En busca de artículos acerca de Inteligencia Artificial en la plataforma de Connected Papers muestra el siguiente gráfico, del cual se ha elegido el artículo de Arrieta del año 2020 titulado Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges toward Responsible AI.
Pero, como ya se sabe, la Inteligencia Artificial se tiene diferentes ramas y aplicaciones. Por lo que el propósito con el que se busca información acerca de ello depende del perfil del usuario. El aumento de las publicaciones sobre la Inteligencia Artificial está en aumento por cada vez ajustarse a más perfiles de diversas ramas. En la siguiente ilustración se muestra el mayor interés de algunos perfiles un tanto ajenos a las raíces de la Inteligencia Artificial.
La explicabilidad en la Inteligencia Artificial se basa en las preguntas base el "¿Qué?" para poder explicar los diversos conceptos que engloba este tema, el "¿Por qué?" y "¿Para qué?" para tener un objetivo claro con respecto a la información que se quiere tener; y el "¿Cómo?" para saber las técnicas y herramientas que se usan aplicándose en las diferentes ramas.
Luego de la revisión al artículo anterior, se tiene el siguiente artículo que muestra una aplicación de la Inteligencia Artificial a la toma de decisiones. En caso preciso, se tiene un sistema basado en inteligencia artificial donde a través de un agente, se hace un cálculo para la asignación de presupuestos y en base algunos parámetros se realiza la toma de decisiones.
Antes de ver el caso en sí, veremos un poco acerca de los agentes. Un agente, en inteligencia artificial, es el término usado para representar el raciocinio del programa hecho, vale decir, que es el conjunto de algoritmos elaborados con la finalidad de que el programa pueda "pensar" por sí mismo y ser capaz de tomar una decisión. En la inteligencia artificial de manera global, tiene distintos tipos de agentes. Pero, en este caso, solo tomaremos la definición de un agente aprendiz o agente que aprende; este tipo de agente tiene implementado una red neuronal que le permite aprender e ir tomando mejores decisiones cercanos cada vez más a la de una persona real. En la red neuronal que se le da al agente se tienen dos etapas, la primera consiste en el entrenamiento que se le da al agente como base para que pueda tomar sus primeras decisiones y tener un margen de error mínimo, y la siguiente etapa que consta del tratamiento a la data real con la que irá trabajando y con la que irá aprendiendo cada vez más.
En este caso, el agente recibirá data con información presupuestaria para tomar decisiones en base a los seguimientos que se le da a ese presupuesto, además de poder medir la calidad en base a parámetros y haciendo los cálculos correspondientes basados en técnicas estadísticas y el manejo de probabilidades en los resultados de dichos cálculos aplicando técnicas y herramientas de la teoría de decisiones.
Artículo en Inglés
Artículo en Español
No hay comentarios.:
Publicar un comentario