INTELIGENCIA ARTIFICIAL 1 INTRODUCCION

La Inteligencia Artificial trata de conseguir que los ordenadores simulen en cierta manera la inteligencia humana. Se acude a sus tcnicas cuando es necesario incorporar en un sistema informtico, conocimiento o caractersticas propias del ser humano. La leccin presenta las principales ramas y aplicaciones de la Inteligencia Artificial Podemos interrogar a algunas bases de datos de Internet en lenguaje natural, o incluso charlar con ellas nuestro idioma, porque por detrs se est ejecutando un programa de Inteligencia Artificial. Y los sistemas expertos: Qu son? Nuestro programa de contabilidad puede incluir uno de ellos para asesorarnos en los asientos contables. Otras herramientas inteligentes pueden utilizarse para escrutar entre los millones de datos que se generan en un banco en busca de patrones de comportamiento de sus clientes o para detectar tendencias en los mercados de valores. Pero ojo!, aunque es un trmino que suena -y vende- bien, es difcil poner una ralla entre lo que es Inteligencia Artificial e informtica convencional, ya que al fin y al cabo todo son programas de ordenador.

OBJETIVOS
Estudiar las principales ramas de la Inteligencia Artificial Conocer las principales aplicaciones de la Inteligencia Artificial en la gestin contable y financiera de la empresa Utilizar en clase de prcticas uno o varios programas de Inteligencia Artificial

CONTENIDO
1. Informtica convencional 2. Ramas de la Inteligencia Artificial 3. Los Sistemas Expertos 4. Resumen y conclusiones

1. Informtica Convencional
1.1 Gran avance de la informtica
El desarrollo de los ordenadores ha sido espectacular en los ltimos aos. Del mismo se han beneficiado muchos campos del saber, siendo uno ms de ellos la administracin y direccin de empresas. Los programas informticos como hojas de clculo, bases de datos, tratamientos de estos, etc., suelen estar basados en programacin algortmica convencional, en la que se indica al ordenador paso a paso lo que debe hacer. Estos programas se ejecutan en ordenadores convencionales con un nico microprocesador o unidad central de proceso que opera secuencialmente. Todo ello constituye lo que se denomina informtica convencional, representada en la figura siguiente.

Informtica convencional

La informtica convencional ha desarrollado con xito un nmero considerable de aplicaciones para mejorar la gestin empresarial y ha producido una indudable revolucin en todas las actividades de la Contabilidad y otras ramas.

1.2 Introducir conocimiento en un sistema informtico

Sin embargo, a pesar de la importancia de las aplicaciones informticas convencionales en la empresa, en la medida en que necesitamos incorporar conocimiento a un sistema informtico se utilizan otro tipo de herramientas, como son las procedentes de la Inteligencia Artificial. La informtica convencional aplicada al anlisis de la solvencia de una empresa.

Anlisis contable
Vamos a suponer que trabajamos en el departamento de concesin de crditos de una entidad financiera y nuestro trabajo consiste en analizar la informacin contable de las empresas, valorar si la empresa es solvente o presenta problemas y, a partir de ah, decidir si merece un crdito o no. Es un problema tpico de anlisis contable.

Queremos un programa de ordenador

Pensamos que el ordenador nos puede ayudar a manejar los datos para lo que queremos una aplicacin informtica que nos ayude a dicha tarea. Aunque somos algo novatos en nuestro nuevo trabajo, contamos con lo aprendido en la facultad y el apoyo de nuestro compaero de trabajo, especialista en ese campo -aunque no muy ducho en los temas de informtica-, a quien pensamos sustituir porque se acerca la fecha de su jubilacin.

Por ejemplo, una hoja de clculo

Una herramienta de informtica convencional que podramos utilizar es la hoja de clculo. All podramos introducir los balances y cuentas de resultados de los clientes y calcular ratios financieros sobre liquidez, endeudamiento, rentabilidad, etc., y otras magnitudes como el fondo de maniobra.

Muy til la funcin condicional

Siguiendo las recetas de algn manual de anlisis contable, sobre esos ratios podemos realizar algunos clculos adicionales. Seguro que una de las funciones que ms utilizaramos de la hoja de clculo es la funcin condicional, de forma que nos avise cuando la empresa en cuestin tenga valores anormalmente bajos para alguno de los ratios analizados.

Y la capacidad de simulacin
La capacidad de la hoja de clculo para realizar simulaciones es tambin muy notable. Con algo de programacin adicional podemos incluir unas macros que enciendan un semforo rojo en cada uno de los puntos dbiles de la empresa, vamos, un sistema de alerta temprana.

... pero se queda pequeo

Orgullosos por haber dotado a nuestra hoja de clculo de cierta inteligencia, la mostramos a nuestro compaero, pidiendo su consejo. "No est mal, ayudar mucho a facilitar los clculos que con mi calculadora se hacan muy pesados", exclama, "Aunque es algo sencillo". Por ejemplo, deberas haber tenido en cuenta que para ese sector en concreto es normal que el fondo de maniobra sea negativo. Adems, no nos interesa tanto la rentabilidad como su capacidad para devolver el prstamo. Es ms, no nos importa que la empresa quiebre, con tal de que pueda devolverlo. Me gustara charlar contigo para poder mejorar tu programa".

Ineficiente para representar conocimiento

En seguida nos damos cuenta de que la hoja de clculo no es la herramienta ms adecuada para representar el conocimiento complejo. En cuanto queramos que las condicionales estn anidadas al estilo: "si esto Y aquello O eso Y...entonces" la programacin se complica y no es eficiente.

2. Ramas de la Inteligencia Artificial

2.1 Origen
El nacimiento de la Inteligencia Artificial se sita en una reunin celebrada en el Dartmouth College (Hanover, EEUU) en 1956, en la que se plante la posibilidad de construir mquinas inteligentes. Llama la atencin que en esa fecha la informtica apenas se haba desarrollado, y ya se planteaba la posibilidad de disear mecanismos inteligentes. En aquella reunin se encontraban entre otros, Claude Shannon, padre de la Teora de la Informacin; Marvin Minsky, que ms tarde demostrara las limitaciones de ciertos modelos de redes neuronales; Herbert Simon, premio Nobel de Economa quien adems desarroll el primer programa de Inteligencia Artificial y un largo etctera de investigadores.

2.2 Tronco comn con varias ramas

Desde entonces son muchas las ramas que surgen del tronco comn de la Inteligencia Artificial. Las Ciencias de la Computacin han asistido continuamente al nacimiento de nuevas ramas y se habla de: Espacio de Estados Bsquedas informadas y no informadas Teora de Juegos Sistemas expertos Computacin Evolutiva Vida Artificial Algoritmos genticos Computacin molecular Redes neuronales Lgica Difusa Fractales Lenguaje natural

En algunas de estas ramas los resultados tericos van muy por encima de las realizaciones prcticas y en otras ramas solo se ha quedado en papeles.

Los sistemas expertos

Los sistemas expertos son la rama ms conocida. Parten de la premisa de que los expertos humanos utilizan gran cantidad de conocimientos especficos de un campo que deben ser incorporados en el sistema experto. Para los defensores ms radicales de este paradigma, la inteligencia es un

programa que debe funcionar independientemente del lugar donde se ejecute: ordenador o cerebro. La forma deductiva en que representan el conocimiento, habitualmente mediante smbolos y reglas, es apropiada cuando es posible extraer un conjunto de reglas y normas. En la Contabilidad existen subdominios en los que es fcil o al menos posible extraer una serie de reglas y otros en los que es menos factible.

Las redes neuronales artificiales

Las redes neuronales artificiales tratan de representar el conocimiento replicando la estructura neuronal del cerebro humano. En ellas lo fundamental es el aprendizaje mediante patrones o ejemplos. Las redes neuronales artificiales tratan de resolver tareas como el reconocimiento de patrones, problemas de optimizacin o clasificacin que la computacin algortmica tradicional e Inteligencia Artificial convencional no han resuelto de un modo suficientemente satisfactorio. En las redes neuronales artificiales el conocimiento no se programa de forma directa en la red sino que se adquiere mediante ejemplos por medio de una regla de aprendizaje que va ajustando parmetros. Como vemos es un mtodo inductivo muy diferente al que siguen los sistemas expertos. Diversas parcelas de la Contabilidad utilizan frecuentemente el mtodo inductivo por lo que se justifica conocer qu nos pueden ofrecer las redes neuronales.

La Vida Artificial
La Vida Artificial puede considerarse un paradigma emergente de la Inteligencia Artificial: se simulan realidades virtuales que evolucionan en entornos mutantes. Los algoritmos genticos son los representantes ms conocidos de la Vida Artificial.

Aplicaciones en la empresa
De entre todos los paradigmas y estrategias de la Inteligencia Artificial, actualmente dos tienen el mayor inters para las aplicaciones en la empresa: los sistemas expertos y las redes neuronales artificiales. Estos sistemas se pueden combinar, por lo que una solucin prctica es utilizar sistemas

mixtos que incorporan un mdulo de sistema experto con sus reglas junto a otros mdulos neuronales y estadsticos.

2.3 Un Ejemplo para programas de ajedrez

aclarar

las

diferencias:

los

Un sencillo ejemplo basado en el diseo de un programa de ajedrez puede ayudarnos a entender las diferencias entre estos paradigmas. Un sistema experto trata de incorporar la sabidura de algn maestro del ajedrez mediante reglas. Una red neuronal es entrenada con ejemplos de partidas clebres, tratando de extraer de ah el conocimiento. Finalmente, mediante algoritmos genticos se disean programas que compiten entre s de forma que por seleccin natural quedan los mejores.

3. Los Sistemas Expertos

Son la rama de la Inteligencia Artificial ms empleada en la gestin empresarial Su origen se sita a mediados de los aos setenta, aunque es a partir de la dcada de los ochenta cuando se desarrollan aplicaciones en toda su plenitud. Su objetivo es modelizar el conocimiento, representndolo en forma de smbolos. A continuacin estudiaremos: Concepto Desarrollo Aplicaciones Ventajas Limitaciones

3.1 Definicin

El Grupo Especialista en Sistemas Expertos de la Sociedad Britnica de Ordenadores Los define de la siguiente manera: "La incorporacin dentro de un sistema de ordenador de un componente basado en el conocimiento, correspondiente a una habilidad experta, de tal forma que el sistema pueda ofrecer asesoramiento inteligente o tomar una decisin inteligente sobre una funcin del proceso. Una caracterstica adicional deseable, que muchos consideran fundamental, es la capacidad del sistema, si se le solicita, de justificar su propia lnea de razonamiento de un modo directamente inteligible para el interrogador. El estilo adoptado para alcanzar estas caractersticas es la programacin basada en reglas."

Recopilan en un programa informtico el conocimiento de especialistas en una materia.

Sus dos componentes principales son la base de conocimientos y un programa de inferencia. El conocimiento se representa mediante el uso de smbolos, y as se crea una base de conocimiento. Una vez creada la base de conocimiento, se debe disear un mtodo para utilizarla, que es el programa de inferencia. El programa de inferencia manipula la informacin simblica almacenada en la base de conocimiento mediante un proceso de bsqueda.

Estructura de un sistema experto

3.2 Desarrollo Podemos desarrollar un sistema experto de dos maneras:

a) A medida, programando en un lenguaje convencional (C, Pascal, etc.) o en un lenguaje especfico para el manejo de smbolos (Lisp, Prolog, etc.). b) Utilizando una concha de sistema experto, tambin llamadas shell. Son programas comerciales con todos los elementos del sistema experto pero con la base de conocimientos vaca.

La tarea de adquisicin del conocimiento es una tarea compleja que precisa de varios actores:
a) el ingeniero del conocimiento, especialista informtico que extrae el conocimiento del especialista humano y lo plasma en el programa informtico b) el especialista humano, que es quien posee el conocimiento c) el usuario del sistema, encargado de utilizar el sistema experto.

Hay muchas formas de representar el conocimiento en un sistema experto. El mtodo ms utilizado son las reglas de produccin.
Una regla de produccin toma la siguiente forma general:

SI <son ciertos determinados hechos> ENTONCES <se consideran ciertos otros hechos>

Estas reglas residen en la base de conocimientos, en una especie de fichero de texto. El programa de inferencia, verdadero motor del sistema experto se encarga de combinar estas reglas, interactuando con el usuario a travs del interfaz del usuario.

Un sistema experto para analizar la solvencia de una empresa Parece una actividad ideal para un sistema experto
Siguiendo con el ejemplo del apartado anterior, podemos animarnos a realizar un sistema experto para analizar la solvencia de una empresa. Al fin y al cabo, contamos con la ayuda de un especialista humano y no es caro adquirir una concha con la que podemos introducir cientos de reglas.

Por dnde empezar?

El procedimiento de trabajo es laborioso, pues se trata de extraer el conocimiento de nuestro colega, que conforme pasa el tiempo nos damos cuenta de que no tiene las cosas tan claras. Muchas reglas parecen confusas, no son blancas o negras, por lo que hemos tenido que incorporar lgica fuzzy. Avanzamos despacio, aunque por lo menos est sirviendo para replantearnos todo el proceso de la toma de decisiones de prstamo en el banco. Nos hemos dado cuenta de muchas decisiones se tomaban a ojo.

Van surgiendo problemas

Autores como Hartvigsen (1992), que ha elaborado un sistema experto para el anlisis de la solvencia de las empresas reconoce las limitaciones y dificultades que plantea la construccin de los sistemas expertos para el anlisis financiero. No hay una teora formal y perfectamente estructurada para examinar la informacin contable de las empresas, aunque tampoco hay un desconocimiento total del procedimiento a seguir.

Podemos combinarlos con otras tcnicas

Para abordar este tipo de problemas difcilmente resolubles mediante los mtodos convencionales o mediante sistemas expertos hemos propuesto combinarlos con otras herramientas de Inteligencia Artificial, como las redes neuronales.

3.3 Aplicaciones Un sistema experto contable

Es un sistema informatizado que modeliza la experiencia de un contable.

La gestin empresarial cuenta con gran nmero de sistemas expertos

Ello es debido a dos razones fundamentales: a) casi todas las empresas disponen de un ordenador que realiza las funciones bsicas de tratamiento de la informacin: contabilidad general, decisiones financieras, gestin de la tesorera, planificacin, etc, b) este trabajo implica manejar grandes volmenes de informacin y realizar operaciones numricas para despus tomar decisiones. Esto supone un terreno ideal para la implantacin de los sistemas expertos.

Podemos clasificar las aplicaciones en la Contabilidad en varios apartados:

a) Auditora De entre todas las posibles reas de trabajo en la contabilidad, segn Fortuna, Busto y Sastre (1991) la auditora es el campo en el que ms aplicaciones de sistemas expertos se estn desarrollando. Pueden servir para ayudar en el proceso de auditora, decidiendo los programas a seguir, determinando los tipos de muestra y los tamaos, calculando los errores en la revisin de cuentas, analizando grandes volmenes de transacciones contables, desarrollando una revisin analtica y formulando juicios en la materia.

b) Fiscalidad La interpretacin de las reglas impositivas para tratar de adaptarlas en trminos ventajosos para la empresa tambin resulta un campo adecuado para la utilizacin de los sistemas expertos.

c) Planificacin Los sistemas expertos en la planificacin ayudan en la toma de decisiones, asesorando en temas de planificacin financiera, control, anlisis de desviaciones, etc.

d) Anlisis financiero Tambin son tiles para examinar las cuentas anuales de las empresas, los balances, resultados y en general la informacin econmica.

e) Contabilidad financiera Tambin la contabilidad financiera puede beneficiarse, al proporcionar el sistema experto una base normativa amplia para la preparacin de las cuentas anuales o su revisin.

3.4 Ventajas Proporcionan una forma de controlar gran cantidad de datos

Uno de los grandes problemas a los que se enfrenta el analista es el gran caudal de informacin a manejar, que puede afectar negativamente a la toma de decisiones. Ante tal circunstancia los sistemas expertos pueden ser unos valiosos aliados. Los sistemas expertos recopilan los datos, los analizan y asimilan. Convierten grandes volmenes de datos en informacin til. En este sentido conviene distinguir un sistema experto de los simples programas de ordenador: tambin las hojas de clculo, bases de datos y programas convencionales manejan habitualmente informacin y alivian la pesada tarea de realizar clculos numricos pero no incluyen procedimientos de representacin del conocimiento.

Pueden superar al experto humano?

a) cuando se requiere analizar un gran volumen de datos en un corto espacio de tiempo. El experto humano se ver obligado a despreciar parte de la informacin desechando la que no considere relevante; sin embargo, el sistema experto, dada su mayor velocidad de proceso, puede analizar toda la informacin, sin que aparezca fatiga u otros efectos propios del ser humano que empeoran los resultados. b) cuando la decisin exige aplicar conocimientos de varios campos.

3.5 Limitaciones

Programacin
Difcil de elaborar Precisan mantenimiento complejo

El elevado coste
En tiempo y dinero para extraer el conocimiento de los especialistas humanos

Poca flexibilidad a cambios

Hay que reprogramar el sistema

Dificultad para manipular informacin no estructurada

Especialmente la informacin incompleta, inconsistente o errnea.

Desacuerdo entre los especialistas humanos

En la elaboracin del sistema experto, los especialistas humanos pueden estar en desacuerdo entre ellos mismos a la hora de tomar las mejores decisiones para la solucin de los problemas particulares.

Problemas que no son resolubles mediante un sistema experto

Para abordar este tipo de problemas difcilmente resolubles mediante los mtodos convencionales o mediante sistemas expertos, que por otra parte no son exclusivos del anlisis contable se ha propuesto su combinacin con otras herramientas de Inteligencia Artificial, como las redes neuronales.

4. Resumen y conclusiones Es una disciplina en constante evolucin

El nacimiento de la Inteligencia Artificial se sita en los aos cincuenta; en esa fecha la informtica apenas se haba desarrollado, y ya se planteaba la posibilidad de disear mquinas inteligentes. Hoy en da se habla de vida artificial, algoritmos genticos, computacin molecular o redes neuronales. En algunas de estas ramas los resultados tericos van muy por encima de las realizaciones prcticas.

Sistemas expertos y redes neuronales

Los sistemas expertos son la rama ms conocida de la Inteligencia Artificial. La forma en que representan el conocimiento, habitualmente mediante smbolos, es apropiada cuando es posible extraer un conjunto de reglas y normas. En la vasta ciencia empresarial, existen subdominios en los que es fcil o al menos posible extraer una serie de reglas y otros en los que es menos factible. Las redes neuronales artificiales son eficientes en tareas tales como el reconocimiento de patrones, problemas de optimizacin o clasificacin. Las redes neuronales se puede integrar en un sistema de ayuda a la toma de decisiones, pero no son una panacea capaz de resolver todos los problemas:

todo lo contrario, son modelos muy especializados que pueden aplicarse en dominios muy concretos.

Cmo elegir la herramienta adecuada?

La eleccin entre los diferentes sistemas de ayuda a la toma de decisiones depende entre otros factores del tipo de tarea a realizar. 3a) Tipo de decisin Simon (1960) ha clasificado las decisiones en estructuradas y no estructuradas: las decisiones estructuradas son repetitivas, rutinarias y existe un procedimiento definido para abordarlas; por el contrario, en las decisiones no estructuradas el decisor debe proporcionar juicios y aportar su propia evaluacin. 3b) Nivel al que se toman las decisiones Tambin el nivel al que se toman las decisiones afecta la eleccin del tipo de sistema ms apropiado. Gorry y Scott-Morton (1971) han propuesto un esquema que relaciona el tipo de decisin (estructurada, semiestructurada y no estructurada) y el nivel organizacional (control operativo, de gestin y estratgico) con la herramienta a utilizar. Lgicamente en el nivel operativo dominan las decisiones estructuradas, en el nivel de gestin las semiestructuradas y en el estratgico las no estructuradas, formando una diagonal. En la figura siguiente hemos actualizado este esquema incorporando las herramientas informticas ms novedosas, e incluso anticipando lo que puede ser un futuro prximo.

Las herramientas a utilizar segn el tipo de decisin y el nivel organizativo

Nivel operativo y decisiones estructuradas

Como podemos apreciar en el grfico, en el nivel operativo y toma de decisiones estructurada dominan los sistemas informatizados convencionales como los programas de contabilidad financiera y de costes, los de elaboracin de nminas, y que en general realizan tareas mecnicas. Son los llamados Sistemas de Proceso de Transacciones (TPS) basados en programacin algortmica convencional.

Nivel operativo y decisiones no estructuradas

El nivel operativo, pero con decisiones semiestructuradas, todava est dominado por los programas convencionales, en lo que habra que incluir programas de control de tesorera, control de existencias y tambin las hojas de clculo y sistemas gestores de bases de datos. Conforme las decisiones son menos estructuradas, empiezan a ser aplicables sistemas expertos y sistemas de ayuda a la toma de decisiones. As, para la gestin financiera ms bsica, en la que adems de realizar clculos mecnicos: tipos de inters efectivo, cuotas de amortizacin de prstamos, etc., tambin hay que tomar decisiones que manejan informacin incompleta o

precisan incorporar el conocimiento de un especialista humano. Finalmente, en el nivel de de toma de decisiones menos estructurada pueden incorporarse modelos neuronales: por ejemplo, asesorando en la concesin de las tarjetas de crdito de unos grandes almacenes o a qu clientes se les enva catlogos por correo.

Nivel de gestin y decisiones estructuradas

Conforme el nivel organizativo avanza en el eje de las x, las decisiones se hacen ms complejas. Si las decisiones son estructuradas, como en el anlisis de presupuestos y control, contabilidad analtica, anlisis contable, etc, dominan los programas convencionales, quiz incorporando algn mdulo experto. Este tipo de programas se denominan Sistemas de Gestin de Informacin o Management Information Systems (MIS).

Nivel de gestin y decisiones no estructuradas

Conforme las decisiones se hacen menos estructuradas se hacen ms necesarios los sistemas expertos. En temas puntuales como la elaboracin de presupuestos, la prediccin de variables financieras como el beneficio, el cash-flow, podran incorporarse modelos neuronales. Ntese como en este esquema descrito hemos situado el anlisis de la informacin contable en las decisiones semiestructuradas. No hay una teora general que pueda ser aplicada paso a paso pero tampoco encaja en las decisiones completamente intuitivas o no estructuradas.

Nivel estratgico
En el nivel estratgico son barridos los programas convencionales mantenindose nicamente las hojas de clculo, por su capacidad de simulacin. Los llamados Executive Information Systems (EIS), o Sistemas Informativos para Ejecutivos dominan las decisiones menos estructuradas, con tareas como la planificacin estratgica y de contabilidad directiva. Las redes neuronales pueden cubrir un hueco importante en las decisiones no estructuradas, debido a esa capacidad de encontrar relaciones complejas entre los patrones de entrada.