Universidad de Carabobo

Facultad Experimental de Ciencias y Tecnología

Unidad de Formación Socio-Humanista
Desarrollo de Actividades Directivas

Optimización de la Interacción Orgánica

Y Eficaz de un Robot Asistente Mediante el Uso del
Deep Learning Aplicado a las Actitudes Hacia el
Cambio Dentro de un Ambiente Hospitalario

Prof(a): Sección 02
Loyda Rivas Integrantes:
Andrés Gubaira
Jonathan Alcalá
Gustavo Rivas
Rafael Pérez
Situación Observada

Realizada una investigación acerca del empleo de Robots Asistentes en diversos

hospitales del mundo en los últimos años, se conoce que los Robots aplicados a la interacción
social con los pacientes han presentado una limitante en cuanto a las respuestas emitidas
resultantes de la interacción mediante conversaciones y encuentros. Se ha estimado que dichos
Robots cumplen una función de asistencia más que de acompañamiento, debido a la actual
capacidad precaria de intercomunicación en tiempo real. Sin embargo, en su funcionamiento
como inteligencia artificial yace integrada una disciplina llamada Deep Learning (Aprendizaje
Profundo), la cual dota a las inteligencias de la capacidad de identificar, a través de redes
neuronales, patrones, almacenarlos en datos masivos (Big Data) y realizar predicciones analíticas
mediante algoritmos. Por esto se estableció que, por medio de esta disciplina, se diseñara una
inteligencia artificial en la matriz del Robot, altamente tolerante a las situaciones ambiguas
presentadas en cada interacción con los pacientes, que le permitan regular sus acciones, respuestas
y actitudes conforme a los nuevos patrones que identifique en los casos desconocidos para sí.

Situación Deseada

Establecer patrones de aprendizaje automático dentro de la matriz de los Robots

Asistentes en los Hospitales, mediante el uso del Deep Learning, el cual permitirá el aumento de
las capacidades cognitivas del Robot a través de la integración de las cualidades de un individuo
altamente tolerante a situaciones ambiguas, lo cual ampliará así el enfoque y recepción de los
detalles captados durante las interacciones, tanto del paciente como del ambiente que lo rodea,
participará activamente en nuevas situaciones para aprender nuevos patrones, hará uso del
almacenamiento masivo de datos (Big data) y tener registro de los diversos casos que evalúe, y
emitir respuestas acordes al caso del paciente, para el orgánico desenvolvimiento de los Robots
asistentes con los pacientes necesitados de atención.

¿Es plausible el uso de las características de una mente altamente tolerante a la ambigüedad
como modelo o estructura de aprendizaje de una inteligencia artificial basada en la atención
a personas necesitadas?

Debemos estructurar el funcionamiento del Robot pensando en él como un ser humano

que brinda atención y acompañamiento, por ende, la base de su pensamiento y aprendizaje debe
basarse en la nuestra. En el presente caso, esto se logra integrando los principios que rigen una de
nuestras cualidades como seres humanos, nuestra tolerancia a la ambigüedad, ya que el individuo
con esta cualidad actúa al momento de enfrentarse a situaciones nuevas y regula sus acciones para
tomar control de ellas. Eso es lo que un Robot asistente requiere a la hora de interaccionar con
personas cuyas necesidades varían, tener la capacidad de estar atento a aspectos de su entorno que
le proporcionen información para el futuro, tener información útil y ordenada de las situaciones
que experimenta, tener la capacidad de desarrollar nuevas respuestas conforme a los patrones
aprendidos, y tomar acciones eficientes y precisas.

¿Se Puede Lograr un comportamiento similar Al de los humanos por parte De una I.A a
través de la integración de parámetros en su matriz que emulen la tolerancia a la
ambiguedad?

Al observar las cualidades que otorga la tolerancia a la ambigüedad en un individuo,

sabremos que éstas cualidades promueven actitudes hacia el cambio, y son estas actitudes las que
determinan una correcta toma de decisiones ante situaciones desconocidas, y asimismo una
respuesta eficaz ante las circunstancias, por ello podemos llegar a la conclusión que las máquinas
o robots, en este caso, robots asistentes de hospitales, a medida que aprenden tienen la necesidad
de cambiar sus patrones de datos para adaptarse mejor a la situación que necesita, sin necesidad
de que el usuario esté abocado a la integración de estos patrones a su código, estableciendo una
conversación ingeniosa, acorde a la vivencia del paciente, evitando la repetición de respuestas
antes ofrecidas, por ende, la Inteligencia artificial cambiará su comportamiento de forma
sincronizada con el paciente

¿Cuál es el impacto que causaría el desarrollo de esta Inteligencia en el ámbito Médico?

Una inteligencia artificial desarrollada trae consigo una alta cantidad de beneficios para
el ámbito de medicina. Los beneficios van desde la atención informada al paciente, reduciendo
así el tiempo de investigación al brindar a los médicos resultados precisos fundamentados en
tratamientos y procedimientos particulares sin tener que salir de la habitación en que se encuentre
el paciente; reducir errores de gestión de medicamentos gracias a las herramientas de apoyo a las
decisiones con las que cuenta la inteligencia artificial, aumentando así la seguridad del paciente;
reducción de costo del cuidado médico, con algunas de las oportunidades más prometedoras
siendo la reducción de errores de medicación, asistencia de salud virtual personalizada,
prevención de fraudes y apoyo a flujos de trabajos clínicos más eficientes; hasta incluso la mejora
de la relación médico-paciente, con la capacidad de la Inteligencia Artificial de Brindar soporte
las 24 horas del día gracias a Chat-bots (Asistentes capaces de mantener conversaciones con
personas) que pueden responder preguntas básicas y brindar recursos necesarios a los pacientes
pasado el horario comercial habitual

Considerar Variables

Variable Independiente Variable Dependiente Variable Interdependiente

Optimización de la Fomentar actitudes hacia el
Uso del Deep Learning interacción entre pacientes y cambio en la inteligencia
Robots Asistentes artificial del Robot
-Identifica Patrones -Fomenta la confidencia en -El Robot es capacitado para
-Ejecuta Predicciones los pacientes hacia el personal almacenar datos de los
mediante los datos Robótico detalles más pequeños
almacenados anteriormente -Incrementa las capacidades -El Deep Learning permite al
-Reconocimiento del Habla y de respuesta del Robot robot tomar el camino
de Imágenes -Fomenta la realización del correcto sin la intervención
historial clínico del paciente humana para aprender
-Su margen de error
dismuniye a medida que
aprende en cada interacción

Reglas Principios

La interacción de un Robot asistente con un

nuevo paciente debe tener implícita una serie
de preguntas de protocolo por parte del Robot,
tanto personales como de diagnóstico, para -Empatía en el paciente
que su sistema reconozca los patrones de -Atención y Cuidado del paciente
información y así indagar en su base de datos -Transmitir seguridad de la realización del
si conoce el caso del paciente, o si debe diagnóstico del paciente
almacenar esta nueva información
 El Robot Asistente debe estar presente cuando -Compañía al paciente
el médico o enfermero esté atendiendo al -Desarrollar la autonomía de aprendizaje del
paciente, para que así aprenda de las Robot
interacciones humanas -Concientizar a la población hospitalaria sobre
el trabajo y la presencia de los Robots
Asistentes

Propósito

Optimización de la interacción de Robots Asistentes en Hospitales con pacientes carentes

de atención, mediante el uso del Deep Learning, estableciendo sus procesos cognitivos bajo los
principios de las actitudes hacia el cambio en un individuo, como modelo para ofrecer respuestas
orgánicas, naturales y efectivas ante situaciones que desafíen las capacidades de respuesta del
Robot.

Objetivos

1. Establecer una red neuronal mediante el uso del Deep Learning dentro de un robot del tipo
humanoide asistencial; según estudios, este modelo causa impacto en la parte cerebral y
emocional en la interacción humano-robot. Este tipo de aplicaciones busca identificar y
comprender las emociones de las personas y ofrecer acciones automatizadas (o inteligentes)
en base a ellas.
2. Integrar en la red Neuronal un algoritmo a partir del cual el robot aprenda nuevos patrones y
sea capaz de responder por sí mismo mediante las experiencias e interacciones que recabe, y
ordene este aprendizaje dentro de su almacenamiento masivo (Big Data), y comprobar sus
datos obtenidos con información de la nube, de esta forma, asimilará y se adaptará a los
escenarios y situaciones que experimiente.
3. Realizar pruebas de ensayo con pacientes para medir la eficacia de las respuestas del Robot,
y así aprenda patrones de conducta y comportamiento en los pacientes con distintos caos.
 Considere Puntos de Vista

Acerca del Deep Learning

La importancia de este sistema para los robots reside en que les ayuda a pasar de ser elementos
estáticos y condicionados a unas circunstancias muy controladas, a tener la capacidad de
relacionarse con el entorno y reaccionar ante este. Para este propósito se ha visto en el campo de
la IA una gran oportunidad, ya que esta tecnología no permite únicamente el reconocimiento de
elementos, sino también tener una mayor adaptabilidad de la que se obtenía con técnicas de visión
artificial tradicionales.

-Deep Learning es la ciencia del entrenamiento de grandes redes neuronales artificiales. Estas
redes pueden tener cientos de millones de parámetros, lo que les permite modelar funciones
complejas como la dinámica no lineal. Forman representaciones compactas de estado a partir de
datos de sensores multimodales sin procesar, de alta dimensión, comúnmente que se encuentran
en los sistemas robóticos y, a diferencia de muchos métodos de aprendizaje automático, no
requieren un experto humano para diseñar manualmente vectores de características a partir de
datos de sensores en el momento del diseño.

Sin embargo, las DNN pueden presentar desafíos particulares en los sistemas robóticos físicos,
donde la generación de datos de entrenamiento es generalmente costosa y el rendimiento
subóptimo en el entrenamiento representa un peligro en algunas aplicaciones. Sin embargo, a
pesar de tales desafíos, los especialistas en robótica está encontrar alternativas creativas, como
aprovechar los datos de entrenamiento a través de la manipulación digital, automatizando el
entrenamiento y empleando múltiples DNN para mejorar el rendimiento y reducir tiempo de
entrenamiento.

Acerca de las Actitudes Hacia el Cambio

Adaptación al cambio

En el entorno profesional se valora muy positivamente que los empleados tengan la capacidad de
adaptarse al cambio en un momento determinado o a unas circunstancias concretas. Habrá
situaciones en las que, a pesar de no estar de acuerdo, nos veamos obligados a adecuar habilidades
y experiencias a los nuevos requerimientos.

Empleados adaptables
Las personas que poseen esta habilidad se caracterizan porque aceptan y se adaptan fácilmente
respondiendo con flexibilidad, pero además:

-Están dispuestas a aprender ya que la única forma de enfrentarse a lo desconocido es

explorándolo.

-Tienen seguridad emocional para afrontar los cambios como reto u oportunidad de mejora, y no
como amenaza.

-Son creativas porque encuentran fórmulas para superar las dificultades y sobreponerse a los
estímulos adversos que vayan surgiendo.

-Tienen mentalidad positiva ante cualquier circunstancia y una sólida visión de futuro para
alcanzar las metas que se le establezcan.

Reflexiones

Ni podemos sentirnos abrumados ni podemos anticiparnos a los resultados porque muchos serán
erróneos. Desconfiemos de la rumorología porque, como si de un virus se tratara, atacará nuestro
bienestar emocional. Por ello, estemos preparados para evitar el contagio.

Las actitudes pueden influir sobre la conducta mediante dos tipos de procesamiento cognitivo
(Fazio, 1990):

Procesamiento espontáneo: la activación automática de una actitud relevante. Actitudes muy

accesibles.

Procesamiento elaborado: la información disponible es analizada detalladamente. La teoría de la

acción razonada y la teoría de la acción planificada ejemplifican este tipo de procesamiento.

Acerca de los Robots Asistentes

“La idea del uso de los robots asistentes o inteligencia artificial en el campo médico no
es una sin explorar ni mucho menos. Empresas como la misma IBM han hecho diversos artículos
detallando posibles aplicaciones y beneficios de la integración de robots asistentes inteligentes en
medicina”.

-IBM, 2022

“De igual manera, un detonante para el mayor desarrollo por necesidad de estos robots
asistentes fue el brote del Covid-19 hace dos años, que trajo consigo la necesidad de poder atender
a los pacientes internados sin exponerse tanto al contagioso virus. Debido a esto, fueron
implementados robots de asistencia que ayudaban al personal de limpieza a transportar comida,
muestras de sangre, medicamentos y demás. Estos robots fueron diseñados por PAL Robotics y
Accerion, y fueron usados en el Hospital Municipal de Badalona y el Hospital Clinic (Ambos
ubicados en Barcelona, España)”.

-Robots Enfermeros Para Evitar el Contagio de Covid-19 en Hospitales (David Martínez

Pradales, 2022)

“Si bien los robots anteriormente mencionados no son del todo asistentes en el ámbito de
hablar con los pacientes, fueron un paso mayor a la idea del uso de chatbots para pacientes, tanto
para mejorar la calidad de su estadía en los hospitales, como para aligerar la carga de los
enfermeros y doctores al mismo tiempo. La idea de usar chatbots para mejorar el estado anímico
de una persona enferma en un hospital es una realidad y la estamos viviendo.”

-How Chatbots in Healthcare Sector Help Patients in Maintaining Good Health (Express
Computer, 2022)