INTRODUCCIN

La Inteligencia Artificial comenz como el resultado de la investigacin en psicologa cognitiva y lgica matemtica. Se ha enfocado sobre la explicacin del trabajo mental y construccin de algoritmos de solucin a problemas de propsito general. Punto de vista que favorece la abstraccin y la generalidad. La Inteligencia Artificial es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general y amplio como eso, es que rene varios campos (robtica, sistemas expertos, por ejemplo), todos los cuales tienen en comn la creacin de mquinas que pueden "pensar". La idea de construir una mquina 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, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica, suministro de asesora experta en diversos temas. Es as como los sistemas de administracin de base de datos cada vez ms sofisticados, la estructura de datos y el desarrollo de algoritmos de insercin, borrado y locacin de datos, as como el intento de crear mquinas capaces de realizar tareas que son pensadas como tpicas del mbito de la inteligencia humana, acuaron el trmino Inteligencia Artificial en 1956. Son muchos los estudios y aplicaciones que se han logrado con el desarrollo de esta ciencia, entre las cuales tenemos redes neuronales aplicadas al control de la calidad donde la red evala si determinado producto cumple o no con las especificaciones demandadas, control del proceso qumico en el grado de acidez, algoritmos genticos aplicados al problema cuadrtico de asignacin de facilidades que trata de la asignacin de N trabajos en M mquinas, los autmatas programables que se usan para la optimizacin de sistemas de produccin, en fin, todava queda mucho por descubrir con respecto a las aplicaciones de esta ciencia.

DEFINICION

Se define la inteligencia artificial como aquella inteligencia exhibida por artefactos creados por humanos (es decir, artificial). A menudo se aplica hipotticamente a los computadores. El nombre tambin se usa para referirse al campo de la investigacin cientfica que intenta acercarse a la creacin de tales sistemas. Puede decirse que la Inteligencia Artificial (IA) es una de las reas ms fascinantes y con ms retos de las ciencias de la computacin, en su rea de ciencias cognoscitivas. Naci como mero estudio filosfico y razonstico de la inteligencia humana, mezclada con la inquietud del hombre de imitar la naturaleza circundante (como volar y nadar), hasta inclusive querer imitarse a s mismo. Sencillamente, la Inteligencia Artificial busca el imitar la inteligencia humana. Obviamente no lo ha logrado todava, al menos no completamente.

HISTORIA DE LA INTELIGENCIA ARTIFICIAL

En funcin de una La Inteligencia Artificial "naci" en 1943 cuando Warren McCulloch y Walter Pitts propusieron un modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas proporcionaron una representacin simblica de la actividad cerebral. Ms adelante, Norbert Wiener elabor estas ideas junto con otras, dentro del mismo campo, que se llam "ciberntica"; de aqu nacera, sobre los aos 50, la Inteligencia Artificial. Los primeros investigadores de esta innovadora ciencia, tomaron como base la neurona formalizada de McCulloch y postulaban que: "El cerebro es un solucionador inteligente de problemas, de modo que imitemos al cerebro". Pero si consideramos la enorme complejidad del mismo esto es ya prcticamente imposible, ni que mencionar que el hardware de la poca ni el software estaban a la altura para realizar semejantes proyectos. Se comenz a considerar el pensamiento humano como una coordinacin de tareas simples relacionadas entre s mediante smbolos. Se llegara a la realizacin de lo que ellos consideraban como los fundamentos de la solucin inteligente de problemas, pero lo difcil estaba todava sin empezar, unir entre s estas actividades simples. Es en los aos 50 cuando se logra realizar un sistema que tuvo cierto xito, se llam el Perceptrn de Rossenblatt. ste era un sistema visual de reconocimiento de patrones en el cual se asociaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero estas energas se diluyeron enseguida. Fue en los aos 60 cuando Alan Newell y Herbert Simon, que trabajando la demostracin de teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General Problem Solver: solucionador general de problemas). ste era un sistema en el que el usuario defina un entorno serie de objetos y los operadores que se podan aplicar sobre ellos. Este programa era capaz de trabajar con las torres de Hanoi, as como con criptoaritmtica y otros problemas similares, operando, claro est, con microcosmos formalizados que representaban los parmetros dentro de los cuales se podan resolver problemas. Lo que no poda hacer el GPS era resolver problemas ni del mundo real, ni mdicos ni tomar decisiones importantes. El GPS manejaba reglas heursticas (aprender a partir de sus propios descubrimientos) que la conducan hasta el destino deseado mediante el mtodo del ensayo y el error. En los aos 70, un equipo de investigadores dirigido por Edward Feigenbaum comenz a elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara, al menos, en problemas ms concretos. As es como naci el sistema experto. El primer sistema experto fue el denominado Dendral, un intrprete de espectrograma de masa construido en 1967, pero el ms influyente resultara ser el Mycin de 1974. El Mycin era capaz de diagnosticar trastornos en la sangre y recetar la correspondiente medicacin, todo un logro en aquella poca que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de uso comn en el Pacific Medical Center de San Francisco, EEUU).Ya en los aos 80,

se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta poca cuando se desarrollan sistemas expertos ms refinados, como por el ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de reglas heursticas automticamente, por induccin.

VENTAJAS DE LA INTELIGENCIA ARTIFICIAL

La I.A ayuda a vender ms, tal y como se ha descrito anteriormente, ya que al aplicar el Test de Human a las bases de datos se puede conocer a cada persona de forma veraz y acertada, para luego poder usar dicho conocimiento y argumentar mejor las ventas. As pues, aplicando tcnicas de Marketing Tecnificado sobre las bases de datos internas de clientes se puede vender mucho ms gracias a una mejor seleccin del pblico objetivo, a una mejor argumentacin, y a un mejor enfoque de cliente, consiguiendo el necesario y actual enfoque hacia el cliente en todas las acciones y decisiones de marketing (Customer Intelligence), amparado en el rigor cientfico que valida todos los argumentos que las fundamenten. La Humanation utiliza la Inteligencia artificial, con su nueva tecnologa, de esta forma se integra al software existente, dando a las compaas un potenciamiento que les permitir conocer mas a sus clientes, y sobre todo, hacerlo ms rpido, de esta forma, podrn ofrecer al consumidor todo aquello que necesita y sobre todo, en el momento adecuado, y as, aumentar sus beneficios de forma significativa al tratar a sus clientes de forma mas acertada y personalizada. Ofrece infinitas ventajas competitivas y de ahorro de recursos, que anteriormente no se tenan. Adems, estas tecnologas permiten la generacin de reas de oportunidad, las cuales aprovechadas correctamente ofrecen grandes beneficios a todo aquellos que las apliquen. En uno de estos nichos de oportunidad se encuentran los sistemas de inteligencia artificial, los cuales se han aplicado en una gran variedad de tareas, desde la enseanza hasta la automatizacin de procesos productivos. La mayora de los sistemas de inteligencia artificial, tienen la peculiaridad de aprender, lo que les permite ir perfeccionando su desempeo conforme pasa el tiempo. Adems estos sistemas pueden analizar volmenes muy grandes de informacin a muy alta velocidad, lo que permite obtener indicadores puntuales de las operaciones de la empresa.

DESVENTAJAS DE LA INTELIGENCIA ARTIFICIAL.

Es evidente que para actualizar se necesita de reprogramacin de estos (tal vez este sea una de sus limitaciones ms acentuadas), otra de su limitaciones puede ser el elevado coste en dinero y tiempo, adems que estos programas son poco flexibles a cambios y de difcil acceso a informacin no estructurada. Un robot con el objetivo principal de satisfacer a los seres humanos sera de gran ayuda, pero un robot cuyo objetivo principal sera su propia supervivencia sera muy peligroso. Puesto que pensar mucho ms rpidamente y con ms precisin que nosotros, usar todos los recursos disponibles para sus propios propsitos, y nosotros estaramos desamparados. Tal robot debe ser ilegal y debe ser destruido tan pronto como sea detectado

IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL EN LA GERENCIA EMPRESARIAL En el momento actual la Inteligencia Artificial se aplica a numerosas actividades humanas, y como lneas de investigacin ms explotadas destacan el razonamiento lgico, la traduccin automtica y comprensin del lenguaje natural, la robtica, la visin artificial y, especialmente, las tcnicas de aprendizaje y de ingeniera del conocimiento. Estas dos ltimas ramas son las ms directamente aplicables al campo de las finanzas pues, desde el punto de vista de los negocios, lo que interesa es construir sistemas que incorporen conocimiento y, de esta manera, sirvan de ayuda a los procesos de toma de decisiones en el mbito de la gestin empresarial. En el mbito especfico del Anlisis Contable, segn Ponte, Sierra, Molina y Bonsn[8] (1996) la Inteligencia Artificial constituye una de las lneas de actuacin futura ms prometedoras, con posibilidades de aplicacin tanto en el mbito de la investigacin como en el diseo de sistemas de informacin inteligentes, que no solamente proporcionen datos al decisor sino que recomienden el mejor curso de actuacin a seguir. De entre todos los paradigmas y estrategias de la Inteligencia Artificial, actualmente dos tienen el mayor inters para las aplicaciones en la empresa: los sistemas expertos y las redes neuronales artificiales[9]. Estos sistemas se pueden combinar, por lo que una solucin prctica es utilizar sistemas mixtos que incorporan un mdulo de sistema experto con sus reglas junto a otros mdulos neuronales y estadsticos.

Concepto y tipos de Sistemas Expertos

Los sistemas expertos son programas de ordenador que capturan el conocimiento de un experto e imitan sus procesos de razonamiento al resolver los problemas de un determinado dominio Snchez Toms[19][20]. Al igual que las bases de datos contienen conocimiento, pero en las bases de datos ese conocimiento es nicamente declarativo (hechos).

En contraposicin, los sistemas expertos incorporan experiencia, que consiste tanto en conocimiento de tipo declarativo, como conocimiento de tipo procedimental (pautas de actuacin), lo que les permite emular los procesos de razonamiento de los expertos humanos, Ruiz, (1991). p. 29. Existen distintos tipos de sistemas expertos, segn la forma de representar el conocimiento incluido en ellos. Otro tipo de sistemas expertos dems reciente desarrollo son los sistemas basados en casos (Case BasedReasoning Systems). stos constituyen modelos de razonamiento consistentesen resolver un problema determinado a travs de analogas con situaciones pasadas, de tal manera que se buscar el caso almacenado en la base de conocimientos que ms se parezca al problema a resolver y se adaptar la decisin tomada para ese caso a la situacin actual Morris[22], . En este tipo de sistemas se produce aprendizaje cuando nuevos casos son resueltos y pasan a formar parte de la base de conocimientos . Morris y Sinha indican que los sistemas basados en casos son especialmente adecuados a los problemas financieros, debido a que la falta de una teora comnmente aceptada para muchos de los problemas hace que la relacin entre los atributos (variables independientes) y la solucin (variable dependiente) no sea lo suficientemente bien entendida como para ser representada mediante reglas. En adicin, debe de comentarse que estos dos enfoques, reglas y casos, no son incompatibles, ya que como indican Mulvenna et al. es posible la construccin de sistemas que combinen el conocimiento basado en reglas con el basado en casos, y adems estos sistemas hbridos se caracterizarn por un mayor grado de robustez con respecto a los sistemas expertos tradicionales, elaborados a partir de reglas. No obstante, todava no se registra un nmero apreciable de aplicaciones del razonamiento basado en casos al mbito financiero, y por eso en

el resto del epgrafe se hace referencia nicamente a los sistemas expertos tradicionales, es decir, a los basados en reglas.

Estructura de un sistema experto basado en reglas. Como sealan diversos autores (Mishkoff; Harmon y King, dada la gran diversidad de sistemas expertos basados en reglas no se puede hablar de un estructura nica. Sin embargo, en la mayora de ellos es posible identificar los siguientes componentes bsicos: Base de Conocimientos: Contiene la informacin sobre el dominio de conocimientos a que viene referido el sistema experto. Dentro de ella puede distinguirse entre conocimiento declarativo (hechos) y procedimental (reglas). Base de Datos, Memoria de Trabajo o Modelo Situacional: Es una memoria auxiliar que contiene informacin sobre el problema a resolver (datos iniciales) y el estado del sistema a lo largo del proceso de inferencia (datos intermedios). Motor de Inferencias: El motor de inferencias o estructura de control es la parte del sistema experto que se encarga de realizar los procesos de inferencia que relacionan la informacin contenida en la memoria de trabajo con la base de conocimientos, con el fin de llegar a unas conclusiones. En un sistema basado en reglas realiza tres operaciones Palazn Argelles[27]: reconocer cules son las reglas aplicables, decidir cual se va a aplicar y aplicarla. Interfaz del Usuario: El interfaz del usuario o subsistema de consulta es la parte del sistema que posibilita la comunicacin entre el usuario y el motor de inferencias. Permite introducir la informacin que necesita el sistema y comunicar al usuario las respuestas del sistema experto. Mdulo de Justificacin o Subsistema de Explicacin: Es la parte del sistema que explica los pasos realizados por el motor de inferencias para llegar a las conclusiones, indica

tambin por qu utiliza ciertas reglas y no otras, y por qu se plante determinada pregunta durante el dilogo con el usuario. Subsistema de Adquisicin del conocimiento: Es un interfaz que facilita la introduccin del conocimiento en la base y de los mecanismos de inferencia en el motor de inferencia, tambin comprueba la veracidad y coherencia de los hechos y reglas que se introducen en la base de conocimiento.

INTELIGENCIA ORGANIZACIONAL: RAZONAMIENTO BASADO EN CASOS Esta tcnica de inteligencia artificial intenta llegar a la solucin de nuevos problemas, de forma similar a como lo hacen los seres humanos[28]. Es una tecnologa de la inteligencia artificial que representa el conocimiento como una base de datos de casos y soluciones[29]. Cuando un individuo se enfrenta a un nuevo problema comienza por buscar en su memoria experiencias anteriores similares a la actual y a partir de ese momento establece semejanzas y diferencias y combina las soluciones dadas con anterioridad para obtener una nueva solucin. Este proceso es intuitivo y la persona lo realiza prcticamente sin darse cuenta. Una vez que la persona tiene situadas un grupo de situaciones anteriores similares a la actual, analiza las variantes que se presentan en la nueva situacin y cmo puede dar respuesta a estos cambios. De manera resumida el proceso ocurre como sigue: o El individuo busc en su memoria casos similares. o Intenta inferir una respuesta a partir del caso mas similar que encontr. o Tuvo que realizar algunas concesiones y ajustes para adaptar el caso anterior a la situacin actual. Finalmente la solucin obtenida no es igual a la anterior, pero cumple dos aspectos muy importantes, el primero da respuesta al nuevo problema y el segundo, ha enriquecido su

experiencia anterior con la nueva solucin. El funcionamiento del RBC[30] [31]parte de estos principios y para ello comprende cuatro actividades principales: Recuperar los casos ms parecidos. Reutilizar el o los casos para tratar de resolver el nuevo problema. Revisar y adaptar la solucin propuesta, en caso de ser necesario. Almacenar la nueva solucin como parte de un nuevo caso. Un nuevo problema se compara con los casos almacenados previamente en la base de casos y se recuperan uno o varios casos. Posteriormente se utiliza y evala una solucin, sugerida por los casos que han sido seleccionados con anterioridad, para ver si se aplica al problema actual[32][33][34]. A menos que el caso recuperado sea igual al actual, la solucin probablemente tendr que ser revisada y adaptada, producindose un nuevo caso que ser almacenado. La elaboracin de un sistema que emplea el RBC presenta dos problemas principales: el primero saber cmo almacenar la experiencia de tal forma que sta pueda ser recuperada en forma adecuada y el segundo conseguir utilizar la experiencia previa en un problema actual[35][36] La forma de representar y almacenar estas experiencias se realiza a travs de casos. Un caso mantiene todos los atributos y caractersticas relevantes de un evento pasado. Estas caractersticas servirn como ndices para la recuperacin del caso futuro[37]. De acuerdo a la naturaleza del problema tratado se define la representacin del caso, es decir, cules son los atributos importantes, qu problemas sern tratados, cul es la solucin propuesta, etc. Adems es necesario definir el o los mecanismos de recuperacin de casos.

CONCLUSION

La Inteligencia artificial es la capacidad de una mquina de pensar y actuar como el hombre, pero para lograr esto primero se debe conocer totalmente el funcionamiento del pensamiento humano. En el mbito tecnolgico la Inteligencia Artificial es una de las reas que causa mayor expectacin, incluso dentro de la sociedad en general, debido a que la bsqueda para comprender los mecanismos de la inteligencia, ha sido la piedra filosofal del trabajo de muchos cientficos por muchos aos y lo sigue siendo.

Sin embargo, este avance tecnolgico puede traer graves consecuencias como el desempleo, la veneracin y el sometimiento por parte del humano. No se puede negar que la Inteligencia artificial traera grandes ventajas para el hombre; pero tambin se debe ser conciente de sus implicaciones negativas.

La polmica desarrollada resulta importante en la reflexin acerca del mundo tecnolgico globalizado de hoy y deja adems de los supuestos anteriores, una idea clara y un poco fatalista pero real: No hay que crear una maquina tan inteligente para que reemplace al humano en sus labores, sobre todo en una sociedad como la de hoy en da, basada en la tcnica y la productividad, en la lgica y no en la racionalidad.

Pero aun sin haber desarrollado completamente la inteligencia artificial, ya se ven las graves consecuencias sociales que trae consigo y es probable que al finalizar el anlisis y la reflexin acerca de este tema, se evidencie que lo importante es salvarnos de nosotros mismos, pues sin el uso de la razn, los humanos pueden llegar a ser mucho ms peligrosos. No se debe olvidar que hoy en da la creacin de artefactos inteligentes, se vuelve cada vez ms una meta que un sueo; implcitamente se vuelve mas una amenaza social que un avance tecnolgico.