Trabajo7. william guerrero aplicación de la inteligencia artificial en el análisis de la solvencia empresarial
1. “APLICACIÓN DE LA
INTELIGENCIA ARTIFICIAL EN EL
ANÁLISIS DE LA SOLVENCIA
EMPRESARIAL”
Autor:
William Ricardo Guerrero Cabrera
2. INTRODUCCIÓN
• Actualmente, el mayor esfuerzo en la búsqueda de la
inteligencia artificial se centra en el desarrollo de
sistemas de procesamientos de datos que sean capaces
de imitar a la inteligencia humana.
• Definitivamente, la inteligencia artificial es la cumbre
del conocimiento tecnológico en nuestros días donde la
ingeniería electrónica y la informática tienen la última
palabra en cuanto a la implementación de la misma.
4. 1.1. Definición
• La expresión Inteligencia Artificial (IA) fue sugerida por
John McCarthy, para referirse a una parte de la
informática dedicada al diseño de máquinas que fueran
capaces de simular algunas de las conductas realizadas
por el ser humano.
• Es la parte de las Ciencias de la Computación que se
ocupa de diseñar sistemas informáticos que presenten
las características que se asocian con inteligencia en el
comportamiento humano.
5. 1.2. Categorías de la inteligencia
artificial
• Sistemas que piensan como humanos.
• Sistemas que actúan como humanos.
• Sistemas que piensan racionalmente.
• Sistemas que actúan racionalmente
(idealmente).
6. 1.3. Importancia
• Actualmente, las aplicaciones de la inteligencia
artificial en la vida diaria son muy variadas.
• Los sistemas expertos se emplean en el ámbito
comercial, para tomar decisiones con base en la
información detallada de los clientes.
• Por lo tanto, la importancia de la inteligencia
artificial en nuestros días en innegable.
7. 1.4. La prueba de Turing
• Alan Turing se puede considerar el padre de
la Inteligencia Artificial (IA), en el año 1950
propuso la llamada Prueba de Turing (o
también «juego de imitación») para
examinar la inteligencia de una máquina.
8. 1.5. Etapas de la inteligencia
artificial
Primera Etapa 1950 Redes neuronales
Búsqueda
Segunda Etapa 1960
Heurística
Tercera Etapa 1970 Sistemas Expertos
Aprendizaje de las
Cuarta Etapa 1980
Máquinas
Nuevos Estudios
Quinta Etapa 1990 de Redes
Neuronales
9. 1.6. Evolución
1943 Swarren, McCulloch y Warren Pitts
1946 William Harvey, Claude Bernard y Walter Cannon
Santiago Ramón y Cajal
Sherrington
1946 Arturo Rosembleuth y Norbert Winer I
John Hopfield
1955 Alled Newell, J.C. Shaw y Hebert Simon
1956 John Mc Carthy
Frank Rosembaulty
Marvin Minsky y Seymour Papert
1957 Seymour Papert
1965 Allan Robinson
Sistema dendral de la universidad de Stanford para la
determinación de estructuras de los compuestos químicos.
1973 Darpa desarrollado para líneas de Investigación y desarrollo.
1974 Prospector desarrollado para la localización de prospecciones
mineras Petrolíferas.
1977 Micyn universidad de Stanford creado para diagnósticos
médicos.
10. 1.7. Ramas
Las ramas de la Inteligencia Artificial son las
siguientes:
– Búsqueda Heurística
– Representación del conocimiento
– Inferencia
– Planificación
– Aprendizaje
– Lenguaje Natural
– Visión
– Robótica
12. 1.9. Desafíos técnicos del futuro
• Los tres desafíos más importantes en el
desarrollo dentro de la A I son su facilidad de
uso, la flexibilidad de la infraestructura
computacional y la disponibilidad de
herramientas de desarrollo cada vez más
poderosas
14. 2.1. Definición
• Una red neuronal, según Freman y Skapura
citado María Guzmán y G Sotolongo. (2001),
es un sistema de procesadores paralelos
conectados entre sí en forma de grafo
dirigido.
• Las redes neuronales artificiales (RNA) son
aplicadas en diversos ámbitos de la actividad
humana.
15. 2.2. Células cerebrales
• Según Quiñones, existen dos tipos de células
cerebrales: neuronas (10%), y neuroglias
(90%) y que además cada persona humana
tiene 100 billones de neuronas y 1000
billones de neuroglias.
• Así mismo alega que aunque el cerebro
contiene menos neuronas, éstas son
esenciales para su funcionamiento.
16. 2.3. Sinapsis
• Una neurona ejerce su influencia para activar
otras neuronas mediante los puntos de unión
o sinapsis.
• Las neuronas no se tocan entre sí.
2.4. Metabolismos
• Se llama metabolismo al conjunto de
reacciones químicas a través de las cuales las
células intercambian materia y energía del
medio.
18. Aplicaciones en el campo del
análisis de la solvencia
• Las redes neuronales comienzan a utilizarse
para analizar la solvencia empresarial cuando
se desarrolla el algoritmo BP (back-
propagation - retropropagación) a finales de
los años ochenta. Su introducción vino
motivada por el deseo de mejorar los
resultados que se alcanzaban con los
modelos estadísticos.
19. Ventajas que presenta la utilización
de sistemas expertos
1) Permanencia
2) Reproducibilidad
3) Eficiencia
4) Consistencia
5) Amplitud
Por último, el sistema experto siempre tiene
en cuenta todos los factores.
20. CONCLUSIONES
• La inteligencia artificial, produce resultados
que maximizan una cierta medida de
rendimiento.
• La mayor parte de los sistemas expertos están
basados en reglas de clasificación.
• Las redes neuronales en el campo financiero
han originado modelos de análisis del riesgo
de insolvencia que están funcionando
actualmente en instituciones de crédito.