REPÚBLICA BOLIVARIANA DE VENEZUELA

INSTITUTO UNIVERSITARIO

DE TECNOLOGÍA DE

ADMINISTRACIÓN INDUSTRIAL

AMPLIACIÓN BARCELONA

Elaborado por:

YARWIN MARTINEZ

CI. 25.572.604

Barcelona, Abril 2015

INTRODUCCIÓN

En las últimas décadas se han vistió en cambios profundos 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 traducida en

decisiones adecuadas, eficaces y oportunas.

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. 

Con el propósito de abordar estos nuevos paradigmas se han

desarrollado recientemente las técnicas de la Inteligencia Artificial, las cuales

han dejado en claro la necesidad de contar con soportes de ayuda

poderosos para tomar decisiones en la actividad empresarial. Estos soportes

deben ser capaces de considerar la información cualitativa y a partir de ella

diseñar e implementar modelos estadísticos y computacionales que asistan a

los decisores en la resolución de los diversos problemas empresariales.

En la actualidad, la Inteligencia artificial se está aplicando a numerosas

actividades realizadas por los seres humanos y se destacan entre otras las

siguientes líneas de investigación científicas: La robótica, la visión artificial,

técnicas de aprendizaje y la gestión del conocimiento. Estas dos últimas

aplicaciones de la inteligencia artificial son las que más directamente se

aplican al campo de las finanzas, debido a que en este campo existe una

fuerte motivación orientada a la construcción de sistemas de información que

incorporen conocimiento, y que permitan a los decisores de las

organizaciones tomar decisiones eficientes y oportunas en el ámbito de la

gestión financiera empresarial.

A continuación se describe las técnicas más destacadas de la

Inteligencia artificial aplicadas al campo de la gestión financiera empresarial:

Los sistemas expertos, las redes neuronales, los algoritmos genéticos y la

lógica difusa. Estas técnicas pueden combinarse para obtener una solución

más adecuada del problema en estudio.

INTELIGENCIA ARTIFICIAL Y SUS APLICACIONES EN LA GESTION DE

RIESGOS

INTELIGENCIA ARTIFICIAL

La Inteligencia Artificial trata de conseguir que los ordenadores simulen

en cierta manera la inteligencia humana. Se acude a sus técnicas cuando es

necesario incorporar en un sistema informático, conocimiento o

características propias del ser humano.

IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL

A medida que el mundo se vuelve más complejo, debemos usar

nuestros recursos materiales y humanos con más eficiencia, y para lograrlo,

se necesita la ayuda que nos ofrecen los computadores.

Existe la falsa impresión de que uno de los objetivos de la inteligencia

artificial es sustituir a los trabajadores humanos y ahorrar dinero. Pero en el

mundo de los negocios, la mayoría de personas está más entusiasmada ante

las nuevas oportunidades que ante el abatimiento de costos. Además, la

tarea de reemplazar totalmente a un trabajador humano abarca de lo difícil a

lo imposible, ya que no se sabe cómo dotar a los sistemas de IA de toda esa

capacidad de percibir, razonar y actuar que tienen las personas. Sin

embargo, debido a que los humanos y los sistemas inteligentes tienen

habilidades que se complementan, podrían apoyarse y

ejecutar acciones conjuntas:

En la agricultura, controlar plagas y manejar cultivos en forma más

eficiente.

En las fábricas, realizar montajes peligrosos y actividades tediosas

(labores de inspección y mantenimiento).

En la medicina, ayudar a los médicos a hacer diagnósticos, supervisar la

condición de los pacientes, administrar tratamientos y preparar estudios

estadísticos.

En el trabajo doméstico, brindar asesoría acerca de dietas, compras,

supervisión y gestión de consumo energético  seguridad del hogar.

En las escuelas, apoyar la formación de los estudiantes, especialmente

en aquellas materias consideradas complejas.

Ayudar a los expertos a resolver difíciles problemas de análisis o a

diseñar nuevos dispositivos.

Aprender de los ejemplos para explorar bases de datos en busca de

regularidades explotables.

Proporcionar respuestas a preguntas en lenguaje natural usando datos

estructurados y texto libre.

La inteligencia artificial aplicada es la contraparte de ingeniería de la

ciencia cognoscitiva y complementa sus perspectivas tradicionales. La

ciencia cognoscitiva es una mezcla de psicología, lingüística y filosofía.

La metodología y terminología de la inteligencia artificial está todavía en

vías de desarrollo. La inteligencia artificial se está dividiendo y encontrando

otros campos relacionados: lógica, redes

neuronales, programación orientada a objetos, lenguajes formales, robótica,

etc. Esto explica por qué el estudio de inteligencia artificial no está confinado

a la matemática, ciencias de la computación, ingeniería, o a la ciencia

cognoscitiva, sino que cada una de estas disciplinas es un potencial

contribuyente.

Una característica fundamental que distingue a los métodos de

Inteligencia Artificial de los métodos numéricos[3] es el uso

de símbolos no matemáticos, aunque no es suficiente para distinguirlo

completamente. Otros tipos de programas como los compiladores[4] y

sistemas de bases de datos, también procesan símbolos y no se considera

que usen técnicas de Inteligencia Artificial.

El comportamiento de los programas no es descrito explícitamente por

el algoritmo. La secuencia de pasos seguidos por el programa es

influenciado por el problema particular presente. El programa especifica

cómo encontrar la secuencia de pasos necesarios para resolver un problema

dado (programa declarativo). En contraste con los programas que no son de

Inteligencia Artificial, que siguen un algoritmo definido, que especifica,

explícitamente, cómo encontrar las variables de salida para cualquier

variable dada de entrada (programa de procedimiento).

El razonamiento basado en el conocimiento, implica que estos

programas incorporan factores y relaciones del mundo real y del ámbito del

conocimiento en que ellos operan. Al contrario de los programas para

propósito específico, como los de contabilidad y cálculos científicos; los

programas de Inteligencia Artificial pueden distinguir entre el programa de

razonamiento o motor de inferencia y base de conocimientos dándole la

capacidad de explicar discrepancias entre ellas.

Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de

Inteligencia Artificial los programas no pueden trabajar con este tipo de

problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a

metas como en planificación, o el diagnóstico de tareas en un sistema del

mundo real: con poca información, con una solución cercana y no

necesariamente exacta.

La Inteligencia Artificial incluye varios campos de desarrollo tales como:

la robótica, usada principalmente en el campo industrial; comprensión de

lenguajes y traducción; visión en máquinas que distinguen formas y que se

usan en líneas de ensamblaje; reconocimiento de palabras y aprendizaje de

máquinas; sistemas computacionales expertos.

Los sistemas expertos, que reproducen el comportamiento humano en

un estrecho ámbito del conocimiento, son programas tan variados como los

que diagnostican infecciones en la sangre e indican un tratamiento, los que

interpretan datos sismológicos en exploración geológica y los que configuran

complejos equipos de alta tecnología.

Tales tareas reducen costos, reducen riesgos en la manipulación

humana en áreas peligrosas, mejoran el desempeño del personal inexperto,

y mejoran el control de calidad sobre todo en el ámbito comercial.

IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL EN LA GERENCIA

EMPRESARIAL

En el momento actual la Inteligencia Artificial se aplica a numerosas

actividades humanas, y como líneas de investigación más explotadas

destacan el razonamiento lógico, la traducción automática y comprensión del

lenguaje natural, la robótica, la visión artificial y, especialmente, las técnicas

de aprendizaje y de ingeniería del conocimiento. Estas dos últimas ramas

son las más 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 ámbito de la gestión empresarial.

En el ámbito específico del Análisis Contable, según Ponte, Sierra,

Molina y Bonsón (1996) la Inteligencia Artificial constituye una de las líneas

de actuación futura más prometedoras, con posibilidades de aplicación tanto

en el ámbito de la investigación como en el diseño de sistemas de

información inteligentes, que no solamente proporcionen datos al decisor

sino que recomienden el mejor curso de actuación a seguir.

De entre todos los paradigmas y estrategias de la Inteligencia Artificial,

actualmente dos tienen el mayor interés para las aplicaciones en la empresa:

los sistemas expertos y las redes neuronales artificiales. Estos sistemas se

pueden combinar, por lo que una solución práctica es utilizar sistemas mixtos

que incorporan un módulo de sistema experto con sus reglas junto a otros

módulos neuronales y estadísticos.

LA INTELIGENCIA ARTIFICIAL Y EL ANÁLISIS DE LA SOLVENCIA

EMPRESARIAL

El análisis de la solvencia empresarial ha sufrido una gran evolución a lo

largo de los últimos 20 años, debido a factores tales como el aumento en el

número de quiebras, la desintermediación creciente que se observa en

los mercados financieros, la disminución de los tipos de interés o el

desarrollo de nuevos instrumentos financieros. Todo ello ha impulsado el

desarrollo de nuevos y más sofisticados métodos de análisis de la solvencia,

y entre este tipo de sistemas ocupan un papel destacado aquellos que están

basados en técnicas de Inteligencia Artificial.

La determinación de la solvencia futura de una empresa puede ser

entendida en la mayoría de los casos como una operación de clasificación,

es decir, dada una información inicial o conjunto de atributos asociados a

una empresa, y extraídos en su mayor parte de los estados contables de la

misma, lo que pretende el analista es tomar la decisión de clasificar a esa

empresa dentro de una categoría concreta de riesgo financiero, de entre

varias posibles[10]. Aplicando la clásica división que hizo Simon de los

procesos de decisión entre estructurados y no estructurados, es claro que

esa decisión es de tipo no estructurado ya que no existe un procedimiento

definido para abordarla, siendo necesario el juicio y la propia evaluación del

decisor. Tal y como señalan diversos autores Ball y Foster, Martín Marín, no

existe una teoría comúnmente aceptada que explique el fenómeno del

fracaso empresarial, por lo que a priori no es posible establecer qué variables

financieras ni qué valores en las mismas determinan la futura solvencia o

insolvencia de una firma.

Debido a lo anterior, el estudio de la solvencia implica una investigación

selectiva dentro de un espacio de alternativas inmenso pues, como se ha

comentado, no existe un procedimiento que conduzca de forma inequívoca a

la solución óptima. Por lo tanto, la selección ha de estar basada en reglas

prácticas o heurísticas[14], debiendo fijarse también un criterio de suficiencia

para determinar cuando las soluciones encontradas son satisfactorias. Todo

ello concuerda plenamente con el paradigma de la racionalidad limitada, que

gobierna los procesos de decisión en el ámbito económico. Ese análisis

heurístico se ha implementado tradicionalmente a través de la aplicación de

técnicas estadísticas, tales como el análisis multidiscriminante lineal o los

diversos modelos de variable de respuesta cualitativa (logit, probit, etc.).

Sin embargo todas estas técnicas presentan limitaciones, pues parten

de hipótesis más o menos restrictivas, que por su propia naturaleza la

información económica, y en especial los datos extraídos de los estados

financieros de las empresas, no van a cumplir, perjudicando así los

resultados. La aplicación de técnicas procedentes del campo de la

Inteligencia Artificial surge como un intento de superar esta limitación, pues

estas últimas no parten de hipótesis preestablecidas y se enfrentan a los

datos de una forma totalmente exploratoria, configurándose

como procedimientos estrictamente no paramétricos.

En los epígrafes restantes se revisan las aplicaciones al campo del

análisis de la solvencia de los diversos sistemas de Inteligencia Artificial. Las

principales diferencias entre las mismas radican en la forma en la que

abordan el proceso de elicitación, que es la fase en la cual se extrae el

conocimiento de las fuentes elegidas y, en este sentido, O’Leary indica que

los sistemas inteligentes pueden construirse a partir de dos enfoques:

Introducir en el ordenador el conocimiento que un(os) experto(s) humano(s)

ha(n) ido acumulando a lo largo de su vida profesional, obteniéndose así lo

que se conoce como sistema experto.

El principal problema que ocasiona este enfoque consiste en que el proceso

de captación de la información ha de hacerse mediante entrevistas al experto

o bien observando directamente su comportamiento a través de un análisis

de protocolos. Esto ocasiona un cuello de botella en el desarrollo de las

aplicaciones, por lo que para solucionarlo surge el enfoque indicado en el

siguiente acápite.

Elaborar programas de ordenador capaces de generar conocimiento a través

del análisis de los datos empíricos y, en una fase posterior, usar ese

conocimiento para realizar inferencias sobre nuevos datos. Fruto de este

enfoque surgen diversos procedimientos, conocidos como Machine

Learning[17] (Aprendizaje Automático) o Data Mining[18] (Explotación de

Datos), que van a permitir la transformación de una base de datos en una

base de conocimiento. Las técnicas aplicables pertenecen en su mayor parte

a dos bloques principales:

Las que buscan el conocimiento a través de un proceso consistente en

anticipar patrones en los datos. Las diversas arquitecturas de Redes

Neuronales Artificiales van encaminadas a este propósito.

Aquellas consistentes en inferir reglas de decisión a partir de los datos de la

base. Para ello existen diversos algoritmos de inducción de reglas

y árboles de decisión.

GESTION DE RIESGO

El físico británico Stephen Hawking alertó sobre los peligros de la

inteligencia artificial. El físico considera que los esfuerzos en crear este tipo de

tecnología avanzada puede poner en riegos la supervivencia de los seres

humanos.

Para el científico, de 72 años, « el desarrollo de la inteligencia artificial

podría significar el fin de la raza humana», si los sistemas artificiales llegaran a

superar en inteligencia a las personas.

Los robots «podrían llegar a tomar el control y se podrían rediseseñar a sí

mismos» para desbancar a los humanos, dijo el físico en una entrevista con la

cadena BBC.

Hawking ofreció hoy una rueda de prensa en Londres para presentar un

nuevo software que le permitirá comunicarse con mayor velocidad que hasta

ahora.

Humanos suprimidos por robots

El autor de libros como «Una breve historia del tiempo» padece desde hace

más de 50 años una esclerosis lateral amiotrófica (ELA) que ha reducido casi

por completo su movilidad. Gracias a un nuevo sistema desarrollado por la

compañía Intel, Hawking podrá comunicarse con mayor fluidez y multiplicar por

diez su productividad, según él mismo explicó.

En ese contexto, el científico subrayó que los sistemas inteligentes que se

han desarrollado hasta ahora han resultado útiles para la humanidad, si bien

advirtió sobre la posibilidad de que en el futuro puedan suponer un peligro.

«Los humanos, que están limitados por la evolución biológica, no podrían

competir y quedarían suprimidos» por los robots, analizó Hawking.

El físico habló además de los peligros que a sus ojos puede acarrear

internet y resaltó que las compañías de telecomunicaciones deben «hacer más»

para «contrarrestar las amenazas» que pueden propagarse a través de la red.

«La dificultad está en cómo hacerlosin sacrificar la libertad y la privacidad»,

reflexionó Hawking

Hawking no es el primero que expresa su preocupación por la inteligencia

artificial. Elon Musk, CEO de Tesla, ha dicho en varias ocasiones que esta

tecnología puede suponer un riesgo. «Con la inteligencia artificial estamos

invocando al demonio» ó « puede ser más peligrosa que las armas nucleares»

han sido algunas de sus calificaciones.

A medida que la tecnología ha ido avanzando, y los dispositivos que nos

rodean (desde coches a relojes, pasando por refrigeradores y termostatos) han

ido ganando en “inteligencia”, un temor ha ido creciendo en algunos seres

humanos, que en dicho avance han visto también una amenaza. Se trata, claro,

de la rebelión de las máquinas, un escenario apocalíptico en el que, alcanzado

el umbral de la autoconsciencia, y desarrollados los mecanismos necesarios

para “evolucionar”, las máquinas decidirían que “ya está bien” de permanecer

sometidas a lo dictado por el ser humano, especialmente si eso atenta contra

intereses mayores. No es baladí que el padre del concepto de cerebro

positrónico, Isaac Asimov, lo fuera también de las tres leyes de la robótica, que

aún hoy en día siguen siendo empleadas no sólo en todo tipo de creaciones de

ciencia ficción, sino en planteamientos teóricos de cómo deben comportarse las

formas de vida artificial. Dicho conjunto de reglas, que son de obligado

cumplimiento para cualquier robot (entiéndase como tal un dispositivo

electrónico con capacidad de toma de decisiones), tienen la finalidad de proteger

a los seres humanos, por encima de cualquier otro criterio:

1. Un robot no puede hacer daño a un ser humano o, por inacción, permitir que un

ser humano sufra daño.

2. Un robot debe obedecer las órdenes dadas por los seres humanos, excepto si

estas órdenes entrasen en conflicto con la 1ª Ley

3. Un robot debe proteger su propia existencia en la medida en que esta protección

no entre en conflicto con la 1ª o la 2ª Ley.

Sin embargo, y al igual que ocurre con el cerebro positrónico, un enfoque

científico de los postulados de Asimov los deja un poco “cojos” y,

consecuentemente, ese “seguro de vida” que supondría la aplicación de normas

proteccionistas para con los seres vivos, queda en entredicho. Así, no es de

extrañar que determinadas voces, algunas de ellas fuera de cualquier tipo de

duda, planteen que existen riesgos. Tal es el caso de Stephen Hawking, que ha

afirmado en un editorial en The Independent, que el desarrollo de la inteligencia

artificial puede ser el mayor logro de la humanidad… pero también el último.

Lo único que nos puede salvar de esos posibles riesgos es, claro,

conocerlos, y para tal fin es necesario que se dediquen muchos esfuerzos de

investigación (y económicos, claro está), tanto a las pocas entidades (tanto

públicas como privadas) que ya están trabajando en este sentido, pues sólo

identificando los riesgos y preparando una respuesta para los mismos, se podrá

actuar llegado el momento. Por ejemplo, un aspecto particularmente

preocupante es el relacionado con los trabajos. A día de hoy, bastantes

actividades que hasta hace poco tiempo eran llevadas a cabo por humanos,

ahora están en manos de máquinas. Sin embargo, esto podría crecer de manera

exponencial, a medida que la inteligencia de las máquinas fuera “superior”. E,

incluso antes que eso, en el corto plazo, otro aspecto que preocupa seriamente

a Hawking es el de las armas inteligentes:

“In the near term, world militaries are considering autonomous-weapon

systems that can choose and eliminate targets; the UN and Human Rights Watch

have advocated a treaty banning such weapons.”

Es decir, que los militares podrían estar pensando (y trabajando) en

sistemas totalmente autónomos, capaces de elegir objetivos y destruirlos.

Naciones Unidas y Derechos Humanos (Human Rights Watch) han planteado

tratados para la prohibición (antes incluso de que existan) de este tipo de armas,

pero ya es sabido que no son pocos los países que no reconocen a ambas

entidades o que, incluso en el caso de hacerlo, no llevan a rajatabla todas sus

propuestas.

Termina su editorial Hawking, enumerando las instituciones que sí que están

trabajando en la identificación de los posibles riesgos (Cambridge Centre for the

Study of Existential Risk, Future of Humanity Institute, Machine Intelligence

Research Institute y Future of Life Institute), entidades todas sin ánimo de lucro.

Y, al final, una invitación de la que todos somos partícipes: All of us should ask

ourselves what we can do now to improve the chances of reaping the benefits

and avoiding the risks. Todos nosotros debemos preguntarnos qué podemos

hacer para mejorar las posibilidades de aprovechar las las ventajas y, al

tiempo, evitar los riesgos. Quizá sea necesaria una conciencia global sobre

dichos riesgos. A día de hoy, investigadores especializados en inteligencia

artificial, afirman quela tecnología todavía está “muy verde”, lo que nos deja un

margen de maniobra más que suficiente. Sin embargo, tampoco dudan en

plantear la posibilidad de una rápida evolución de la misma, sobre todo si la

investigación empieza a recibir más fondos, algo más que factible dadas las

circustancias actuales. No es algo a pasar por alto, en cualquier caso. Los

riesgos planteados por Hawking tienen una base muy sólida, así que más nos

vale empezar a pensar en cómo adelantarnos a ellos. Cualquier descuido al

respecto puede tener consecuencias inimaginables.

 

El avance rápido de la tecnología en los últimos 50 años ha hecho

cambiar el mundo. Las computadoras “dominan” la vida moderna de las

vastas regiones del planeta, apoyando las funciones clave de los gobiernos

mundiales y la economía, aumentando la precisión en la asistencia sanitaria,

el control de identidad y facilitar las formas de comunicación. El Centro para

el Estudio de Riesgo Existencial (RSME), será el encargado de estudiar los

potenciales peligros de la tecnología para la raza humana como los avances

en biotecnología, la nanotecnología junto al cambio climático y hasta la

inteligencia artificial. El nuevo centro ha sido fundado por el filosofo Huw

Price, el científico Martin Rees y el ingeniero de software Jaan Tallinn, que

plantean los riesgos del nivel de “extinción” para nuestra especie.

“En algún momento de este siglo o del siguiente podemos estar ante

uno de los grandes cambios en la historia de la humanidad o incluso de

nuestra historia cósmica, cuando la inteligencia se escapa de los límites de la

biología”, dijo Huw Price, profesor de filosofía y un de los tres fundadores de

la RSME. Además señaló que la inteligencia artificial general (IAG) no se

debe tomar a la ligera y hay que pensar en la posibilidad de que podría

tratarse de una “caja de Pandora”.

El interés de Price sobre el riesgo de la inteligencia artificial se deriva

de un encuentro casual con Jaan Tallinn, un antiguo ingeniero de software y

uno de los fundadores de Skype, que al igual que Google y Facebook se ha

convertido en una de las piedras angulares de la edad digital. Tallinn afirma

que es más probable morir a causa de un accidente relacionado con la

inteligencia artificial que de cáncer o enfermedades del corazón. Según

Tallinn, las maquinas controlan el futuro después de 4 millones de años de

evolución humana. Pero según Price, dijo que predecir la naturaleza exacta

de los riesgos es muy complicado, y que la tecnología avanzada puede ser

una amenaza en un momento donde los ordenadores comienzan a dirigir los

recursos hacia sus propios objetivos, a expensas de las preocupaciones

humanas como la sostenibilidad del medio ambiente. También reconoció que

muchas personas creen que este proyecto es inverosímil, pero insistió en

que los riesgos potenciales son demasiado serios para mirar a otro lado. La

universidad dijo el domingo que la apertura del nuevo centro está prevista

para el próximo año.

Riesgos

Para muchos la singularidad debe acontecer antes del 2030. El tiempo

que resta antes de que se llegue a ese fenómeno se acelera con la

utilización de máquinas para apoyar tareas de diseño, mejoras de diseño y

fabricación de nuevos inventos.

Una vez llegado al punto en que se cree una inteligencia superior a la

humana, se entraría en una etapa post humana que probablemente

conduzca a la extinción de la humanidad o a su subordinación a esos nuevos

entes inteligentes.

Los defensores de la singularidad están conscientes de las amenazas

que esta implica y consideran los siguientes riesgos existenciales:

Inteligencia artificial mal programada.

Mal uso de la nanotecnología.

Mala utilización de la biotecnología.

Uso generalizado de las prótesis (convirtiéndose en un robot)

Tecnologías autónomas que se escapan de las manos (máquinas que se

auto construyen a si mismas)

En cambio, los defensores de la singularidad asumen que es necesario

tomar el control de la evolución humana y acelerar el progreso tecnológico.

Proponen la sustitución de una especie humana obsoleta por otra especie

“superior” con poderes ilimitados y que por medio de las tecnologías

emergentes o convergentes (Nanotecnología, Biotecnología, Infotecnología y

Cognotecnología - NBIC) puedan alcanzar la posthumanidad.

El siglo XXI enfrenta el dilema de si controla el progreso tecnológico y lo

mantiene como una infraestructura subordinada a los humanos o estimula el

desarrollo autónomo del progreso tecnológico y con él los riesgos que este

representa.

La idea de una singularidad, Vinge la sustenta sobre la ley de

Moore que dice que la capacidad de los microchips de un circuito integrado

se duplicará cada año y medio, lo cual traerá un crecimiento exponencial de

la potencia del hardware de las computadoras y de mantenerse este

crecimiento acelerado conducirá inevitablemente a que las máquinas le den

alcance y luego superen la capacidad del cerebro para procesar la

información y según un gráfico elaborado por Hans Moravec, la paridad entre

el hardware y el cerebro se alcanzará alrededor del 2020 lo cual dará lugar a

las máquinas ultra inteligentes.

Vinge define una máquina ultra inteligente como una máquina capaz

de superar en mucho todas las actividades intelectuales de cualquier

humano independientemente de la inteligencia de éste y está convencido de

que esa inteligencia superior será la que impulsará el progreso, el cual será

mucho más rápido e incluso superará a la actual evolución natural. Es así

que afirma que estaremos entrando en un régimen radicalmente diferente de

nuestro pasado humano, y es a este evento al que le da el nombre de

singularidad.

El transhumanista Nick Bostrom define una superinteligencia de la siguiente

forma: Tendrá superinteligencia cualquier intelecto que se comporte de

manera vastamente superior en comparación con los mejores cerebros

humanos en prácticamente todos los aspectos y en especial estos tres:

Creatividad científica

Sabiduría en general

Desempeño científico

Esta definición deja abierta la forma como se implementa esa

superinteligencia

Una computadora digital

Una red de computadoras

Cultivo de tejidos corticales

Fusión entre computadoras y humanos

En general los teóricos del la singularidad definen la superinteligencia:

como cualquier forma de inteligencia artificial basada en la capacidad del

sistema de autoaprendizaje. Estas redes neuronales artificiales serían

capaces de superar a los mejores cerebros humanos en prácticamente

cualquier disciplina, incluyendo creatividad científica; sentido común, y

habilidades sociales. Muchos científicos han presentado el argumento de que

tanto el hardware necesario como el software requerido para la

superinteligencia serán desarrollados en las primeras décadas del siglo XXI.

A diferencia de los investigadores de la Inteligencia Artificial, que

pensaban que la mente podía ser representada por medio de algoritmos y

que esta podía ser programada totalmente en una computadora. Creen que

las máquinas dado el progreso acelerado de la potencia de su hardware

despertarán en algún momento como una inteligencia, esto nos lleva al

concepto de emergencia basado en que las máquinas serán cada vez más

veloces, tendrán más memoria y que esto emergerá en una nueva

inteligencia. El mismo concepto aplica para Internet, donde las conexiones

entre humanos y máquinas que se comportaran como neuronas dentro de

una gran red, por lo que en cualquier momento de ellas emergerá una

inteligencia (cerebro global).

La idea de priorizar el hardware sobre el software se apoya sobre los

siguientes conceptos:

La evolución de las máquinas es más rápida que la de los humanos,

mientras las máquinas sufren un crecimiento acelerado, la evolución

natural de los humanos está prácticamente detenida.

La aceleración de las tecnologías se seguirá incrementando hasta llegar

a un punto que escapa a las capacidades de los humanos (singularidad

tecnológica).

Las máquinas se irán auto construyendo a sí misma, cada vez más

perfeccionadas, más veloces, con más memorias, dotadas de mejores

algoritmos; podrán llegar a convertirse en máquinas superinteligentes que

superen a los humanos.

La inteligencia de las máquinas dada la complejidad que irán adquiriendo

y las conexiones internas (circuitos) o externas (redes) podrá despertar

como una entidad auto consciente.

La mayoría de los métodos propuestos para la creación de una

inteligencia suprahumana caen en una de estas dos categorías: en la

amplificación de la inteligencia del cerebro humano o en el desarrollo de la

inteligencia artificial. Los medios con los que se podría aumentar la

inteligencia son numerosos, e incluyen la bioingeniería, la ingeniería

genética, los fármacosnootrópicos, los asistentes inteligentes, las interfaces

directas cerebro-computadora y transferencia mental. La existencia de

múltiples caminos para una explosión de inteligencia hace que una

singularidad sea más probable, ya que para no ocurrir debe fallar en todas

sus posibilidades.

CONCLUSIONES.

 

En este artículo se presenta una breve revisión de las principales

técnicas de la Inteligencia Artificial y sus aplicaciones a la gestión financiera

empresarial, debido a que estas herramientas tecnológicas constituyen un

soporte muy importante para la toma de decisiones eficaces y oportunas en

la gestión empresarial.

  De las técnicas de Inteligencia Artificial los sistemas expertos se

constituyen en la técnica o herramienta  más tradicionalmente aplicada a la

gestión financiera empresarial debido a que permiten la implementación de

sistemas transaccionales, flexibles  e innovadores para las empresas. La

gran mayoría de los sistemas expertos están basados en reglas de

clasificación que son obtenidas partiendo de la experiencia y del

conocimiento de especialistas expertos en la solución de un problema

particular. Sin embargo, recientemente se ha venido desarrollando una

nueva técnica adscrita a los Sistemas expertos y son los denominados

Sistemas Basados en Casos (Case Based Reasoning).

  En la búsqueda de nuevas técnicas de Inteligencia Artificial se han

implementado estructuras auto-organizativas  que simulen o imiten el

funcionamiento de la vida biológica, tal es el caso de las redes neuronales

artificiales las cuales intentan representar el conocimiento desde el estrato

más básico de la inteligencia ( el estrato físico) que es el cerebro humano.

Estas estructuras autoorganizativas se constituyen en  sistemas robustos 

para el tratamiento de la información, cuya potencialidad aún es objeto de

investigación. Las características fundamentales de las redes neuronales

artificiales son entre otras: La capacidad de autoaprendizaje a partir del

procesamiento de patrones, flexibilidad ante cambios en nuevos ambientes,

y  la tolerancia a fallos.

  Por otra parte, las redes neuronales se están combinando con otras

técnicas de reciente aparición tales como la lógica difusa y los algoritmos

genéticos, las cuales proporcionan en conjunto herramientas potentes para la

resolución de problemas complejos para los cuales el sistema algorítmico

tradicional no es eficiente.

  La evolución y constante desarrollo y aplicación de estas técnicas de la

inteligencia artificial nos invitan a continuar realizando estudios empíricos que

permitan determinar en qué tipo de problemas y bajo qué condiciones estas

herramientas pueden ser una solución más eficiente que los modelos

utilizados habitualmente.

  En conclusión, la aplicación de las herramientas anteriormente

mencionadas al campo empresarial, permite contar con metodologías que

sirven de soporte a los complejos procesos de análisis. Dichos procesos se

requieren en el descubrimiento de las tendencias del negocio a fin de tomar

decisiones eficientes y oportunas, y poder afrontar los retos que impone el

mundo globalizado, en donde el conocimiento y su correcta aplicación

aparecen como un factor esencial para el desarrollo de las organizaciones y

de la economía en general.

 

BIBLIOGRAFIA

 Arias, J., Fabián M.(2005): “Pronóstico del tipo de cambio colombiano: Una

aproximación desde las redes neuronales”. Edición electrónica accesible a

texto completo en   http:/www.uniandes.edu.co. Páginas:4-31.

 Bracamonte R..C. y  Villamizar, J.G. (2002): “Diseño e Implementación de un

sistema inteligente utilizando redes neuronales”. Tesis Uninorte. Páginas: 6-

18.

Boucier, D. y Casanova, P.(2003): “Inteligencia Artificial y Derecho”. Editorial

UOC. Páginas: 54-72.

Flores, M.(n.d): “La Inteligencia Artificial en la Gestión Empresarial”. Edición

electrónica accesible a texto

completo en http://www.monografias.com/trabajos28/inteligencia-artificial-

gestion-empresarial/inteligencia-artificial-gestion-empresarial.shtml 

 Giatarrano, J. Y Riley, G. (2001): “Principios y Programación”. Internacional

Thomson Editores. Páginas 1-50.

Graubard, Stephen R. (1993):“El nuevo debate sobre la inteligencia artificial-

Sistemas simbólicos y redes neuronales”. Editorial Gedisa . Primera edición.

Páginas: 29-96.

Guy, B., Pierre, L y Pomerol, J.C.(1990): “Los sistemas expertos en la

empresa”. Macrobit Corporation. Página: 9-189.

Harmon, P. y King, D. (1985): “Artificial Intelligence In business Expert

System” A Wiley Press Book . Páginas 1-21.

Hilera J. y Martínez, V. (1995): “Redes Neuronales Artificiales. Fundamentos,

Modelos y Aplicaciones ”. RA-MA/Addison Wesley Iberoamericana.