Inteligencia Artificial
Inteligencia Artificial
Inteligencia Artificial
0
Universidad Dominicana O&M (Organización y
Método).
Sustentante:
Ambar Talía Guzmán López
Matricula:
17-SISM-1-056
Docente:
JONEY DOTEL COLL
Asignatura:
LOGICA DE LAS INVESTIGACIONES
Sección:
0808
Trabajo:
Practica Final.
Fecha de entrega:
05/09/2020
2
Índice:
Introducción.
BackPropagation-Gradient Descent.
Redes Neuronales Recurrentes (RNN) y sus Aplicaciones.
Redes Neuronales Convolucionales (CNN) y sus Aplicaciones.
AutoEncoders y sus Aplicaciones.
Restricted Boltzmann Machines y sus Aplicaciones.
Chatbots.
Redes de base Radial (RBF) y sus aplicaciones.
Procesamiento Natural del Lenguaje (NLP) y sus aplicaciones.
I.A. Asistentes Virtuales.
I.A. Agentes Virtuales.
I.A. Aplicada a Videos Juegos.
I.A. Aplicada en la Robótica.
I.A. Aplicada a la Cyberseguridad.
I.A Armas Inteligentes.
Principales FrameWorks para desarrollar I.A.
Visión Robótica (Cámaras Inteligentes).
Demótica.
Automatización en Marketing.
Hardware Optimizado con I.A.
Sistemas Biométricos Inteligentes.
Gemelos digitales / Modelos de I.A.
DarkTrace.
Reconocimiento de emociones.
Conclusión,
Bibliografía.
3
Introducción:
La Inteligencia Artificial comenzó como el resultado de la investigación en
psicología cognitiva y lógica matemática. Se ha enfocado sobre la
explicación del trabajo mental y construcción de algoritmos de solución a
problemas de propósito general. Punto de vista que favorece la abstracción
y la generalidad.
La idea de construir una máquina que pueda ejecutar tareas percibidas
como requerimientos de inteligencia humana es un atractivo. Las tareas
que han sido estudiadas desde este punto de vista incluyen juegos,
traducción de idiomas, comprensión de idiomas, diagnóstico de fallas,
robótica, suministro de asesoría experta en diversos temas.
La Inteligencia Artificial es una combinación de la ciencia del computador,
fisiología y filosofía, tan general y amplio como eso, es que reúne varios
campos (robótica, sistemas expertos, por ejemplo), todos los cuales tienen
en común la creación de máquinas que pueden "pensar".
Trabajos teóricos fundamentales fueron el desarrollo de algoritmos
matemáticos por Warren McCullock y Walter Pitts, en 1943, necesarios para
posibilitar el trabajo de clasificación, o funcionamiento en sentido general,
de una red neuronal. En 1949 Donald Hebb desarrolló un algoritmo de
aprendizaje para dichas redes neuronales creando, en conjunto con los
trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela se
considera hoy como el origen de la Inteligencia Artificial, sin embargo, se
trató poco por muchos años, dando paso al razonamiento simbólico basado
en reglas de producción, lo que se conoce como sistemas expertos.
4
BackPropagation-Gradient Descent:
Las salidas de error se propagan hacia atrás, partiendo de la capa de salida, hacia
todas las neuronas de la capa oculta que contribuyen directamente a la salida. Sin
embargo las neuronas de la capa oculta solo reciben una fracción de la señal total
del error, basándose aproximadamente en la contribución relativa que haya
aportado cada neurona a la salida original. Este proceso se repite, capa por capa,
hasta que todas las neuronas de la red hayan recibido una señal de error que
describa su contribución relativa al error total.
5
Redes Neuronales Recurrentes (RNN) y sus Aplicaciones:
Hasta ahora hemos visto redes cuya función de activación solo actúa en una
dirección, hacia delante, desde la capa de entrada hacia la capa de salida, es decir,
que no recuerdan valores previos. Una red RNN es parecida, pero incluye conexiones
que apuntan “hacia atrás”, una especie de retroalimentaciones entre las neuronas
dentro de las capas.
Imaginemos la RNN más simple posible, compuesta por una sola neurona que recibe
una entrada, produciendo una salida, y enviando esa salida a sí misma, como se
muestra en la siguiente figura:
6
En cada instante de tiempo (también llamado timestep en este contexto), esta
neurona recurrente recibe la entrada xde la capa anterior, así como su propia salida
del instante de tiempo anterior para generar su salida y. Podemos representar
visualmente esta pequeña
Siguiendo esta misma idea, una capa de neuronas recurrentes se puede implementar
de tal manera que, en cada instante de tiempo, cada neurona recibe dos entradas, la
7
entrada correspondiente de la capa anterior y a su vez la salida del instante anterior de
la misma capa
Las redes neuronales convolucionales son muy potentes para todo lo que
tiene que ver con el análisis de imágenes, debido a que son capaces de
detectar características simples como por ejemplo detención de bordes,
líneas, etc. y componer en características más complejas hasta detectar lo
que se busca.
Para clasificar imágenes vamos a utilizar una red neuronal un poco especial: la
red neuronal convolucional, también llamada CNN (Convulational Neural
Network o ConvNet).
8
o Necesitamos muchos datos de aprendizaje
9
• AutoEncoders y sus Aplicaciones:
1
• Restricted Boltzmann Machines y sus Aplicaciones:
1
3. Como su nombre lo indica, los RBM son una variante de las
máquinas de Boltzmann , con la restricción de que sus neuronas deben
formar un gráfico bipartito : un par de nodos de cada uno de los dos grupos
de unidades (comúnmente conocidos como "visibles" y "ocultos" unidades
respectivamente) pueden tener una conexión simétrica entre ellas; y no hay
conexiones entre nodos dentro de un grupo. Por el contrario, las máquinas
Boltzmann "sin restricciones" pueden tener conexiones entre unidades
ocultas . Esta restricción permite algoritmos de entrenamiento más
eficientes que los disponibles para la clase general de máquinas
Boltzmann, en particular el algoritmo de divergencia contrastante basado
en gradiente. [9]
4. Las máquinas de Boltzmann restringidas también se pueden usar en redes
de aprendizaje profundo . En particular, las redes de creencias profundas se
pueden formar "apilando" RBM y, opcionalmente, ajustando la red profunda
resultante con descenso de gradiente y propagación hacia atrás . [10]
• Chatbots:
Es un programa que simula mantener una conversación con una personal proveer
respuestas automáticas a entradas hechas por el usuario. Habitualmente, la
conversación se establece mediante texto, aunque también hay modelos que
disponen de una interfaz de usuario multimedia. Más recientemente, algunos
1
comienzan a utilizar programas conversores de texto a sonido (CTV), dotándolo de
mayor realismo a la interacción con el usuario.
1
• Redes de base Radial (RBF) y sus aplicaciones:
Las redes de base radial son un tipo de redes de neuronas artificiales que
calculan la salida de la función en función de la distancia a un punto
denominado centro. Al igual que con los perceptores multicapa, sirven
como aproximadores universales.
1
• I.A. Asistentes Virtuales:
A veces el término bot conversacional (en inglés: chatbot) se utiliza para referirse
a los asistentes virtuales en general o específicamente a aquellos a los que se
accede por chat en línea (o en algunos casos, programas de chat en línea que son
para entretenimiento y no para propósitos útiles).
1
Un asistente personal inteligente es un agente tipo software que puede realizar
tareas u ofrecer servicios a un individuo. Estas tareas o servicios están basados
en datos de entrada de usuario, reconocimiento de ubicación y la habilidad de
acceder a información de una variedad de recursos en línea (como al clima o al
tráfico, noticias, precios de acciones, horario del usuario, precios al por menor,
etc.). Algunos ejemplos de asistentes personales son Siri de Apple, Briana, Google
Assistant, Google Now, Amazon Echo, Microsoft Cortana, S Voice de Samsung,
Voice Mate, Silvia y Hidi de HTC. Y Bixby de Samsung. Uno de los aspectos clave
de un asistente personal inteligente es su habilidad para organizar y mantener
• Agente virtuales:
. Los agentes virtuales utilizan la inteligencia artificial (IA) para echar una
mano a los clientes que necesitan ayuda o atención a través de diferentes
canales de comunicación, es decir, lo mismo que hacen los agentes
humanos. Los agentes virtuales también ayudan a los agentes humanos
durante las interacciones en tiempo real con clientes: les ofrecen
información útil y adaptada al contexto a lo largo de la conversación. Con su
intervención, consiguen reducir la carga de trabajo de los agentes
humanos, ya que se ocupan también de las interacciones en la modalidad
de autoservicio.
Si cree que los agentes virtuales y los chatbots se parecen mucho, está en
lo cierto. Hay quien se empeña en distinguirlos, asegurando que los
agentes virtuales son más inteligentes que los chatbots o que actúan en
canales de interacción diferentes. Con la avanzada tecnología de IA
incluida en Bold360, que utiliza Natural Language Understanding (NLU) y
procesamiento del lenguaje natural (PLN), no hay distinción entre chatbots
y agentes virtuales, solo una solución que ofrece conversaciones
inteligentes y adaptadas al contexto en cualquier canal.
1
• I.A. Aplicada a Videos Juegos:
1
La IA se utiliza en una amplia variedad de campos dentro de un juego. La más
evidente es en el control de los PNJ en el juego, aunque las secuencias
de comandos es actualmente el medio más común de control. La búsqueda de
ruta es otro de uso común para la IA, ampliamente visto en los juegos de
estrategia en tiempo real. Buscando camino es el método para determinar cómo
obtener un PNJ de un punto en un mapa a otro, teniendo en cuenta el terreno, los
obstáculos y, posiblemente, "niebla de guerra". Más allá de búsqueda de caminos,
la navegación es un subcampo de la IA del juego que se centra en dar a los PNJ
la capacidad de navegar en su entorno, la búsqueda de un camino hacia un
objetivo, evitando colisiones con otras entidades o colaborar con ellos. La IA
también está involucrada con el equilibrio de la dificultad del juego, que consiste
en el ajuste de la dificultad de un juego de videojuego en tiempo real basado en la
habilidad del jugador.
1
• I.a aplicada a la robótica:
1
le ayude a luchar a través del ruido de miles de alertas diarias, lo que reduce drásticamente
Vea el vídeo de Kevin Skapinetz, vicepresidente de estrategia y diseño de IBM Security, qu
2
• Principales FrameWorks para desarrollar I.A:
PYTHON
Python es uno de los lenguajes más utilizados para configurar IA. Su simplicidad y
las filosofías DRY (Don’t Repeat Yourself) y RAD (Rapid Application Development)
en las que se basa lo convierten en un candidato ideal. Puede utilizarse tanto para
estructurar datos como para generar algoritmos de IA. Además, dispone de un
catálogo de librerías muy extenso que permite hacer realidad cualquier tipo de
proyecto. Ningún soporte se resiste a Python, puesto que sirve para trabajar en
aplicaciones de todo tipo, sean mobile, web, data science o IA.
2
de uno de los mejores lenguajes para analizar y tratar con datos. Por ello, es
posible crear buenas IA con finalidades estadísticas.
LISP
PROLOG
JAVA
2
C++
TORCH:
2
Sistemas Visión Integrados
Los sistemas de visión integrados son sistemas de visión artificial que difieren relativamente de
las cámaras inteligentes, en que el sensor y la memoria de la cámara se sitúa en un cabezal
remoto de muy reducido tamaño y el procesador, las entradas/salidas y la conexión con el resto
del entorno industrial se sitúan en un elemento de dimensiones reducidas, que puede colocarse
junto a otros elementos de automatización. Una de las ventajas de un sistema de visión artificial
de este tipo, que presenta esta tecnología con respecto a las cámaras inteligentes tradicionales
es que, con un solo elemento de proceso, se pueden conectar varios cabezales de visión
remotos, reduciendo el coste en aplicaciones de visión donde se requieran varias tomas de l
• Domótica:
• Automatización en Marketing:
2
automatizar las diferentes fases de mercadotecnia que conforman la finalización
de la venta de un producto o servicio de una determinada empresa.[1]
Es importante que las diferentes fases de marketing estén adecuadamente
definidas para poder proceder a la automatización de las mismas. En muchas
ocasiones las plataformas elegidas para llevar a cabo el proceso de
automatización no son compatibles con las diferentes fases de marketing de la
empresa o no ofrecen las posibilidades que se necesitan para llevar a cabo con
éxito la automatización de los procesos de negocio.
2
• Hardware Optimizado con I.A.:
Para IBM, si vamos a hacer grandes avances en IA, nuestro hardware también
debe cambiar. Comenzando con GPU, luego evolucionando a dispositivos
analógicos, y después a computadoras cuánticas tolerantes a fallas.
El Deep Learning distribuido (DDL) ha progresado a un ritmo de aproximadamente
2.5 veces por año desde 2009, cuando las GPU pasaron de aceleradores gráficos
de videojuegos a formadores modelo de aprendizaje profundo. Los algoritmos DDL
se «entrenan» en los datos visuales y de audio, y la mayor cantidad de GPU
deberían significar un aprendizaje más rápido.
2
• Sistemas Biométricos Inteligentes:
Para comenzar a explicar los conceptos básicos y algunas de las ideas centrales
relativas a la autenticación online de usuarios, creo que resulta útil abordar la
autenticación biométrica. ¿Por qué? Según un estudio elaborado por Visa, dos
tercios de los europeos preferirían usar una autenticación biométrica para sus
pagos/transacciones a través de Internet. Se trata de una proporción notable e
indica las preferencias de la mayoría de usuarios de Internet.
2
ampliamente utilizado es el envío de un código SMS al número de teléfono
registrado del usuario (lo que se denomina una contraseña única). Sin embargo,
este método extendido ha sido objeto de muchas críticas y se ha demostrado su
vulnerabilidad, por lo que ahora su uso ha sido desaconsejado por empresas
como NIST(National Institute of Standards and Technology). En términos
generales, los factores pueden clasificarse en tres categorías:
• Gemelos Digitales:
Una de las principales tendencias tecnológicas remarcada durante los últimos
años por diversas consultoras es la creación de gemelos digitales, un concepto al
que en ocasiones también se refieren por su nombre en inglés: ‘Digital twins’. A
grandes rasgos, la apuesta por esta tecnología no es más que la generación de
una réplica virtual de un producto, servicio o proceso que simula el
comportamiento de su homólogo físico, con el objetivo de monitorizarlo, analizar
su reacción ante determinadas situaciones y mejorar su rendimiento y eficacia.
2
El término ‘digital twin’ comenzó a aplicarse a la Industria 4.0 a partir de 2003,
cuando fue utilizado por el ingeniero informático Michael Grieves en una
conferencia en la Universidad de Michigan sobre la gestión del ciclo de vida de un
producto. No obstante, este método tiene su origen en los trabajos realizados por
la NASA en los años 80 del pasado siglo. Durante esta década, la agencia
espacial de Estados Unidos comenzó a realizar simulaciones sobre el
comportamiento de las naves o equipamientos para asegurar la viabilidad de
ciertas misiones y velar por la integridad física de los astronautas. Ahora, los
avances en ‘big data’, ‘cloud computing’ o el internet de las cosas (IoT), así como
la facilidad de acceso a estas tecnologías, han facilitado la expansión de los
gemelos digitales en otro tipo de organizaciones y sectores.
Principales beneficios
La unión de los mundos físico y virtual mediante gemelos digitales posibilita un
análisis exhaustivo de la información, algo que combinado con soluciones de ‘big
data’, internet de las cosas e inteligencia artificial permite llevar un riguroso control
de los sistemas para evitar problemas, prevenir tiempos de inactividad, probar
nuevas oportunidades de negocio, planificar escenarios futuros mediante
simulaciones y personalizar la producción a partir de los requerimientos de los
clientes.
2
• DarkTrace:
3
Un usuario final, Michael Sherwood, de la Ciudad de Las Vegas, comentó:
"Darktrace Antigena es la única tecnología de respuesta automática que es capaz
de librar las batallas más importantes para nosotros. Usando la IA de Darktrace,
ahora podemos detenernos nunca antes vistos amenazas en su camino, lo que
nos permite ser excepcionalmente proactivos frente a un panorama de amenazas
que cambia rápidamente”.
Darktrace Industrial
3
Reconocimiento de emociones
Los sistemas más complejos también analizan los gestos e incluso tienen
en cuenta el entorno, junto con las expresiones faciales y el habla. Dicho
sistema reconoce que una persona que se ve forzada a sonreír a punta de
pistola, probablemente no esté muy contenta.
3
Los sistemas de reconocimiento de emociones generalmente aprenden a
establecer nexos entre una emoción y su manifestación externa a partir de
grandes conjuntos de datos categorizados. Los datos pueden incluir
grabaciones de audio o vídeo de programas televisivos, entrevistas y
experimentos donde participa gente real; vídeos cortos de interpretaciones
teatrales o películas y diálogos interpretados por actores profesionales.
Seguridad
Contratación de personal
3
Conclusión
3
Como se ha podido observar una de las críticas más grande de la inteligencia
artificial es la característica de imitar por completo a un ser humano, pero estas
críticas pasan por alto que ningún ser humano tiene la capacidad de resolver
todos los problemas existentes. Por lo tanto, es muy importante detonar que tipos
de problemas que podrán resolver, la estrategia y algoritmos que realizara para
llegar a dicha respuesta.
Bibliografía:
3
• https://es.m.wikipedia.org/wiki/Propagación_hacia_atrás
• https://torres.ai/redes-neuronales-recurrentes/
• https://www.edicioneseni.com/open/mediabook.aspx?idR=52d7ca116ab708
8a98f46987ec42c36b
• www.elevenpaths.com/es/aplicabilidad-de-gans-y-autoencoders-
ciberseguridad/index.html
• en.m.wikipedia.org/wiki/Restricted_Boltzmann_machine
• https://www.google.com/search?q=•+Chatbots&o
• es.m.wikipedia.org/wiki/RNA_de_base_radial
• https://es.m.wikipedia.org/wiki/Procesamiento_de_lenguajes_naturales
• https://es.m.wikipedia.org/wiki/Asistente_virtual/conversational-ai/virtual-
agent es.m.wikipedia.org/wiki/Inteligencia_artificial_(videojuegos)
• m.monografias.com/trabajos93/inteligencia-artificial-aplicada-
robotica/inteligencia-artificial-aplicada-robotica.shtml
• elcapitalfinanciero.com/inteligencia-artificial-en-la-ciberseguridad/
• https://www.digitaltechinstitute.com/8-mejores-lenguajes-de-programacion-
para-ia/
• http://indesacompany.com/vision-artificial/
• https://m.monografias.com/trabajos87/inteligencia-artificial-
domotica/inteligencia-artificial-domotica.shtml
• l es.m.wikipedia.org/wiki/Automatización_de_marketing
• https://www.yachaytech.edu.ec/noticia/inteligencia-artificial-hardware/
• www.universidadviu.com/gemelo-digital-definicion-funcionamiento-y-
ejemplos/
• https://en.m.wikipedia.org/wiki/Darktrace
• https://es.slideshare.net/mobile/ottorm9/reconocimiento-de-emociones-
inteligencia-artificial