INTELIGENCIA ARTIFICIAL

FASE 1.
TECNICAS
HERRAMIENTAS DE LA INTELIGENCIA ARTIFICIAL

90169_474

TUTOR
FERNANDO ROJAS

GUILLERMO ALEXIS NI – CODIGO: 80108486

FREDDY ALEXANDER GRANADA – CODIGO: 80156947
ANDRES EDUARDO ROJAS – CÓDIGO: 80083131
JESUS HERNANDO MARTINEZ – CODIGO: 80157161

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INGENIERIA DE SISTEMAS
OCTUBRE DE 2018.
 INTRODUCCIÓN

En este trabajo observamos el desarrollo de la unidad número uno perteneciente a la

introducción a la inteligencia artificial donde podemos identificar conceptos como el origen y
la evolución de la IA, desarrollamos atreves de esta actividad una investigación sobre las
técnicas y herramientas usadas en la IA y las características de los Agentes de IA, con el ánimo
de establecer las que aplicaremos en nuestro trabajo práctico a lo largo del desarrollo del curso.
 1. Mencionar y definir técnicas que utiliza la inteligencia artificial.

TECNICAS DE INTELIGENCIA ARTIFICIAL

BUSQUEDA DE SOLUCIONES: Proporciona una forma de dar soluciones cuando no se

tiene un método, la búsqueda heurística es utilizada para escoger una ramificación con
mayores posibilidades de éxito

REPRESENTACION DEL CONOCIMIENTO: El uso de conocimiento proporciona una

forma de resolver problemas complejos explotando la estructura de los objetivos
involucrados el fin es tener el dominio y la organización del tema a tratar de tal manera que el
programa IA pueda ingresar fácilmente a la información para analizar, reconocer objetos y
situaciones, planear, tomar decisiones y otras funciones cognitivas
RECONOCIMIENTO DE PATRONES: trata de diferencias técnicas para identificar los
subgrupos con características comunes, es decir que es un método para medir similitudes
entre fenómenos que presentan regularidad

PROCESAMIENTO DEL LENGUAJE NATURAL: es el que utiliza la comunidad

lingüística con el objetivo primario de comunicarse
Dentro de este encontramos procesamiento del lenguaje escrito y procesamiento del lenguaje
real

ROBOTICA: se encarga de tareas motrices y perceptuales, es la conexión entre la perseccion

y la acción dentro de las técnicas esta es la más beneficiada ya que su objetivo es la
construcción de robots inteligentes capaces de funcionar automáticamente

REDES NEURONALES: son sistemas compuestos por estructuras de red con conexiones
entre distintas capas de procesadores, inspiradas en el cerebro humano, las redes neuronales
son consideradas como una tecnología que trata con éxito algunos problemas de la IA
Las arquitecturas de las redes neuronales pueden usarse en la visión y la identificación de voz

ALGORITMOS GENÉTICOS: son los que emulan un proceso de decisión natural, un

algoritmo genético trabaja sobre la posible solución de un problema, también se considera
como un proceso de búsqueda y optimización basado en mecanismos de selección basado en
selección natural de los seres vivos

SISTEMAS EXPERTOS: almaceno conocimiento de expertos para un campo determinado

dando solución mediante la deducción lógica de la conclusión llevando a cabo tareas de
forma precisa, rápida y cómoda
2. Mencionar y definir herramientas que utiliza la inteligencia artificial.
- Reconocimiento del lenguaje:
Mediante herramientas como los micrófonos y cámaras los agentes de inteligencia
artificial identifican patrones para realizar ciertos procesos, es muy habitual en
estas épocas el interactuar mediante comandos de voz con dispositivos electrónicos,
estos a su vez aprenden patrones de comunicación como son el tono de voz,
acentos y otros elementos que identifican de manera auditiva la interacción
entre máquina-humano; otro elemento común es el reconocimiento facial o el
reconocimiento de objetos mediante patrones comunes, estos ayudan a la maquina a
identificar un objeto de individuo.
- Generación de lenguaje:
Mediante la recopilación de datos la maquina puede lograr la comunicación con el ser
humano, por medio de patrones comunes recopilados y analizados posteriormente
podemos generar una comunicación con el usuario, un ejemplo cotidiano de esto es
los productos ofrecidos por tiendas como eBay que generan productos que el usuario
puede requerir de acuerdo a sus hábitos de consumo, otro ejemplo son los chat
automatizados que responden de acuerdo a una base de datos según los patrones de
comunicación o preguntas que genere el usuario con la máquina.
- Agentes virtuales:
Son muy comunes en nuestra época, asistentes como Siri, Cortana, Alexa ya se
encuentran en nuestra vida mediante una comunicación parcialmente exitosa
interactúan con el usuario, esto se logra mediante bots (procesos de automatización
,aprendizaje de patrones de uso), estos facilitan la comunicación con la maquina
aunque en algunas lenguas aun se les dificulte la comunicación (esto debido a los
acentos o regionalismos de cada lenguaje).

- Aprendizaje automático:
Esta es la ciencia del "aprendizaje profundo", un término para describir cómo las
computadoras ganan inteligencia experiencial a lo largo del tiempo a partir de datos
disponibles o acumulados. Los profesionales en marketing toman ventaja del
aprendizaje automático como una herramienta analítica para ayudar a encontrar
patrones ocultos en cantidades ilimitadas de datos.

- Análisis de texto y procesamiento de lenguaje natural:

En la traducción, el procesamiento de lenguajes naturales (NLP, por sus siglas en
inglés) es un método estadístico que usa el análisis de texto para comprender mejor la
estructura, la intención y el sentimiento de las oraciones.

- Razonamiento basado en casos:

El Razonamiento Basado en Casos, no es más que otro paradigma de resolución de
problemas, pero son precisamente las diferencias con el resto de los acercamientos de
la inteligencia artificial las que lo hacen tan especial. En lugar de confiar únicamente
en el conocimiento general del dominio del problema, o realizar asociaciones a lo
largo de relaciones entre descripciones del problema y conclusiones, este paradigma
es capaz de utilizar conocimiento específico de experiencias previas, es decir,
 situaciones de un problema concreto (casos). Un problema nuevo (al decir nuevo nos
referimos a nunca antes tratado) es resuelto cuando se encuentra un caso pasado
similar y se reutiliza en la situación del problema nuevo.

3. Definir e identificar los componentes de un agente inteligente.

Qué es un agente
«Un agente inteligente es una entidad software que, basándose en su propio
conocimiento, realiza un conjunto de operaciones para satisfacer las necesidades
de un usuario o de otro programa, bien por iniciativa propia o porque alguno de
éstos se lo requiere»

Podemos definir al agente inteligente como una entidad software que, basándose en su
propio conocimiento, realiza un conjunto de operaciones destinadas a satisfacer las
necesidades de un usuario o de otro programa, bien por iniciativa propia o porque
alguno de éstos se lo requiere.

Todos los agentes inteligentes son programas, pero no todos los programas que
realizan búsquedas son agentes inteligentes. Los agentes en sí mismos pueden ser
considerados como entidades individuales (partes de programa que tienen control
sobre sus propias vidas y movimientos). Continuamente están realizando procesos que
les indican qué hacer y cómo. Se comunican con otros agentes para resolver de forma
adecuada su trabajo.

Características de un agente inteligente:

Autonomía: actuar sin ningún tipo de intervención humana directa, y tener control
sobre sus propios actos.

Sociabilidad: comunicarse por medio de un lenguaje común con otros agentes, e

incluso con los humanos.

Capacidad de reacción: percibir su entorno, y reaccionar para adaptarse a él.

Iniciativa: emprender las acciones para resolver un problema.
 4. Indicar de las técnicas, herramientas de la inteligencia artificial que utilizará en
el proyecto en desarrollo.

Dado que se busca realizar el reconocimiento de celulares (marca/modelo) a partir de las

características, podemos hacer uso de dos herramientas de la IA, las cuales nos proveerán las
facultades necesarias para, lograr el objetivo, el cual, Para nuestro caso de estudio, nos lleva a
desarrollar un agente o bot capaz de identificar por medios de las características de un aparato
celular identificar o inferir su marca y modelo, esto por medio de realización de una búsqueda
de emparejamiento que asocie dichas características a modelos y marcas conocidas o
aprendidas.

Dado lo anterior, existen dos herramientas de la IA que nos ayudan a la resolución del
problema planteado.

4.1. Árbol de Decisión: El uso de reglas de inferencia para determinar el aparato celular a
partir de una serie de preguntas que llevarán al Agente a determinar la marca modelo de este.
De esta manera, se podrá usar un modelo probabilístico para la determinación a partir del
emparejamiento de características y preguntas de inferencia en el árbol de decisión.
Se deberán definir las preguntas, las ramificaciones del árbol y los niveles de emparejamiento
para la determinación del aparato celular. Es importante tener presente que, los árboles de
decisión son herramientas de búsqueda que deben ser limitados en tamaño e iteraciones, dado
que pueden presentar un alto consumo de procesamiento.

4.2 Razonamiento Basado en Casos:

Según Lozano y Fernandez.
El Razonamiento Basado en Casos, no es más que otro paradigma de resolución de
problemas, pero son precisamente las diferencias con el resto de los acercamientos de
la inteligencia artificial las que lo hacen tan especial. En lugar de confiar únicamente
en el conocimiento general del dominio del problema, o realizar asociaciones a lo
largo de relaciones entre descripciones del problema y conclusiones, este paradigma
es capaz de utilizar conocimiento específico de experiencias previas, es decir,
situaciones de un problema concreto (casos). Un problema nuevo (al decir nuevo nos
referimos a nunca antes tratado) es resuelto cuando se encuentra un caso pasado
similar y se reutiliza en la situación del problema nuevo.
Además, son frecuentemente usado en problemas de clasificación y de síntesis. Ya que el
agente aprende a clasificar por medio de emparejamiento, comparando las características del
nuevo caso, con casos anteriores que ha resuelto. Se puede representar con el siguiente flujo

Cómo es evidente, la información de los casos previamente resueltos o anecdóticos se debe

almacenar en un repositorio de información, con el ánimo de que estén disponibles para su
comparación.
 CONCLUSIONES
- De acuerdo a la investigación realizada y viendo el alcance que nos presenta la IA y
ya con nuestra investigación sobre las herramientas que nos ofrece la IA
procederemos aplicarlas en el desarrollo de un sistema autónomo para el aprendizaje
de una aplicación que permita analizar datos y que a su vez aprenda con los
constantes usos de la misma.
- La inteligencia artificial busca como primera medida, establecer herramientas que
puedan hacer que una máquina llegue a aprender o razonar como lo hacemos los seres
humanos.
 BIBLIOGRAFIA

Henao, D. (2009). Inteligencia artificial. El Cid editor. Pag.5-22. Obtenido de

https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3181914&u

ery=inteligencia+artificial.

López de Mántaras Badia, R., & Meseguer gonzález , P. (2017). Inteligencia Artificial. CSIC
Consejo Superior de Investigaciones Científicas. Pag.35-54. Obtenido de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=1&docID=530
7873&tm=1528814922988

Narciso, F. (2007). Estudio de aplicabilidad de los agentes inteligentes en las interfaces de

Usuario. Red Universidad de los Andes. Pag.20-22. Obtenido de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3206927&q
uery=agentes+inteligentes

https://es.wikipedia.org/wiki/Inteligencia_artificial

https://es.wikipedia.org/wiki/Agente_inteligente_(inteligencia_artificial)
Las herramientas de inteligencia artificial pueden ayudar a los sistemas de sensores |

Schneider Electric. (s. f.). Recuperado 3 de octubre de 2018, de //www.schneider-

electric.es/es/work/insights/artificial-intelligence-tools-can-aid-sensor-systems.jsp

Lozano, L., & Fernández, J. (s. f.). Razonamiento Basado en Casos: Una Visión General, 59.

(s. f. ) Recuperado 3 de Octubre de 2018, de

https://www.infor.uva.es/~calonso/IAI/TrabajoAlumnos/Razonamiento%20basado%20

en%20casos.pdf