aprendizaje de los sistemas inteligentes.
● Indagar en las distintas ramas del campo de inteligencia artificial.

Justificación

¿Para qué servirá esta investigación?

Por que es uno de los temas más relevantes y controversiales en la actualidad, con la
capacidad de cambiar nuestra vida diaria.

¿Qué aporta de nuevo esta investigación?

Una visión actual de en qué punto estamos actualmente respecto a la inteligencia artificial
y cómo puede afectar actualmente nuestra vida diaria.

¿Cuáles son los beneficios que este trabajo proporcionará?

Un mejor entendimiento del funcionamiento de los sistemas de IA, además del impacto
que esta tiene sobre la sociedad actualmente.

¿Quiénes serán los beneficiarios y de qué modo?

Los oyentes se verán beneficiados con un mejor entendimiento, que les permitirá sacar
sus propias conclusiones sobre qué esperar en el futuro.

¿Qué es lo que se prevé cambiar con la investigación?

La percepción que se tiene a nivel sociedad acerca de las aplicaciones de la IA y qué tan
avanzada está actualmente.

¿Ayudará a resolver algún problema o gama de problemas prácticos?

Ayudará a resolver la incertidumbre generada por los continuos avances de la IA.

 4

Antecedentes

Estado del arte

Nombre de la Producto Lugar Año Nombre

investigación

1 A Study and Conferencia. China - 2009 Ming Xue;

Application International Changjun
on Machine Joint Zhu
Learning of Conference
Artificial on Artificial
Intelligence Intelligence

Estado del conocimiento

Nombre de la Autor Año Editorial País

investigación

1 Artificial Russell Stuart 2014 Pearson Inglaterra

Intelligence: J. ; Norvig
Pearson New Peter
International
Edition : A
Modern
Approach
 5

Marco Teórico

¿Cómo medimos la inteligencia de una computadora? Una de las formas en las que se
hace el criterio de inteligencia computacional es con el Turing Test o Examen de Turing
propuesto en 1950 por Alan Turing. El examen consiste en que un entrevistador hace preguntas
por escrito y obtiene respuestas por escrito, una computadora pasa el examen si el entrevistador
no es capaz de saber si la respuesta proviene de una persona o una computadora. Para ser capaz
de pasar este examen una computadora requeriría de las siguientes características:
● Procesamiento de Lenguaje Natural:Es la capacidad de una computadora para entender
un lenguaje humano como el inglés o el español.
● Representación del conocimiento: Ser capaz de almacenar lo que sabe y lo que escucha
en una forma que sea útil para una computadora.
● Razonamiento automatizado: Utilizar los conocimientos almacenados de forma que sea
capaz de responder preguntas y generar nuevas conclusiones.
● Machine learning o aprendizaje automatizado: La capacidad de adaptarse a nuevas
circunstancias y extrapolar datos.

Y en el caso del examen Total Turing o Turing completo se agregan a las disciplinas anteriores:
● Visión Computacional: La habilidad de una computadora de percibir objetos.
● Róbotica: El campo que permitiría a una IA interactuar con el mundo exterior.

El autor Stuart Russell en su libro Artificial Intelligence: Pearson New International

Edition : A Modern Approach describe estas 6 disciplinas como la base de la inteligencia
artificial.

El Dr. Michael Garbade define el procesamiento de lenguaje natural como la rama de

inteligencia artificial que se encarga de las interacciones entre humano y máquina en lenguaje
natural. El objetivo de esta rama es que una computadora sea capaz de leer, entender y usar
lenguajes humanos.
 6

El algoritmo más avanzado actualmente es SyntaxNet de Google, un algoritmo que

utilizando machine learning es capaz de aprender a analizar la estructura de un idioma y explicar
el rol de cada palabra en una oración. Slav Petrov, investigador de AI en Google explica que
cuando se le da una oración al algoritmo este etiqueta cada una de las palabras con su función
sintáctica y determina las relaciones entre las palabras.
Milos Hauskrecht de la Universidad de Pittsburgh define la representación del
conocimiento como el campo de la inteligencia artificial que se encarga de estudiar cómo el
conocimiento del mundo se puede representar y qué razonamientos se pueden hacer con ese
conocimiento. La meta de está área es alcanzar una representación de los datos lo
suficientemente buena para poder resolver problemas, que sea compacta, mantenible y que sea
computacionalmente eficiente. Algunos de los problemas que se encuentran en esta área son el
cómo representar el sentido común o información que es incierta.

La representación de datos va altamente ligado con el razonamiento automatizado. John

Harrison investigador de Cambridge define el razonamiento automático como la realización de
un razonamiento por parte de una máquina de una forma automática y con un algoritmo,
mediante las leyes de la lógica. Se utiliza principalmente para realizar pruebas matemáticas y
para modelar el razonamiento humano.

Hipótesis
Los avances realizados en el área de inteligencia artificial en estos últimos 10 años son
esenciales para el desarrollo de un sistema inteligente con capacidades sobresalientes.

TURING TEST CRITERIA

● Natural Language Processing

● Knowledge Representation
● Automated Reasoning
 7

● Machine Learning

Métodologia
Con motivo de la investigación se entrevistó a un experto en el tema, Salvador Elías Venegas
Andraca en su oficina dentro del campus. Se determinó que la mejor metodología sería una
entrevista debido a que la información que un experto puede proporcionar es de gran calidad.
Además, el profesor Salvador ha profundizado en el tema a lo largo de toda su carrera. Este
personaje nos proporcionó información muy valiosa, la cual nos permitió comprender el origen
de la inteligencia artificial, así como el desarrollo de esta a lo largo de estos 10 años. De igual
modo, por medio de esta entrevista fuimos capaces de reforzar lo propuesto en la hipótesis y
finalmente logramos desarrollar una visión global acerca del tema en cuestión.

Referencias

IEEE SMC. (s.f.). ​Machine Learning. ​ ecuperado

R de:
http://www.ieeesmc.org/technical-activities/cybernetics/machine-learning

Xue, M & Zhu, C. (2009). ​A Study and Application on Machine Learning of Artificial
Intelligence. ​Recuperado de:
https://0-ieeexplore-ieee-org.millenium.itesm.mx/document/5158992/references#references

Slav, P. (2016). ​Announcing SyntaxNet: The World’s Most Accurate Parser Goes Open Source.
Recuperado de:
https://docs.google.com/document/d/11YFcskCsp358sLXy5jWy_PtV75s0hKpSB8iKsvBqTrc/ed
it

Browniee J. (2019). ​A Gentle Introduction to Computer Vision. ​Recuperado de:

https://docs.google.com/document/d/11YFcskCsp358sLXy5jWy_PtV75s0hKpSB8iKsvBqTrc/ed
it

​ ecuperado de:
Chaudhri, V. (2011). ​Knowledge Representation and Reasoning. R
https://web.stanford.edu/class/cs227/Lectures/lec01.pdf