让我们将项目重点放在提高生产力上，以增加我们的业务参与度。
1，所谓的人工智能
我建议我们定义概念以了解当我们说“智能”和“ 人工智能”时在说什么
西班牙皇家艺术学院定义：
情报：
- 理解或理解的能力解决问题的能力知识，理解，理解的行为
人工智能：
1.f. 通知。用于创建计算机程序的科学学科，该计算机程序执行的操作与人脑执行的操作相当，例如学习或逻辑推理。
考虑到这些考虑因素，我们可以假定解决基本数学运算的简单手动计算器满足了上述条件。
答案是肯定的
例如乘以128 x 2 =
计算器执行称为遗传算法的过程，我们将在后面看到。
首先求解单位2 x 8 = 16 16
然后求解十个2 x 2 = 4以及前一个结果的十个加法
4 +1 = 5 56
最后求解百2 x 1 = 2和在百2 + 0 = 2 256最终结果的相应位置中已经获得的 结果之和
因此，遵循程序中加载的该算法，它可以解决呈现给它的所有乘法运算。
这个简单的计算器先了解了问题，然后解决了问题，并最终给出了预期的答案128 x 2 = 256
很简单吧？但这可以帮助我们理解我们在说什么，从这个简单的示例到一个聊天机器人，例如，它可以口头理解所提出的内容，并且可以对所提出的查询进行一致的响应，并且还可以通过计算机内置的算法进行响应。应用范围非常广泛，稍后我们将看到这些新工具涵盖的所有内容。
除了提出问题，理解问题并在屏幕上做出响应之外，结果还可以是分配给机器人的订单。
这里出现了一个我们没有描述过的新术语，西班牙皇家学院也将其定义为：
机器人：
- 可编程的机械/电子机器或设备，能够操纵物体并执行以前仅为人使用的操作。自动扫描网络以查找信息的程序。
机器人使用简单的机械算法程序进行操作，还可以考虑AI的贡献，例如：
- 在汽车端子装配线中，当限位开关指示汽车的某个部分到达某个点并进行机械编程的焊接时，每当限位开关宣布有新的机器人到达时，就会运行机器人。在同一行中，还有另一台机器人将车门放在车身上，定位后，使用VISION PRO程序可以控制周围环境中的光线，该程序可以读取空间在门和车身的所有轮廓之间，如果它们与门轮廓不匹配，则它会容纳门以将其放置在应放置的位置。
结论：当我们提到智能，提到人工智能时，我们定义了我们在谈论什么，以及机器人在业务管理中的含义。
2.环境和日期AI被认为是一门独立的科学。
自从地球上的生命起源以来，人类就通过手，臂和腿的努力以及体力劳动来完成工作并解决了他们的需求。
随着事件的进展，想象力和创造力设计出可帮助人们执行任务的工具。
后来，他们设计并制造了人工帮助完成任务的机器，而无需费力或执行繁重的任务。
这些阶段使人们免于由于努力和重复动作而感到疲劳和疲惫，这些动作总是作用于身体和身体活动。但是在此期间，人们逐渐尝试解决脑力劳动。
尽管这看起来令人难以置信，但有痕迹表明，古代文明（希腊，中国和玛雅人）已经开始担心将某些智能整合到某些机器中（公元前1384年）
1849年，乔治·布勒（George Booler）成功建立了比例逻辑原理。
1874年，弗雷格（Frege）发明了机械推理系统，他称之为“概念写作”
1950年，艾伦·图灵（Alan Turing）写了第一篇现代文章，着重分析了机械化智能的可能性。
1956年，John Mc.Carthi和Claude Shannon在技术和科学界引入了“人工智能”一词。
赫伯特·西蒙（Herbert Simon），艾伦·纽厄尔（Allen Newell）和马文·明斯基（Marvin Minsky）在1980年正式确立了有关AI的基本思想并发展了专业领域。
但是，在1984年，E。Dison率先提出反对这种趋势的说法，导致许多人认为AI已死。
但是，人工智能的研究和应用继续发展，通过将AI作为一门独立科学与计算机科学的分离，1956年被认为是Quanta工业革命的诞生。
1997年，IBM将Deep Blue程序上载到计算机，并提出了与现任世界象棋冠军加里·卡斯帕罗夫（Gary Kasparov）的对抗。
对抗的结果使Deep Blue赢得了3½至2½的赢家，激发了科学家的热情，并释放了AI程序研究人员和开发人员的职业生涯，从而为公司和整个人生带来了许多有用的应用程序。
这是关于AI生存可能性的最佳答案
+ 生产力+ 效率
我们专注于提高生产力的项目，以提高我们的参与度并提高业务效率
我们工作的学习轴。
人工智慧的定义
Stuart的Rich&Knight通常将AI定义为“机器执行人类当前执行的任务的能力”；Nebendah，Delgado等其他作者则提供了更完整的定义，并将其定义为“研究领域，该领域专注于基于基于经验和持续环境知识的计算过程对智能行为的解释和仿真”。
换句话说，它是理解出现的问题和情况，进行模拟人的思想的情况分析，记忆和提出或命令旨在解决所考虑阶段的动作的能力。
基本上，人工智能的目的是创建一种机器或顺序程序，该机器或顺序程序可以无限期地重复人类或同一机器/程序所生成的一组指令。
三轴滚动AI的研究与开发
- 神经网络扩散逻辑系统遗传算法
神经网络
请记住，人脑由数十亿个神经元组成，这些神经元相互连接形成执行特定功能的电路或网络。
典型的神经元通过称为树突的结构从其他神经元或不同的输入中拾取信号。
神经元沿着称为轴突的薄薄连接层发出电活动脉冲。这些分支的末端到达其他神经元的树突，并建立称为突触的连接，通过释放称为神经递质的物质来激发或抑制其他神经元，从而将电脉冲转换为神经化学信息。
通过这种方式，该信息从一个神经元传输到另一个神经元，并通过突触连接进行处理，从而包含产生预期动作的输出信息。
神经网络分为几层：
第一层作为输入缓冲区，用于存储网络中提供的原始信息或对其进行简单的预处理，我们将其称为输入层。
另一层充当接口或输出缓冲区，用于存储网络的响应，以便可以读取它，我们将其称为输出层。
负责提取，处理和存储信息的主要中间层称为隐藏层。
模糊逻辑系统
模糊逻辑系统（也称为模糊逻辑）是允许我们模仿人类推理的第二个工具。这种类型的逻辑采用两个随机值，但是它们相互关联并相互关联。因此，例如，如果事先已将矮个人的身分定为一米，那么测量两米的人显然是个高个子。这两个值都与人相关，并且是指线性度量标准。
人类通过文字和两种状态（例如，黑白，冷热等）之间的程度来思考和推理。这些模糊逻辑系统不同于解释具体和绝对值的传统专家系统。模糊逻辑系统允许在我们推理和表达自我时使用人类语言。
专家系统是计算机应用程序，可以使用该领域的专家定义的知识和分析规则来在某个领域（例如生产系统，财务或医学）做出决策或解决问题。专家结合事实和基于数据的知识以及推理能力来解决问题
遗传算法
在数学以及通信科学和相关学科中，算法是一种定义明确，有序且有限的运算序列，可以为特定问题找到解决方案。
从初始状态（进入）开始，并通过连续的步骤，可以达到成功的最终结果。它的重要性在于显示如何执行该过程以解决数学或其他问题。
这样考虑的算法必须是有序的，有限的和定义好的指令序列。
因此，以这种方式，有可能从可能的输入中跟踪并预测特定算法的行为，并从那里开始遵循有序和定义的指令序列，而不会引起歧义，因此只能遵循规定的路径从开始到结束。
如果用与UCCM（大脑，身体，心智单元）相似的达尔文遗传算法进行类比，我们会发现：短算法，精度较低，能耗较低，长算法，精度较高和能耗较高。
短路径，复杂的CR + CM算法（爬行动物路径+哺乳动物路径）仅使用输入信息的5％来开始行动。
长路径，复杂的CR + CM + LPF（低通滤波器）算法使用100％的输入信息，虽然速度较慢，但准确性更高。
在我们的日常生活中，我们一直在使用各种类型和功能的算法，该算法使我们能够在两个数字之间执行乘法运算，播放音乐，驾驶车辆等。
该算法为我们提供了解决问题的通用解决方案，并且每次出现问题时都可以使用它，例如，除法运算可以使用任何数字。我们不需要了解该算法的工作原理，因为它遵循预设和初始编码的指令。
4.测试定义AI程序
“如果计算机能够愚弄一个人以为他是人类，那么它就可以被称为”智能计算机”。这句话是由英国数学家艾伦·图灵（Alan Turing）发出的，他被称为人工智能之父。
随着计算机程序研究与开发的进步（1950年），艾伦·图灵（Alan Turing）负责设计一种测试，该测试将定义计算机在考虑与人工智能配合使用时必须考虑的行为。
图灵测试作为一种确定机器是否可以思考的方法而诞生。它的开发基于模仿游戏。
该提案有三个人的参与：一个男人，一个女人和一个审讯者，他们只能通过用所有三个人都可以理解的语言书写来与他们进行交流，而其他两个参与者都看不见也看不见。
经验在于，审讯人必须发现谁是女人，谁是男子，而审讯人则试图说服审讯人他们都是妇女。
下一步是用装有AI程序的计算机替换两个匿名参与者中的一个，并且如果该机器继续与两个人进行通信，则询问器不应注意到该机器的存在。
还实施了其他变体，以在不同的测试中代替男人或女人，但是这种体验的目的是定义当询问器无法识别谁是女人，谁是男人或谁是机器时，该机器可以与AI一起使用。
对TT的批评立即以不同的推理出现，但从根本上来说，它们来自于那些无法接受这样的观点，即机器的行为像人一样，以至于能够欺骗人类询问者。
反对意见之一是对机器本身和其他机器的“缺乏意识”，并对机器所包含的信息或所执行的动作产生积极或消极的感觉。
这种行为称为Solipsism，它表示知道机器是否认为的唯一方法是该机器。问题是，知道另一个人是否思考的唯一方法就是那个另一个人，这就是另一个人的问题。
随后，对TT进行了改进，将其转换为总图灵测试TTT，并在以后引入了新的评估测试。
奥古斯塔·阿达·拜伦·金（Augusta Ada Byron King）于1815年12月18日出生于英国，1838年成为洛夫莱斯伯爵夫人。
1833年，年仅17岁的她被介绍给英国数学家和科学家查尔斯·巴贝奇（Charles Babbage），他对计算机的概念产生了第一个想法，因为他建造的分析引擎使用了与当前计算机相同的原理。
1843年，洛夫莱斯夫人（Lady Lovelace）对分析引擎进行了描述和分析，其中包括有关如何使用变量计算三角函数的演示，以及第一个带有使计算机运行的指令的程序，并被公认为历史上第一位程序员。
为了表彰Ada Lovelace及其在计算领域的杰出贡献，Lovelace 2.0被称为接受该机器与人工智能一起工作的测试，旨在验证该机器是否能够编写虚构的故事，创作一首诗或进行详尽的阐述。一幅画。
目前，没有机器能够通过Lovelace 2.0测试www.progresa–pga.com.ar
爱德华多· 布朗齐诺（ Eduardo Bronzino）[email protected]
让我们来谈谈我们公司和业务中的实际应用
“必须定义一项投资的企业家必须在以下两个方面做出决定：投资生产机器或投资人工智能程序，以确保他们进入第四次工业革命，即新的商业时代。”
5.认知人工智能
人工智能的发展经历了分析，预测和认知阶段。
认知智能在很大程度上受到了生物启发算法的启发，这些算法是研究生命中数百万年进化的生物行为而产生的。
认知人工智能（IAC），也称为认知计算，是从人工智能（AI）涌现出来的一个特定分支，能够理解和模拟人脑的功能。
让我们记住，人工智能程序的发展与模仿遗传算法有关，遗传算法使计算机可以运行以人类行为代替程序的程序。
多年以来，科学家一直致力于通过一组算法来总结人类的大脑。但是，某些革新了现有技术水平的现代理论开始认为，重要的是包括所谓的“ 生物启发系统”，即能够解决问题并感知环境的机器和算法。一个人的认知系统。
认知是属于或与知识有关的东西，它是由于学习过程而可获得的信息的积累。
CI的发展源于人们对现实的理解，将其纳入并与大脑中存储的信息相关联并产生相应意见和行动的意愿。
机器正在疯狂地获取越来越多的数据。
认知是生物根据知觉，知识和主观特征处理信息的能力。当问题被问到机器时，它会产生一个假设，它会产生一个答案和一定程度的可靠性。然后他展示了导致他给出答案的步骤。换句话说，您正在通过交互进行推理和学习。通过每次体验，它变得更快，更智能。
超级计算机了解自然语言，即我们人类的说话方式，此外，它们在处理数十亿个结构化和非结构化数据的同时，还通过分析收集到的数据，根据实时预测实时制定响应。
AI程序评估了数千页的行动领域，并捕获了科学见解，并提供了响应查询的最佳选择。
在此过程中，会产生大量的人力信息，然后将所有过时的材料丢弃，随后程序会生成索引和方法，以最好地访问内容（摄入）。该计划与人类专家“合作伙伴”，他们教您找到信息模式，创建“学习机”以学习语言模式并训练您的问题和答案，从而继续与用户互动学习。
随着新信息的发布，该程序将合并和更新语言知识以及任何领域的更新。通过这种方式，程序可以回答任何类型的问题，并提供广泛的答案和建议。
6.受生物启发的算法
受生物启发的算法是通过模仿生物的行为，解码动作程序并将其建议用于AI程序的操作而产生的算法
蚁群的集体行为
必须记住，蚂蚁实际上是盲人，但是，它们随机地移动，最终找到了从巢到食物源再回到蚁丘的最短路径。重要的是要考虑以下几点：
- 一方面，一只蚂蚁无法完成之前的工作，但最终却是整个蚂蚁的结果，他们没有“工具”就不会这样做，但是一只蚂蚁在移动时会在地面上留下化学信号。 ，沉积称为费洛蒙的物质，以便其他人可以跟随它。
以下步骤说明了为什么蚂蚁的行为使巢和食物源之间出现最小距离的路径：
- 一只蚂蚁（侦察兵）在菌落周围随机移动，如果找到食物来源，它或多或少会直接返回菌落，留下一连串的信息素，这些信息素很有吸引力，蚂蚁会更多。在它们附近，它们会被它们吸引，或多或少直接地跟随它们的踪迹，将它们引向探索者发现的食物来源。当它们带着食物返回殖民地时，这些蚂蚁会沉积更多的信息素，从而加强了连接路线如果有两条路线到达相同的食物来源，则较短的路线将比较长的路线旅行更多的蚂蚁，因此，较短的路线将以更大的比例增加信息素的沉积量，并且对以下蚂蚁。最长的路径会消失，因为信息素会挥发并蒸发，最终，所有的蚂蚁都会确定并选择最短的路径。
这样，即使一个孤立的蚂蚁（探索者）基本上是随机移动的，属于同一蚁丘的一组蚂蚁也会决定它们的移动，因为他们会更频繁地沿着信息素含量最高的路径行走。
该分析得到了深化，并适用于公司中发生的实际情况，例如旅行社（TSP）的问题，即必须拜访多个城镇的客户，由蚁群的集体行为产生的算法会发现最便宜的方式。
7.人工智能的一些实际应用
具有AI程序的计算机的技能可以分为三大类：分析型，预测型和认知型
人工智能的应用领域
以下仅是示例，并非完整的字段列表：
- 医学上的人工智能，包括医学图像的解释，诊断，协助医师的专家系统，重症监护室的监视和控制，假体设计，药物设计，智能监护系统等药物。机器人技术中的AI，包括视觉，电机控制，学习，规划AI在工程的许多方面：故障诊断，智能控制系统，智能制造系统，智能设计辅助，设计，生产，维护，配置工具教育中的AI：包括各种类型的智能导师系统和学生管理系统。信息管理中的AI：这包括Web爬网，邮件过滤等。数学中的AI：设计工具以帮助实现各种数学功能。娱乐业中的 AI：随着虚拟世界中生成交互式卡通电影，AI越来越多地用于计算机游戏中。法律上的人工智能：例如，帮助律师的专家系统，或为非律师提供法律咨询和帮助的系统。建筑，城市设计，交通管理中的AI有助于预测人们在新环境中的行为。文学中的人工智能，艺术和音乐：作者识别，生成和识别过程的建模，教学应用。人工智能在犯罪侦查和预防，假冒侦查，学习发现警察腐败迹象，监视互联网交易的软件，帮助计划警察行动，搜索警察数据库中寻找证据的人工智能犯罪是同一个人犯下的，等等。商业中的AI：就商业开发的应用程序数量而言，互联网已成为增长最快的领域之一，尤其是电子商务。太空中的AI：自动驾驶航天器和机器人的远程控制。
8.公司的人工智能。
到目前为止，我们已经了解了与AI相关的一系列情况，我们了解了提到它时正在谈论的内容，我们看到了这门科学是如何从计算机科学中诞生的，我们观察了定义机器是否可以与AI一起工作的测试，我们了解了受活动增长等生物启发的算法等
但是对企业家来说呢？它在我们的工作中扮演什么角色？他们可以为我们的管理做出什么贡献？等等。
正如我们在前面的段落中提到的，AI或IAC程序的范围非常广泛，它为我们提供了从简单的解决方案到简单的问题的解决方案，这些问题仍然占据我们的头脑，使我们做出决定并使我们感到疲倦，到具有许多变量的复杂问题，由于存在难以解决的商业和经济风险，因此要解决那些需要大量数据的情况，而这些数据通常是我们无法记忆的，并且很难获得。
该范围的替代方案具有广泛的成本。几千比索中的一些给了几十万美元。
如果我们浏览网络以寻找实际应用，我们会发现有关特定案例的大量信息，尽管这些信息扩展了我们的知识，但并不能使我们更接近我们的问题，问题和需求。
重要的是要了解我们的公司AI可以更有效，更快地解决哪些问题？
市场上的一家按项目运作的工业公司始终面临着将作为商业机会提出的工作预算到预算中的问题，首先要预先设计有问题的设备，然后才准备经济预算。
这项任务过去通常需要十五天到一个月的时间，但由于响应延迟，因此有失去访问业务机会的风险。
要说服公司负责人和负责此功能的人员不容易，可以通过AI程序解决此问题，幸运的是，他们同意开发特定程序来快速解决此功能，从而提高他们的竞争力。
另一个在国内分配矿泉水桶的知名公司拥有大量的卡车，货车和人员，需要在许多不同的方向和时间进行送货，这需要大量的物流成本。
分发程序由一群需要大量工作时间且有一定困难的人员手动执行，而他们可以使用“旅行者代理问题”程序来有效地解决分发的优化问题，更快，更安全，更便宜。
公司处理零售业务面临的问题之一是定义是否将新产品集成到供应线中的便利性。该决定考虑了对每个公司采用特定公式，其中考虑了：所需库存将占用的实际空间，产品的轮换，库存的财务成本，每个部门的经济贡献以及维修库存等该公式的应用结果避免了决策方面的疑问。当然，开发此公式需要时间和一些专业人员的参与，但是只有一次，因此立即做出响应。
对于中小型企业来说，熟悉AI和IAC非常重要，因为这是一种永不退缩的管理模型，相反，它发展得更快，更高效。
基本目标是“ 提高生产率”，这是实现这一目标的非常有效的模型。
建议中小型企业逐步与这些管理模型建立联系，首先，估计使用解决重复性问题的公式是否方便，这些公式需要在每次出现时进行分析并做出决策。
然后，稍后，研究实施涉及计算机专业人员的ERP（企业资源计划）的可能性。
当他们感到受过训练以依靠计算机系统来运营公司时，我们建议他们评估使用AI的替代方法，如果IAC认为有理由的话
IBM的Watson计划源于对认知智能的广泛参与，探索应用领域的各种信息，分析内容，丢弃过时的信息以及将新信息纳入其替代产品。
| 进入层 | 隐藏层 | 出口层 |
| 市场营销 | 遗传算法 | 产品或服务 |
| 销售 | 管理阶段分析 | 帐单/收款 |
| 购买 | 人工智能解决方案 | 分配 |
| 金融 | 销售 |
9.公司中的管理算法
管理算法的产生是通过仔细分析为公司增值的所有阶段，从商业机会到产品或服务的交付，开票和收取，经过使业务运作及其相互模仿的所有过程进行的。与轴突，树突和突触的神经联系。
从程序的图示中，我们可以在实践中分析合并提议的模型的可能性，以优化管理公司的时间和成本。
让我们看一些市场上的程序示例：
水晶
Crystal是一个平台，可让您查看客户的性格特征，并就如何与他们进行沟通提供建议。得益于其人工智能，它可以帮助我们建立更健康，更富有成效的关系。具体来说，Crystal提供了有关如何讲话以及通过哪种渠道进行讲话的线索，有关我们对话者行为的详细信息，等等。所有这一切都基于同理心的旧原理。
塔姆
Tamr是由思科，惠普或华为等大型公司以及中小型企业使用的工具，它可以自动集成和分析无穷无尽的公司数据，从而通过机器学习来检测组织中需要改进的领域，以及需要关注的领域。降低公司的费用或潜在风险。所有这些都通过一个非常简单的界面进行，您可以在其中向系统提出问题，并且它将负责处理和返回相应的解释数据，以便我们可以简单地做出最佳业务决策。
记录的未来
Recorded Future是一种智能工具，可以实时主动地监视对我们公司的任何网络威胁。其人工智能引擎能够连续分析数十亿数据并预测可能的攻击。毫不奇怪，这家公司确保能够设法在其他平台之前的36个小时内就数据泄漏发出警报，节省出现漏洞警告的半天时间，并获得比竞争对手快10倍的网络安全调查速度。
格鲁鲁
有了Gluru，谁想要秘书？它是个人助理，通过其人工智能能够管理我们的日历，通知我们会议或事件，向我们报告未完成的任务，控制我们的电子邮件并处理我们的电子文件。
爱
按照与上一个相同的方式，我们发现X.ai是个人助理，在这种情况下，他专门以自动化方式管理会议，甚至像对待现实中的秘书一样向客人回覆电子邮件。因此，当我们收到与某人见面的要求时，我们只需要复制有用的Amy（智能机器人），虚拟助手将负责“写”个性化电子邮件，其中包含可用的日期和会议的建议地点。会议。另一方确认约会后，Amy将负责将该约会快速添加到我们的日历中。
西里
苹果的个人助理Siri也可以在专业环境中使用，尽管显然与上述可能性相去甚远。它可以通过语音识别帮助我们在执行其他任务时写电子邮件，还可以使我们想起日历中已忘记的约会。而且，最重要的是，该公司的设备用户可以免费使用。
谈论
Conversica是一个自动化的销售助理，能够通过双向电子邮件对话自动与潜在客户进行互动。该工具将电子邮件发送给已捕获或我们已整合为来源的销售线索；之后，它可以解释联系人的响应，进行后续跟踪，最后，在有明确的销售机会时通知销售人员。
人工智能（AI）和认知智能（IAC）不再是威胁，它们是在我们的业务中加以利用的强大机会。
下载原始文件
