UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA

Escuela Académico Profesional de Ingeniería de Sistemas

EJEMPLOS DE
INTELIGENCIA ARTIFICIAL
Curso:
Inteligencia Artificial
Docente:
Vega Huerto, Hugo Froilan
Semestre Académico:
2019 - 1

Nombre Codigo
Almonacid Cordova, Dany 15200002
Armuto Balladares, Jesus Ivan 15200004
Benito Zarate, Gustavo Enrique 15200046
Arenas Machaca, Cristian 15200158
Arque Muñoz, Alex Andre 15200005
Ayra herrera, Maycohol Jimmy

Lunes 01 de abril del 2019

INTRODUCCIÓN:
La Inteligencia Artificial (IA) es un subcampo de la informática que se creó en la década
de 1960, y que trata de solucionar tareas que son sencillas para los seres humanos, pero
difíciles para las computadoras. Se trata de un concepto bastante genérico e incluye todo
tipo de tareas tales como la planificación, el reconocimiento de objetos y sonidos, hablar,
traducir, realizar actividades creativas (como por ejemplo crear obras de arte, o la poesía),
etc.

Yoshua Bengio, Geoffrey Hinton y Yann Lecun, son los tres “padres de la Inteligencia
Artificial”. Se les conoce de esta manera por ser los máximos responsables del auge de
esta tecnología.

Ellos comenzaron su aventura en la década de los 90, en donde se interesaron por el

“deep learning” que lleva a cabo el proceso de Machine Learning usando una red
neuronal artificial que se compone de un número de niveles jerárquicos. En el nivel inicial
de la jerarquía la red aprende algo simple y luego envía esta información al siguiente
nivel. El siguiente nivel toma esta información sencilla, la combina, compone una
información algo un poco más compleja, y se lo pasa al tercer nivel, y así sucesivamente.

En 2012 sucedió el punto de quiebre (para bien) de ésta tecnología. Ese año, Geoffrey
Hinton ganó el concurso “ImageNet” gracias a su red neuronal llamada “AlexNet”.

Yoshua Bengio fue investigador más citado de la Informática (2018), escribió un libro
sobre el ‘Deep Learning ‘junto a Ian Goodfellow, el creador de las ‘GAN‘. Geoffrey
Hinton hoy en día es vicepresidente de Google, y el principal responsable del auge de
la IA. Yann LeCun fue pionero en el campo de las redes neuronales (1989), después se
convirtió en el primer director de FAIR (Facebook AI Research).
SISTEMA DE VISIÓN ARTIFICIAL
¿Qué es?:
Procedimiento de adquisición de imágenes, sin contacto y mediante sistemas ópticos,
donde se realiza el análisis automático de las mismas.
Método para extraer la información necesaria para controlar un proceso o actividad.
Abarca todas las aplicaciones industriales y no industriales en las que una combinación
de hardware y software brinda un guiado operativo a los dispositivos en la ejecución de
sus funciones de acuerdo con la captación y procesamiento de imágenes
Ventajas de la Visión Artificial:
La visión artificial destaca en la medida cuantitativa de una escena estructurada debido a
su velocidad, precisión y respetabilidad.
La visión artificial aporta beneficios operativos y de seguridad adicionales al reducir la
participación humana en el proceso de fabricación
Etapas en el proceso de Visión Artificial:
1. Adquirir la imagen digital: se trata de conseguir que la imagen sea lo más
adecuada posible para que se pueda continuar con las siguientes etapas, para ello
se necesitan sensores y la capacidad para digitalizar la señal producida por el
sensor. Una vez que la imagen digitalizada ha sido obtenida.

2. Pre-procesamiento de dicha imagen (Operaciones de restauración): Cuyo

objetivo es mejorar la imagen (debido a los efectos de la degradación por ejemplo
ruido de los sensores de captura, mal enfoque de la cámara) de forma que el
objetivo final tenga mayores posibilidades de éxito para ello contrarresta con
algoritmos que no es recomendable debido a la demora de tiempo que tomaría sino
más bien un mejor hardware que evite estos desperfectos.

3. Segmentación: Siendo su objetivo es dividir la imagen en las partes que la

constituyen o los objetos que la forman y determinar su posición con respecto al
fondo de la imagen para que después se pueda analizar estos objetos para extraer
las características propias de esta.

4. Análisis: Consiste en obtener los parámetros que definan la característica de cada

objeto (forma, textura, orientación). Se debe elegir los parámetros que sean:
discriminadores, independientes entre sí, suficientes. Posteriormente, es necesario
convertir estos datos a una forma que sea apropiada para el ordenador.

5. Reconocimiento: Aquel que asigna una etiqueta a un objeto basada en la

información que proporcionan los descriptores (clasificación).
6. Interpretación: Lleva a asignar significado al conjunto de objetos reconocidos.

¿Dónde se implementan?:
• Identificación facial, Biometría
• Industria del cine
• Inspección de madera
• Aplicaciones en el infrarrojo
SISTEMA DE RECONOCIMIENTO DE VOZ

El reconocimiento automático del habla (RAH) o reconocimiento automático de voz es una

disciplina de la inteligencia artificial que tiene como objetivo permitir la comunicación
hablada entre seres humanos y computadoras, a su vez es una herramienta
computacional capaz de procesar la señal de voz emitida por el ser humano y reconocer
la información contenida en ésta, convirtiéndola en texto o emitiendo órdenes que actúan
sobre un proceso.

Aprendizaje

Un aspecto crucial en el diseño de un sistema de RAH es la elección del tipo de

aprendizaje que se utilice para construir las diversas fuentes de conocimiento.
Básicamente, existen dos tipos:
 Aprendizaje deductivo: Las técnicas de Aprendizaje Deductivo se basan en la
transferencia de los conocimientos que un experto humano posee a un sistema
informático. Un ejemplo paradigmático de las metodologías que utilizan tales
técnicas lo constituyen los Sistemas Basados en el Conocimiento y, en particular,
los Sistemas Expertos.

 Aprendizaje inductivo: Las técnicas de Aprendizaje Inductivo se basan en que el

sistema pueda, automáticamente, conseguir los conocimientos necesarios a partir
de ejemplos reales sobre la tarea que se desea modelizar. En este segundo tipo,
los ejemplos los constituyen aquellas partes de los sistemas basados en los
modelos ocultos de Márkov o en las redes neuronales artificiales que son
configuradas automáticamente a partir de muestras de aprendizaje.

El reconocimiento de voz: capa a capa

Pero, ¿cómo es capaz el software de reconocer el habla? Un sistema de reconocimiento

de voz está formado por varias capas o modelos.
El primero de ellos es el modelo acústico, que permite a la tecnología identificar si el
sonido procede de una llamada de móvil, de un teléfono IP o cualquier otro medio.
Determinar el canal de comunicación es importante para establecer el grado de distorsión
que puede experimentar el mensaje.

El modelo lingüístico va a continuación y se trata del idioma. Pero no es tan sencillo como
indicar al sistema que reconozca castellano, francés o mandarín. No sólo es preciso
entender la lengua sino los distintos acentos con que se habla e incluso entender las
formas de expresarse, que pueden ser diferentes en cada hablante.

Ésta es otra capa más: el modelo semántico. Con él se consigue que un sistema de
reconocimiento de voz entienda la forma de hablar de la gente, cómo se construyen las
frases y cómo puede variar esta construcción, dependiendo de la región, de la cultura y de
todas las influencias personales de cada cual. Por último, funciona un motor estadístico,
que recoge la frase una vez transcrita a texto y realiza una búsqueda en la base de datos
con estos términos.
Características:
Los sistemas de reconocimiento de voz pueden clasificarse según los siguientes criterios:
 Entrenabilidad: determina si el sistema necesita un entrenamiento previo antes
de empezar a usarse.

 Dependencia del hablante: determina si el sistema debe entrenarse para cada

usuario o es independiente del hablante.

 Continuidad: determina si el sistema puede reconocer habla continua o el usuario

debe hacer pausas entre palabra y palabra.

 Robustez: determina si el sistema está diseñado para usarse con señales poco
ruidosas o, por el contrario, puede funcionar aceptablemente en condiciones
ruidosas, ya sea ruido de fondo, ruido procedente del canal o la presencia de
voces de otras personas.

 Tamaño del dominio: determina si el sistema está diseñado para reconocer

lenguaje de un dominio reducido (unos cientos de palabras p. e. reservas de
vuelos o peticiones de información meteorológica) o extenso (miles de palabras).

Usos y aplicaciones

Aunque en teoría cualquier tarea en la que se interactúe con un ordenador puede utilizar
el reconocimiento de voz, actualmente las siguientes aplicaciones son las más comunes:

 Control por comandos: Los sistemas de reconocimiento de habla diseñados para

dar órdenes a un computador (p.e. "Abrir Firefox", "cerrar ventana") se llaman
Control por comandos. Estos sistemas reconocen un vocabulario muy reducido, lo
que incrementa su rendimiento.

 Telefonía: Algunos sistemas PBX permiten a los usuarios ejecutar comandos

mediante el habla, en lugar de pulsar tonos. En muchos casos se pide al usuario
que diga un número para navegar un menú.

 Sistemas portátiles: Los sistemas portátiles de tamaño reducido, como los relojes
o los teléfonos móviles, tienen unas restricciones muy concretas de tamaño y
forma, así que el habla es una solución natural para introducir datos en estos
dispositivos.
WATSON
Watson es un sistema informático de inteligencia artificial que es capaz de responder a
preguntas formuladas en lenguaje natural, desarrollado por la empresa IBM.
Forma parte del proyecto del equipo de investigación denominado DeepQA(question
answering o respondimiento de preguntas profundo), liderado por el investigador principal
David Ferrucci.
Watson responde a las preguntas gracias a una base de datos almacenada localmente.
La información contenida en esa base de datos proviene de una gran multitud de fuentes,
incluyendo enciclopedias, diccionarios, tesauros, artículos de noticias, y obras literarias, al
igual que bases de datos externos, taxonomías, y ontologías.
Este sistema a lo largo de tres días en febrero de 2011, para probar sus capacidades
reales, participó en un partido especial de dos juegos en el concurso de
televisión estadounidense Jeopardy!, compitiendo y derrotando a sus dos oponentes
humanos: Brad Rutter, el mayor ganador de dinero en toda la historia del programa, y Ken
Jennings, el poseedor del récord por la racha más larga de campeonatos
Para poder desarrollar este sistema se necesitó que el sistema sea rápido y eficaz en la
respuesta de preguntas para esto se necesitó que pueda comprender lenguaje natural,
tener capacidad de analizar las preguntas, tenga información contenida para responder
las preguntas ,extraiga rápidamente el contenido de la información relacionada a las
preguntas , puede determinar si es capaz de responder una pregunta con un alto
porcentaje de acierto, responda según la información extraída y aprenda continuamente a
partir de sus interacciones .
A día de hoy este sistema sigue operando y ampliando sus límites de conocimiento y
aplicabilidades.

INDUSTRIA ALIMENTARIA
Actualmente se aparte de discriminar formas y colores (aspecto exterior) que es un poco
común se está realizando una discriminación de productos (aspecto interior) como por
ejemplo frutos evaluando su calidad a través resonancia magnética, tomografías
evaluando parámetros como es la temperatura de la fruta (ver el estado de la fruta).
El día 27 de marzo del presente año se entregó el Premio Turing, mejor conocido como el
Nobel de la Informatica a Yoshua Bengio, Geoffrey Hinton y Yann LeCun, los tres “padres
de la inteligencia artificial”. Se le conoce así dado que son los máximos responsables del
auge de esta tecnología.
Menciona Lecun que a mediados de los 90 y principio del nuevo siglo, era imposible
publicar sobre redes neuronales dado que la comunidad no estaba interesada sobre el
tema, que a su vez tenia una mala reputación dedicarse a ello.
Aun asi no fue impedimento para que organizaran sus talleres y reuniones, en el año
2012/2013 se le dio reconocimientos a esta pequeña comunidad.
En el año 2012 sucedió el punto de quiebre de esta tecnologia, Geoffrey Hinton gano el
concurso “imagenet” gracias a su red neuronal llamada “alexnet”, en este evento
participaron los expertos en la “visión computacional”, el algoritmo de Hinton obtuvo solo
un 26% de errores de conocimientos mientras que el segundo tenia un 66% de error.