Ministerio del Poder Popular para la Educación Superior Universitaria

Universidad Alejandro de Humboldt

Ciclo Profesional- Sede Los Dos Caminos
Cátedra: Roboticas y Sistemas Expertos
Sección: DCM0902IIV1

Inteligencia Artificial

Autor: Willinsttonw Delli-Campagni

C.I: 21.439.533
Phill Pacheco
C.I: 23.693.940

Caracas, 20-06-19
 Introducción

La psicología cognitiva ha adoptado la metáfora del ordenador para pensar

sobre la mente. La mente procesa la información, la codifica, la almacena y la
recupera como un ordenador. Nuestro cerebro es el hardware sobre el que corren
programas que nos permiten hablar, ver o pensar (el software). La Inteligencia
Artificial adopta la imagen especular y, en su versión fuerte, no de manera
metafórica sino literal: Un ordenador es una mente. Los circuitos son distintos a
los del cerebro y los programas con frecuencia también, aunque produzcan
resultados semejantes a la conducta humana; pero cuando estos se ejecutan, la
máquina piensa, igual que la mente cuando procesa la información.

La cuestión es, ¿puede una entidad con unos muy limitados sentidos artificiales,
esto es, sin visión artificial, aunque tal vez con sensores de distancia o con
percepción de contornos y formas pero sin reconocimiento semántico de las
mismas; sin nariz electrónica, aunque con un tacto simple, sin apenas oído para
localizar sonidos en el mejor de los casos; con efectores sin la flexibilidad
ilimitada de las extremidades humanas, si posee alguno, con prótesis mecánicas,
sin emociones, sin necesidades ni sentido común como son la mayoría de los
ordenadores y robots, ser consciente del mundo, tener sentimientos,
autoconciencia o teoría de la mente?

Gracias a los actuales avances en este campo cada ves se esta llegando a
punto en el cual una maquina pueda actuar, pensar y razonar igual que un cerebro
humano, así obtener nuestra capacidad para afrontar los problemas a través de
una maquina que puede duplicarse y encargarse de una mayor cantidad de tareas
a las cuales la mente humana no podría llegar a alcanzar.
 Inteligencia artificial

La inteligencia artificial, es la inteligencia llevada a cabo por máquinas. En

ciencias de la computación, una máquina inteligente ideal es un agente flexible
que percibe su entorno y lleva a cabo acciones que maximicen sus posibilidades
de éxito en algún objetivo o tarea. Coloquialmente, el término inteligencia
artificial se aplica cuando una máquina imita las funciones cognitivas que los
humanos asocian con otras mentes humanas, como por ejemplo: percibir, razonar,
aprender y resolver problemas.

La inteligencia artificial (Artificial Intelligence, o AI) es la simulación de

procesos de inteligencia humana por parte de máquinas, especialmente sistemas
informáticos. Estos procesos incluyen el aprendizaje (la adquisición de
información y reglas para el uso de la información), el razonamiento (usando las
reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección.
Las aplicaciones particulares de la AI incluyen sistemas expertos, reconocimiento
de voz y visión artificial.

El término AI fue acuñado por John McCarthy, un informático

estadounidense, en 1956 durante la Conferencia de Dartmouth, donde nació la
disciplina y la definió como la ciencia e ingenio de hacer máquinas inteligentes,
especialmente programas de cómputo inteligentes. Hoy en día, es un término
general que abarca todo, desde la automatización de procesos robóticos hasta la
robótica actual. Ha ganado prominencia recientemente debido, en parte, a los
grandes volúmenes de datos, o al aumento de velocidad, tamaño y variedad de
datos que las empresas están recopilando. AI puede realizar tareas tales como
identificar patrones en los datos de manera más eficiente que los seres humanos,
lo que permite a las empresas obtener más información sobre sus datos.
Definición según:

Andreas Kaplan y Michael Haenlein definen la inteligencia artificial como

"la capacidad de un sistema para interpretar correctamente datos externos, para
aprender de dichos datos y emplear esos conocimientos para lograr tareas y metas
concretas a través de la adaptación flexible". A medida que las máquinas se
vuelven cada vez más capaces, tecnología que alguna vez se pensó que requería
de inteligencia se elimina de la definición.

Por ejemplo, el reconocimiento óptico de caracteres ya no se percibe como

un ejemplo de la «inteligencia artificial» habiéndose convertido en una tecnología
común. Avances tecnológicos todavía clasificados como inteligencia artificial
son los sistemas de conducción autónomos o los capaces de jugar al ajedrez o al
Go.

Según Takeyas (2007) la IA es una rama de las ciencias computacionales

encargada de estudiar modelos de cómputo capaces de realizar actividades
propias de los seres humanos en base a dos de sus características primordiales: el
razonamiento y la conducta.

También existen distintos tipos de percepciones y acciones, que pueden ser

obtenidas y producidas, respectivamente, por sensores físicos y sensores
mecánicos en máquinas, pulsos eléctricos u ópticos en computadoras, tanto como
por entradas y salidas de bits de un software y su entorno software.

Varios ejemplos se encuentran en el área de control de sistemas,

planificación automática, la habilidad de responder a diagnósticos y a consultas
de los consumidores, reconocimiento de escritura, reconocimiento del habla y
reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina
en campos como economía, medicina, ingeniería y la milicia, y se ha usado en
gran variedad de aplicaciones de software, juegos de estrategia, como ajedrez de
computador, y otros videojuegos.

¿Que es la inteligencia artificial?:

Después de revisar las definiciones presentadas hasta el momento se puede

logra llegar a puntos comunes , para definir , o dar una definición estándar la para
la inteligencia artificial , tal como lo plantea La propuesta de J. McCarthy y sus
colegas que incluye la que puede considerarse como la primera definición de
inteligencia artificial. El documento define el problema de la inteligencia artificial
como aquel de construir una máquina que se comporte de manera que si el mismo
comportamiento lo realizará un ser humano, este sería llamado inteligente

Pasos para considerar inteligencia artificial

1. Actuar como las personas. Esta es la definición de McCarthy, donde el

modelo a seguir para la evaluación de los programas corresponde al
comportamiento humano. El llamado Test de Turing (1950) también utiliza este
punto de vista. El sistema Eliza, un bot (programa software) conversacional es un
ejemplo de ello.

2. Razonar como las personas. Lo importante es cómo se realiza el

razonamiento y no el resultado de este razonamiento. La propuesta aquí es
desarrollar sistemas que razonen del mismo modo que las personas. La ciencia
cognitiva utiliza este punto de vista.

3. Razonar racionalmente. En este caso, la definición también se focaliza en el

razonamiento, pero aquí se parte de la premisa de que existe una forma racional
de razonar. La lógica permite la formalización del razonamiento y se utiliza para
este objetivo.

4. Actuar racionalmente. De nuevo el objetivo son los resultados, pero ahora

evaluados de forma objetiva. Por ejemplo, el objetivo de un programa en un juego
como el ajedrez será ganar. Para cumplir este objetivo es indiferente la forma de
calcular el resultado.

Además de las definiciones mencionadas más arriba, hay aún otra clasificación
de la inteligencia artificial según cuáles son los objetivos finales de la
investigación en este campo. Son la inteligencia artificial fuerte y la débil.

Inteligencia artificial débil

Se considera que los ordenadores únicamente pueden simular que razonan,

y únicamente pueden actuar de forma inteligente. Las partidarios de la
inteligencia artificial débil consideran que no será nunca posible construir
ordenadores conscientes, y que un programa es una simulación de un proceso
cognitivo pero no un proceso cognitivo en sí mismo.
Inteligencia artificial fuerte

En este caso se considera que un ordenador puede tener una mente y unos
estados mentales, y que, por tanto, un día será posible construir uno con todas las
capacidades de la mente humana. Este ordenador será capaz de razonar, imaginar,
etc.

Arend Hintze, profesor asistente de biología integradora e ingeniería y

ciencias de computación en la Universidad Estatal de Michigan. Categoriza la AI
en cuatro tipos, desde el tipo de sistemas de Inteligencia Artificial que existen
hoy en día hasta los sistemas sensitivos, que aún no existen. Sus categorías son
las siguientes:

Tipo 1: Máquinas reactivas. Un ejemplo es Deep Blue, el programa de ajedrez de

IBM que venció a Garry Kasparov en los años noventa. Deep Blue puede
identificar piezas en el tablero de ajedrez y hacer predicciones, pero no tiene
memoria y no puede usar experiencias pasadas para informar a las futuras.
Analiza movimientos posibles –los propio y los de su oponente– y elige el
movimiento más estratégico. Deep Blue y AlphaGO de Google fueron diseñados
para propósitos estrechos y no pueden aplicarse fácilmente a otra situación.

• Tipo 2: Memoria limitada. Estos sistemas de AI pueden usar experiencias

pasadas para informar decisiones futuras. Algunas de las funciones de toma de
decisiones en vehículos autónomos han sido diseñadas de esta manera. Las
observaciones son utilizadas para informar las acciones que ocurren en un futuro
no tan lejano, como un coche que ha cambiado de carril. Estas observaciones no
se almacenan permanentemente.
• Tipo 3: Teoría de la mente. Este es un término psicológico. Se refiere a la
comprensión de que los demás tienen sus propias creencias, deseos e intenciones
que afectan las decisiones que toman. Este tipo de AI aún no existe.

• Tipo 4: Autoconocimiento. En esta categoría, los sistemas de AI tienen un

sentido de sí mismos, tienen conciencia. Las máquinas con conciencia de sí
comprenden su estado actual y pueden usar la información para inferir lo que
otros están sintiendo. Este tipo de AI aún no existe.

Temas en la inteligencia artificial

Aunque existen puntos de vista diferentes sobre qué es la inteligencia artificial,

hay un acuerdo importante sobre cuales son los resultados atribuibles a esta rama
de la Informática, así como a la clasificación de los métodos y técnicas
desarrollados. Repasamos a continuación los cuatro grandes temas de la
inteligencia artificial.

1. Resolución de problemas y búsqueda. La inteligencia artificial tiene como

objetivo resolver problemas de índole muy diferente. Para poder cumplir este
objetivo, dado un problema es necesario formalizarlo para poderlo resolver. Este
tema se centra en cómo formalizarlo y las formas de resolución.

2. Representación del conocimiento y sistemas basados en el conocimiento.

Es frecuente que los programas en inteligencia artificial necesiten incorporar
conocimiento del dominio de aplicación (por ejemplo, en medicina) para poder
resolver los problemas. Este tema se centra en estos aspectos.
3. Aprendizaje automático. El rendimiento de un programa puede
incrementarse si el programa aprende de la actividad realizada y de sus propios
errores. Se han desarrollado métodos con este objetivo. Existen también
herramientas que permiten extraer conocimiento a partir de bases de datos.

4. Inteligencia artificial distribuida. Durante sus primeros años la inteligencia

artificial era monolítica. Ahora, con los ordenadores multiprocesador e Internet,
hay interés en soluciones distribuidas. Estas van desde versiones paralelas de
métodos ya existentes a nuevos problemas relacionados con los agentes
autónomos (programas software con autonomía para tomar decisiones e
interaccionar con otros).

Además de los cuatro temas mencionados más arriba, existen otros que
están fuertemente relacionados con la inteligencia artificial. Son los enumerados
a continuación:

a) El lenguaje natural.
b) La visión artificial.
c) La robótica.
d) El reconocimiento del -habla.

Ejemplos de tecnología AI

• La automatización es el proceso de crear automáticamente un sistema o una

función de proceso. La automatización robótica de procesos (RPA), por ejemplo,
puede programarse para realizar tareas repetibles de alto volumen normalmente
realizadas por seres humanos. La RPA es diferente de la automatización de TI en
que se puede adaptar a las circunstancias cambiantes.

• El aprendizaje automático es la ciencia de conseguir que una computadora actúe

sin programación. El aprendizaje profundo es un subconjunto del aprendizaje
automático que, en términos muy simples, puede considerarse como la
automatización de la analítica predictiva. Existen tres tipos de algoritmos de
aprendizaje automático: el aprendizaje supervisado, en el que los conjuntos de
datos están etiquetados para que los patrones puedan ser detectados y utilizados
para etiquetar nuevos conjuntos de datos; el aprendizaje no supervisado, en el que
los conjuntos de datos no están etiquetados y se clasifican de acuerdo a
similitudes o diferencias; y el aprendizaje de refuerzo, en el que los conjuntos de
datos no están etiquetados, pero después de realizar una acción o varias acciones,
el sistema de AI recibe retroalimentación.

• La visión de la máquina es la ciencia de hacer que las computadoras vean. La

visión de la máquina captura y analiza la información visual usando una cámara,
la conversión de analógico a digital y el procesamiento de la señal digital. A
menudo se compara con la vista humana, pero la visión artificial no está vinculada
a la biología y puede programarse para ver a través de las paredes, por ejemplo.
Se utiliza en una amplia gama de aplicaciones, desde la identificación de la firma
hasta el análisis de imágenes médicas. La visión por computador, que se centra
en el procesamiento de imágenes a máquina, suele combinarse con la visión
artificial.

• El procesamiento del lenguaje natural (PNL, o NLP por sus siglas en inglés) es
el procesamiento del lenguaje humano y no informático por un programa
informático. Uno de los ejemplos más antiguos y conocidos de PNL es la
detección de spam, que mira la línea de asunto y el texto de un correo electrónico
y decide si es basura. Los enfoques actuales de la PNL se basan en el aprendizaje
automático. Las tareas de PNL incluyen traducción de texto, el análisis de
sentimientos y el reconocimiento de voz.

• El reconocimiento de patrones es una rama del aprendizaje automático que se

centra en la identificación de patrones en los datos. El término, hoy, es anticuado.

• La robótica es un campo de la ingeniería centrado en el diseño y fabricación de

robots. Los robots se utilizan a menudo para realizar tareas que son difíciles de
realizar para los seres humanos o es complicado que se desempeñen de manera
consistente. Se utilizan en líneas de montaje para la producción de coches o por
la NASA para mover objetos grandes en el espacio. Más recientemente, los
investigadores están utilizando el aprendizaje automático para construir robots
que puedan interactuar en entornos sociales.

Aplicaciones de IA:

Hasta la fecha se han desarrollado muchas aplicaciones que utilizan

algunos de los métodos o algoritmos diseñados en el área de la inteligencia
artificial. En esta sección repasamos algunas de las aplicaciones existentes más
vistosas o que han tenido relevancia histórica. Sin embargo, estas no son las
únicas aplicaciones existentes, pues hay métodos desarrollados en esta rama de
la Informática que se utilizan en aparatos de uso cotidiano o en el software
empleado por empresas y corporaciones.
 Por ejemplo, por una parte, encontramos los algoritmos de búsqueda
citados más arriba en los sistemas que construyen horarios teniendo en cuenta las
restricciones de las entidades e individuos que participan en ellos. Por otra parte,
los métodos de aprendizaje se usan para recomendar productos en las tiendas
virtuales y para seleccionar los anuncios que se nos proporcionan al visitar ciertas
páginas web. Otro ejemplo es el de los sistemas difusos, uno de los métodos de
representación del conocimiento que han sido aplicados con éxito en problemas
de control de muy diversa índole. Existen tanto cámaras digitales como lavadoras
que incorporan en su interior un sistema difuso.

• IA en la asistencia sanitaria. Las mayores apuestas están en mejorar los

resultados de los pacientes y reducir los costos. Las empresas están aplicando el
aprendizaje de máquina para hacer diagnósticos mejores y más rápidos que los
seres humanos. Una de las tecnologías sanitarias más conocidas es IBM Watson.
Entiende el lenguaje natural y es capaz de responder a las preguntas que se le
formulan. El sistema extrae datos de los pacientes y otras fuentes de datos
disponibles para formar una hipótesis, que luego presenta con un esquema de
puntuación de confianza. Otras aplicaciones de AI incluyen chatbots, un
programa de computadora utilizado en línea para responder a preguntas y ayudar
a los clientes, para ayudar a programar citas de seguimiento o ayudar a los
pacientes a través del proceso de facturación, así como en asistentes virtuales de
salud que proporcionan retroalimentación médica básica.

• IA en los negocios. La automatización de procesos robóticos se está aplicando

a tareas altamente repetitivas que normalmente realizan los seres humanos. Los
algoritmos de aprendizaje automático se están integrando en las plataformas de
análisis y CRM para descubrir información sobre cómo servir mejor a los clientes.
Los chatbots se han incorporado en los sitios web para ofrecer un servicio
inmediato a los clientes. La automatización de puestos de trabajo también se ha
convertido en un punto de conversación entre académicos y consultores de TI,
como Gartner y Forrester.

• IA en la educación. La IA puede automatizar la calificación, dando a los

educadores más tiempo. IA puede evaluar a los estudiantes y adaptarse a sus
necesidades, ayudándoles a trabajar a su propio ritmo. Los tutores de AI pueden
proporcionar apoyo adicional a los estudiantes, asegurando que se mantengan en
el buen camino. IA podría cambiar dónde y cómo los estudiantes aprenden, tal
vez incluso reemplazando a algunos maestros.

• IA en finanzas. La IA aplicada a las aplicaciones de finanzas personales, como

Mint o Turbo Tax, está transformando a las instituciones financieras.
Aplicaciones como estas podrían recopilar datos personales y proporcionar
asesoramiento financiero. Otros programas, IBM Watson siendo uno, se han
aplicado al proceso de comprar una casa. Hoy en día, el software realiza gran
parte de las operaciones en Wall Street.

• IA en la ley. El proceso de descubrimiento, a través de la revisión de

documentos, en la ley es a menudo abrumador para los seres humanos.
Automatizar este proceso es un mejor uso del tiempo y un proceso más eficiente.
Las startups también están construyendo asistentes informáticos con preguntas y
respuestas que pueden tamizar preguntas programadas para contestar examinando
la taxonomía y la ontología asociadas a una base de datos.

• IA en la fabricación. Esta es un área que ha estado a la vanguardia de la

incorporación de robots en el flujo de trabajo. Los robots industriales solían
realizar tareas únicas y estaban separados de los trabajadores humanos, pero a
medida que la tecnología avanza eso ha cambiado.

Aplicaciones en los juegos

Durante décadas, la inteligencia artificial se ha dedicado a los juegos con

el fin de derrotar a los mejores jugadores humanos. Se ha considerado siempre
que la habilidad de jugar era propia de la inteligencia. Las damas y el othello
fueron derrotados primero. En el año 1997 fue el turno del ajedrez. Ahora
prácticamente queda únicamente el go por batir.

● Las damas. Chinnok, un programa desarrollado desde el año 1989 por

el equipo de Jonathan Schaeffer, de la Universidad de Alberta, se
convirtió en el año 1994 en el campeón mundial de damas. El programa
incluye una base de datos con aperturas de los mejores jugadores y otra
de situaciones finales cuando quedan 8 o menos fichas en el tablero. El
mismo equipo investigador demostró años más tarde, en el año 2007,
que cuando se juega a las damas de forma perfecta ningún jugador puede
ganar. Esto significa que una estrategia óptima por parte de los dos
jugadores únicamente puede llevar a tablas. La dificultad de esta
demostración estriba en que puede haber aproximadamente 500 3 1020
tableros posibles, o, en palabras, cincuenta mil trillones de tableros. El
problema es un millón de veces más difícil que el de las 4 en raya. La
información sobre este programa se puede encontrar en:
http://webdocs.cs.ualberta.ca/~chinook/.
● El ajedrez. Durante muchos años se desarrollaron inventos y programas
con el fin de ganar en el juego del ajedrez. Sin embargo, no fue hasta
mayo del año 1997 cuando Deep Blue venció al campeón humano G.
Kasparov en Nueva York. El programa desarrollado por IBM utilizaba
hardware específico, bases de datos que permitían al programa jugar de
forma perfecta en las situaciones finales con 7 o menos fichas en el
tablero, y algoritmos de búsqueda del tipo minimax para encontrar la
mejor solución en todos los otros casos. Se puede encontrar información
sobre Deep Blue en la página web
http://www.research.ibm.com/deepblue.

● El go. Mientras los otros juegos ya han sido derrotados, no existe en la

actualidad ningún programa informático que tenga un nivel suficiente
en go como para ganar a los buenos jugadores humanos. Hace años que
se considera el go un juego mucho más difícil que el ajedrez. La
dificultad estriba en las dimensiones del tablero (19 3 19, con 361
intersecciones), el número de movimientos posibles en cada tablero y la
dificultad de definir funciones que evalúen correctamente un tablero
dado. Actualmente se han conseguido algunos programas que tienen un
buen nivel en un tablero reducido de 9 x 9. Los programas que tienen un
buen rendimiento no utilizan el mismo algoritmo de búsqueda que el
ajedrez (el mínimax) sino el UCT.
Aplicaciones en robótica

Las aplicaciones en robótica se han desarrollado desde el principio de la

informática con diversidad de objetivos: la automatización de procesos
industriales, las aplicaciones militares y la exploración espacial. Mientras los
primeros robots estaban orientados a realizar actividades repetitivas, actualmente
se busca una mayor autonomía en relación a su capacidad de tomar decisiones.
La evolución de la robótica también ha pasado por su intento de construir robots
con forma humana y con capacidad de andar. A continuación se enumeran
algunos de los logros más importantes en esta área.

● Los robots mascotas. Existen en la actualidad muchos robots para

diversión o juegos. Podemos subrayar dos de ellos: los japoneses Paro
y Aibo. El primero es un robot terapéutico para reducir el estrés de los
pacientes y que permite incrementar su socialización. Aibo, presentado
en el año 1999 e implementado y comercializado por SONY, es un robot
en forma de perro con un sistema de visión y programable.

● Los robots de exploración y reconocimiento. Se enviaron a la superficie

de Marte dos robots, el 3 y el 24 de enero de 2004 respectivamente. Son
los robots Spirit y Opportunity. Spirit estuvo activo hasta el año 2010 y
Opportunity aún está en funcionamiento. El 26 de noviembre de 2011
se mandó un tercer robot, el Curiosity, que debe llegar a Marte en agosto
de 2012. Este robot tiene una navegación automática media de 30
m/hora (y máxima de 90 m/hora). Se espera que su misión dure dos
años.
 ● Los robots bípedos. P3 fue el primer robot bípedo capaz de caminar. Su
construcción, realizada por la compañía Honda, acabó en el año 1997.
En octubre del año 2000, la misma compañía presentó el robot ASIMO
(de Advanced Step in Innovative Mobility). Este robot es la culminación
de la serie de robots P, todos desarrollados con el objetivo de disponer
de robots con forma y capacidades motrices humanas. ASIMO es un
robot bípedo que puede andar y correr. Además puede reconocer objetos
móviles, posturas y gestos a partir de la información subministrada por
sus cámaras.

Aplicaciones en vehículos inteligentes

Se han construido muchos tipos de vehículos con diferentes grados de

autonomía. En el apartado anterior ya se mencionaron algunos robots. Aquí se
señalan vehículos que pueden llevar pasajeros.

● El metro de la ciudad japonesa de Sendai (仙台地下鉄

). Este metro, desarrollado en el año 1987, fue el primero en el mundo

con una conducción totalmente automatizada. Actualmente, son muchas

las líneas de metro sin conductor en el mundo. El sistema fue realizado
bajo la dirección de Seiji Yasunobu, miembro del laboratorio de
Desarrollo de Sistemas de Hitachi. Está basado en técnicas de lógica
difusa.
● Coches autónomos. Stanley fue el coche ganador de la carrera «2005
DARPA Grand Challenge». El coche, autónomo y sin conductor,
completó el recorrido de 212,4 km en el desierto de Mojave, en los
Estados Unidos, en 6 horas y 54 minutos. En el 2007 se realizó la «2007
DARPA Grand Challenge» que consistía en recorrer 96 km en área
urbana (en la base de las Fuerzas Aéreas George en California). Los
coches circulaban procesando en tiempo real las reglas de circulación
del estado de California. El 20 de septiembre de 2011, el coche Made in
Germany de la Universidad Libre de Berlín se desplazó por las calles de
esta ciudad en un viaje de 80 km. El recorrido fue entre el Centro de
Congresos Internacional y la Puerta de Brandenburgo, en el centro de
Berlín. El automóvil es completamente autónomo, aunque algunas
informaciones, como la velocidad del recorrido, le vienen dadas y no
son recogidas por sus cámaras. El coche reconoce la presencia de
peatones y de semáforos. Para información del coche alemán puede
consultarse la siguiente página web: http://autonomos.inf.-fu-berlin.de.

● Los vehículos aéreos no tripulados (UAV, Unmanned Aerial Vehicle).

El vehículo aéreo no tripulado Global Hwak fue el primero en cruzar el
Océano Pacífico sin paradas. Realizó el trayecto de Estados Unidos
(California) a Australia en abril del año 2001. Sin embargo, aún necesita
un piloto en una estación terrestre y otros operadores para analizar los
datos. De acuerdo con Weiss (2011), el principal problema de estos
sistemas autónomos es que, aunque pueden recoger muchos datos, les
falta todavía capacidad de proceso para tratar los datos en tiempo real y
actuar de forma inteligente conforme a estos datos.
 El objetivo de la investigación en inteligencia artificial (IA) ha sido
comprender los principios que subyacen en el comportamiento inteligente y
aplicarlos a la construcción de máquinas capaces de presentar dicho
comportamiento. En los 50 años de vida de la disciplina se han buscado distintas
definiciones de «inteligente», incluida la emulación del comportamiento humano
y la capacidad de razonamiento lógico. En décadas recientes, sin embargo, ha
surgido un consenso en torno a la idea de un agente racional que percibe y actúa
para alcanzar sus objetivos al máximo. Subcampos como la robótica y el
procesamiento de lenguajes naturales pueden entenderse como casos especiales
del paradigma general.

La IA ha incorporado la teoría de la probabilidad a la gestión de la

incertidumbre, la teoría de la utilidad para definir objetivos y el aprendizaje
estadístico para ayudar a las máquinas a adaptarse a circunstancias nuevas. Estos
progresos han creado fuertes vínculos con otras disciplinas que aplican conceptos
similares, incluidas la teoría del control, la economía, la investigación de
operaciones y la estadística.

Los progresos en IA parecen acelerarse. En los últimos años, debido en

parte a los avances en el aprendizaje de las máquinas, tareas como el
reconocimiento de voz, la identificación de objetos, la locomoción bípeda y la
conducción autónoma se han resuelto en gran medida. Cada nueva destreza
alcanzada trae consigo nuevos mercados potenciales y nuevos incentivos para
seguir invirtiendo en investigación, lo que conduce a un ciclo virtuoso que
impulsa la IA. En la próxima década es probable que asistamos a progresos
sustanciales en comprensión efectiva del lenguaje, lo que conducirá a sistemas
capaces de ingerir, sintetizar y contestar preguntas sobre la suma total del
conocimiento humano.

Ejemplos de avances de la IA :

1.-Un algoritmo de Inteligencia Artificial desarrollado por el Instituto

Tecnológico de Massachusetts (MIT), en Estados Unidos, ha sido capaz de
reconstruir el aspecto del rostro de una persona tomando como punto de partida
únicamente su voz.

El laboratorio de Ciencias Informáticas e Inteligencia Artificial del MIT

(MIT CSAIL) ha publicado Speech2Face ('de habla a cara', en inglés), una
herramienta que a través de un extracto breve de habla es capaz de determinar
factores como la edad, el género y la etnia de una persona.

Los autores del estudio han asegurado que su objetivo "no es reconstruir
una imagen precisa de la persona, sino más bien recuperar características físicas
que están correlacionadas con el habla".

Este proyecto busca saber hasta qué punto es posible saber el aspecto de
una persona a partir de su voz, y se inspira en la manera en que las personas
construimos modelos de los rasgos de alguien de quien solamente conocemos su
voz.

Speech2Face funciona a través de una red neuronal de aprendizaje

profundo diseñada y entrenada a partir de la base de datos abierta AVSpeech,
compuesta por más de 100.000 personas hablando en fragmentos cortos de seis
segundos.

Para demostrar sus resultados, la investigación ha utilizado también la base

de datos VoxCeleb, formada por millones de vídeos publicados en internet en los
que aparecen 7.000 personas famosas en entrevistas, en fragmentos cortos de al
menos tres segundos.

La imagen generada es la del rostro de una persona de frente, con gesto

neutro, y se han expuesto junto a imágenes reales de los famosos en los vídeos
para mostrar el parecido con el original.

Durante el entrenamiento, el modelo del estudio aprende de los vídeos de

la base de datos correlaciones de audio y sonido entre las voces de las personas y
sus caras, centrándose en atributos físicos como la edad, el género y la etnia, pero
añadiendo también otros como varias medidas y proporciones craneofaciales.

El funcionamiento de Speech2Face tiene lugar de manera no supervisada,

haciendo uso solamente de las relaciones entre habla y aspecto observadas en los
vídeos.

Resultados y precisión

Posteriormente, los autores del estudio han analizado las correlaciones

estadísticas que existen entre los rasgos faciales y las voces, con un 94 por ciento
de precisión a la hora de determinar el género.
 Los resultados a la hora de identificar a personas de etnias blancas y
asiáticas han sido buenos, según los investigadores, pero no tanto en los casos de
personas de raza negra o de India, posiblemente debido a su menor presencia en
las bases de datos.

En el caso de los atributos craneofaciales, el mayor índice de correlación

con el habla y el aspecto se ha encontrado en la nariz y en la boca, resultados
indicativos de que "la estructura de la nariz determina el habla".

2.-La inteligencia artificial (IA) está teniendo un impacto en todos los

sectores y procesos digitales el segmento de desarrollo de software ha indicado
los expertos sectoriales, que cada aspecto del ciclo de desarrollo de software va a
beneficiarse de la implantación de herramientas de inteligencia artificial y
tecnologías de aprendizaje automático. Desde predecir el calendario de un
proyecto y la estimación de plazos de entrega de software hasta la detección de
errores de programación, e incluso asistentes de programación y pruebas. La
inteligencia artificial y el aprendizaje automático ya ofrecen una inestimable
ayuda a los programadores.

La inteligencia artificial y el aprendizaje automático hasta ahora solo se

han utilizado a través de algunas herramientas creadas con propósitos concretos
de desarrollo. En los próximos años, los paquetes de Software como Servicio
(SaaS) comenzarán a incorporar inteligencia artificial y aprendizaje automático.
Los servicios en la nube ya utilizan algoritmos basados en inteligencia artificial,
y ha llegado el momento de que las herramientas de inteligencia artificial
comiencen a ofrecerse a través de servicios basados en suscripciones.
Algunos de estos Programas Pueden ser:

• Google bugspot tool w3C: debido al volumen de cambios de código que

pueden llegar a acumularse a lo largo de un mes, así como al incremento
del tamaño de las bases de código y de los equipo de desarrolladores, hacer
un seguimiento de los errores de programación se está convirtiendo en una
tarea cada vez más complicada. Esta herramienta de predicción de errores
de Google aplica algoritmos de aprendizaje automático y análisis
estadístico profundo para detectar errores y líneas poco fiables de código.
La herramienta permite utilizar una variedad de métricas efectivas para
detectar fallos, incluidas dependencias, líneas de código, etc.

• Stack Overflow AutoComplete: esta herramienta de autocompletar en la

popular plataforma Stack Overflow se ha convertido en uno de los mejores
exponentes de cómo incorporar funcionalidades de inteligencia artificial a
una herramienta de desarrollo de software. La herramienta de Stack
Exchange ofrece opciones para autocompletar líneas de código plenamente
funcionales a partir de los datos de código existentes y las intenciones del
desarrollador.

• Deep Code: Una startup de Zúrich ha desarrollado DeepCode, una

herramienta de programación que funciona como asistente de código para
proyectos de desarrollo de software. Esta herramienta es capaz de aprender
a partir de un gran número de reglas de programación – unas 250.000 – a
las que accede a través de repositorios públicos y privados de GitHub. En
función de estas reglas y del contexto adecuado, la herramienta sugiere
 posibles maneras de arreglar el código a los programadores. Ya es
considerada una herramienta beneficiosa para la subsanación de errores y
optimización de código.

Precisión en las estimaciones de entrega

Cualquier empresa de desarrollo de aplicaciones móviles con experiencia
que haya trabajado en un determinado número de proyectos de distinto alcance y
grado de complejidad puede ofrecer estimaciones casi perfectas sobre los plazos
de entrega de un nuevo programa. Sin embargo, existen factores – como un
volumen elevado de errores de programación o la adaptación nuevas necesidades
de cliente que surjan durante los proyectos – que pueden afectar al calendario de
entrega. A este respecto, la inteligencia artificial puede ayudar a las empresas de
desarrollo a incrementar el grado de precisión de sus calendarios estimados de
entrega, a partir del análisis de datos de proyectos similares mediante capacidades
de inteligencia artificial y aprendizaje de máquina.

La IA permite definir calendarios y plazos con un grado de revisión mucho

mayor, evaluando un amplio abanico de datos del proyecto de desarrollo de
software, incluidas funcionalidades, plazos estimados de implantación de cada
funcionalidad, perfiles de los empleados y su historial, cronogramas de proyectos
similares, etc. La IA permite ofrecer predicciones mucho más fiables que las
efectuadas por el personal, que no dispone de la misma capacidad para manejar
todos los detalles.
 Asistentes de programación basados en IA
Los asistentes de programación inteligentes son cada vez más populares
entre los desarrolladores avanzados. Por ejemplo, Kite, para programadores
Python, puede ofrecer asistencia y sugerencias para ayudar en el análisis de
documentación, o a la hora de llevar a cabo ejercicios de depuración de errores.
Esta herramienta ofrece ayuda continua para desarrolladores, mediante ejemplos
relevantes de código y recomendaciones de documentos que pueden resultar
útiles en función del propósito y el contexto. Estas herramientas pueden ayudar a
reducir la carga de trabajo innecesaria de la que tienen que ocuparse los
desarrolladores, permitiéndoles centrarse más en aspectos esenciales, como el
desarrollo de una mejor experiencia de usuario.

Depuración de errores
La depuración de errores es uno de los procesos críticos en el desarrollo de
software a los que la IA ha dado un vuelco radical. A medida que el volumen de
datos que debe someterse a pruebas se incrementa exponencialmente, de igual
manera lo hace la posibilidad de que se produzcan errores humanos y que
aparezcan no detectados. Las herramientas de depuración de errores basadas en
inteligencia artificial y algoritmos de aprendizaje automático pueden desempeñar
un papel en esta área, ayudando a corregir bases de código sin intervención
humana.

Compilador sofisticado de código

En el desarrollo de software, los compiladores convierten el código escrito
con un lenguaje de programación de alto nivel en lenguaje máquina o
instrucciones específicas para que las ejecute el hardware. Un compilador
inteligente, al hacer esto, no necesita el código fuente original, lo cual permite
acelerar el proceso. La IA permite a los compiladores de código llevar a cabo
tareas de regeneración de código de hardware en cuestión de horas, en lugar de
meses.

Inteligencia artificial en pruebas

El papel más importante de la inteligencia artificial en el ciclo de desarrollo
de software es el de las pruebas. Especialmente relevante en dos áreas: pruebas
de software y pruebas de productos con funcionalidades de inteligencia artificial
y otros entregables.

De cualquier manera, la inteligencia artificial atesora un gran potencial

para transformar los procesos de pruebas de software que llevan a cabo hoy por
hoy las empresas de desarrollo en procesos robustos y autónomos que requieren
una intervención manual mínima. Por ahora, la mayoría de herramientas de
prueba de software han comenzado a incorporar parcialmente capacidades de
inteligencia artificial. Por ejemplo, las últimas actualizaciones de las herramientas
de Eggplant como de TestComplete ya disponen de funcionalidades de
inteligencia artificial.
 Conclusión

Dentro del ámbito de las Ciencias de la Computación la Inteligencia

Artificial es una de las áreas que causa mayor expectación, incluso dentro de la
sociedad en general, debido a que la búsqueda para comprender los mecanismos
de la inteligencia, ha sido la piedra filosofal del trabajo de muchos científicos por
muchos años y lo sigue siendo.

Dentro de las áreas de la Inteligencia Artificial lo que más ha atraído, es el

aprendizaje de máquinas, resultando vital el proceso de emular comportamientos
inteligentes.Que un sistema pueda mejorar su comportamiento sobre la base de la
experiencia que recoge al efectuar una tarea repetitiva y que además, tenga una
noción de lo que es un error y que pueda evitarlo, resulta apasionante.

Los métodos tradicionales en Inteligencia Artificial que permitieron el

desarrollo de los primeros sistemas expertos y otras aplicaciones, ha ido de la
mano de los avances tecnológicos y las fronteras se han ido expandiendo
constantemente cada vez que un logro, considerado imposible en su momento, se
vuelve posible gracias a los avances en todo el mundo, generando incluso una
nueva mentalidad de trabajo que no reconoce fronteras físicas ni políticas.

Aunque la tecnología de inteligencia artificial le queda un largo camino

para compararse a la mente de un experto hemos podido ver que actualmente ya
existen grandes avances en este campo que ayudan menormente a las empresas a
detectar y realizar tareas en algunos caos mas rápido que una persona ya que la
maquina trabaja las 24 horas por lo tanto puede solucionar el inconveniente al
instante o realizar una tarea de análisis de manera mas efectiva gracias a las
capacidades de procesamiento de un ordenador