1.

INTELIGENCIA ARTIFICIAL
La inteligencia artificial es el nombre genérico que se da a una serie de tecnologías que sirven para
emular características o capacidades que tradicionalmente estaban ligadas de manera exclusiva al
intelecto humano.

El objetivo de la inteligencia artificial consiste en proveer software que pueda razonar lo que recibe y
explicar lo que produce como resultado. La inteligencia artificial proporcionará interacciones similares
a las humanas con software y ofrecerá soporte a decisiones para tareas específicas, pero no es sustituto
de los humanos – y no lo será en el futuro cercano.

2. HISTORIA DE LA INTELIGENCIA ARTIFICIAL

El término inteligencia artificial fue adoptado en 1956, cuando un grupo de científicos inició el proyecto
de investigación “Inteligencia artificial” en Dartmouth College en los Estados Unidos, pero se ha vuelto
más popular hoy día gracias al incremento en los volúmenes de datos, algoritmos avanzados, y mejoras
en el poder de cómputo y el almacenaje.

1950. Alan Turing publica “Computing Machinery and Intelligence”

En 1950, Alan Turing diseñó una prueba cuyo objetivo era diferenciar, entre el comportamiento
humano y el de una máquina, en una conversación, el denominado Test de Turing. Consta de una
serie de preguntas, y no consiste en quién acierta más, sino que contestaciones se realizan de manera
más natural. Este método es fruto del eterno debate sobre si una máquina puede tener conciencia,
pensar o empatizar. Con los continuos avances de la tecnología cada vez resulta una prueba más
complicada, aunque siempre termina funcionando, un claro homenaje a Alan Turing.

1956. Conferencia de Darmouth

Los científicos Marvin L. Minsky, John McCarthy y Claude Shannon reúnen a expertos en teoría de la
información, redes neuronales, computación, abstracción y creatividad. El encuentro se considera el
germen de la inteligencia artificial y donde se acuña por primera vez el término.

1961. Marvin Minsky pública “Pasos hacia la inteligencia artificial”

El científico recoge los primeros pasos del campo de la inteligencia artificial en un trabajo académico.
Sirve de inspiración a otros investigadores e impulsa nuevas iniciativas.

1966. ELIZA

Desarrollado en el MIT, fue uno de los primeros programas en procesar lenguaje natural y conversar
a través de una serie de frases programadas.

1979. Un ordenador vence al backgammon

El profesor en la Universidad Carnegie Mellon (EE.UU.), Hans Berliner crea el programa informático
BKG 9.8, que vence al entonces campeón mundial, Luigi Villa. La victoria impulsa nuevos proyectos
para juegos más complejos.

1981. Japón comienza el proyecto “Quinta Generación”

EL país nipón invierte en una nueva generación de ordenadores que utilicen técnicas de inteligencia
artificial. Buscan crear máquinas que sean capaces de aprender y traducir automáticamente de un
idioma a otro.

1987. Martin Fischles y Oscar Firschein describen los atributos de un agente inteligente

Su trabajo identifica y define muchas más características de los sistemas inteligentes además de la
capacidad de comunicarse. Abre nuevas vías de investigación para la inteligencia artificial.

1997. Deep Blue vs. Garri Kaspárov

 Desarrollado por IBM, este ordenador ganó al entonces campeón mundial de ajedrez Garri Kaspárov.
La primera partida, en 1996, la perdió la máquina. Pero una versión mejorada vence al ajedrecista
ruso en 1997.

2005. Un ordenador al volante

Un coche autónomo desarrollado por la Universidad de Stanford (EE.UU) gana una competición de
vehículos robot tras conducir 212 kilómetros de desierto sin apoyo humano.

2011. Watson gana Jeopardi!

El ordenador desarrollado por IBM bate a los campeones humanos del concurso de televisión
estadounidense de preguntas y respuestas, Jeopardi! Nuevos avances en el procesamiento del lenguaje
natural.

2014. Un ordenador supera con éxito el Test de Turing

Hace relativamente poco, el chatbot que responde al nombre de Eugene Goostman, fue capaz de
superar el test de Turing. Esto es lo que afirmaban algunos expertos, al ser capaz de convencer a más
del 30% de los jueces que participaron en el test, de que hablaban con un humano. El 33% de los
jueces pensaron que estaban hablando con un niño Ucraniano de 13 años. Respondió sobre preguntas
sobre su infancia, o su afición por Star Wars y Eminem. Aunque en un futuro, seguramente se supere,
esta vez parece que es más la búsqueda de un titular que otra cosa.

2016. Microsoft lanza Tay

La conocida multinacional lanza en Internet un chatbot capaz de aprender a partir de la interacción

con las personas. Tras apenas un día de funcionamiento, el software se vuelve racista, xenófobo y
homófobo.

Mismo año. AlphaGo vence al Go

Un programa desarrollado por Google DeepMind, vence al campeón mundial del histórico juego Go. Es
uno de los grandes hitos del aprendizaje profundo, una de las técnicas más relevantes en este
momento en inteligencia artificial.

¿2045? La inteligencia artificial supera a la humana

Según el ingeniero y futurista Ray Kurzweil, se alcanza la llamada singularidad tecnológica y los
ordenadores son capaces de razonar mejor que un humano. Muchos expertos, en cambio, no son tan
optimistas con la llegada de una inteligencia artificial capaz de ‘pensar’ por sí misma.

3. ESCUELAS DEL PENSAMIENTO DE INTELIGENCIA ARTIFICIAL

El estudio de la Inteligencia Artificial abarca dos escuelas distintas:

 Inteligencia Artificial simbólico-deductiva:

Conocida también como Inteligencia Artificial convencional, intenta comprender y replicar el
comportamiento humano desde una perspectiva de análisis formal y estadística.
 Inteligencia Artificial subsimbólica-inductiva:

También llamada Inteligencia Artificial computacional, persigue el desarrollo y el aprendizaje

interactivo, basándose en datos empíricos y en modificaciones de los parámetros de conexión.

Se centra en el desarrollo de habilidades y mecánicas de pensamiento humano, mediante el

aprendizaje continuo y progresivo que viene dado por la interacción con el ser humano.

Pilares de la Inteligencia Artificial

Se consideran cuatro los pilares del estudio y desarrollo de la Inteligencia Artificial:

 La búsqueda de un estado deseado, entre los conjuntos posibles de acuerdo a las acciones
ofrecidas en un instante determinado, es decir, la libre elección.
  Algoritmos genéticos inspirados en el código genético humano (ADN).

 Redes neuronales artificiales, que imitan el funcionamiento de los cerebros orgánicos.

 Razonamiento de lógica formal, semejante al pensamiento abstracto de los humanos.

4. CATEGORÍAS DE INTELIGENCIA ARTIFICIAL

Stuart Russell y Peter Norvig, en su libro Inteligencia ‘Artificial: Un Enfoque Moderno’, diferencian
cuatro tipos de inteligencia artificial.

Sistemas que piensan como humanos.- Estos sistemas tratan de emular el pensamiento humano;
por ejemplo las redes neuronales artificiales. La automatización de actividades que vinculamos con
procesos de pensamiento humano, actividades como la Toma de decisiones, resolución de problemas,
aprendizaje.

Sistemas que actúan como humanos.- Estos sistemas tratan de actuar como humanos; es decir,
imitan el comportamiento humano; por ejemplo la robótica. El estudio de cómo lograr que los
computadores realicen tareas que, por el momento, los humanos hacen mejor.

Sistemas que piensan racionalmente.- Es decir, con lógica (idealmente), tratan de imitar o emular
el pensamiento lógico racional del ser humano; por ejemplo los Sistemas Expertos. El estudio de los
cálculos que hacen posible percibir, razonar y actuar.

Sistemas que actúan racionalmente (idealmente). – Tratan de emular de forma racional el

comportamiento humano; por ejemplo los Agentes Inteligentes. Está relacionado con conductas
inteligentes en artefactos.

5. TIPOS DE INTELIGENCIA ARTIFICIAL

Los sistemas de AI pueden ser clasificados en AI débil y AI fuerte. La AI débil es un sistema que está
diseñado y entrenado para una tarea en particular, como los asistentes virtuales.

La AI fuerte, es un sistema con habilidades cognitivas humanas generalizadas, de modo que cuando
se le presenta una tarea desconocida, tiene suficiente inteligencia para encontrar una solución.

Hoy en día, la inteligencia artificial se conoce correctamente como IA estrecha (o AI débil), en el sentido
de que está diseñada para realizar una tarea limitada (por ejemplo, solo reconocimiento facial o solo
búsquedas en Internet o solo conducir un automóvil). Sin embargo, el objetivo a largo plazo de muchos
investigadores es crear una IA general (AGI o IA fuerte). Mientras que la IA estrecha puede superar a
los humanos en cualquier tarea específica, como jugar al ajedrez o resolver ecuaciones, el AGI
superaría a los humanos en casi todas las tareas cognitivas.

Arend Hintze, investigador de IA, ha establecido su propia clasificación según el nivel de complejidad
de la IA.

5.1 Maquinas reactivas

La mayoría de los tipos más básicos de IA’s (Inteligencias Artificiales) son del tipo reactivo. Es decir,
son programas o robots que simplemente emiten una reacción a partir de una acción. Se trata del
tipo de Inteligencias Artificiales que consisten en recibir un input, por lo general de un humano, y
emitir un output consecuente.

Es importante saber que este tipo de IA’s no posee la capacidad de crear memorias o de tomar
decisiones basándose en experiencias previas.

Este tipo de Inteligencia Artificial implica que la maquina perciba el mundo que la rodea
directamente, y que actúe sobre lo que ve. Aquí la maquina no tiene un concepto propio del mundo.

Estas máquinas no interactúan con el mundo de la forma en que los humanos lo hacen. En estos
casos las maquinas son más “Programas” diseñados que procesan Inputs cotejando toda la
información que poseen para emitir un resultado o una acción autónomamente. De hecho, según
 varios expertos en la materia, justo así es como deberían mantenerse todas las Inteligencias
Artificiales. Para evitar que futuras “complicaciones” puedan suceder.

5.2 Memoria limitada

Que el nombre que se le ha dado a esta categoría de inteligencia artificial no te lleve a engaño, los
agentes de inteligencia artificial con memoria limitada son los que más se están expandiendo en la
actualidad. Su nombre no hace referencia a la cantidad de memoria física que utilizan estos
dispositivos, sino a su capacidad para registrar o "recordar" experiencias pasadas para aplicarlas
en sus decisiones.

Se utilizan en aplicaciones tan variadas como la industria de la automoción, la inteligencia artificial

integrada en dispositivos móviles o los asistentes por voz. Estos sistemas utilizan el aprendizaje
automático para, en base a unos conocimientos base, añadir nueva información a su base de datos
para mejorar su funcionamiento.

Un ejemplo ilustrativo de este tipo de tecnología lo puede encontrarse en las cámaras de los nuevos
móviles como el Huawei Mate 20 Pro, que basándose en una base de conocimiento precio sobre
parámetros en fotografía, analiza la escena que vas a fotografiar mediante un sistema de detección
de objetos e identifica la posición que cada uno de ellos ocupa en la escena, así como la intensidad
de luz.

En base a esos datos, que son únicos en cada escena, aplica la configuración adecuada a la cámara
para obtener la mejor calidad de imagen en cada toma. En definitiva, este agente de inteligencia
artificial integrado en los móviles son como una especie de ayudante que "potencia" las habilidades
como fotógrafo del usuario.

La inteligencia artificial utilizada para el coche autónomo también se categoriza en este apartado
ya que se basa en una serie de datos establecidos, como calles, señales u obstáculos, con datos
en constante cambio como son la velocidad y distancia de otros vehículos, etc.
 Todo esto es luego utilizado por la máquina para tomar decisiones y cumplir su función
inteligentemente. No obstante, estos simples pedazos de información sobre el pasado son
transitorias y no permanentes. No son recordadas o guardadas como parte de la experiencia de la
maquina en este mundo, de la manera en que un humano va recopilando y evolucionando ante
años y años de experiencia.

5.3 Teoría de la Mente

Aquí es necesario establecer el siguiente límite: En esta categoría encontramos el siguiente paso
de lo actualmente posible.

Hasta ahora encontramos máquinas que son capaces de aprender y de comparar datos e
información acerca del mundo que las rodea. Y ese mundo por lo general es limitado y programado.
Es decir, creado por un humano.

Hasta ahora se trata de programas inteligentes que son capaces de discernir entre varios tipos de
inputs para emitir un resultado autónomamente, pero no de crear sus propios inputs ni mucho
menos su propia representación del mundo. Aún no tenemos IA’s capaces de crear su propia
representación o percepción de sí mismas. Esta categoría se trata de Inteligencias Artificiales más
evolucionadas que las actuales. Estas IA’s más avanzadas tendrían la capacidad no solo de crear
una percepción propia del mundo que las rodea, sino de otras entidades o agentes también.

Esto en el campo de la psicología se conoce como “La Teoría de la Mente”, la cual consiste en el
entendimiento de que las personas, creaturas u objetos pueden tener pensamientos y emociones
que afectan su propio comportamiento. De hecho, esto fue lo que nos permitió a los humanos
formar sociedades y vivir en comunidad. La posibilidad de entender los motivos e intenciones de
las otras personas y de comprender que ellas son conscientes de mí permite una interacción social
que de otro modo sería imposible.

Por ejemplo, si alguien le está usando un volumen alto y un tono de voz brusco para dirigirse a
quien hay detrás del mostrador de atención al cliente, para cualquier humano sería fácil interpretar
que esa persona se siente defraudada con el servicio ofrecido, porque es así como se sentiría
cualquiera si se encontrara en su situación. Los humanos son capaces de reconocer los sentimientos
en otros porque pueden sentirlos e identificarlos, ¿podrán hacerlo algún día las máquinas gracias
a la inteligencia artificial?

Si alguna vez las inteligencias artificiales van a caminar entre nosotros pues tendrán que pertenecer
a esta categoría. Solo podrán hacerlo si entienden que cada uno de nosotros tiene pensamientos,
emociones y cierta expectativa sobre cómo debemos ser tratados. Y ellas deberán ajustar su
comportamiento y acciones respectivamente.

5.4 Consciencia de sí mismo

Si las máquinas de teoría de la mente son una categoría que se encuentra en una fase muy
primaria de desarrollo, los sistemas de inteligencia artificial con conciencia de sí misma se
encuentra en un estado meramente teórico.
 En realidad, este sería el máximo nivel de inteligencia artificial ya que sería el más próximo a los
seres vivos. En este estadio de la inteligencia artificial, la máquina comprendería sus sentimientos
y sería capaz de ponerlos en un contexto teniendo una perspectiva de sí mismos.

No cabe duda de que esta es una forma de inteligencia artificial que todavía tardará algún tiempo
en llegar, pero su desarrollo está íntimamente ligado a la comprensión de los mecanismos del
aprendizaje de los algoritmos que forman la inteligencia artificial y de la capacidad de utilizar las
experiencias pasadas para generar una mejor respuesta a los problemas.

No obstante, para llegar a desarrollar este tipo de Inteligencia Artificial, primero debemos de
entender cómo funciona la memoria en los humanos para desarrollar en las maquinas la habilidad
de aprender sobre las experiencias pasadas.

6. TECNICAS DE IA
¿Cómo funciona la inteligencia artificial?

La inteligencia artificial funciona combinando grandes cantidades de datos con procesamiento rápido e
iterativo y algoritmos inteligentes, permitiendo al software aprender automáticamente de patrones o
características en los datos. La inteligencia artificial es un vasto campo de estudio que incluye muchas
teorías, métodos y tecnologías, además de las siguientes técnicas principales:

6.1. Automatización Robótica de Procesos (RPA)

Es el proceso de crear automáticamente un sistema o una función de proceso para realizar tareas
repetibles realizadas por seres humanos, se diferencia de la automatización TI en que se puede
adaptar a las circunstancias cambiantes.

6.2. Aprendizaje automático

Automatización de la analítica predictiva, existen tres tipos de algoritmos de aprendizaje
automático:

o Aprendizaje supervisado
Los conjuntos de datos están etiquetados para que los patrones puedan ser detectados y
utilizados para etiquetar nuevos conjuntos de datos.

o Aprendizaje no supervisado

Este tipo de aprendizaje no necesita que le mostremos los patrones objetivos para salida, ya
que el algoritmo y la regla de modificación de las conexiones producen patrones de salida
consistentes. Cuando la red procesa patrones con bastante grado de similitud, da la misma
salida para ambos patrones, esto es, clasifica los patrones en categorías de patrones
parecidos.

Cuando digo parecido, lo pongo en cursiva ya que nosotros debemos en decidir en qué grado
deberán parecerse. Normalmente se usa el error cuadrático medio para determinar la
similitud, aunque hay otras opciones.

Podemos imaginar que en el proceso de aprendizaje, la red mide cuanto se parecen el patrón
que le llega y los que tiene almacenados y en función de ello los agrupa en una categoría u
otra, aunque en un principio no sepamos qué salida corresponderá a cada tipo o grupo de
patrones de entrada, ni que atributos usará para clasificarlos. Esto es, nosotros solo tenemos
un conjunto de patrones no sabemos ni las características ni las categorías posibles y la red
en función de su algoritmos de aprendizaje diferenciara ambas cosas y nos clasificara los
patrones en categorías.

En general, los métodos de aprendizaje no supervisado usan representaciones modélicas de

los objetos a reconocer y a clasificar. Por ejemplo una aplicación de reconocimiento de caras
podríamos pasar la fotografía como un mapa de bits pero esto sería muy costoso
computacionalmente, pero sin embargo si pasáramos una serie de valores como anchura de
 ojos, anchura de boca, tamaño de frente, etc., esto nos podría clasificar la cara en función de
sus parecidos

o Aprendizaje de refuerzo
La base de este aprendizaje es muy parecida al aprendizaje supervisado pero la información
que proporcionamos a la red es mínima se limita a indicar si la respuesta de la red es correcta
o incorrecta.

Este tipo de aprendizaje se basa en la noción de condicionamiento por refuerzo, esto es se

aprenden las conductas reforzadas positivamente y las conductas castigadas o reforzadas
negativamente. En nuestro mundo esto se traduce en premiar los pesos sinápticos cuando se
acierta la salida y penalizarlos cuando no se acierta.

6.3. Visión de la máquina

Se sustenta en el reconocimiento de patrones y en el aprendizaje a fondo para reconocer lo que
hay en una imagen o video. Cuando las máquinas pueden procesar, analizar y entender imágenes,
pueden capturar imágenes o videos en tiempo real e interpretar sus alrededores.

6.4. Procesamiento de Lenguaje Natural (PNL)

Es la capacidad de las computadoras de analizar, entender y generar lenguaje humano, incluyendo
el habla. La etapa siguiente de NLP es la interacción en lenguaje natural, que permite a los humanos
comunicarse con las computadoras utilizando lenguaje normal de todos los días para realizar tareas.

6.5. Robótica
Campo de la ingeniería centrada en el diseño y fabricación de robots, se utilizan a menudo para
realizar tareas que son difíciles de realizar para los seres humanos.

7. APLICACIONES DE LA IA
Toda industria tiene una alta demanda de recursos de inteligencia artificial – en especial sistemas de
respuesta a preguntas que se puedan utilizar para asistencia legal, búsquedas de pacientes,
notificación de riesgo e investigación médica. Otros usos de la inteligencia artificial incluyen:

a. Agricultura

Simplificar y acelerar la toma de decisión más importante de negocio de cualquier productor o

ingeniero agrónomo: ¿cuándo es el mejor momento para sembrar y cosechar, o incluso, qué
insumos utilizar? Ya existen plataformas específicas para agroindustria en el mercado que se utilizan
de base de datos diversos sobre el tipo de suelo, semillas y clima para analizar y sugerir el mejor
camino a seguir.

b. Logística y Transporte

En la ciudad de Mountain View, es común ver coches autónomos recorriendo las calles cada día.
Es muy probable que en los próximos cinco años sea normal encontrar miles de estos vehículos
circulando en todo el mundo. Además, trenes, camiones y otros medios de transporte también
pueden ser conducidos por robots.

c. Salud y Biotecnología

En el segmento de salud, la Inteligencia Artificial ayuda a médicos y pacientes a tener un

diagnóstico más rápido y preciso. Uno de los aspectos más destacados es la detección del cáncer
mediante muestras de sangre en los pacientes. El material recolectado tiene una enorme cantidad
de datos que necesitan ser analizados para encontrar ciertos patrones. La técnica ayuda a
identificar los factores genéticos que podrían conducir al desarrollo o no de una enfermedad.

d. Retail

Para hacer pronósticos de ventas y elegir el producto adecuado para recomendarse a un cliente en
particular, son algunas de las capacidades que la IA puede ofrecer hoy en día. Empresas como
Amazon, utilizan robots para identificar si un libro tendrá o no éxito, inclusive antes de su
lanzamiento. Otra excelente aplicación para el sector minorista (y otras industrias) es la
 optimización de inventario, donde la IA puede ayudar a las empresas a prever ingresos y determinar
cuánto de un insumo debe adquirirse.

e. Educación

Permite la creación de diferentes tipos de servicios, como saber si un estudiante está a punto de
cancelar su registro o retirarse de un curso, sugerir nuevos cursos para un estudiante, o incluso,
crear ofertas personalizadas para optimizar el aprendizaje y fomentar la educación.

f. Servicios Financieros

Las tecnologías inteligentes pueden ayudar a las instituciones financieras a reconocer los riesgos
que un cliente puede representar y hasta predecir patrones del mercado y sus consecuencias, así
como recomendación de operaciones; todo ejecutado de forma automática para tener respuestas
y análisis listos para los funcionarios.

g. Manufactura y Supply Chain

Realizar un estudio de los productos y las piezas que requieren mantenimiento, aun antes de la
presentación de problemas, ayudando a las empresas de manufactura sobre cuándo comprar y/o
producir, así como predecir impactos y riesgos de proveedores, son acciones posibles con el uso
de la innovación.

h. Asistentes personales virtuales

Todos nosotros somos o seremos afectados por asistentes personales. En los próximos años los
bancos tendrán empleados digitales ayudándonos a realizar algunas operaciones y además, para
responder a nuestras preguntas, agilizando así la atención al público. Con este mismo tipo de apoyo
virtual también será posible organizar mejor los viajes de vacaciones, por ejemplo, planeando y
programando los detalles, tales como vuelos, hoteles y traslados.

8. TIPOS DE IA APLICADA A LOS NEGOCIOS

Para las empresas es mucho más práctico y rentable considerar las opciones que ofrece la inteligencia
artificial desde la óptica de las capacidades para resolver problemas de negocio, que desde un punto de
vista estrictamente tecnológico. Siguiendo la clasificación propuesta por Tom Davenport, en líneas
generales, la inteligencia artificial ofrece actualmente tres tipos de soluciones: automatizar procesos de
negocio (cognitive automation), aumentar exponencialmente las capacidades para analizar grandes
volúmenes de datos (cognitive insight), y amplificar las posibilidades de interacción entre personas y
máquinas (cognitive engagement).

8.1. Automatización de procesos

La automatización de tareas físicas y digitales constituye hoy la categoría más habitual de aplicación
de la inteligencia artificial al mundo de los negocios. Su uso es cada vez más frecuente en
actividades de carácter administrativo, de apoyo al negocio y financieras, por su naturaleza
mundana y repetitiva.

Se basan en el empleo de la automatización robótica de procesos, una tecnología más avanzada

que las herramientas de automatización de procesos previas, en la que los robots son capaces de
trabajar con fuentes de información de múltiples sistemas. De los tres tipos, son las menos caras,
las más sencillas de implantar y las que generan un retorno de la inversión más rápido. En
contrapartida, son las menos inteligentes (todavía no son capaces de aprender “solas”) y aunque
actualmente no representan una gran amenaza para los quehaceres administrativos, a medida que
la tecnología vaya mejorando, se irán perdiendo puestos de trabajo paulatinamente, sobre todo en
el ámbito de la externalización de servicios.

Entre sus principales aplicaciones se observan tareas como:

  Transferencia de datos desde correos electrónicos y centros de atención al cliente a
sistemas de registro, como, por ejemplo, actualizaciones y cambios.
 Sustitución de tarjetas de crédito/débito perdidas, accediendo a múltiples sistemas y
gestionando las comunicaciones con el cliente.
 Subsanación de errores por cargos indebidos a través de distintos sistemas de facturación.
 Cribado de documentos legales y contractuales para extraer disposiciones mediante el
procesamiento de lenguajes naturales.

8.2. Aumento exponencial de las capacidades de análisis de grandes volúmenes de datos.

La segunda categoría la constituyen los algoritmos diseñados para detectar patrones y ayudar a
interpretar la información extraída de cantidades ingentes de información de múltiples fuentes y
formatos.

Los patrones obtenidos a través de técnicas aprendizaje automático, distan de los que pueden
obtenerse únicamente mediante Big Data. Los sistemas basados en inteligencia artificial pueden
absorber mucha más información y depurarla llegando a niveles de granularidad mucho más altos,
se pueden entrenar usando conjuntos de datos seleccionados y su capacidad de predicción y
categorización mejora a medida que va recibiendo más información.

Entre sus principales aplicaciones se hallan actividades como:

 Predecir la probabilidad de que una persona concreta compre un producto/servicio

determinado.
 Identificar diversos patrones de fraude en pólizas de seguros, cuentas bancarias, tarjetas
de crédito/débito y frenar su intento en tiempo real.
 Análisis en tiempo real del estado de seguridad de productos e instalaciones.
 Automatizar y personalizar de la experiencia de cliente digital.
 Automatizar y personalizar campañas publicitarias digitales (publicidad programática
inteligente).
 Proveer a las compañías aseguradores con modelos actuariales más precisos.
 Identificar coincidencias entre múltiples bases de datos en distintos formatos y eliminar
redundancias.
 Auditar documentos y contratos.

8.3. Amplificación de las posibilidades de interacción entre personas y máquinas.

Es la categoría más inmadura y difícil de manejar, pero la más prometedora para mejorar la
experiencia de cliente de las marcas y la del empleado. Permite gestionar un número cada vez
mayor de interacciones sin añadir personal a través de chatbots que respaldan y optimizan la labor
de los equipos de atención al cliente, como vimos al inicio del artículo.

Entre sus principales aplicaciones encontramos:

 Agentes inteligentes para atender al cliente las 24 horas del día (todavía en estado
embrionario).
 Intranets para responder dudas de empleados sobre asuntos normalizados.
 Sistemas de reconocimiento de voz (funcionalidad aún muy limitada).
 Sistemas de recomendación personalizada de productos y servicios.
 Sistemas de recomendación personalizada y seguimiento en tiempo real de tratamientos
médicos.

Como acabamos de ver, las capacidades reales de la inteligencia artificial son muy específicas y
distan aún mucho de alcanzar los niveles de inteligencia general que caracterizan a las personas.
Conocer y comprender qué tecnologías hacen qué trabajos es la condición básica fundamental
antes de diseñar cualquier proyecto en el que vaya a intervenir la IA. La pregunta que debemos
plantearnos no es cómo nos va ayudar la IA a alcanzar nuestros objetivos, sino qué objetivos
tenemos y qué tipo de IA es más adecuado para ayudarnos a lograrlos.
9. IMPORTANCIA Y RETOS DE LA IA

9.1. VENTAJAS DE LA IA

¿Por qué es importante la inteligencia artificial?

 La inteligencia artificial analiza más datos y datos más profundos utilizando redes
neurales que tienen muchas capas ocultas. Construir un sistema de detección de fraude con cinco
capas ocultas era casi imposible hace unos años. Todo eso ha cambiado con increíble poder de
cómputo y el big data. Usted necesita muchos datos para entrenar modelos de aprendizaje a
fondo porque éstos aprenden directamente de los datos. Cuantos más datos pueda integrarles,
más precisos se vuelven.

 La inteligencia artificial logra una precisión increíble

 La inteligencia artificial saca el mayor provecho de los datos

Si tiene los mejores datos en una industria competitiva, incluso si todos aplican técnicas similares,
los mejores datos triunfarán.

 Minimizar casi por completo las posibilidades de error y obtener mayor precisión, al computar y
comparar grandes cantidades de variables y datos.

 Adjudicar tareas complejas y peligrosas para los humanos como la exploración espacial o la
minería. Estas máquinas pueden ser útiles para superar las limitaciones que los humanos tienen.

 Las máquinas con inteligencia artificial podrán reemplazar a los seres humanos en áreas de
trabajo laboriosas o minuciosas. Con esto los seres humanos podrán centrarse en labores de
mayor responsabilidad.

 Facilitarán nuestro día a día, conociendo y prediciendo nuestras necesidades, gustos e intereses,
las como las aplicaciones de asistentes digitales y las predicciones de los teléfonos inteligentes
que ya usamos hoy en día.

 Gestión y análisis de datos y registros en áreas tan sensibles como la actividad financiera
permitiendo detectar anomalías y fraudes y organizar el capital de la mejor manera. Es por ello
que un master de inteligencia artificial es una de las características más buscadas en los
profesionales de la industria.

 La inteligencia artificial puede realizar tareas repetitivas y que requieren de gran cantidad de
recursos y tiempo, aumentando la eficiencia en las mismas. Además, al carecer de emociones es
posible el procesamiento y toma de decisiones de forma totalmente racional.

9.2. DESVENTAJAS

 Por ser software, requieren de constantes actualizaciones (mantenimiento).

 Realizar estos sistemas expertos requiere de mucho tiempo y dinero.

¿Cuáles son los retos de usar la inteligencia artificial?

 La inteligencia artificial habrá de transformar todas las industrias, pero tenemos que entender
sus límites.
 La limitación principal de la inteligencia artificial es que aprende de los datos. No hay otra forma
en que se pueda incorporar el conocimiento. Eso significa que cualquier imprecisión en los datos
se verá reflejada en los resultados. Y cualquier capa adicional de predicción o análisis se tiene
que agregar por separado.
 Los sistemas de IA actuales son entrenados para realizar una tarea claramente definida. El
sistema que juega póquer no puede jugar solitario o ajedrez. El sistema que detecta fraude no
puede conducir un automóvil o brindarle asesoría legal. De hecho, un sistema de IA que detecta
 fraude en la atención a la salud no puede detectar con precisión fraude en impuestos o en
reclamos de garantías.
 En otras palabras, estos sistemas son muy, muy especializados. Se enfocan en una sola tarea y
están lejos de comportarse como humanos.

 De la misma forma, los sistemas de autoaprendizaje no son sistemas autónomos. Las tecnologías
de IA imaginarias que ve en las películas y en la TV siguen siendo ciencia ficción. Pero las
computadoras que pueden sondear datos complejos para aprender y perfeccionar tareas
específicas se están volviendo bastante comunes.

 Debido a que los costos de hardware, software y personal para la IA pueden ser costosos, muchos
proveedores están incluyendo componentes de AI en sus ofertas estándar, así como el acceso a
las plataformas de Inteligencia Artificial como Servicio (AIaaS). AI como servicio permite a las
personas y empresas experimentar con AI para diversos fines comerciales y probar varias
plataformas antes de comprometerse. Las ofertas más populares de la nube de AI incluyen los
servicios de Amazon AI, IBM Watson Assistant, Microsoft Cognitive Services y los servicios de
Google AI.

En 1979 se creó en USA la AAAI (Asoc. para el Avance de la IA) cuya misión es doble: avanzar en la
ciencia y la tecnología de la inteligencia artificial y promocionar su uso responsable. La AAAI considera
que los riesgos potenciales de la tecnología de la IA deben constituir un escenario importante para la
reflexión, la prevención y el avance. Si se prevén los riesgos, se pueden evitar.

Uno de los problemas más comunes son los errores de programación en software de inteligencia
artificial. Todos estamos familiarizados con estos fallos, que pueden hacer que se “caiga una red” y
nos deje sin comunicación por horas. Sin embargo, la creciente complejidad de los sistemas de
inteligencia artificial y su uso altamente funcional aplicado a automóviles de control, robots quirúrgicos
y sistemas de armas, significa que debemos redoblar nuestros esfuerzos en la calidad del software.

Un segundo conjunto de riesgos son los ciber-ataques: criminales y enemigos están atacando
continuamente nuestros ordenadores con virus y otras formas de malware. Los algoritmos de IA no
son diferentes a los de otros programas y podrían ser vulnerados. La preocupación viene de la mano
según el nivel de complejidad y dependencia de las funciones en las que se usa IA. En todas partes
del mundo se fomentan y financian una amplia gama de proyectos de investigación de seguridad
cibernética, orientados a dar a la IA las herramientas necesarias para que sea capaz de detectar y
suprimir los ataques cibernéticos.

REFERENCIAS

https://www.caracteristicas.co/inteligencia-artificial/#ixzz5rvFe1tsc

https://sitiointeligenciaa.wordpress.com/definicion-y-clasificacion/

https://inteligenciadgr.weebly.com/clasificacioacuten-de-la-ia.html

https://invdes.com.mx/infografias/tipos-inteligencia-artificial/

https://www.businessinsider.es/estos-son-tipos-inteligencia-artificial-existen-371131