Maestria en Gerencia de las Finanzas y de los Negocios

La inteligencia artificial es un área de la ciencia y la tecnología que se basa en disciplinas como ciencias de la computación, biología, psicología, lingüística, matemáticas e ingeniería. El objetivo de la inteligencia artificial es desarrollar computadoras que simulen la capacidad de pensar, así como de ver, oír, caminar, hablar, y sentir. Un avance importante de la inteligencia artificial es la simulación de las funciones informáticas, que se relacionan normalmente con la inteligencia humana, como el razonamiento, el aprendizaje y la solución de problemas.

Las tecnologías de inteligencia artificial se usan en diversas maneras para mejorar el apoyo en la toma de decisiones que se proporciona a los administradores y profesionales de negocios en muchas empresas. Las aplicaciones basadas en tecnología artificial participan en distribución, y recuperación de información, la minería de datos, el diseño de productos, la manufactura, la inspección, la capacitación, el apoyo a los usuarios, la planeación quirúrgica, la programación de recursos y la administración de recursos complejos.

De hecho las tecnologías de inteligencia artificial pueden ya estar funcionando y proporcionando una ventaja competitiva a cualquiera que programe, planee y distribuya recursos, diseñe nuevos productos, utilice Internet, desarrolle software, sea responsable de la calidad de productos, sea un inversionista profesional, dirija un departamento de tecnología de información, use la tecnología de información u opere cualquier otra capacidad o área.

1.1.- HISTORIA
Los primeros desarrollos en inteligencia artificial comenzaron a mediados de los años 1950 con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado por diversas situaciones:

1.2.- FUNDAMENTOS Y FILOSOFÍA
Como ocurre casi siempre en el caso de una ciencia recién creada, la inteligencia artificial aborda tantas cuestiones confundibles en un nivel fundamental y conceptual que, adjunto a lo científico, es necesario hacer consideraciones desde el punto de vista de la filosofía. Gran parte de esta ciencia se junta con temas en la filosofía de la mente, pero hay ciertos temas particulares a la IA. Por ejemplo: ¿En qué consiste la inteligencia? ¿Cómo la reconoceríamos en un objeto no humano, si la tuviera? ¿Qué sustancia y organización se requiere? ¿Es posible que una criatura hecha de metal, por ejemplo, posea una inteligencia comparable a la humana?.

Aunque una criatura no orgánica pudiera solucionar problemas de la misma manera que un humano, ¿tendría o podría tener consciencia y emociones?Suponiendo que podemos hacer robots con una inteligencia comparable a la nuestra, ¿debemos hacerlo?.

    Durante más de 2000 años de tradición en filosofía, han ido surgiendo diversas teorías del razonamiento y del aprendizaje, simultáneamente con el punto de vista de que la mente se reduce al funcionamiento físico. La psicología ofrece herramientas que permiten la investigación de la mente humana, así como un lenguaje científico para expresar las teorías que se van obteniendo. La lingüística ofrece teorías para la estructura y significado del lenguaje, así como la ciencia de la computación, de la que se toman las herramientas que permiten que la Inteligencia Artificial sea una realidad.

    Empezó con el nacimiento de Platón en 428 a. C. y con lo que aprendió de Sócrates. La temática de su obra fue muy diversa: política, matemática, física, astronomía y diversas ramas de la filosofía. El filósofo Hubet Dreyfus (1979) afirma que: Bien podría afirmarse que la historia de la inteligencia artificial comienza en el año 450 a. C., cuando Platón cita un diálogo en el que Sócrates le pregunta a Eutidemo: "Desearía saber cuál es la característica de la piedad que hace que una acción se pueda considerar como pía... y así la observe y me sirva de norma para juzgar tus acciones y las de otros."

    Los filósofos delimitaron las más importantes ideas relacionadas con la inteligencia artificial, pero para pasar de allí a una ciencia formal era necesario contar con una formalización matemática en tres áreas principales: la computación, la lógica y la probabilidad. La idea de expresar un calculo mediante un algoritmo formal se remota a la época del Jwarizmi, matemático árabe del siglo IX, con cuyas obras se introdujeron en Europa los números arábigos y el álgebra.

    El hombre se ha aplicado a sí mismo el nombre científico de homo sapiens como una valoración de la trascendencia de nuestras habilidades mentales tanto para nuestra vida cotidiana como para nuestro propio sentido de identidad. Los esfuerzos del campo de la inteligencia artificial se enfocan en lograr la compresión de entidades inteligentes. Una de las razones de su estudio es el aprender más de nosotros mismo. A diferencia de la filosofía y de la psicología, que también se ocupan de la inteligencia, los esfuerzos de la Inteligencia Artificial están encaminados tanto a la construcción de entidades como a su compresión. Otra razón por la cual se estudia la Inteligencia Artificial es debido a que las entidades inteligentes así construidas son inteligencia Artificial ha sido posible crear diversos productos de trascendencia y sorprendentes. Nadie podría pronosticar con toda precisión lo que se podría esperar en el futuro, es evidente que las computadoras que posean una inteligencia a nivel humano tendrán repercusiones muy importantes en nuestra vida diaria así como el devenir de la civilización.

    El problema que aborda la inteligencia artificial es uno de los más complejos: ¿Cómo es posible que un diminuto y lento cerebro, sea biológico o electrónico, tenga capacidad de percibir, comprender, predecir y manipular un mundo que en tamaño y complejidad lo excede con creces?, pero a diferencia de la investigación en torno al desplazamiento mayor que la velocidad de la luz o de un dispositivo antigravitatorio, el investigador del campo de la inteligencia artificial cuenta con pruebas contundentes de que tal búsqueda es totalmente factible.

    La inteligencia artificial permite al hombre emular en las máquinas el comportamiento humano, tomando como base el cerebro y su funcionamiento, de manera tal que se pueda alcanzar cierto razonamiento.

Los principales dominios de la investigación y desarrollo de la inteligencia artificial son las aplicaciones de ciencia cognitiva, de robótica y de interfaces naturales. Se revisará brevemente cada una de estas áreas y algunas de las tecnologías actuales.

1.1.1.- Ciencia Cognitiva. Esta área de la inteligencia artificial se basa en la investigación realizada en biología, neurología, psicología, matemáticas y muchas disciplinas relacionadas. Se centra en la investigación del funcionamiento del cerebro humano y de cómo los humanos piensan y aprenden. Los resultados de esta investigación sobre el procesamiento humano de la información constituyen la base para el desarrollo de diversas aplicaciones de inteligencia artificial basadas en computadoras.

Las aplicaciones de la inteligencia artificial en el área de ciencia cognitiva incluyen el desarrollo de sistemas expertos y otros sistemas basados en el conocimiento que agregan una base de conocimientos y cierta capacidad de razonamiento a los sistemas de información. También están incluidos los sistemas de aprendizaje adaptativo que modifican sus comportamientos en base en la información que adquieren a medida que operan. Los sistemas de lógica difusa procesan información incompleta o ambigua, es decir, información difusa. De este modo, pueden resolver problemas semiestructurados con un conocimiento incompleto mediante el desarrollo de inferencias y respuestas aproximadas, como lo hacen los seres humanos. El software de redes neuronales aprende por medio del procesamiento de problemas muestras y de sus soluciones. A medida que las redes neuronales comienzan a reconocer patrones, empiezan a programarse a sí mismas para resolver estos problemas por sí solas. El software de algoritmos genéticos utilizan funciones darwinianas (la supervivencia del más apto), aleatorización y otra funciones matemáticas para simular procesos evolutivos que generan soluciones cada vez mejores para los problemas. Por último los algoritmos inteligentes utilizan sistemas expertos y otras tecnologías de inteligencia artificial para actuar como reemplazos de software en diversas aplicaciones para usuarios finales.

1.1.2.- Robótica. La inteligencia artificial, la ingeniería y la fisiología son las disciplinas básicas de la robótica. Esta tecnología construye máquinas robóticas con inteligencia informática y capacidades físicas semejantes a las humanas, controladas por computadoras. Así, esta área incluye aplicaciones diseñadas para proporcionar los robots los poderes de visión o percepción visual, tacto o capacidades táctiles, destrezas o habilidades de manejo y manipulación, locomoción o habilidad física para desplazase sobre cualquier terreno y navegación o la inteligencia para encontrar de manera apropiada el camino hacia un destino.

1.1.3.- Interfases naturales. El desarrollo de interfases naturales es considerado como una de las áreas principales de las aplicaciones de la inteligencia artificial y es fundamental para que los seres humanos utilicen las computadoras de manera natural. Por ejemplo, el desarrollo de lenguajes naturales y de reconocimiento de voz son avances importantes en el área de inteligencia artificial. Otras aplicaciones de investigación de interfaces naturales incluyen el desarrollo de dispositivos multisensoriales que utilizan diversos movimientos corporales para operar las computadoras. Éstos se relacionan con el área de aplicaciones emergentes de la realidad virtual. La realidad virtual implica el uso de interfaces multisensoriales humano-computadora que permiten a los usuarios humanos experimentar objetos, espacios, actividades, y "mundos" simulados por computadora como si existieran en realidad.

1.4.- LIMITACIONES FÍSICAS Y ESPACIOS TEMPORALES
    El concepto de IA es aún demasiado difuso. Contextualizando, y teniendo en cuenta un punto de vista científico podríamos englobar a esta ciencia como la encargada de imitar a una persona, y no por fuera en su cuerpo, sino imitar al cerebro, en todas las funciones posibles, existentes en el humano o inventadas sobre el desarrollo de la máquina inteligente.

    Así, aplicando literalmente la definición de Inteligencia Artificial, no cabe otra posibilidad que pensar en máquinas inteligentes, es decir, sin emociones que obstaculicen encontrar la mejor solución a un problema dado. Debemos pensar en dispositivos artificiales capaces de concluir miles de premisas a partir de otras premisas dadas, sin que ningún tipo de emoción tenga opción de sobrevivir.

    En esta línea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones acertadas.

    Sin embargo, el concepto de IA que la mayoría de las personas podemos hacernos es muy distinto al descrito anteriormente, pues lo que realmente nos gustaría, lo que produciría curiosidad experimental, es un dispositivo con emociones.

    Y aquí es donde finaliza el campo científico y comienza todo un conjunto de teorías, avisos, discusiones y toda forma expresiva de conflictos intelectuales entre semejantes por vaticinar lo que podría o no ocurrir si existiesen máquinas emocionales.

    Aquí finaliza la ciencia porque, hoy por hoy, no existe red neuro-electrónica, o sistema informático, capaz de desarrollar emociones, pues la naturaleza, el origen de las emociones fue la supervivencia de la especie. Y dotar a una máquina de instinto de supervivencia sería tan irracional como imposible, pues el instinto de supervivencia está impreso en cada célula del cuerpo humano, o cualquier ser vivo (pues una planta tiene dicho instinto capaz de hacerla crecer buscando el Sol, por ejemplo).

    Sí podría ser posible utilizar el instinto de las células junto a una Inteligencia Artificial, perfectamente conectadas y capaces de colaborar entre sí para lograr algo parecido a un humanoide. Pero estos no son años de estos temas, simplemente por el avance tecnológico que vivimos en el presente espacio-tiempo.

    Además habría que añadir el concepto de heurística. Dicho concepto, se basa en la búsqueda de un camino a seguir para llegar a una solución, la heurística son las decisiones tomadas en dicho camino y las razones de ello. Así si pretendemos "implementar" la inteligencia nos basaremos en un conocimiento previo, pues hasta el momento la I.A. se basa todo en conocimiento humano, no conocimiento desarrollado, y llegaremos al objetivo deseado.

Una de las aplicaciones más prácticas y ampliamente implementadas de la inteligencia artificial en los negocios es el desarrollo de sistemas expertos y otros sistemas de información artificial en los negocios es el desarrollo de sistemas expertos y otros sistemas de información basados en conocimiento. Un sistema de información basado en el conocimiento (KBIS, siglas del término Knowledge-Based Information System) agrega una base de conocimiento a los componentes principales que se encuentran en otros tipos sistemas de información basados en computadoras. Un sistema experto es un sistema de información basado en el conocimiento que usa su conocimiento de un área de aplicación compleja y específica a fin de actuar como un consultor experto para los usuarios finales. Los sistemas expertos proporcionan respuestas a preguntas sobre un área problemática muy específica al hacer inferencias semejantes a las humanas sobre el conocimiento contenido en una base de conocimientos especializados. Además de tener la capacidad de explicar a un usuario su proceso de razonamiento y conclusiones. Así, los mismos sistemas expertos proporcionan apoyo a la toma de decisiones a los usuarios finales en la forma de consejo de un consultor experto acerca de un área problemática específica.

2.1.- HISTORIA DE LOS SISTEMAS EXPERTOS
    Sus inicios datan a mediados de los años sesenta. Durante esta década los investigadores Alan Newell y Herbert Simon desarrollaron un programa llamado GPS (General Problem Solver; solucionador general de problemas). Podía trabajar con criptoaritmética, con las torres de Hanoi y con otros problemas similares. Lo que no podía hacer el GPS era resolver problemas del mundo real, tales como un diagnóstico médico.

    Algunos investigadores decidieron entonces cambiar por completo el enfoque del problema restringiendo su ambición a un dominio específico e intentando simular el razonamiento de un experto humano. En vez de dedicarse a computarizar la inteligencia general, se centraron en dominios de conocimiento muy concretos. De esta manera nacieron los SE.

    A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenzó a desarrollar SE utilizando bases de conocimiento definidas minuciosamente. Dos años más tarde se construye DENDRAL, el cual es considerado como el primer SE. La ficción de dicho SE era identificar estructuras químicas moleculares a partir de su análisis espectrográfico.

    En la década de los setenta se desarrolló MYCIN para consulta y diagnóstico de infecciones de la sangre. Este sistema introdujo nuevas características: utilización de conocimiento impreciso para razonar y posibilidad de explicar el proceso de razonamiento. Lo más importante es que funcionaba de manera correcta, dando conclusiones análogas a las que un ser humano daría tras largos años de experiencia. En MYCIN aparecen claramente diferenciados motor de inferencia y base de conocimientos. Al separar esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da como resultado un sistema vacío o shell (concha). Así surgió EMYCIN (MYCIN Esencial) con el que se construyó SACON, utilizado para estructuras de ingeniería, PUFF para estudiar la función pulmonar y GUIDON para elegir tratamientos terapéuticos.

    En esa época se desarrollaron también: HERSAY, que intentaba identificar la palabra hablada, y PROSPECTOR, utilizado para hallar yacimientos de minerales. De este último derivó el shell KAS (Knowledge Adquisition System).

    En la década de los ochenta se ponen de moda los SE, numerosas empresas de alta tecnología investigan en este área de la inteligencia artificial, desarrollando SE para su comercialización. Se llega a la conclusión de que el éxito de un SE depende casi exclusivamente de la calidad de su base de conocimiento. El inconveniente es que codificar la pericia de un experto humano puede resultar difícil, largo y laborioso.

    Un ejemplo de SE moderno es CASHVALUE, que evalúa proyectos de inversión y VATIA, que asesora acerca del impuesto sobre el valor añadido o IVA.

2.2.- COMPONENTES DE UN SISTEMA EXPERTO

Los componentes de un sistema experto incluyen una base de conocimientos y módulos de software que realizan inferencias sobre el conocimiento incluido en la base de conocimiento y comunican las respuestas a preguntas de un usuario. Se hace hincapié en los siguientes componentes:

El uso de un sistema experto implica una sesión interactiva basada en computadora en la que se explora la solución a un problema y el sistema experto actúa como consultor para un usuario final. El sistema experto plantea preguntas al usuario, busca hechos, reglas u otros conocimientos en su base de conocimientos, explica su proceso de razonamiento cuando se le pide y proporciona consejo experto al usuario en el tema que explora.

Los sistemas expertos se utilizan para tipos muy diferentes de aplicaciones y se espera que la variedad de aplicaciones siga en aumento. Sin embargo, debemos reconocer que, por lo general, los sistemas expertos tienen uno o más usos genéricos. Los sistemas expertos se usan en diversas áreas como la ingeniería , medicina, ciencias físicas y los negocios. Hoy por hoy, los sistemas expertos ayudan a diagnosticar enfermedades, buscar minerales, analizar compuestos, recomendar reparaciones y realizar la planeación financiera. De esta forma, desde un punto de vista de negocios estratégicos, los sistemas expertos se usan para mejorar cada etapa del ciclo de productos de una empresa, desde encontrar clientes hasta enviar productos y proporcionar servicio al cliente.

Un sistema experto captura la experiencia profesional de un experto o grupo de expertos en un sistema de información basado en computadoras. Por lo tanto, tiene la capacidad de superar a un experto humano en muchas situaciones problemáticas. Eso se debe a que un sistema experto es más rápido y más constante, puede tener el conocimiento de varios expertos y no se cansa y no se distrae debido a la sobrecarga de trabajo o tensión. Los sistemas expertos también ayudan a conservar y reproducir el conocimiento de los expertos. Permiten que una empresa conserve la destreza de un experto antes de que éste abandone la organización. Entonces, esta experiencia profesional se puede compartir al reproducir el software y la base de conocimientos del sistema experto.

Las principales limitaciones de los sistemas expertos surgen de su enfoque limitado, incapacidad para aprender, problemas de mantenimiento y costo de desarrollo. Los sistemas expertos sobresalen sólo en la solución de tipos específicos de problemas de un dominio limitado de conocimientos. Fracasan rotundamente en la solución de problemas que requieren una base amplia de conocimientos y en la solución de problemas subjetivos. Dan buenos resultados con tipos específicos de tareas operativas o analíticas, pero fallan en la toma de decisiones administrativas subjetivas.

Además, puede ser difícil y costoso desarrollar y mantener sistemas expertos en forma apropiada. Los costos de ingenieros del conocimiento, el tiempo experto perdido y los recursos de hardware y software pueden ser demasiados altos para compensar los beneficios que se esperan de algunas aplicaciones. Además, los sistemas expertos no pueden mantenerse a sí mismos, es decir, no pueden aprender de la experiencia, sino que se les debe enseñar nuevos conocimientos y deben modificarse conforme se necesiten nuevas destrezas para ajustarse a los desarrollos en áreas específicas.

2.8.- TAREAS QUE EJECUTA UN SISTEMA EXPERTO

2.8.1.- Monitorización
La monitorización es un caso particular de la interpretación, y consiste en la comparación continua de los valores de las señales o datos de entrada y unos valores que actúan como criterios de normalidad o estándares. En el campo del mantenimiento predictivo los Sistemas Expertos se utilizan fundamentalmente como herramientas de diagnóstico. Se trata de que el programa pueda determinar en cada momento el estado de funcionamiento de sistemas complejos, anticipándose a los posibles incidentes que pudieran acontecer. Así, usando un modelo computacional del razonamiento de un experto humano, proporciona los mismos resultados que alcanzaría dicho experto.

2.8.2.-Diseño
Diseño es el proceso de especificar una descripción de un artefacto que satisface varias características desde un número de fuentes de conocimiento. El diseño se concibe de distintas formas:

    Los sistemas expertos en diseño ven este proceso como un problema de búsqueda de una solución óptima o adecuada. Las soluciones alternas pueden ser conocidas de antemano o se pueden generar automáticamente probándose distintos diseños para verificar cuáles de ellos cumplen los requerimientos solicitados por el usuario, ésta técnica es llamada “generación y prueba”, por lo tanto estos sistemas expertos son llamados de selección. En áreas de aplicación, la prueba se termina cuando se encuentra la primera solución; sin embargo, existen problemas más complejos en los que el objetivo es encontrar la solución más óptima.

2.8.3.- Planificación
    La planificación es la realización de planes o secuencias de acciones y es un caso particular de la simulación. Está compuesto por un simulador y un sistema de control. El efecto final es la ordenación de un conjunto de acciones con el fin de conseguir un objetivo global.

    Los problemas que presentan la planificación mediante sistemas expertos son los siguientes:

2.8.4.- Control
    Un sistema de control participa en la realización de las tareas de interpretación, diagnóstico y reparación de forma secuencial. Con ello se consigue conducir o guiar un proceso o sistema. Los sistemas de control son complejos debido al número de funciones que deben manejar y el gran número de factores que deben considerar; esta complejidad creciente es otra de las razones que apuntan al uso del conocimiento, y por tanto de los sistemas expertos.

    Cabe aclarar que los sistemas de control pueden ser en lazo abierto, si en el mismo la realimentación o el paso de un proceso a otro lo realiza el operador, o en lazo cerrado si no tiene que intervenir el operador en ninguna parte del mismo. Reparación, correcta o terapia.

    La reparación, corrección, terapia o tratamiento consiste en la proposición de las acciones correctoras necesarias para la resolución de un problema. Los sistemas expertos en reparación tienen que cumplir diversos objetivos, como son: Reparación lo más rápida y económicamente posible. Orden de las reparaciones cuando hay que realizar varias. Evitar los efectos secundarios de la reparación, es decir la aparición de nuevas averías por la reparación.

2.8.5.- Simulación
    La simulación es una técnica consistente en crear modelos basados en hechos, observaciones e interpretaciones, sobre la computadora, a fin de estudiar el comportamiento de los mismos mediante la observación de las salidas para un conjunto de entradas. Las técnicas tradicionales de simulación requieren modelos matemáticos y lógicos que describen el comportamiento del sistema bajo estudio.

    El empleo de los sistemas expertos para la simulación viene motivado por la principal característica de los sistemas expertos que es su capacidad para la simulación del comportamiento de un experto humano, que es un proceso complejo.

    En la aplicación de los sistemas expertos para simulación hay que diferenciar cinco configuraciones posibles:

2.8.6.- Instrucción
    Un sistema de instrucción realizara un seguimiento del proceso de aprendizaje. El sistema detecta errores ya sea de una persona con conocimientos e identifica el remedio adecuado, es decir, desarrolla un plan de enseñanza que facilita el proceso de aprendizaje y la corrección de errores. Recuperación de información.

    Los sistemas expertos, con su capacidad para combinar información y reglas de actuación, han sido vistos como una de las posibles soluciones al tratamiento y recuperación de información, no sólo documental. La década de 1980 fue prolija en investigación y publicaciones sobre experimentos de este orden, interés que continua en la actualidad.

    Lo que diferencia a estos sistemas de un sistema tradicional de recuperación de información es que éstos últimos sólo son capaces de recuperar lo que existe explícitamente, mientras que un sistema experto debe ser capaz de generar información no explícita, razonando con los elementos que se le dan. Pero la capacidad de los sistemas expertos en el ámbito de la recuperación de la información no se limita a la recuperación. Pueden utilizarse para ayudar al usuario, en selección de recursos de información, en filtrado de respuestas, etc. Un sistema experto puede actuar como un intermediario inteligente que guía y apoya el trabajo del usuario final.

La manera más fácil de desarrollar un sistema experto es usar un entorno de desarrollo de sistemas expertos como herramienta de desarrollo. Un entorno de desarrollo de sistemas expertos es un paquete de software que consiste en un sistema experto sin su módulo central, es decir, su base de conocimientos. Esto deja un entorno de desarrollo de software (el motor de inferencia y programas de interfases de usuario) con elaboración de inferencias genéricas y capacidades de interfase de usuario. Otras herramientas de desarrollo ( como los editores de reglas y generadores de interfases de usuario) se agregan para convertir el entorno de desarrollo en una poderosa herramienta de desarrollo de sistemas expertos.

Los entornos de desarrollo de sistema expertos están ahora disponibles como paquetes de software con un costo relativamente bajo que ayudan a los usuarios a desarrollar sus propios sistemas expertos en microcomputadores. Permiten que usuarios capacitados desarrollen la base de conocimientos para una aplicación específica de sistemas expertos. Por ejemplo, un entorno de desarrollo utiliza un formato de hoja de cálculo para ayudar a los usuarios finales a desarrollar reglas del tipo SI_ENTONCES y genera de forma automática reglas basadas en ejemplos suministrados por el usuario. Una vez que se construye una base de conocimientos, ésta se utiliza junto con el motor de inferencia del entorno de desarrollo y módulos de interfases de usuario como un sistema experto completo acerca de un tema específico. Otras herramientas de software pueden requerir un especialista en tecnología de información para desarrollo de sistemas expertos.

Un ingeniero del conocimiento es un profesional que trabaja con expertos para capturar el conocimiento (hechos y reglas empíricas) que éstos poseen. El ingeniero de conocimientos construye entonces la base de conocimientos ( y el resto del sistema experto si es necesario), mediante un proceso iterativo de producción de prototipos hasta que el sistema experto es aceptable. Así los ingenieros de conocimiento desempeñan una función similar a la que ejercen los analistas de sistemas en el desarrollo de sistemas de información convencionales.

Una vez que se tomó la decisión de desarrollar un sistema experto, se puede integrar un equipo de uno o más expertos en un tema y un ingeniero en conocimiento. O los expertos adiestrados en el uso de entornos de desarrollo de sistemas expertos podrían desarrollar sus propios sistemas expertos. Si se utiliza un entorno de desarrollo, se pueden definir hechos y reglas empíricas referentes a un tema específico e introducirlos en una base de conocimientos con la ayuda de un editor de reglas u otras herramientas de adquisición de conocimientos. Entonces, se construye, prueba y evalúa un prototipo limitado en funciones de la base conocimiento mediante el motor de inferencia y los programas de interfases de usuario del entorno de desarrollo. El ingeniero de conocimiento y los expertos en el tema pueden modificar a base de conocimiento, luego volver a probar el sistema y evaluar los resultados. Este proceso se repite hasta que la base de conocimientos y el entorno de desarrollo dan como resultado un sistema experto aceptable.

A continuación, se presentan una serie de afirmaciones a las cuales usted deberá indicar y responder si las mismas son verdaderas o falsas. Para dar su respuesta coloque una V, si es verdadero o F si el Falso.

AFIRMACIONES	INDIQUE V O F
1.- Las principales limitaciones de los sistemas expertos surgen de su enfoque limitado, incapacidad para aprender, problemas de mantenimiento y costo de desarrollo.
2.- La inteligencia artificial es un área de la ciencia y la tecnología que se basa en disciplinas como ciencias de la computación, biología, psicología, lingüística, matemáticas e ingeniería. El objetivo de la inteligencia artificial es desarrollar un cerebro sintético que reproduzca y sustituya la capacidad de pensar, así como de ver, oír, caminar, hablar, y sentir de los seres humanos.

A continuación, se presentan una serie de definiciones del tema, donde el participante deberá seleccionar de las frases indicadas, cual es que corresponde o guarda relación con lo mencionado.

a.- Base de conocimientos, base de hechos, motor de inferencia, subsistema de explicación, interfaz de usuario.

b.- Base de conocimientos, base de hechos, motor de búsqueda de conocimiento, interfaz de usuario, subsistema de explicación.

c.- Base de hechos, bases de inferencia, motor de búsqueda de conocimiento, interfaz de usuario, subsistema de interpretación.

d.- Base de hechos, subsistema de entrada de conocimiento, subsistema de salida de datos, motor de inferencia, interfaz de usuario.

2.- Técnica consistente en crear modelos basados en hechos, observaciones e interpretaciones, sobre la computadora, a fin de estudiar el comportamiento de los mismos mediante la observación de las salidas para un conjunto de entradas, y que forma parte de una de las tareas que realiza los sistema expertos.

A continuación, se presentan una serie de comentarios, donde se a omitido parte del texto. El participante deberá seleccionar de las frases indicadas, cual es la correspondiente al texto omitido en el comentario.

1.- El desarrollo de interfases naturales es considerado como una de las áreas principales de las aplicaciones de la _________________ y es fundamental para que los seres humanos utilicen las _______________ de manera natural. Por ejemplo, el desarrollo de lenguajes naturales y de reconocimiento de voz son avances importantes en el área de inteligencia artificial.

2.- Los sistemas expertos se utilizan para tipos muy diferentes de aplicaciones y se espera que la variedad de aplicaciones siga en aumento. Sin embargo, debemos reconocer que, por lo general, los ____________________ tienen uno o más usos genéricos. Los sistemas expertos se usan en diversas áreas como la ingeniería , medicina, ciencias físicas y los negocios. Hoy por hoy, los sistemas expertos ayudan a diagnosticar enfermedades, buscar minerales, analizar compuestos, recomendar reparaciones y realizar la ______________. De esta forma, desde un punto de vista de negocios estratégicos, los sistemas expertos se usan para mejorar cada etapa del ciclo de productos de una empresa, desde encontrar clientes hasta enviar productos y proporcionar ___________________.