Inteligencia artificial

Fase 1 – Técnicas herramientas de la IA

Presentado por:
Jhon Alexander Riascos C.
Cod. 10306028

Tutor:
Fernando Rojas.

Grupo: 18

Universidad Nacional Abierta y a Distancia – UNAD

Programa de Ingeniería de Sistemas
Popayán, 2021
 Técnicas y herramientas que utiliza la inteligencia artificial.

Las técnicas de la inteligencia artificial hacen referencia a diferentes campos de

investigación y de desarrollo de aplicación de la inteligencia artificial. La IA es el tipo de
inteligencia que muestran los distintos artefactos creados por los humanos, normalmente
referido a los sistemas informáticos. Pero también hace referencia al ámbito de la
investigación científica en la intención de crear entornos que hagan uso de dicha
inteligencia.
Se pretende que la IA se acerque al funcionamiento de la mente humana. Y se recurre a ella
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.

15 técnicas de la Inteligencia Artificial según [ CITATION APD21 \l 9226 ]

Los campos de aplicación de la inteligencia artificial son muchos, y algunos están
orientados a satisfacer necesidades muy distintas:
1. 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.
2. Fuzzy logic o lógica difusa
Conocida como lógica heurística. Esta técnica incide en lo relativo de un escenario
observado como posición diferencial. Es un tipo de lógica que toma dos valores al azar,
contextualizados y relacionados entre sí. Por ejemplo, considerar una persona de 2 metros
como alta al haber tomado antes el valor de una persona de un metro como baja.
3. 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.
4. 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.
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.
5. 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.
6. 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.
7. 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.
8. 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.
9. 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.
10. 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.
11. 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.
12. Técnicas de Representación de Conocimiento
Es un sistema que sirve para analizar el modo de pensar 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.
13. 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.
14. 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.
15. 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.
Los campos de desarrollo e investigación de la inteligencia artificial sirven para el
desarrollo de nuevos mecanismos y aplicaciones que permitan diseñar nuevos métodos de
trabajar y comunicar con las máquinas y los entornos informáticos.

Herramientas de la inteligencia artificial: [ CITATION Din21 \l 9226 ]

Herramientas enfocadas al mundo conversacional:
Las cuales permiten construir agentes virtuales o traductores automáticos de idioma.
Herramientas enfocadas en visión artificial:
Permiten construir sistemas de seguridad con reconocimiento facial automático o monitoreo
de vías para el tráfico.
TensorFlow (https://tensorflow.org)
Empezó en el 2011 como un proyecto interno de Google llamad “Google Brain” y que se
hizo público en el 2017 como un sistema de código abierto de aprendizaje profundo, es
decir, de una red neuronal, la cual puede correr en múltiples CPUs y GPUs. Se usa para
entrenar redes neuronales que puedan detectar y descifrar patrones y correlaciones análogas
a las que vemos en el aprendizaje y razonamiento humano.
Caffe (https://caffe.berkeleyvision.org)
Esta herramienta a fue creada por BAIR (Berkeley Artificial Intelligence Research), en el
2014, y se hizo popular en la investigación académica. En un marco de trabajo de
aprendizaje profundo usando redes convolutivas.
Caffe 2 (https://caffe2.ai/)
En el 2017 Facebook lanzó esta herramienta como un sucesor comercial de Caffe. Se
escribió para tratar con las dificultades de Caffe en términos de escalabilidad y además,
buscando ser menos pesada. Permute cómputo distribuido y computación cuantizada.
ONNX (https://onnx.ai/)
Esta herramienta significa Open Neural Network exchanged y se anunció apenas en
septiembre del 2017. Es un esfuerzo conjunto de Microsoft y Facebook. ONNX es un
formato pensado para hacer fácil el intercambio de modelos de aprendizaje profundo entre
entornos de esta naturaleza. La iniciativa busca hacer más fácil para los desarrolladores usar
múltiples entornos de programación de redes neuronales.

 Agente inteligente (inteligencia artificial)

Según [ CITATION Wik19 \l 9226 ] un agente inteligente, es una entidad capaz de percibir su
entorno, procesar tales percepciones y responder o actuar en su entorno de manera racional,
es decir, de manera correcta y tendiendo a maximizar un resultado esperado. Es capaz de
percibir su medioambiente con la ayuda de sensores y actuar en ese medio utilizando
actuadores (elementos que reaccionan a un estímulo realizando una acción).
En este contexto la racionalidad es la característica que posee una elección de ser correcta,
más específicamente, de tender a maximizar un resultado esperado. Este concepto de
racionalidad es más general y por ello más adecuado que inteligencia (la cual sugiere
entendimiento) para describir el comportamiento de los agentes inteligentes. Por este
motivo es mayor el consenso en llamarlos agentes racionales.
Un agente inteligente puede ser una entidad física o virtual. Si bien el término agente
racional se refiere a agentes artificiales en el campo de la Inteligencia Artificial, también
puede considerarse agentes racionales a los animales incluido el hombre.
Los agentes inteligentes se describen esquemáticamente como un sistema funcional
abstracto. Por esta razón, los agentes inteligentes son a veces llamado Agentes Inteligentes
Abstractos (AIA) para distinguirlos de sus implementaciones del mundo real como sistemas
informáticos, los sistemas biológicos, o de organizaciones. Algunas definiciones de agentes
inteligentes hacen énfasis en su autonomía por lo que prefieren el término agente
inteligente autónomo. Y otros (en particular, Russell y Norvig (2003)) considera conducta
dirigida a objetivos como la esencia de lo inteligente y prefieren un término tomado de la
economía "Agente Racional".
En Ciencias de la Computación el término agente inteligente puede ser usado para referirse
a un agente de software que tiene algo de inteligencia, independientemente de si no es un
agente racional por definición de Russell y Norvig. Por ejemplo, programas autónomos
utilizados para asistencia de un operador o de minería de datos (a veces denominado robots)
son también llamados "agentes inteligentes".
Ejemplo:
Como ejemplos de entidades físicas pueden nombrarse:
 Un robot de comportamiento variable autorregulado (ya sea que su comportamiento
sea determinado por software o incorporado directamente en la electrónica),
 Una computadora que ejecuta un software de diagnóstico médico y muestra
resultados en una pantalla para ayudar a decidir a un médico,
 Una computadora especializada que controla un helicóptero en maniobras
peligrosas para un hombre.
Ejemplos de entidad puramente virtual serían:
 Un software de descubrimiento de patrones en Internet que sólo interactúa con otro
software.
 un software softbot que simula a una persona en un juego de computadora, tal como
un jugador de ajedrez, un jugador de fútbol contrincante o un conductor de carreras
de automóviles, etc.
Clasificación:
Es posible clasificar a los agentes inteligentes en 6 categorías principales:
 Agentes reactivos
 Agentes reactivos basados en modelo
 Agentes basados en objetivos
 Agentes basados en utilidad
 Agentes que aprenden
 Agentes de consultas
Funcionamiento:
 Técnicas y herramientas de la IA que aplican al proyecto:

La salud: Desarrollarían un prototipo de software inteligente, por ejemplo, diagnosticar

una enfermedad, conociendo los síntomas.

Para el proyecto se pueden hacer uso de las siguientes técnicas de la IA.

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.

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.

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.
 Bibliografía

APD. (2021). Técnicas y métodos de inteligencia artificial: ¿cuáles son y para qué se
usan? Obtenido de Técnicas y métodos de inteligencia artificial: ¿cuáles son y para
qué se usan?: https://www.apd.es/tecnicas-de-la-inteligencia-artificial-cuales-son-y-
para-que-se-utilizan/
Dineroclub.net. (2021). herramientas para trabajar Inteligencia Artificial (AI Tools – IA).
Obtenido de herramientas para trabajar Inteligencia Artificial (AI Tools – IA):
https://dineroclub.net/4-herramientas-para-trabajar-inteligencia-artificial-ai-tools-ia/
Wikipedia. (2019). Agente inteligente (inteligencia artificial). Obtenido de Agente
inteligente (inteligencia artificial):
https://es.wikipedia.org/wiki/Agente_inteligente_(inteligencia_artificial)