1

Inteligencia Artificial

Agosto 2018.

Universidad Metropolitana de Monterrey.

Metodología de la Investigación.
 2

Tabla de Contenidos

Portada

Índice

Prefacio.

Abstract

Marco Teórico

Desarrollo

Conclusiones

12

Referencias

13
 3

Prefacio:

El siglo XXI nos ha brindado una gama extensa de inventos e innovaciones que

permiten y facilitan la realización de ciertas tareas, desde comunicarnos a través de

redes sociales hasta la transferencia de valor con pagos electrónicos.

Sin embargo, uno de los temas más interesantes y que más dudas —tanto

técnicas como filosóficas— ha despertado, es la Inteligencia Artificial. De ser

desarrollada a su máximo potencial, esta tendría aplicaciones en todos los rubros

imaginables: vehículos autónomos, recolectoras automatizadas frutas y vegetales en el

campo, conduciendo vehículos, incluso podría tomar el papel de juez en la impartición

de justicia.

En la actualidad, uno de los rubros más importantes de la IA es el ​Machine

Learning,​ la cual le da la capacidad de aprender a una computadora a través de datos y

estadísticas. Es comúnmente aplicada en negocios, uno de ellos es Google, compañía

que utiliza el ​Machine Learning​ para obtener datos y tendencia de consumo de sus
 4

usuarios, dirigiendo anuncios de manera eficaz dependiendo de las preferencias del

usuario.

Abstract:

La investigación se enfocó en dar a conocer de manera general la Inteligencia

Artificial, y cómo de esta han surgido tecnologías codependientes que no sólo

benefician al sector tecnológico, sino también a las áreas de agricultura, transporte,

salud, finanzas, educación, entre otros. Se descubrieron conceptos como ​Machine

Learning​ y ​Data Mining,​ las cuales son conceptos derivados de la IA, con los que

interactuamos diariamente sin darnos cuenta. Por último, se considera importante la

investigación ya que difunde el conocimiento de esta tecnología y sus derivados, la

manera en que nos ayudan actualmente y las futuras aplicaciones de la misma, las

cuales, seguramente, reemplazarán el capital humano.

The investigation was focused on divulging information about Artificial

Intelligence, and how codependent technologies have surged from it that do not only

benefit the technological sector, but also in areas like agriculture, transport, health,

finances, education, among others.

Concepts like Machine Learning and Data Mining we’re discovered, which are

concepts that come from AI, we commonly interact with them daily without knowing.

Resuming, this investigation is considered important because it aids learning about this

technology, the way it helps us today and the it’s future applications, which will probably

replace human capital.

Marco teórico:
 5

La Inteligencia Artificial es una de las herramientas que más están destacando

de las creadas por el área de Tecnologías Computacionales, debido a su extenso uso

no sólo en la propia área, sino en aspectos más cotidianos e incluso que pueden ser

irrelevantes para muchos, como en servicios de compra en línea, streaming,

transacciones por Internet, etc.

Según Zapata (2018), “Los avances en diversas tecnologías disruptivas,

representan oportunidades importantes para la generación de crecimiento económico,

eficiencia en el gobierno y creación de valor social”.

Esto nos quiere decir que las tecnologías disruptivas, tal y como la Inteligencia

Artificial, pueden ayudar a tener una mejora en servicios y a fortalecer la economía,

aunque esto implique una reducción en la mano humana en este tipo de trabajos.

Por otra parte, Gómez (s.f.) explica:

La IA agrupa un conjunto de técnicas que, mediante circuitos electrónicos y

programas avanzados de computadora, busca imitar procedimientos similares a

los procesos inductivos y deductivos del cerebro humano. Se basa en la

investigación de las redes neuronales humanas y, a partir de ahí, busca copiar

electrónicamente el funcionamiento del cerebro.

En este fragmento, se explica en que se basa la Inteligencia Artificial, dando a

notar que hay un ejemplo de biomimesis digital con el intento de replicar el

funcionamiento del cerebro humano.

Desarrollo:
 6

La tecnología nace como una respuesta del ser humano ante sus capacidades,

limitaciones y el ambiente que lo rodea. Nos ha permitido realizar las tareas más

complicadas desde la prehistoria, iniciando con nuestros antepasados que fabricaban

armas para cazar grandes herbívoros, hasta nuestros tiempos, donde hemos formulado

e implementado técnicas que nos permiten comunicarnos con personas de todo el

mundo sin necesidad de transportarnos físicamente al lugar donde se encuentran.

La Inteligencia Artificial es una tecnología disruptiva, no sólo por sus

aplicaciones, sino también por sus implicaciones. Nos acercamos lentamente a un

mundo donde la mayoría de los trabajos y tareas serán realizadas por máquinas y no

por el hombre. Una computadora no necesita descansos, ni salarios y es capaz de

producir o realizar la tarea que se le pida sin parar, por lo tanto, resulta obvio que los

principales impulsores de esta tecnología sean las grandes compañías de Silicon

Valley.

De la Inteligencia Artificial se puede destacar una tecnología derivada llamada

Machine Learning​, la cual sirve a los dispositivos o sistemas a aprender a base de ​data​,

de la cual puede identificar patrones, crear nueva ​data​ más eficiente, identificar

segmentos, clasificar, predecir, etc., esto depende al uso que se le quiera dar.

Para el ​Machine Learning​ se tiene hasta el momento 4 métodos de aprendizaje

identificados, los cuales son:

1. Aprendizaje supervisado: En este método, a la IA se le enseña mediante ​data

que resalta que información es correcta e incorrecta, de ahí el algoritmo

empieza a identificar patrones para que en futuras ocasiones tenga

 7

respuestas correctas. Este tipo de aprendizaje se aplica por ejemplo en

finanzas, para identificar posibles fraudes o futuras quejas.

2. Aprendizaje no supervisado: A diferencia del método anterior, a la IA no se le

resaltan el tipo de variables, sino que se deja que por su cuenta aprenda sola

y reconozca el tipo de información que está analizando, por lo general se

busca encontrar estructuras en la información. Este tipo de aprendizaje se

utiliza en IAs que desarrollan mapas cercanos a donde están localizados o

identificar distintos clientes en un sistema de ventas o tiendas.

3. Aprendizaje semisupervisado: Este tipo de aprendizaje maneja información

con ​data​ con información dentro y data que no tiene esta característica, por

lo general se contiene poca del primer tipo y una cantidad masiva del

segundo tipo por el asunto de costos. Esto sirve para que la IA aprenda a

clasificar, predecir o recesar información, un ejemplo de este tipo de

aprendizaje es el que se utiliza en la Realidad Aumentada, como los filtros de

detección facial como Snapchat, Instagram o Facebook.

4. Aprendizaje refortalecido: Este sistema de aprendizaje hace que la IA

aprenda mediante prueba-error, donde al finalizar las pruebas se da una

recompensa. Aquí se utilizan tres componentes: el agente, el ambiente y las

acciones. El agente se encarga de aprender o tomar decisiones, el ambiente

es todo con lo que puede interactuar el agente y las acciones es lo que

puede hacer el agente. Este sistema funciona haciendo que el agente tome
 8

decisiones de manera que aumente su recompensa en un tiempo dado. Este

se aplica en robótica, ​gaming​ y navegación.

Como se mencionó anteriormente, el ​Machine Learning s​ e utiliza en varios

sectores aparte de la computación, a continuación, se mencionarán que sectores son

estos y un ejemplo de cómo funciona el ​ML:​

1. Marketing y ventas: Se utiliza en navegadores, donde mediante cookies e

historiales de búsqueda y compra, se muestran productos que podrían ser de

interés del cliente, este sistema se puede encontrar en páginas como

Amazon, eBay, Mercado Libre, Kichink, y varias de ese tipo.

2. Petróleo y gas: Sirve para máquinas que analizan minerales, buscan nuevas

fuentes de energía o predicen fallas como en las que suceden en sensores

de refinerías. Esto sirve a ahorrar bastantes costes y aumentan la calidad de

los recursos obtenidos, además que ahorran trabajo humano.

​ quí sirve para encontrar la mejor ruta conveniente para el

3. Transporte: La ​ML a

transportista, sea este parte del transporte público, de envíos, transporte de

recursos o productos, etc. Esto sirve para aumentar las ganancias evitándose

problemas de tránsito, como carreteras cerradas, accidentes, tráfico lento,

etc.

4. Servicios financieros: Los bancos y negocios de este sector utilizan bastante

la ​ML​ para autentificar la seguridad de la ​data​ que tienen de sus usuarios y

así brindarles una mayor seguridad, y así evitar casos de fraude. También
 9

puede ayudarle a inversores a encontrar buenos puntos de compra y venta, o

encontrar clientes con perfiles de alto riesgo.

5. Gobierno: Para el gobierno le sirve mucho la ​ML​ para evitar el robo de

identidad, al fortalecer los datos de los ciudadanos, al igual que puede

ayudarles para ahorrar más dinero y los gastos sean más eficientes.

6. Salud: En el sector de salud, la ​ML​ ayuda a vigilar y analizar la salud de los

pacientes mediante sensores en tiempo real, para así brindarles un mejor

servicio en cualquier momento y darles un mejor tratamiento para llegar a

una recuperación más rápida. También sirve para identificar tendencias o

banderas rojas, que implican una mejora en el diagnosis y tratamiento de

enfermedades.

El ​Data Mining​ es la actividad de explorar bases de datos grandes de manera

automática o semiautomática, con el objetivo de encontrar patrones constantes, reglas

o tendencias para entender el comportamiento de los datos en un contexto buscado.

Esta actividad sirve mucho para prácticas estadísticas, y está fuertemente

relacionado con la IA en el sentido que se pueden encontrar algoritmos de búsqueda y

redes neuronales. Además, ayuda a que la ​data​ se convierta en información al pasar

por un filtro humano, que le proporciona algún significado especial.

Esta actividad, como el ​Machine Learning,​ se realiza dependiendo a lo que el

usuario desee, aunque hay cuatro pasos que usualmente se cumplen al realizarse,

estos son:
 10

1. Determinación de objetivos: Como el nombre lo menciona, el usuario

selecciona que tipo de data y de qué manera va a conseguirla.

2. Preprocesamiento de datos: Es el proceso más largo de la lista, el cual se

lleva alrededor del 70% de la actividad, este consiste en hacer la selección,

limpieza, enriquecimiento, reducción y transformación de las bases de datos.

3. Determinación del modelo: Este paso comienza realizando análisis

estadísticos de los datos obtenidos, para después visualizarse de manera

gráfica y conseguir una aproximación de lo que se busca obtener. También

se pueden utilizar los algoritmos obtenidos para una Inteligencia Artificial.

4. Análisis de resultados: Se verifica que lo obtenido sea coherente en sus

términos, y se realiza un análisis estadístico y visualización grafica como en

el paso anterior. De ahí, el usuario decide si la ​data​ obtenida es novedosa y

le es de utilidad para lo que busca.

Además, este proceso es bastante útil en la vida cotidiana, y sirve bastante en

estos ámbitos:

1. Agencias contra crimen: El ​Data Mining ​ayuda bastante a este tipo de

agencias a realizar rastreos de criminales y así desplegar mejor sus fuerzas

en lugares y personas que son de interés. Esto también puede ser de apoyo

para encontrar inteligencia terrorista.

2. Comercio Digital: Este proceso está funciona de manera ejemplificada con la

manera en que en sitios web de ventas online como Amazon recomiendan

productos dependiendo a que han comprado otros usuarios, ya que se minan

 11

los datos repetidos de estos, haciendo que aparezcan recomendaciones

personalizadas.

3. Supermercados: El ejemplo más claro del uso de ​Data Mining​ es el las

tarjetas de lealtad que se otorgan, ya que las mismas cadenas observan

tendencias y patrones repetidos entre los clientes para realizar ofertas más

atractivas y aumentar sus ventas. También en Estados Unidos, la cadena

Target empezó a usar la ​Data Mining​ para identificar a clientas con posible

embarazo o futuros padres al observar las tendencias de compra, para que

igual aplicaran ofertas en los artículos con mayores tendencias de compra y

fueran más atractivos a ese sector.

4. Bancos: Esta práctica ayuda a entender los comportamientos de sus clientes,

para así brindarles servicios únicos, además de entender las transacciones

que se realizan en todas las plataformas que tienen a su alcance. De igual

manera que con la ​Machine Learning,​ ayuda a traders a encontrar patrones

benéficos de compra y venta, a prevenir fraudes, dar pagos óptimos en

inversiones, etc.

5. Educación: Puede ayudar a los educadores y maestros a predecir resultados

de sus estudiantes dependiendo a conforme van avanzando en sus cursos, y

así mayor prioridad y/o educación especial a aquellos que vayan fallando

académicamente. De igual manera, pueden revisar la ​data​ pasada para tener

mejores predicciones e identificar mejor los patrones.

 12

6. Aseguradoras: Ayuda a las aseguradoras a fortalecer su información con tal

de evitar fraude, quejas, manejo de riesgo o desgaste del cliente. Además,

que les ayuda a establecer mejor sus precios y ser más competentes en el

mercado, además de ser más atractivos a los consumidores.

7. Comunicaciones: Esta técnica ayuda bastante para identificar y predecir el

comportamiento del cliente ante algo relacionado a entretenimiento o

información, además que les brinda información para sentar mejor sus

campañas de marketing y atraer a más espectadores.

8. Manufacturas: Es de bastante apoyo la ​Data Mining ​en esta industria, ya que

de manera similar al ​Machine Learning​ en el sector de Petróleo y Gas, ayuda

a predecir futuros errores de producción, además de asegurar la calidad que

busca la empresa, cuando brindar mantenimiento a las máquinas y

maximizar la producción de productos al mismo tiempo que la mantiene en

forma.

9. Mercado al menudeo: Ayuda a conocer e identificar el comportamiento del

cliente en su manera de comprar, con el objetivo de desarrollar mejores y

más atractivas campañas, haciendo que por consecuencia mejoren las

ventas y haya un público fiel a la marca. Por ejemplo, un resultado de esta

práctica es que se identificó que hay un sector clientes que tienden a ir pocas

veces a las tiendas, pero hacen gastos grandes, y, por el contrario, que hay

clientes que gastan poco, pero visitan frecuentemente. Esto hace que se
 13

apliquen sistemas de lealtad u ofertas llamativas, con tal de llegar a esos dos

públicos que son contrarios entre sí.

10. Proveedores de servicios: Estas proveedoras utilizan esta técnica para

identificar patrones entre sus clientes con tal de observar patrones de ida de

clientes, con el objetivo de crear ofertas llamativas personalizadas a esos

clientes y así mantenerlos de su lado.

Conclusión:

Como se pudo observar, el mundo de la Inteligencia Artificial es bastante amplio,

ya que a diferencia de lo que se cree (por ejemplo, que es exclusiva de los

videojuegos), resulta todo lo contrario, dando a ver que se puede aplicar en áreas como

agricultura, seguridad, gobierno, etc. Esta tecnología es bastante interesante y útil, y

aunque se pueda ver con malos ojos ya que puede sustituir a varias personas en sus

trabajos, también resulta bastante confiable por los bajos porcentajes de error que

puedan presentar, además que constantemente están siendo actualizadas. Otra

ventaja que tienen es que, a diferencia de los seres humanos, las inteligencias no

responden ante sistemas morales o políticos, haciendo que sea bastante evidente si

son hackeados o corrompidos por un externo, y de igual manera, los hace bastante

eficientes en los trabajos que se le asignan.

Bibliografía:
 14

Editorial. (s.f.). ​Inteligencia artificial en México.​ Agosto 13, 2018, de gestion.org

Sitio web:

https://www.gestion.org/inteligencia-artificial-en-mexico/https://www.gestion.org/intelige

ncia-artificial-en-mexico/

Corona, L. (2017). ​Inteligencia Artificial hecha en México.​ Agosto 13, 2018, de

Expansión. Sitio web:

https://expansion.mx/tecnologia/2017/11/01/inteligencia-artificial-hecha-en-mexico

Villeda, K. (2018).​ Inteligencia artificial, ¿una oportunidad para México? ​Agosto

13, 2018, de Entrepreneur. Sitio web: ​https://www.entrepreneur.com/article/314662​

Zapata, E. (2018). ​Inteligencia Artificial en México.​ Agosto 13, 2018, de

Secretaría de Gobernación. Sitio web:

https://www.gob.mx/mexicodigital/articulos/inteligencia-artificial-en-mexico

Navarro, K. (s.f.). ​Inteligencia artificial en México.​ Agosto 13, 2018, del Consejo

Nacional de Ciencia y Tecnología. Sitio web:

https://centrosconacyt.mx/objeto/inteligencia-artificial-mexico/

S.A. (s.f.). ​Machine Learning: What it is and why it matters.​ Agosto 13, 2018, de

sas.com Sitio web: ​https://www.sas.com/en_us/insights/analytics/machine-learning.html

​ gosto 13, 2018, de Tech

Faggella, D. (2018). ​What is Machine Learning? A

Emergence. Sitio web: ​https://www.techemergence.com/what-is-machine-learning/

Editorial. (s.f.). ​What is Machine Learning? A definition. ​Agosto 13, 2018, de

Expert System. Sitio web: ​https://www.expertsystem.com/machine-learning-definition/​

 15

S.A. (s.f.). ​Datamining (Minería de datos).​ Agosto 13, 2018, de Sinneux. Sitio

web: ​https://www.sinnexus.com/business_intelligence/datamining.aspx

S.A. (s.f.). ​Data Mining: What it is and why it matters.​ Agosto 13, 2018, de

sas.com Sitio web: ​https://www.sas.com/en_us/insights/analytics/data-mining.html

S.A. (s.f.). ​Data Mining.​ Agosto 13, 2018, de Investopedia. Sitio web:

https://www.investopedia.com/terms/d/datamining.asp

Thelwell, R. (2018). ​5 real life applications of Data Mining and Business

Intelligence.​ Agosto 13, 2018, de Matillion. Sitio web:

https://www.matillion.com/insights/5-real-life-applications-of-data-mining-and-business-i

ntelligence/