TIPOS DE INTELIGENCIAS ARTIFICIALES

SISTEMAS EXPERTOS

• Estas tecnologías pueden definirse como herramientas construidas para resolver tareas específicas del mismo modo en que lo haría el razonamiento humano. Como puedes imaginar, se les conoce así porque están diseñadas para funciones y tareas concretas que requieren un buen nivel de conocimiento en la materia, tal como se exigiría de un agente humano.
• Ejemplos de uso de sistemas expertos en los negocios
• Control de inventario. Estas herramientas son ideales para llevar el control de inventario, ya que solo deben seguir reglas numéricas y controlar el stock para gestionar la disponibilidad de mercancías.
• Evaluación de mercancías. Algunas herramientas son construidas para que detecten productos dañados o fallas en la producción a través de reglas simples.
• Planeación empresarial. Al basarse en reglas, los sistemas expertos pueden pronosticar los resultados de una toma de decisión, así como los riesgos de una inversión o proyecto.

REDES NEURONALES ARTIFICIALES

• Las redes neuronales artificiales son un tipo de algoritmo de inteligencia computacional que superan algunas limitaciones de los sistemas expertos (como su incapacidad de resolver casos nuevos o que están fuera de sus reglas de programación). Su funcionamiento se basa —tal como en el cerebro humano— en pequeñas unidades de información que, en colaboración con otras, procesan información.
• Su principal función es permitir que las máquinas extraigan información nueva a partir de aquella con la que se le alimenta, con el fin de obtener un aprendizaje de ella. Por ello, a los procesos que estas tecnologías llevan a cabo comúnmente se les conoce como machine learning, o aprendizaje de máquinas. Esto permite que la máquina optimice progresivamente sus funciones, ofrezca mejores resultados y trabaje de forma eficiente.

DEEP LEARNING

• El deep learning, conocido en español como aprendizaje profundo, es un tipo de algoritmo de redes neuronales artificiales que, como su nombre lo indica, son profundas. Pero ¿qué significa esto?
• Al hablar de aprendizaje profundo nos referimos a algoritmos con un alto nivel de complejidad que permiten llevar a cabo tareas más complicadas y con requisitos computacionales elevados. Estas tecnologías destacan por tener un código complicado y por ser alimentadas con extensas bases de datos. Es por ello que generalmente el deep learning va de la mano con la minería de datos, una disciplina de la estadística que busca encontrar patrones en ingentes volúmenes de información.

ROBÓTICA

• La robótica es una rama computacional independiente de la inteligencia artificial, que se ha nutrido de forma importante mediante estos recursos digitales. Esto ha hecho que una gran cantidad de soluciones de robótica estén impulsadas por redes neuronales artificiales.
• Hoy en día existen robots capaces de caminar, hacer tareas complejas e incluso jugar ajedrez gracias a sistemas de visión computacional, algoritmos de aprendizaje y código que les permite tomar decisiones. La inteligencia artificial está detrás de todo ello.

AGENTES INTELIGENTES

• Como su nombre sugiere, estos sistemas tienen la capacidad de tomar decisiones y actuar con base en ellas mediante razonamientos similares a los de los seres humanos. Esto significa que los agentes inteligentes deben poseer un buen margen de autonomía y libertad para aprender y ejecutar decisiones.
• Actualmente, estas tecnologías están en desarrollo y prometen hacer que la gestión de tareas empresariales se vuelva más sencilla. Sin embargo, hoy en día su uso es reservado, ya que implica consideraciones éticas de importancia.
• Ejemplos de uso de sistemas expertos en los negocios
• Asistentes personales. Son herramientas que de forma autónoma pueden gestionar las agendas de una persona, recomendarle lugares a visitar o hasta tomar decisiones respecto a su salud.
• Logística. Mediante reglas simples, minería de datos y aprendizaje, existen tecnologías que pueden encontrar la mejor ruta de distribución e incluso gestionan las entregas autónomamente.