Introducción a los sistemas

inteligentes
Presentación de unidad
En esta unidad el estudiante podrá entender que son los
Sistemas Inteligentes, su importancia y aplicación.
A lo largo de esta unidad, se hará una descripción de los
orígenes e historia de la inteligencia artificial, así como de
algunas contribuciones que esta área ha heredado de otras
disciplinas. También se discutirán algunas de las definiciones
más comúnmente aceptadas y los diferentes modelos que se
emplean para describirla.
La Inteligencia Artificial (IA) es una de las ramas de las
ciencias de la computación que más interés ha despertado en la
actualidad, debido a su enorme campo de aplicación. La búsqueda
de mecanismos que nos ayuden a comprender la inteligencia y
realizar modelos y simulaciones de estos, es algo que ha
motivado a muchos científicos a elegir esta área de
investigación.
A continuación, se presentan algunas de las definiciones
iniciales de esta área.
• Estudio de la computación que observa que una maquina sea
capaz de percibir, razonar y actuar (Winston, 1992).
• Ciencia de la obtención de máquinas que logren hacer cosas
que requerirían inteligencia si las hicieran los humanos
(Minsky, 1968).
• Nuevo esfuerzo excitante que logre que la computadora
piense... máquinas con mentes, en el sentido completo y
literal (Haugeland, 1985).
• Rama de la ciencia computacional preocupada por la
automatización de la conducta inteligente (Luger and
Stubblefield, 1993).
• Maquina Inteligente, es la que realiza el proceso de
analizar, organizar y convertir los datos en conocimiento,
donde el conocimiento del sistema es información
estructurada adquirida y aplicada para reducir la
ignorancia o la incertidumbre sobre una tarea específica
a realizar por esta (Pajares y Santos, 2006).
En los años 50 cuando se logra realizar un sistema que tuvo
cierto éxito, se llamó el Perceptrón de Rossenblatt. Este era
un sistema visual de reconocimiento de patrones en el cual se
aunaron esfuerzos para que se pudieran resolver una gama amplia
de problemas, pero estas energías se diluyeron enseguida.
Aproximadamente en ese tiempo, el matemático inglés Alan Turing
(1912-1954) propuso una prueba con la finalidad de demostrar
la existencia de “inteligencia” en un dispositivo no biológico.
Esta prueba conocida como “test de Turing” se fundamenta en la
hipótesis de, si una máquina se comporta en todos aspectos como
inteligente, entonces debe ser inteligente (Alan Turing, 1950).
Como consecuencia de esta prueba, muchos de los esfuerzos de
los investigadores en ese tiempo, se enfocaron en la redacción
de sistemas de inteligencia artificial lingüísticos, lo que
marcó el nacimiento de los conocidos como “chatbots” (robots
de plática). A pesar de que ya se había realizado una
investigación sobre el diseño y las capacidades de las
entidades no biológicas, el trabajo de Alan Turing de 1950
concentró el interés de la comunidad científica en el
desarrollo de las “máquinas inteligentes”. Dos de las
contribuciones más importantes de Alan Turing son el diseño de
la primera computadora capaz de jugar al ajedrez y el
establecimiento de la naturaleza simbólica de la computación
(ITAM, 1987).
El primer sistema experto o inteligente fue el denominado
Dendral, un intérprete de espectrograma de masa construido en
1967, pero el más influyente resultaría ser el Mycin de 1974.
La inteligencia se puede ver como una “medida” que indica que
tan fácil logra un sistema sus objetivos. Por lo anterior, un
sistema inteligente (SI) es un sistema que aprende durante su
existencia como actuar para alcanzar sus objetivos. (Winston,
1992). Los sistemas expertos o inteligentes son actualmente
considerados como uno de los productos típicos de la
inteligencia artificial.
Objetivo de unidad
Al finalizar el estudiante aprenderá los conceptos y nociones
básicas de los sistemas inteligentes, se informará de los
avances actuales que existen en el desarrollo de la
Inteligencia Artificial.
1.1 Introducción a los sistemas inteligentes
El resolver problemas y la toma de decisiones basándose en los
datos y el conocimiento ha sido una de las causas principales
del origen de los sistemas inteligentes.
Los sistemas inteligentes no se cansan, ni tienen manías, no
engañan, solo hay que considerar cuál es la limitación de su
conocimiento, desde la segunda guerra mundial los humanos hemos
intentado desarrollar técnicas para que los ordenadores se
asemejen más en su funcionamiento a los seres humanos, ya que
se tiene la certeza de que serán de gran ayuda y utilidad. Los
sistemas inteligentes influirán en la forma de llevar a cabo
las actividades en las empresas y en su estructura y forma de
organizarse de manera más eficaz y eficiente, anticipándose a
los problemas.
La representación del conocimiento experto es una de las tareas
más difíciles en la construcción de un sistema basado en el
conocimiento, sin embargo, de forma creciente se han
incorporado sistemas y procesos informáticos en su diario vivir
con el fin de tener una mejor calidad de vida.
Existe una clasificación de los modelos de inteligencia
Artificial que se basa en el objetivo y la forma en que trabaja
el sistema, esta clasificación de manera inicial se veía como
clases independientes, sin embargo, en la actualidad los
sistemas mezclan características de ellas. (LATIn, 2014).
Da clic en cada uno de los títulos para obtener más
información.
a) Sistemas que piensan como humanos
• El modelo es el funcionamiento de la mente humana.
• Se intenta establecer una teoría sobre el funcionamiento
de la mente (experimentación Psicológica).
• A partir de la teoría se pueden establecer modelos
computacionales.
• Influencia de las Ciencias Cognitivas. GPS (General
Problem Solver, 1963) - Newell & Simon no se preocupaban
de cómo obtener la respuesta correcta – sino sobre porque
los sistemas llegaban a dar las respuestas que daban.
• En los sistemas cognitivos, la mayoría de las
investigaciones no son con computadoras sino con humanos
y animales.
b) Sistemas que actúan como humanos
• El modelo es el hombre; el objetivo es construir un
sistema que pase por humano.
• Prueba de Turing: si un sistema la pasa es inteligente.
• Capacidades necesarias: Procesamiento del lenguaje
natural, representación del conocimiento, razonamiento y
aprendizaje.
• Pasar la prueba no es el objetivo primordial de la IA.
• La interacción de programas con personas hace que sea
importante que éstos puedan actuar como humanos.
c) Sistemas que piensan racionalmente
• Las leyes del pensamiento racional se fundamentan en la
lógica (silogismos de Aristóteles)
• La lógica formal está en la base de los programas
inteligentes (logicismo)
• Se presentan dos obstáculos: Es muy difícil formalizar
el conocimiento y hay un gran salto entre la capacidad
teórica de la lógica y su realización práctica
• Silogismos de Aristóteles
• Lógica como base del esfuerzo
• Lógica de Predicados
d) Sistemas actuantes racionales
• Actuar racionalmente significa conseguir unos objetivos
dadas unas creencias.
 • El paradigma es el agente racional, que se aplica, por
ejemplo, a muchos sistemas robóticos.
La prueba de Turing (Alan Turing ,1950) intenta ofrecer una
definición de Inteligencia Artificial que se pueda evaluar.
Para que un ser o máquina se considere inteligente debe lograr
engañar a un evaluador de que este ser o máquina se trata de
un humano evaluando todas las actividades de tipo cognoscitivo
que puede realizar el ser humano. Si el diálogo que ocurra y
el número de errores en la solución dada se acerca al número
de errores ocurridos en la comunicación con un ser humano, se
podrá estimar -según Turing- que estamos ante una máquina
“inteligente”.
Una persona debe establecer si sostuvo una charla con una
máquina o con otra persona (Henderson, 2007).
Para aprobar la prueba total de Turing, es necesario que la
computadora esté dotada para poder:
• Procesar un lenguaje natural, para así poder establecer
comunicación satisfactoria, sea en español, inglés o en
cualquier otro idioma humano.
• Representar el conocimiento, para guardar toda la
información que se le haya dado antes o durante el
interrogatorio. Utilización de Base de Datos para receptar
preguntas y luego almacenarlas.
• Razonar automáticamente, utilizando la información
guardada al responder preguntas y obtener nuevas
conclusiones o tomar decisiones.
• Autoaprendizaje de la máquina, con el propósito de
adaptarse a nuevas circunstancias. El autoaprendizaje
conlleva a la autoevaluación.
• Vista, es la capacidad de percibir el objeto que se
encuentra en frente suyo.
• Robótica, capacidad para mover el objeto que ha sido
percibido.
Uno de los primeros sistemas expertos conocido como “Dendral”,
desarrollado por Edward Feigenbaum en el Instituto de
Tecnología de Carnegie (actual Instituto Carnegie de
Tecnología). El trabajo de Feigenbaum se vio fuertemente
influenciado por el trabajo de otros importantes investigadores
como John Von Newman en un principio, y por Herbert Simon y
Allen Newell posteriormente. En sus propias palabras Feigenbaum
declaró que cuando Newell anunció el desarrollo de los primeros
modelos de computadora sobre el pensamiento humano y la toma
de decisiones a su clase, él renació; y a partir de ese momento
decidió seguir el camino del estudio de los procesos mentales
humanos (Henderson, 2007).
Dendral mostro un enorme potencial en la deducción de
información sobre estructuras químicas, que, de acuerdo a su
propio autor, se desprendía de su conocimiento sobre química.
(Feigenbaum, 1990).
Los Sistemas Inteligentes han demostrado ser herramientas
sumamente útiles en la resolución de problemas complejos. Su
capacidad de adaptación al entorno de información les permite
brindar buenos resultados en distintas áreas.
1.1.1 Concepción de los sistemas inteligentes
La rama de la computación “machine learning”, trata de crear
programas capaces de generalizar comportamientos a partir de
una información no estructurada suministrada en forma de
ejemplos, promoviendo de esta forma un proceso de creación de
conocimiento. Los algoritmos que se utilizan en el machine
learning, así como los enfoques para su resolución, son muy
variados: modelos estadísticos, teoría de la decisión, redes
neuronales, etc.
Sin embargo, se pueden identificar dos grandes grupos: un
aprendizaje supervisado que implica que alguien valore el nivel
de desempeño en cada interacción, de forma que el sistema va
aprendiendo; y sistemas no supervisados en los que no se tienen
en cuenta las salidas del sistema, sino solo las entradas, de
forma que el sistema se dedica a reconocer patrones más que a
realizar una labor de clasificación en diferentes categorías.
Los sistemas informáticos muestran una gran potencia para las
acciones que tienen que ver con la computación. Sin embargo,
no hay duda de que el cerebro, tras miles de años de evolución,
ha ido adquiriendo unas capacidades de reconocimiento que los
seres humanos utilizamos de forma inmediata e intuitiva y que
no son fáciles de implementar en forma de algoritmo. Esta
habilidad lleva a que las personas realicen continuamente
interpretaciones del entorno adaptadas al contexto; cosa que
los sistemas computacionales no pueden realizar.
Un sistema inteligente, es un sistema programado que reúne
características y comportamientos asimilables al de la
inteligencia humana o animal. Se utiliza para sistemas y
métodos que simulan aspectos de comportamiento inteligente,
con la intención final de aprender de la naturaleza para poder
diseñar y construir arquitecturas computacionales más
potentes. Los sistemas inteligentes evolucionaron a partir de
la inteligencia artificial. Después de Dendral, el equipo de
Feigenbaum inició un nuevo proyecto que se extendería de 1972
a 1980 en la Universidad de Stanfort.
Este sistema experto introdujo el uso de conocimiento impreciso
y la posibilidad de explicar el proceso de razonamiento de la
herramienta. Aunque el proyecto fue inicialmente conducido por
Feigenbaum, fue finalizado por Shortliffe y sus colaboradores
mediante el uso de Lisp. La relevancia de este sistema radica
en la demostración de la eficiencia de su esquema de
representación del conocimiento y de sus técnicas de
razonamiento; mismas que ejercieron una enorme influencia en
el desarrollo de sistemas posteriores basados en reglas, en
tanto dominios médicos como no médicos. El propósito de Mycin
fue el diagnóstico de enfermedades infecciosas de la sangre.

La siguiente tabla recopila algunos de los primeros sistemas

inteligentes (Rolston, 1990). Los sistemas presentados en esta
tabla nos permiten visualizar que alrededor de los años 70‘s
se empezó a generar un enorme interés en lo que posteriormente
se conoció como sistemas basados en el conocimiento o sistemas
inteligentes.

Tabla 1: Sistemas Inteligentes (Rolston, 1990)

Los sistemas expertos son actualmente considerados como uno de
los productos típicos de la inteligencia artificial.
Un sistema experto es “una aplicación informática que soluciona
problemas complicados que de otra manera exigirían ampliamente
la pericia humana” (Rolston, 1990). Los sistemas expertos
simulan el proceso de razonamiento humanos mediante la
aplicación de conocimiento e inferencia.

Debido al enorme éxito que tuvieron los sistemas expertos en

la década de los 80’s, empezaron a surgir desarrollos conocidos
como shells.
Un Shell es una pieza de software que provee una interfaz para
los usuarios. Un sistema experto posee entre sus componentes
las dos herramientas siguientes:
• Base de conocimientos: El conocimiento relacionado con un
problema o fenómeno se codifica según una notación
específica que incluye reglas, predicados, redes
semánticas y objetos.
• Motor de inferencia: es el mecanismo que combina los
hechos y las preguntas particulares, utilizando la base
de conocimiento, seleccionando los datos y pasos
apropiados para presentar los resultados.
Un Shell es un “sistema experto” que posee una base de
conocimientos vacía, pero acompañada de las herramientas
necesarias para proveer la base de conocimiento sobre el
dominio del discurso de una aplicación específica. Un Shell
provee también al ingeniero del conocimiento (encargado de
recabar la base de conocimientos) de una herramienta que trae
integrado algún mecanismo de representación del conocimiento,
un mecanismo de inferencia, elementos que faciliten la
explicación del procedimiento o decisión tomados por el sistema
experto (componente explicativo) e incluso, algunas veces,
proveen una interfaz de usuario.

Algunos ambientes de desarrollo para la construcción de

sistemas expertos independientes del dominio o shells clásicos
son (LATIn, 2014).

Da clic en cada uno de los títulos para obtener más

información.

EMYCIN o Essential Mycin:

Esta Shell fue construida en la Universidad de Stanford como
resultado del desarrollo del sistema experto MYCIN que
realizaba el diagnóstico de enfermedades infecciosas de la
sangre. El sistema EMYCIN fue la base para la construcción de
muchos otros sistemas expertos, tales como el PUFF (que
diagnostica enfermedades pulmonares) y el SACON (que trabaja
con ingeniería estructural)
OPS5- OPS83:
Estas Shell fueron desarrolladas en C, es el lenguaje que debe
ser empleado para la inserción de las reglas base y junto con
el uso del encadenamiento hacia adelante, la posibilidad de
insertar las reglas en un lenguaje como el C son sus
principales aportaciones. Este sistema está basado en el
algoritmo propietario RETE II.
El algoritmo RETE:
Es de reconocida eficacia para la comparación de hechos con
los patrones de las reglas y la determinación de cuales de
ellas satisfacen sus condiciones.
ESDE/VM (Expert System Development Environment):
Esta es una herramienta comercial creada por IBM para sus
sistemas operativos VM y MVS. Esta herramienta que incluye
facilidades gráficas y acceso a bases de datos fue creada para
su uso con mainframes. Esta herramienta usa reglas para
representar el conocimiento del tipo IF x THEN y AND. La
principal ventaja de este tipo de representación es su
facilidad para modificarlas y el hecho de que las reglas son
un esquema muy semejante al modelo con el que los seres humanos
razonamos o planteamos la solución a un problema.
KEE (Knowledge Engineering Environment):
Esta herramienta de la casa comercial IntelliCorp combina el
uso de la programación orientada a objetos y el uso de reglas
como herramientas de representación del conocimiento.
S1: De acuerdo s Hayes (1992), esta herramienta para el
desarrollo de sistemas expertos basada en reglas provee toda
clase de facilidades para la introducción del conocimiento
tanto por parte del ingeniero como del experto sobre un cierto
dominio. Este sistema incluye ya el uso del idioma inglés, de
manera que traduce automáticamente fragmentos de texto que se
asocien con la base de conocimientos. Este sistema, además,
muestra dinámicamente sus líneas de razonamiento alternativas,
conclusiones y reglas heurísticas consideradas.
EXSYS: Considerado por largo tiempo como el líder para el
desarrollo de sistemas expertos, es el resultado de más de 28
años de mejora y refinamiento. Esta herramienta posee también
elementos para la producción de sistemas expertos interactivos
en la web.
Existe una enorme lista de herramientas que no han sido
comentadas, entre las que se pueden mencionar: MED1, NEXPERT
OBJECT, GURU, HUGIN SYSTEM, ICARUS, entre otros.
1.2.1Importancia de los sistemas inteligentes
El desarrollo de la inteligencia artificial (IA) es un tema
ampliamente debatido a lo largo de las últimas décadas. La
intención última es la creación y diseño de entidades capaces
de tomar decisiones por sí mismas utilizando como paradigma la
inteligencia humana.
El enfoque computacional de la inteligencia artificial se
fundamenta en la creación de sistemas expertos con gran
capacidad de cálculo, aspecto en el que son claramente
imbatibles al encontrarse en un orden de desempeño muy superior
al de cualquier humano. Esto ha hecho que, en ciertos ámbitos,
en aquellos en los que el entorno está bien definido y las
reglas de operación se pueden implementar de una forma lógica,
como en el juego del ajedrez, los resultados sean
espectaculares.
Desde el principio de la creación de los sistemas inteligentes
se desarrollaron sistemas con alto nivel de juego en ajedrez
en un desafío por batir al hombre. Dicho proceso culminó el 11
de mayo del año 1997, cuando el computador de IBM Deep Blue
fue capaz de derrotar al campeón del mundo de ajedrez Gari
Kaspárov después de un torneo a seis partidas. En la
actualidad, ninguna persona puede batir ni a un ordenador de
tipo medio.
Sin embargo, cuando se trata de identificar patrones para poder
valorar situaciones, por muy sencillas que sean, sus resultados
se encuentran muy por debajo de los que puede ofrecer un niño
de corta edad. Esta laguna se está intentando superar y se
están perfeccionando modelos que permiten a los sistemas
computacionales aprender de las experiencias pasadas,
obteniendo así una forma de adaptarse al contexto.
La importancia de los Sistemas Inteligentes radica en la nueva
automatización derivada de los avances tecnológicos y se ve
reflejada en el impacto que tienen en el apoyo al trabajo en
los diferentes sectores: primarios (agricultura, ganadería,
pesca, etc.), secundarios (minería, industria, artesanía,
construcción, etc.) y el sector de servicios secundario de
forma relevante a trabajos con un alto componente cognitivo y
al sector servicios.
Los sistemas inteligentes pueden combinar capacidades
cognitivas elevadas y pueden traducirse en acciones físicas
(por ejemplo, mover un objeto) o en la toma de decisiones
(diagnosticar una enfermedad o comprar acciones de una
empresa).
La automatización del trabajo en el sector primario está
alcanzando a tareas en las que la inteligencia humana dirige
la toma de decisiones, como evaluar las condiciones para la
siembra o alimentar a los animales y controlarlos
sanitariamente. La caracterización del suelo y del medio
ambiente también es un elemento en el que las soluciones
tecnológicas de automatización pueden prestar gran ayuda en la
toma de decisiones. La aparición de robots que simulan el
comportamiento de las raíces y de las hojas de las plantas
permitirá identificar características clave como la acidez, la
humedad, la composición química del suelo o la detección de
agentes contaminantes en el aire, factores esenciales para
decidir las cosechas. Aún en fase de experimentación, estos
robots suponen un avance destacado en la automatización del
trabajo agrícola .
En el sector secundario la automatización se ha enfocado hasta
ahora a la realización de tareas repetitivas o peligrosas en
procesos controlados como las cadenas de producción, que
sustituyen el trabajo manual. Actualmente el desarrollo de la
robótica en entornos industriales se orienta no tanto hacia la
sustitución de los trabajadores como hacia el trabajo
colaborativo entre humanos y robots, en el que ambos puedan
aportar mayor valor añadido a las actividades realizadas.
Dentro del sector secundario, la minería es otra de las
actividades que está aprovechando los sistemas automáticos para
mejorar su productividad. Las labores extractivas pueden
resultar peligrosas para los trabajadores, por lo que la
utilización de sistemas automáticos controlados en remoto se
presenta como una alternativa muy eficaz para evitar
accidentes. Los anteriores ejemplos permiten comprobar cómo la
automatización del trabajo ya está teniendo un impacto
relevante en sectores, sustituyendo a las personas en tareas
rutinarias o peligrosas y consiguiendo mejorar la productividad
empresarial.
La importancia de los Sistemas Inteligentes se centra en el
imparable ascenso de la automatización de las actividades
laborales, que ya no se limita a tareas rutinarias o
repetitivas en ámbitos industriales, sino que alcanza a
actividades que requieren una capacidad cognitiva importante.
Este avance de la automatización del trabajo tendrá importantes
consecuencias en la configuración del mercado laboral, ya que,
por una parte, muchos perfiles profesionales son susceptibles
de ser automatizados y, por otra, también aparecerán gran
cantidad de nuevos tipos de trabajo.
Respecto a la organización empresarial el impacto será
importante, ya que los procesos de gestión deberán ser
repensados para hacer frente a las nuevas formas de trabajo.
En el nuevo entorno empresarial, que conjugará los sistemas
automáticos con el trabajo manual, la gestión de los recursos
humanos cobrará una nueva dimensión. El trabajo colaborativo
entre seres humanos y máquinas hará surgir nuevos desafíos,
muchos de ellos de carácter emocional, que los gestores de
recursos humanos deberán abordar para que la convivencia sea
beneficiosa para la empresa. El cambio por la automatización
de ciertas actividades laborales requerirá un proceso de
aprendizaje.
Una consecuencia de esta utilización masiva de las tecnologías
en entornos concretos son los ambientes inteligentes, smart
factory, smart school, smart home, smart city, etc. Estos
ambientes actúan en cierto modo como un sistema inteligente de
un nivel superior, aunque puedan estar compuestos internamente
por otros sistemas inteligentes.
Los sistemas inteligentes permitirán afrontar desafíos del
envejecimiento de la población. El envejecimiento de la
población en las sociedades modernas supone un mayor número de
personas dependientes, lo cual es una realidad a la que hay
que enfrentarse de alguna manera. Este envejecimiento, que hace
que cada vez haya más personas con necesidades de atención
especial, supone un problema económico y de recursos que puede
llegar a lastrar el desarrollo económico de las sociedades.
Del servicio al autoservicio. La forma en la que los servicios
se comercializan y se entregan se transformará de forma
radical, lo que afectará a todos los sectores: la banca, la
alimentación, el comercio y otros. El concepto general que
dominará en todos ellos es el de «autoservicio», que será
posible en gran medida gracias a la utilización masiva de
asistentes personales que se conectarán de forma automática
con las empresas que suministran los servicios. Así, técnicas
de análisis de datos se conjugarán con sistemas inteligentes
para ofrecer soluciones adecuadas a los usuarios y de esta
manera facilitar los procesos de compra.
Por todo lo anteriormente descrito (se enuncian solo algunas
razones) es que los sistemas inteligentes son importantes en
la evolución de la vida humana2
1.3.1 Aplicaciones de los sistemas inteligentes
Reconocimiento de patrones, es una de las técnicas
fundamentales de cualquier sistema machine learning es el
reconocimiento de patrones, que aún es un punto débil en
cualquier sistema inteligente. Sin embargo, en los últimos años
se ha producido una mejora importante en este tipo de
tecnologías y en su comercialización; un ejemplo son los
sistemas automáticos de identificación de caras en una foto o
los sistemas de atención telefónica automáticos. En el caso
del reconocimiento de caras, empresas como Google, Facebook o
Apple ya lo incluyen en sus servicios al público. No obstante,
el problema fundamental se encuentra en la identificación de
patrones más complejos como los de comportamiento, o en
entender una conversación en lenguaje natural, lo que se llama
NLP (Natural Language Processing). En el primer caso, los
sistemas de Big Data como Smart Steps ofrecen una aproximación
que está dando buenos resultados; en el segundo existen gran
cantidad de empresas que se han especializado en ese tipo de
servicios, como Lexalytics , que permite analizar textos de la
nube y obtener información, como, por ejemplo, análisis de
sentimientos, o Palantir , que permite analizar tuits. En los
últimos años se ha tratado de dar una vuelta más con el
desarrollo de sistemas que sean capaces de entender situaciones
o conversaciones y, además, dar una solución adecuada (Figura
2.4).
Se puede considerar un precursor WolframAlpha , que fue lanzado
en mayo de 2009 y que en este caso va más allá y trata de dar
respuestas a preguntas realizadas en lenguaje natural. Otro
ejemplo de este tipo de herramientas es Siri , que nace en el
año 2007 bajo el concepto de asistente personal basado
fuertemente en tecnologías semánticas. Se trató del primer
asistente personal que ofrecía un porcentaje aceptable de
respuestas acordes al contexto y cuyo éxito llevó a Apple a
adquirirlo para su incorporación en el sistema operativo iOS
en abril de 2010. El mayor ejemplo de desarrollo de estos
sistemas inteligentes ha sido IBM Watson , sistema de
inteligencia artificial desarrollado por IBM que en el año 2011
fue capaz de ganar el concurso de preguntas y respuestas
Jeopardy a los concursantes que habían ganado los años
anteriores. Se consiguió de esta manera superar el hito de que
un ordenador fuera capaz de entender preguntas y encontrar las
respuestas.
Investigación médica: Actividades en las que se requiere
manejar gran cantidad de información (bases de datos médicas,
resultados de pruebas médicas, etc.), como el diagnóstico de
enfermedades, o aquellas que requieren de una gran precisión,
como la cirugía, son potencialmente automatizables. En el
ámbito del diagnóstico médico se están utilizando los
denominados sistemas CAD (Computer-Aided Diagnosis), que
combinan técnicas de inteligencia artificial que permiten el
reconocimiento de patrones con sistemas de procesado digital
de imágenes procedentes de pruebas médicas (TAC, radiografías,
ecografías, mamografías, etc.) para ayudar a los doctores en
la detección de tumores, cánceres u otras enfermedades. Por
ejemplo, el centro médico estadounidense Memorial Sloan-
Kettering, especializado en la lucha contra el cáncer, está
utilizando el sistema de tecnología cognitiva IBM Watson para
conseguir diagnósticos y tratamientos precisos de acuerdo con
la información sobre el paciente específico y sobre la ingente
cantidad de información almacenada por el centro, que trata a
más de 30.000 pacientes de cáncer al año, información de
revistas científicas o incluso de congresos médicos.5 La
cirugía robótica es una realidad desde hace varios años. Aunque
no sustituye la labor de los cirujanos, facilita la realización
de intervenciones con mayor precisión y de una forma menos
invasiva, lo que contribuye a facilitar la recuperación
posoperatoria de los pacientes.
Ciertas labores de apoyo en el cuidado de personas se
configuran entre las actividades susceptibles de ser
automatizadas. Por ejemplo, los robots pueden apoyar a los
trabajadores en muchas de las actividades innecesarias en la
atención a ancianos o niños. En países como Japón, uno de los
más envejecidos del mundo, se está desarrollando una ambiciosa
política de incentivos fiscales para que las empresas
tecnológicas desarrollen robots de bajo coste con este
objetivo, en un intento de paliar los efectos derivados de este
continuo envejecimiento de la población.
Automatización del trabajo en el sector primario: La
automatización del trabajo en el sector primario ha estado
históricamente centrada en la sustitución de actividades
manuales muy fatigosas para los trabajadores (arar, cosechar,
etc.). Sin embargo, esta automatización está alcanzando a
tareas en las que la inteligencia humana dirige la toma de
decisiones, como evaluar las condiciones para la siembra o
alimentar a los animales y controlarlos sanitariamente.
Aplicaciones en la agricultura: El sector agrícola está
aprovechando las posibilidades que ofrecen las tecnologías de
sensorización y de reconocimiento de patrones para mejorar la
productividad de las cosechas. Un claro ejemplo es la
utilización de drones para el control de los parámetros
ambientales que influyen en el crecimiento de las cosechas.
Estos drones, equipados con sensores de temperatura, humedad,
cámaras de infrarrojos, etc., son capaces de proveer de
información precisa sobre el estado de las cosechas,
información que, tratada de forma automática por sistemas de
procesado de datos e imágenes, permite a los agricultores
actuar con previendo ante problemas como sequías, plagas de
insectos o decidir el momento óptimo de la cosecha, anticipando
incluso el rendimiento que se va a obtener. En grandes
extensiones agrícolas los drones reducen drásticamente el
tiempo necesario para actuar en función de los parámetros
evaluados, ya que son capaces de supervisar toda la plantación
de forma muy rápida y precisa.
Aplicaciones en las tecnologías de la información: Detrás de
la mayoría de los servicios se encuentra el despliegue de
tecnologías de comunicaciones que permiten la conexión
permanente, sin embargo, nos centraremos en tecnologías de
servicio para el usuario, destacando la computación en la nube,
el Internet de las cosas, los ambientes inteligentes y el Big
Data.
Ambientes inteligentes. El Internet de las cosas, permitirá
una mayor interacción con el entorno y el desarrollo de
ambientes inteligentes o smart. Smart city, smart home, smart
school o smart vehicle. Estos ambientes se caracterizan por la
utilización masiva de tecnologías de conectividad y de
servicios de la sociedad de la información que se adaptan a
las necesidades de los usuarios según el contexto. Así, en una
ciudad inteligente, diferentes objetos (marquesinas de
autobuses, sistemas de alumbrado, balizas de información...)
se conectan directamente con los usuarios enviando información
pertinente para la actividad que estén realizando. Lo mismo
ocurrirá con los objetos del resto de entornos inteligentes.
Big Data. La generación de cantidades grandes de información;
cantidades que no se pueden analizar utilizando los enfoques
clásicos. Con el nombre de Big Data se encuadran aquellas
técnicas que permiten analizar en tiempo real gran cantidad de
datos estructurados y desestructurados que proceden de fuentes
de muy diverso tipo. Estas tecnologías permiten obtener un
valor de la gran cantidad de datos que se están generando
continuamente en una sociedad cada vez más informatizada. Su
aplicación es de lo más variada: conocer mejor a los clientes
para poder ofrecerles un mejor servicio, contrastar datos que
permitan conseguir avances en el conocimiento científico,
encontrar fuentes de ineficiencias en los entornos fabriles,
etc. Cualquiera de estos usos tiene un impacto económico
importante, por ejemplo, se estima que la utilización del Big
Data en el entorno fabril de Europa podría sumar 2,2 billones
de euros al PIB europeo en 2030.
Aplicaciones en el transporte y la logística: La conducción
autónoma de vehículos ha sido un desafío, y también un sueño,
para el sector del transporte desde los inicios de la industria
automovilística. Ya en 1918, una empresa de Milwaukee hizo una
demostración de un coche sin conductor, que era controlado por
radio . A pesar de los numerosos intentos de crear un coche
autónomo a lo largo del siglo xx, hasta los últimos años no se
ha retomado con fuerza la idea de la conducción autónoma.
La empresa estadounidense Google ha sido la primera en
presentar, a finales de 2014, un prototipo totalmente funcional
de vehículo autónomo. Dentro de la industria automovilística,
los fabricantes japoneses Nissan y Toyota junto con la alemana
Mercedes están apostando con gran fuerza por el desarrollo de
sistemas de automatización de la conducción. Un ejemplo de este
impulso es el acuerdo al que han llegado la NASA y Nissan para
desarrollar un vehículo autónomo que pueda ser utilizado tanto
en la Tierra como en Marte A pesar de que es el caso con mayor
impacto mediático, la conducción autónoma no solo se limita al
transporte por carretera. El desarrollo de sistemas
automatizados de conducción también se está experimentando en
medios de transporte como las lanchas motoras, con aplicación
directa en el ámbito militar y de seguridad.
Muy ligadas al transporte, las actividades logísticas también
se están beneficiando del desarrollo de sistemas de
automatización del trabajo. Los procesos de gestión de
almacenes y control de stocks se realizan cada vez más sin
participación humana. La utilización de tecnologías de
identificación como la RFID (Radio-Frequency Identification)
permite la gestión automática de las entradas y salidas de
mercancía del almacén, con lo que se consigue la alineación
del inventario lógico con el físico. El ejemplo más claro del
uso de sistemas automatizados en el ámbito logístico es el de
la empresa Amazon, que en 2012 adquirió la empresa de robótica
Kiva para instalar robots en sus almacenes de Estados Unidos
con la finalidad de acelerar el envío de los productos
adquiridos por los clientes.
Actualmente Amazon cuenta con 15.000 robots encargados de mover
las mercancías desde los estantes del almacén hasta el lugar
donde los trabajadores se encargan de preparar los envíos.
Estos robots mejoran la eficiencia del proceso reduciendo el
tiempo de recogida de los productos del lugar donde se
encuentran almacenados y aumentando el espacio de
almacenamiento al posibilitar la reducción de los espacios que
serían necesarios para la operación manual del proceso de
recogida.
Aplicaciones en el sector de los viajes y el alojamiento: Las
actividades relacionadas con el turismo también han comenzado
a utilizar sistemas que permiten la automatización del trabajo
con el ánimo de ofrecer un mejor servicio a los clientes y de
incrementar la productividad empresarial. En la actualidad,
todos los procesos de la cadena de valor turística han
incorporado elementos de automatización que están sustituyendo
el trabajo manual. A los ya conocidos sistemas on line de
búsqueda de destinos, que haciendo uso de la información sobre
las preferencias de los usuarios recomiendan las mejores
opciones disponibles, hay que unir los avances en la
automatización de la relación directa de los usuarios en los
alojamientos. Aunque aún se tratan de experiencias puntuales,
la tendencia es hacia el crecimiento de la automatización en
procesos de atención al cliente.
Lo anteriormente descrito, solo es una muestra de las
aplicaciones de los sistemas inteligentes, hay un sin fin y
más en esta etapa en la que estamos viviendo, una sociedad
cambiante que requiere gran adaptación. Es uno de esos momentos
en los que se tiene la sensación de que algo va a pasar y
después ya nada será igual. En esta sensación influyen dos
tipos de aspectos: por una parte, sociales, con graves
problemas, como el aumento del desempleo, y por otra parte
tecnológicos, con nuevos desarrollos y servicios que están
cambiando nuestra manera de comportarnos y de los cuales
todavía estamos lejos de ver su verdadero potencial. Existe un
debate entre los expertos sobre las posibles relaciones entre
ambos aspectos; unos opinan que existe un vínculo entre ellas,
otros se inclinan por pensar que es una coincidencia
circunstancial en el tiempo, y otros más que las nuevas
tecnologías serán la solución al problema del desempleo.
Cierre de unidad
En el año 1956 se realizó la conferencia de Dartmouth, y en
ella se ubica el nacimiento oficial de la “inteligencia
artificial” con ese nombre, por propuesta del científico John
McCarthy. Cabe señalar que algunos años antes se empezó a
desarrollar esta área, por ejemplo, en 1950 Alan Turing
propondría el famoso “Test de Turing” que evaluaba la
inteligencia de una máquina contra la de un humano .
En el campo de la robótica, fue desde 1948 que el William Grey
desarrolló la Machina speculatrix, unos robots que, basados en
circuitos analógicos semejantes a neuronas simples,
demostraban que dichas neuronas en conjunto podían generar
comportamientos complejos. Cuando tenían la batería baja, estos
robots eran capaces de llegar a su estación de recarga gracias
a la fototaxia, que es el movimiento que realiza algún
organismo para acercarse o alejarse de un estímulo luminoso.
La tendencia de los sistemas inteligentes, comprendiéndola con
los ejemplos previamente mencionados, es actualmente más clara
que nunca, principalmente en el internet de las cosas. Los
sistemas computacionales aparentan no tener límites en su
capacidad y procesamiento, como la “nube”.
En el año 2016 se trató el tema de la “Industria 4.0”, la
industria interconectada, en el Foro Económico Mundial de
Davos. Contar con información de todo el proceso de producción,
hasta su distribución, para cada máquina y sensor; todo esto a
una escala mundial. La información que se procesa es tal que
requerimos algoritmos de “Machine Learning” y el “Big Data”.
De la integración de los algoritmos de inteligencia, y las
máquinas robóticas, están resultando sistemas inteligentes que
sin duda nos presentan un futuro muy diferente que cambiará de
manera rápida en poco tiempo la convivencia social y el cuidado
del medioambiente.
Sin lugar a dudas, la automatización del trabajo que requiere
cierto nivel cognitivo va a tener un papel importante en la
reconfiguración del empleo. Este proceso supone una
reordenación del empleo desde actividades que se automatizan
hasta actividades en las que el factor humano tenga aún un
papel esencial.
Como se ha ido describiendo a lo largo de esta unidad, las
tecnologías han tenido siempre una gran capacidad
transformadora de la sociedad. Estas transformaciones pueden
ser profundas, como sucedió durante las revoluciones
industriales, o más suaves, como en otros momentos de la
historia en los que los cambios y los avances se producían de
forma más gradual.
Los sistemas inteligentes y robóticos se integran en casi todos
los aspectos de nuestra vida creando espacios inteligentes. En
el ámbito al que nos refiramos, salud, trabajo, vida personal,
etc., los sistemas inteligentes se encontrarán en todos ellos,
analizando el contexto y aportando información que pueda ser
pertinente al usuario.
Sin embargo, aunque existan puntos de consenso entre los
expertos acerca de cómo va a evolucionar el mercado de trabajo
e incluso la sociedad en general debido al despliegue masivo
de sistemas inteligentes, se debe siempre tener en cuenta que
el futuro no está escrito. Las administraciones, el resto de
agentes y la sociedad en general seremos los que
definitivamente iremos encajando los avances tecnológicos y
los cambios sociales de la forma que sea más interesante para
nosotros.
A lo largo de esta unidad pudimos identificar que existe una
gran cantidad de áreas específicas en las que se trabaja bajo
el concepto de inteligencia artificial, cada una de esta cuenta
con herramientas y/o técnicas propias para lograr sus
objetivos, algunas de estas se enlistan en la siguiente tabla:

La educación es otro de los terrenos en los que la

automatización puede desempeñar un papel relevante en un futuro
cercano. En países como Corea del Sur la utilización de robots
en las aulas para impartir materias como idiomas extranjeros,
particularmente el inglés, está muy extendida desde hace años.
Además, con lo visto en esta Unidad, concluimos, que la
inteligencia artificial y en específico los sistemas
inteligentes tienen aplicaciones más cercanas a todos nosotros.
Actualmente se llevan a cabo actividades de investigación,
innovación y desarrollo de sistemas inteligentes con un impacto
socio económico importante.
Entre los campos de oportunidad e interés se encuentran los de
seguridad informática, diagnóstico médico, finanzas, efectos
especiales en películas, interfaces inteligentes y
personalizadas, comprensión de sentimientos y opiniones,
aprendizaje basado en el análisis de datos del Big Data para
la toma de decisiones inteligentes, ciudades inteligentes,
planeación y desarrollo urbano, cuidado del medio ambiente,
simuladores de sistemas complejos, juegos y educación.
Fuentes de consulta
Alfaomega. ISBN: 970-15-1166-2. Mexico. Rusell & Norving
(2003). Inteligencia Artificial. Un enfoque moderno, Segunda
Edición. Prentice Hall.
Benitez, R., Escudero, G., Kannan, S. y Masip, R. (2010)
Inteligencia Artificial Avanzada. España: UOC.
García Serrano, A. (2016) Inteligencia Artificial.
Fundamentos, práctica y aplicaciones. México: Alfaomega.
Pajares G. y Santos M. (2006).Inteligencia Artificial e
Ingeniería del Conocimiento.
Ponce Cruz, P. (2014) Inteligencia Artificial con aplicaciones
en la Ingeniería. México: Alfaomega.