Tarea del mundo real

• Seleccion de tareas: eficiencia y efectividad.

Se denomina Inteligencia Artificial a la rama de la ciencia informática dedicada al desarrollo de agentes racionales no vivos.

Para explicar la definición anterior, entiéndase a un agente como cualquier cosa capaz de percibir su entorno (recibir entradas), procesar tales percepciones y actuar en su entorno (proporcionar salidas). Y entiéndase a la racionalidad como la característica que posee una elección de ser correcta, más específicamente, de tender a maximizar un resultado esperado. (Este concepto de racionalidad es más general y por ello más adecuado que inteligencia para definir la naturaleza del objetivo de esta disciplina).

Por lo tanto, y de manera más específica la Inteligencia Artificial es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura física producen acciones o resultados que maximizan una medida de rendimiento determinada, basándose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura.

Existen distintos tipos de conocimiento y medios de representación del conocimiento. El cual puede ser cargado en el agente por su diseñador o puede ser aprendido por el mismo agente utilizando técnicas de aprendizaje.

También se distinguen varios tipos de procesos válidos para obtener resultados racionales, que determinan el tipo de agente inteligente. De más simples a más complejos, los cinco principales tipos de procesos son:

Ejecución de una respuesta predeterminada por cada entrada (análogas a actos reflejos en seres vivos).

Búsqueda del estado requerido en el conjunto de los estados producidos por las acciones posibles.

Algoritmos genéticos (Análogo al proceso de evolución de las cadenas de ADN).

• Ramas de la inteligencia Artificial.

  Sistemas Expertos (Sistemas basados en Conocimiento). Programas computacionales que resuelven problemas que normalmente requieren del conocimiento de un especialista o experto humano. Es un sistema capaz de tomar decisiones inteligentes interpretando grandes cantidades de datos sobre un dominio específico de problemas.

  Aprendizaje y Razonamiento Automático. Máquinas capaces de planificar, tomar decisiones, plantear y evaluar estrategias, aprender a partir de la experiencia, autoreprogramables, etc.

  Robótica. Artefactos autónomos capaces de llevar a cabo diversas tareas mecánicas de manera flexible e inteligente, cumpliendo con un objetivo y ajustándose al entorno cambiante.

  Procesamiento de Lenguaje Natural. Sistemas capaces de reconocer, procesar y emular el lenguaje humano.

  Visión por Computadora (Reconocimiento de patrones). Reconoce y procesa señales, caracteres, patrones, objetos, escenas. Aplicaciones futuras de la Inteligencia. El Futuro de la Robótica Hans Moravec, director de Moville Robot Laboratory de la Universidad Carnegie Mellon clasifica la evolución de los robots como sigue: Primera generación (2000-2010): Robot con cerebro de lagarto. Requerirán un poder de cálculo de 1000 MIPs y serán los robots "mayordomo", experto en desenvolverse en el hogar. Segunda generación (2010-2020): Robots con cerebro de mamífero. Capacidad de cálculo de 30.000 MIPs. Su característica más notoria será el aprendizaje, a diferencia de los rígidos programas de la primera generación. Tercera generación (2020-2030): Robots con cerebro de mono. Capacidad de cálculo de 1.000.000 MIPs (un billón de operaciones por segundo). Serán robots capaces de simular las acciones de forma abstracta antes de realizarlas en su propia mente. Cuarta generación (2030-2040): Robots con mente humana. Capacidad de cálculo de 30.000.000 MIPs. Podrán extraer simulaciones del mundo y razonar sobre ellas simultáneamente, gracias a su mayor poder de computación, un gigantesco banco de datos y programas de razonamiento. Sistemas Expertos Los sistemas expertos se basan en la simulación del razonamiento humano. El razonamiento humano tiene para ellos, un doble interés: por una parte, el del análisis del razonamiento que seguiría un experto humano en la materia a fin de poder codificarlo mediante el empleo de un determinado lenguaje informático; por otra, la síntesis artificial, de tipo mecánico, de los razonamientos de manera que éstos sean semejantes a los empleados por el experto humano en la resolución de la cuestión planteada. Estos dos campos de interés han conducido a los investigadores que trabajan en el campo de la inteligencia artificial (de la cual los sistemas expertos son un campo preferente) a intentar establecer una metodología que permita verificar el intercambio con los expertos humanos y aislar los diversos tipos de razonamiento existentes (inductivo, deductivo, formal, etc.), así como construir los elementos necesarios para modelizarlos. Los sistemas expertos son, por lo tanto, intermediarios entre el experto humano, que transmite sus conocimientos al sistema, y el usuario de dicho sistema, que lo emplea para resolver los problemas que se le plantean con la competencia de un especialista en la materia y que, además, puede adquirir una destreza semejante a la del experto gracias a la observación del modo de actuar de la máquina. Los sistemas expertos son, pues, simultáneamente, un sistema de ejecución y un sistema de transmisión del conocimiento. Características de los Sistemas Expertos Para que un sistema computacional actúe como un verdadero experto, es deseable que reúna, en lo posible, lo más importante de las características de un experto humano, esto es: Habilidad para adquirir conocimiento. Fiabilidad, para poder confiar en sus resultados o apreciaciones. Solidez en el dominio de su conocimiento. Capacidad para resolver problemas. Dada la complejidad de los problemas que usualmente tiene que resolver un SE, puede existir cierta duda en el usuario sobre la validez de respuesta obtenida. Por este motivo, es una condición indispensable que un SE sea capaz de explicar su proceso de razonamiento o dar razón del por qué solicita tal o cual información o dato        En las últimas décadas hemos asistido a un cambio profundo en el ámbito empresarial debido fundamentalmente al avance de la tecnología. La presencia de nuevos paradigmas en el tratamiento de la información que generan las empresas denominado "Gestión del Conocimiento" al igual que el procesamiento masivo de esta información, una marcada tendencia hacia la globalización de los mercados, al riesgo y la incertidumbre en la toma de decisiones empresariales etc., han contribuido a dicho avance. Todo esto enmarcado por un mundo cada vez más complejo donde el viejo mundo de las certezas ya no existe y donde el ser competitivo y sostenible en el tiempo se constituye en un reto imperativo para la supervivencia de las empresas. En este contexto, el avance de la tecnología y de los nuevos paradigmas no debe limitarse a simular las funciones para el procesamiento manual de la información, sino que estas herramientas deben ser un soporte fundamental para el logro de los objetivos de la gestión empresarial traducido en decisiones adecuadas, eficaces y oportunas. Auditorias  Los cambios mencionados anteriormente se pueden extender al campo de las decisiones empresariales, especialmente al campo de las finanzas, las cuales no se han escapado a estos cambios y nuevos paradigmas. Así se pueden observar profundas transformaciones que van desde las “finanzas tradicionales” en las que los estudios se han enmarcado sobre una base fundamentalmente descriptiva, contable e institucional, a las “finanzas modernas” que buscan explicar los fenómenos financieros e indicar el camino para la toma de decisiones financieras. Estas explicaciones se basan en la construcción de modelos cuantitativos que utilizan el lenguaje científico, un razonamiento adecuado y verificaciones empíricas. Las investigaciones más recientes en el campo de las finanzas están incidiendo más en el estudio de los aspectos cualitativos, en lo que se ha dado en llamar como “el paradigma de la sicología financiera”. Este paradigma intenta explicar el comportamiento de los inversionistas, tema que encuentra grandes limitaciones cuando se aborda enteramente con los modelos racionales planteados por las finanzas tradicionales y modernas.  Tipos de auditorias. • Planeación corporativa financiera • Análisis de inversiones • Concesión de créditos • Análisis de estados financieros • Interpretación de índices • Análisis de tendencias • Recuperación y revisión analítica de registros • Cálculo y asignación de costos • Asignación de recursos escasos • Control y análisis de desviaciones • Diseño de sistemas de información y de gestión • Análisis de riesgos • Evaluación del control interno de una empresa • Opinión de un auditor, etc.