INSTITUTO TECNOLÓGICO SUPERIOR

DE TIERRA BLANCA

INTELIGENCIA ARTIFICIAL

INGENIERÍA EN SISTEMAS COMPUTACIONALES

Docente: Lic. Ángel Arturo Ferman Martínez

Alumno: Juan Uvaldo García Maroto

NC: 168N0064

Trabajo: Investigación de Principios y Metodologías de la Inteligencia

Artificial

Semestre: Octavo Sistema: semi-escolarizado Grupo: 802-B

Tierra Blanca, Veracruz a 31 de Marzo de 2020

Tabla de contenido
Introducción....................................................................................................................3
Principios y metodología de la inteligencia artificial.......................................................4
Conclusión.....................................................................................................................10
Bibliografía....................................................................................................................11
 Introducción

En muchas ocasiones, la mejora de la Red/Cadena de Suministro (R/CS)

radica en la acertada toma de decisiones, en tiempo y forma. Por otro lado es
difícil encontrar decisores que tengan las características necesarias para
tomar decisiones más acertadas en todo momento. Estos decisores,
necesitan herramientas que les permitan visualizar de un modo general,
las fortalezas y debilidades de su R/CS, así como las áreas de oportunidad que
pudieran llegar a presentarse. Además necesitan sistemas que les ayuden a
mejorar la calidad de las decisiones que se toman día a día. Actualmente se
está trabajando con sistemas de decisiones basados en Inteligencia Artificial
(IA), los cuales se han aplicado en una gran variedad de tareas, desde la
enseñanza hasta la automatización de procesos productivos. La mayoría de los
sistemas de IA (McCulloch y Pitts; 1943) tienen la peculiaridad de
“aprender”, lo que les permite ir perfeccionando su desempeño conforme
pasa el tiempo. Además estos sistemas pueden analizar volúmenes muy
grandes de información a muy alta velocidad, lo que permite obtener
indicadores puntuales de las operaciones de la R/CS. Este artículo se exponen
tres Metodologías de Inteligencia Artificial (MIA) que son de gran relevancia
para el estudio de la Incertidumbre en la R/CS.
Principios y metodología de la inteligencia artificial

Alrededor de los años 70´s se plantea un nuevo enfoque, se construyeron

sistemas basados en el conocimiento (KBS Knowledge Based Systems), estos
sistemas reunían mucha información de un dominio específico, donde hubiera
un experto que pudiera indicar como manipular la información disponible por
medio de reglas simples del tipo “si A – entonces B”.

Estos “Sistemas Expertos” se llaman así por la pretensión de simular el

comportamiento de un experto humano, en un área muy técnica y específica.

Para poder operar con el conocimiento es necesario representarlo y poder

hacer un modelo del mundo sobre el cual se quieren hacer inferencias.

Surgen así distintos métodos de representación del conocimiento en forma

simbólica, como:

 la lógica de primer orden,

 los frames (marcos o planillas),
 las redes semánticas, los objetos,

Lenguajes que puedan operar con estos paradigmas de representación como:

 Lisp y Prolog,
 Smalltalk, y shells especiales

Hoy se puede hablar de varios tipos de inteligencia. Pero para las ciencias de
la computación se presupone “inteligente” como sinónimo de “racional”, no
importando que sea o parezca.

Metodología del Simbolismo

La Metodología del Simbolismo se origina a partir de la Cognición
Computacional. El propósito de la Cognición Computacional es dar como pauta
el estudio de la cognición humana para entrar en una fase científica de
investigación regular. Simon, H. A., dijo, años atrás el desarrollo de la ciencia
cognoscitiva, “antes de que el ordenador fuera considerado como un sistema
de procesamiento de símbolos universales, había muy pocos conceptos
científicos y enfoques para el estudio de la naturaleza de la cognición y la
inteligencia. La Cognición Computacional llego a ser el principio de una línea
de la Inteligencia Artificial, Sicología Cognoscitiva y Lingüística Matemática,
ayudando enormemente al avance de la IA. El simbolismo en términos de
cognición es el procesamiento de símbolos y en que el proceso del
pensamiento humano puede ser descrito por ciertas clases de símbolos. En
otras palabras, el pensamiento es la computación (o la cognición es la
computación). Esta ideología constituye una de las bases filosóficas para la
inteligencia artificial.

Lenguajes de Programación Lógica

En 1959, basándose en el cálculo de Alonzo Church ““list structure”; Simon y
Newell, John McCarthy introdujeron el desarrollo la famosa LISP (Lista de
Procesamiento de Lenguaje), que más tarde fue el lenguaje que más ha
ayudado en la investigación de Inteligencia Artificial. LISP es un lenguaje
funcional de procesamiento simbólico, que trata de un programa hecho de sub-
funciones funcionales. Su estructura funcional es análoga a la estructura de la
función recurrente en matemáticas, siendo capaz de construir nuevas funciones
desde unas funciones básicas de ciertos medios. Por lo tanto, es un lenguaje
de programación funcional. También es un lenguaje de programación lógico,
porque su cálculo está basado en símbolos más bien que números y esto
realiza deducciones por medio del cálculo simbólico. PROLOG es otro famoso
lenguaje de 1298 programación lógico, puesto en práctica en 1972 por el grupo
de investigación de Alain Colmerauer de la Universidad de Marsella en Francia.
Más tarde, Pillipe Roussel introdujo el intérprete de PROLOG; y David Warren
contribuyó con el primer compilador de PROLOG.

Metodología del Conexionismo

McCulloch W. S., y Pitts, W. pioneros del conexionismo. Tenían en cuenta que
para simular la inteligencia humana, es necesario construir un modelo cerebral
con la ayuda de la biónica. Y también que la unidad básica del pensamiento
humano son las neuronas, más bien que los símbolos y que la inteligencia es el
resultado de la competición de las neuronas interconectadas y coordinadas.
Sosteniendo vistas diferentes de la hipótesis de un sistema de símbolo físico,
creyendo que el cerebro humano no es lo mismo que un ordenador. Cuando el
ordenador es usado para simular el cerebro humano, debería hacerse énfasis
que la simulación estructural, es decir, simular la estructura de una red de
sistema neuronal humano biológico. Ellos también creen que las funciones, las
estructuras, y el comportamiento están estrechamente relacionadas y que las
diferentes funciones y comportamientos son representados por estructuras
diferentes.

Lógica Difusa
La Lógica Difusa se adapta mejor al mundo real en el que vivimos, e incluso
puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho
calor", "no es muy alto", "el ritmo del corazón está un poco acelerado", etc. La
clave de esta adaptación al lenguaje, se basa en comprender los
cuantificadores de nuestro lenguaje. En la teoría de conjuntos difusos se
definen también las operaciones de unión, intersección, diferencia, negación o
complemento, y otras operaciones sobre conjuntos (ver también subconjunto
difuso), en los que se basa esta lógica. Para cada conjunto difuso, existe
asociada una función de pertenencia para sus elementos, que indican en qué
medida el elemento forma parte de ese conjunto difuso. Las formas de las
funciones de pertenencia más típicas son la trapezoidal, lineal y curva.

Machine Learning o aprendizaje automático

El Machine Learning es la rama de la ciencia que busca el desarrollo de
técnicas que permitan a los ordenadores aprender por sí mismos. Para ello se
crean programas que pueden generalizar ciertas respuestas a partir de
información sin estructurar, que se suministra como ejemplos. Con ello, se
induce al conocimiento por parte del ordenador.
Vida artificial
Consiste en el estudio de la vida y de los entornos artificiales que muestran
cualidades propias de los seres vivos en entornos de simulación.

Sistemas expertos
Hace referencia a un sistema de información que se basa en el conocimiento
de un área de aplicación de gran complejidad y muy específica. Sirve como
asistente consultor y experto para los usuarios de su interfaz.

Se recurre a la IA cuando se considera útil incorporar a un sistema de

ordenadores un conocimiento o comportamiento ante los eventos que serían
más propios de un ser humano

Son entornos que proporcionan respuestas sobre problemáticas muy

específicas, pudiendo realizar inferencias muy parecidas a las de un ser
humano acerca de los conocimientos concretos consultados.

Data Mining o minería de datos

Esta técnica consiste en la extracción discriminada de información que se
encuentra implícita en los datos manejados. Dicha información, desconocida
previamente, se destina a ser utilizada en algún otro proceso. La minería de
datos sondea, prepara y explora los datos para poder extraer alguna
información que se oculte en ellos.

Redes Bayesianas
También conocidas como redes de creencia, estas redes son un modelo
probabilístico multivariado, que relaciona un conjunto de variables de tipo
aleatorio usando un grafo dirigido para indicar una influencia casual de manera
explícita.

Con un motor de actualización de las probabilidades llamado el Teorema de

Bayes, estas redes se convierten en una herramienta muy útil a la hora de
calcular probabilidades en casos de nuevas evidencias. Es uno de los tipos de
red que se denominan de tipo casual.

Ingeniería del conocimiento

Consiste en generar un nuevo conocimiento que no existía previamente. Se
hace a partir de la información que se contiene en bases de datos de
documentos y mediante el cruce de contenido de los archivos.

Es una técnica que se basa en la teoría de «actor-red», poniendo de manifiesto

redes y creando nuevas. También implica el ejercicio de la teoría de la
«traducción-traslación», acercando y poniendo en relación los actores, con el
objetivo de producir una traducción en la que llevar los enunciados o
modalidades hacia nuevos estadios evolutivos.

Redes neuronales artificiales

Estas redes son un paradigma del aprendizaje y los procesamientos
automáticos, inspirado todo ello en el modo en que funciona el sistema
nervioso de los animales. Consiste en un sistema de interconexión de neuronas
en una red que colaboran entre ellas para crear una respuesta de salida.

Sistemas reactivos
Estos son sistemas de aplicación crítica, y un fallo o error puede acarrear
consecuencias graves. Al punto de poner en riesgo las vidas humanas o el
resultado de importantes inversiones económicas.

Su comportamiento en estos entornos, de tiempo real, se determina tanto por la

sucesión de acciones que se ejecutan como por el momento en que cada una
de ellas se sucede y son procesadas.

Sistemas basados en reglas

Consisten en modelos de representación del conocimiento que se usan de
manera amplia. Son apropiados para escenarios en los que el conocimiento
que se necesita representar surge de manera natural en una estructura de
reglas.
Razonamiento basado en casos
Es un proceso para solucionar cuestiones basándose en soluciones de
problemáticas anteriores. El razonamiento que se basa en casos se sirve de
analogías para los nuevos razonamientos.

Se considera que no solo es una poderosa herramienta de cálculo para

ordenadores. Sino que los seres humanos usan el mismo principio para la
solución de problemas cotidianos.

Técnicas de Representación de Conocimiento

Es un sistema que sirve para analizar el modo de pensamiento de manera
formal. Se usa un entorno de símbolos para la representación de un dominio de
discurso, junto a las funciones que puedan inferir sobre los objetos procesados.

Redes semánticas
Son maneras de representación del conocimiento lingüístico para las que los
conceptos y las interrelaciones entre ellos se representan mediante grafos. Son
utilizadas para la representación de mapas conceptuales y mentales, entre
otras funciones.

Lingüística computacional
Es un campo multidisciplinar de la lingüística aplicada en la informática. Se
sirve de los sistemas informáticos para el estudio y el tratamiento del lenguaje.
Para ello, se intenta modelar de manera lógica el lenguaje natural desde un
punto de vista programable.

Procesamiento del lenguaje natural

Es una disciplina de la rama de la ingeniería para la lingüística computacional.
Se utiliza para la formulación e investigación de mecanismos de eficacia
informática para servicios de comunicación entre las personas o entre ellas y
las máquinas usando lenguajes naturales.
 Conclusión

Sin tener en cuenta la diferencia de las tres metodologías, la mayoría de

investigadores tratan sólo una pequeña categoría de la inteligencia humana. El
gran abanico del concepto de IA es un gran paso para el estudio de la
inteligencia biológica, especialmente en el estudio de la inteligencia humana.
Esto si se tiene gran conocimiento del mecanismo trabajador de los dos,
pudiendo simularlo con más eficacia. A partir de las MIA se pretende
desarrollar un sistema de Planificación Colaborativa basado en Redes
Neuronales para resolver los problemas de Incertidumbre en la
Red/Cadena de Suministro. Se quiere proporcionar mediante la integración
de las Redes Neuronales y el Modelo Matemático Determinista una
planificación más segura en cada etapa de la Red/Cadena de Suministro.
Y mediante esta metodología lo que se pretende es tener una visión más
amplia de la Inteligencia Artificial.
 Bibliografía

Banda Gamboa, H. A. (Septiembre de 2011). www.academia.edu. Recuperado el 30

de Marzo de 2020, de
https://www.academia.edu/4232917/INTELIGENCIA_ARTIFICIAL_PRINCIPIOS_Y_AP
LICACIONESInformacion_del_Autor
Mena O’Meara, N., Vicens Salort, E., & Cruz Lario, F. (04 de 2009).
www.researchgate.net. Recuperado el 30 de Marzo de 2020, de
https://www.researchgate.net/publication/279640045_Metodologias_de_Inteligencia_Ar
tificial_para_la_Toma_de_Decisiones_en_la_RedCadena_de_Suministro_en_el_Cont
exto_de_Incertidumbreen_el_Contexto_de_Incertidumbre
wordpress.com. (2 de Septiembre de 2013). Recuperado el 30 de Marzo de 2020, de
https://inteligencia2013.wordpress.com/ejemplos-de-inteligencia-artificial/tecnicas-y-
campos-de-la-inteligencia-artificial/concepto-caracteristicas-y-metodologias-de-la-
inteligencia-artificial
www.apd.es. (10 de Abril de 2019). Recuperado el 30 de Marzo de 2020, de
https://www.apd.es/tecnicas-de-la-inteligencia-artificial-cuales-son-y-para-que-se-
utilizan/