6
1
L
a
i
n
t
e
li
g
e
n
c
ia
a
r
t
i
f
ic
ial
y
s
u
i
m
p
a
c
t
o
e
n
la
s
n
T
I
C
A
r
t
i
f
i
c
i
a
l
I
n
t
e
li
g
e
n
c
e
a
nd
i
t
s
i
m
p
a
c
t
o
n
I
CT
M
Sc
.
A
r
e
l
y
s
E
m
ili
a
n
a
R
a
m
o
s F
l
e
i
t
e
s
1
,
D
r
.
F
é
li
x
Á
l
v
a
r
e
z P
a
li
z
a
2
, Y
ud
i
s
l
e
i
d
y
s
R
u
i
z
R
í
o
s
3
,
E
n
r
i
qu
e
H
e
r
n
á
nd
e
z P
o
rt
a
l
4
1
*
U
n
i
v
e
rs
i
d
a
d
C
e
n
tr
a
l
¨
M
a
rt
a
A
b
r
e
u
¨
d
e
l
a
s
V
ill
a
s
.
C
a
ll
e
G
N
o
.
10
.
R
e
p
a
rt
o
S
a
n
t
a
C
a
t
a
li
n
a
.
S
a
n
t
a
C
l
a
r
a
.
a
r
e
l
y
s@
u
c
l
v
.
e
du
.
c
u
.
2
U
n
i
v
e
rs
i
d
a
d
C
e
n
tr
a
l
“
M
a
rt
a
A
b
r
e
u
”
d
e
l
a
s
V
ill
a
s,
C
ub
a
,
3
U
n
i
v
e
rs
i
d
a
d
C
e
n
tr
a
l
¨
M
a
rt
a
A
b
r
e
u
¨
d
e
l
a
s
V
ill
a
s
.
C
a
ll
e
12
E
d
i
f
ic
i
o
306
A
p
t
o
27
e
n
tr
e
3
r
a
y
7
m
a
R
e
p
a
rt
o
E
sc
a
m
b
r
a
y
E
st
e
S
a
n
t
a
C
l
a
r
a
.
4
F
e
rr
o
c
a
rr
il
e
s
d
e
l
C
e
n
tr
o
.
C
O
S
I
E
,
C
ub
a
,
R
E
V
I
S
I
Ó
N
B
I
B
L
I
O
G
R
Á
F
I
C
A
R
e
c
i
b
i
d
o
:
11
/
2021
|
A
c
e
p
t
a
d
o
:
01
/
2022
P
ala
b
r
a
s c
lav
e
R
e
s
u
m
e
n
A
I
Ap
r
endizaje
p
ro-
f
undo
(
DL
)
Ap
r
endizaje
d
e
máquinas ML)
Banda ancha
La inteligencia a
r
ti
f
icial es en la actualidad la
r
evolución tecnológica más importante
después de la in
f
o
r
mática. Es la capacidad de que las máquinas piensen o puedan
simular o imitar el compo
r
tamiento humano y que incluye el ap
r
endizaje de máquina
s
,
la visión por computado
r
as, el p
r
ocesamiento y la síntesis del lenguaje natu
r
al, c
o
gniti-
vo, la robótica, la automática, el análisis senso
r
ial de algo
r
itmos de optimización, entre
otros. Este trabajo
r
ealiza un ace
r
camiento al vínculo que tienen las nuevas tecnología
s
de Inteligencia a
r
ti
f
icial con la economía digital pa
r
ticula
r
mente se desc
r
iben
y
eva-
ancha basados en el ap
r
endizaje de máquinas y el ap
r
endizaje p
r
o
f
undo.
NT
I
Cslúan plataformas y he
rr
amientas pa
r
a la
I
oT, la computación en los bo
r
des y la banda
K
e
y
w
o
r
d
s
Ab
st
r
a
ct
A
I
Deep lea
r
ning (
D
L)
Machine lea
r
ning (ML)
B
r
oadband
A
rti
f
icial intelligence is cu
rr
ently the most impo
r
tant technological
r
evolution after
computing. The ability
f
o
r
machines to think o
r
to simulate o
r
imitate human beha-
vior already includes machine lea
r
ning, compute
r
vision, natu
r
al language p
r
oce
s
-
sing and synthesis, cognitive,
r
obotics, automation, senso
r
y analysis, optimization
algorithms, an
d
othe
r
s. This
w
o
r
k makes an app
r
oach to the link that ne
w
a
r
ti
f
icial
tools for IoT, e
d
ge computing and b
r
oadband based on machine lea
r
ning and deep
learning are de
s
c
r
ibed and evaluated.
NT
I
Csintelligence technologies have
w
ith the digital economy, pa
r
ticula
r
ly plat
f
o
r
m
s
and
I
n
t
r
odu
cc
i
ón
“La inteligencia a
r
ti
f
icial es el campo de la ciencia de
Existen
v
arias de
f
iniciones de inteligencia a
r
ti
f
i
-
la computación que se
r
elaciona con la simulación del
cial
(
A
I)
en su evolución a través del tiempo, de ellascompo
r
tamiento inteligente en las computado
r
a
s
o la
este t
r
abajo toma la siguiente por su amplio alcance:capacidad de una máquina de imita
r
el compo
r
tamien-
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
6
2
M
a
t
e
r
ial
e
s
y
m
é
t
odo
s
Pa
r
a el desa
rr
ollo de la p
r
esente investigación,
s
e
empleó el método de análisis documental, en la medida
que
f
ue
r
on consultadas
f
uentes de in
f
o
r
mación o
f
iciale
s
del secto
r
de las telecomunicaciones. Poste
r
io
r
mente
pa
r
a t
r
ata
r
el volumen de in
f
o
r
mación
r
ecupe
r
ada,
s
e
utilizó el método de análisis y síntesis, llegando a lo
s
r
esultados que se exponen en la discusión del a
r
tículo.
A
simismo, pa
r
a da
r
un cu
r
so lógico al desa
rr
ollo de la
investigación
f
ue empleado el método de análisis hi
s
-
tó
r
ico lógico, dado que se estudió la t
r
ayecto
r
ia
r
eal de
las catego
r
ías que se desc
r
iben y en el decu
r
sa
r
de
s
u
histo
r
ia y evolución en el contexto de desa
rr
ollo. Para
ello se de
f
inie
r
on las siguientes catego
r
ías:
Tecnologías de
I
nteligencia
Ar
ti
f
icial, que incluye
también las aplicaciones y las Plata
f
o
r
mas de so
f
t
w
are
de
I
nteligencia
Ar
ti
f
icial
des inteligentes para la optimización de las re
d
es de
ene
r
gía, en los robots industriales y los sistemas de
inteligencia a
r
ti
f
icial en las plantas nucleares, quími
-
cas, pet
r
óleo y gas, en la transportación autónoma con
pilotos automáticos en aviones, trenes y autom
ó
viles,
los sistemas de protección y monitoreo ambiental y
los sistemas de seguridad.
La inteligencia arti
f
icial ha evolucionado desde
s
i
s
temas capaces de realizar una simple clasi
f
icación
y ta
r
eas de
r
econ
o
cimiento de patrones hasta sistemas
capaces de utilizar datos históricos para hacer p
r
edic
-
ciones.
I
mpulsad
o
s por una revolución en el ap
r
endi
-
zaje p
r
o
f
undo
(
deep learning), por ejemplo, desde la
inteligencia a
r
ti
f
icial que aprende de los dato
s
hasta
máquinas inteligentes, avances que han sido alcanza
-
dos en este sigl
o
xx
i
.
D
esde los primeros algo
r
itmos
denominados
r
eactivos donde para una entrada especí
-
f
ica la salida e
r
a siempre la misma y eran incapaces de
a
n
aliza
r
escena
r
ios que incluyeran información incom
-
pleta o que
r
equieran de un entendimiento hi
s
tó
r
ico
to humano”. Esta es utilizada ampliamente para
r
e
f
e
-
la inteligencia gene
r
al humana y en p
r
incipio capaz de
r
i
r
se a cualquie
r
algoritmo, método o tecnologías quesob
r
epasa
r
el conocimiento humano mediante la c
r
ea-
hagan que el sistema actúe y/o se comporte pa
r
ecidoción de más ve
r
siones inteligentes de sí mismo.
a un humano e incluye el aprendizaje de má
q
uinas,El a
r
tículo no p
r
etende desa
rr
olla
r
un estudio o tra-
visión po
r
computadoras, procesamiento de lenguajetado de inteligencia a
r
ti
f
icial si no que está en
f
ocado
natu
r
al, cognitivo, la robótica, el reconocimie
n
to deen el apoyo que b
r
inda la
AI
a las T
I
C que pe
r
miten
e
s
c
r
itu
r
a, del habla y de patrones entre otros. Se in
-
el desa
rr
ollo de la economía digital y la conectividad
cluyen tecnologías relacionadas como el aprendizajeinteligente pa
r
a optimiza
r
las
f
unciones de conjunto de
de máquina
(
ML) y el aprendizaje profundo (DL
)
. Lalas T
I
C y ayuda
r
a los t
r
abajado
r
es a toma
r
decisio
n
e
s
UNE
S
CO ha establecido una serie de principios co
-
más
r
ápidas y mejo
r
es, p
r
ocesos que acele
r
an la digi-
nocidos como l
o
s principios R
OA
M para la unive
r-
talización de la sociedad y de la economía y ayudan a
s
alidad de
I
nte
r
net donde se urge al desarrollo digitalc
r
ea
r
nuevos p
r
oductos y se
r
vicios.
pe
r
o alineados a los derechos humanos, la ape
r
tu
r
a,La Comisión Eu
r
opea en su p
r
og
r
ama de t
r
abajo
accesibilidad y múltiples participantes (hu
m
an Rights,
pa
r
a las T
I
C en el 2020 incluye
r
on aspectos tan cru-
Openness, Accessibility and Multi-stakeholder gover
-
ciales como:
I
nte
r
net de las Cosas
I
ndust
r
iales
(II
oT),
nance
)
, pa
r
a guiar el conjunto de valores, normas, po
-
la movilidad
f
utu
r
a y la salud inteligente; y es ahí d
o
n-
líticas,
r
egulaciones, códigos y ética que gobie
r
nan el
de p
r
ecisamente este estudio se desa
rr
olla hacie
n
do
uso y desa
rr
ollo de la inteligencia arti
f
icial.
D
iver
s
o es el
un análisis o
r
denado de las tecnologías de inteligen-
campo de acción de los sistemas de I
A
.
A
ctualmente son
cia a
r
ti
f
icial que impactan en la economía digital y la
s
pa
r
te de intensa actividad en diversidad de campos como:
nuevas plata
f
o
r
mas de so
f
t
w
a
r
e y he
rr
amientas
q
ue
la economía, la medicina, las ingenierías, las indust
r
ias,
f
acilitan el desa
rr
ollo de aplicaciones inteligentes y de
el t
r
anspo
r
te y las comunicaciones (
G
reu
V
., 2016).
aseso
r
ía basadas en ML/
D
Lque potencian la actividad
S
u impacto está presente en la vida de la huma
-
económica y social y sus vínculos con los se
r
vicios en
nidad en las Tecnologías de la Información y las
la nube, la computación en los bo
r
des,
I
nte
r
net de la
s
Comunicaciones (TIC) y las redes futuras, en las
r
e
-
cosas
(I
oT
)
y la banda ancha.
hasta los más actuales, basados en la teoría de la mente
T
e
c
no
l
o
g
í
a
s
d
e
I
n
t
e
li
g
e
n
c
ia
A
r
t
i
f
ic
ial
o los denominad
o
s autoconscientes (self-a
w
are A
I)
ya
U
na pa
r
te conside
r
able de las tecnologías de inte-
s
e de
f
ine una máquina con inteligencia en igualdad conligencia a
r
ti
f
icial están dedicadas al p
r
ocesamiento y
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
M
Sc
.
A
r
e
l
y
s
E
m
ili
a
n
a
R
a
m
o
s F
l
e
i
t
e
s,
D
r
.
F
é
li
x
Á
l
v
a
r
e
z P
a
li
z
a
,
Y
ud
i
s
l
e
i
d
y
s
R
u
i
z
R
í
o
s,
E
n
r
i
qu
e
H
e
r
n
á
nd
e
z P
o
rt
a
l
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
6
3
gene
r
ación del lenguaje natural, así como al
r
econoci
-
También se encuent
r
a un g
r
upo de tecnología
s
de
miento del habla y entidades virtuales conversacionales:
r
econocimiento de imágenes y p
r
ocesamiento de vi-
●Tec
n
ologías
d
e semá
n
tica y análisis dedeo, las cuales se
r
e
f
ie
r
en a so
f
t
w
a
r
e o computadora
s
t
ex
t
o utiliza
n
do procesamiento de lenguaje natu
r
alque tienen la habilidad de
r
econoce
r
y analiza
r
f
oto
s
o
—
Natural
L
anguage Processing,
N
L
P
—
. E
s
tas se
r
e
-
cuad
r
os de objetos natu
r
ales. En g
r
an medida el pro-
f
ie
r
en a un soft
w
are o computadoras que tienen la habi
-
g
r
eso en los campos de la inteligencia a
r
ti
f
icial tale
s
lidad de inte
r
pretar el signi
f
icado de frases u o
r
acionescomo la visión po
r
computado
r
a y el p
r
ocesamiento
p
r
oducidas por humanos donde se toma una accióndel lenguaje natu
r
al han sido posibles debido a la
s
ba-
como
r
esultado. El empleo del procesamiento del len
-
ses de datos abie
r
tas
(
tales como
I
mage
N
et,
G
iga
w
ord
guaje natu
r
al (
N
L
P
) y la tecnología de redes neu
r
onalesCo
r
pus, y S
QUAD)
y a las bibliotecas de soft
w
are
(
NN
)
ha mej
o
rado las tecnologías de voz y el lenguaje
(
tales como Tenso
r
f
lo
w
, PyTo
r
ch y
A
llen
N
L
P
entre
que han sido integradas en la gestión de la
s
llamadasot
r
as
)
(G
il,
Y
. y Selman, B.
A
., 2019
)
.
U
n ejemplo e
s
tele
f
ónicas y el envío de mensajes instantáneos.su empleo en pue
r
tas de pasapo
r
tes eléct
r
icos utiliza-
●Tec
no
logía
d
e Ge
n
eració
n
d
e Lengua
j
edas pa
r
a el
r
econocimiento de imágenes y ve
r
i
f
icar la
Na
tu
ral
(
NLG), donde un soft
w
are o computado
r
aidentidad de las pe
r
sonas que ent
r
an a un país.
puede gene
r
ar un texto o diálogo en un i
d
ioma que
O
t
r
o g
r
upo amplio de tecnologías de inteligencia
suena pa
r
eci
d
o al de un humano.
P
or ejemplo algunasa
r
ti
f
icial son las de ap
r
endizaje de máquinas
(
ML) y
compañías están utilizando estos para prod
u
ci
r
r
epo
r-
de ap
r
endizaje p
r
o
f
undo
(D
L
)
con g
r
an impact
o
en la
tes automáticos e inteligencia de negocios con pe
r
spi
-r
obótica y los sistemas automatizados. Estas tecnolo-
cacia que pa
r
ecen producidos por humanos.gías se
r
e
f
ie
r
en a so
f
t
w
a
r
e o computado
r
as que tienen
●Tec
no
logías
d
e reco
n
ocimie
n
to
d
el hablala habilidad de ap
r
ende
r
sin se
r
explícitamente progra-
que se
r
e
f
ie
r
e a un soft
w
are o computadoras que puedemadas. Las mismas emplean algo
r
itmos de compu-
t
r
ansc
r
ibi
r
y transformar el habla humano en inst
r
uc
-
tado
r
as que posibilitan clasi
f
ica
r
datos pa
r
a aprender
ciones o textos.
P
or ejemplo, en los teléfo
n
os móvi
-
de ellos y entonces toma
r
dete
r
minaciones o p
r
edecir
les que
r
econocen comandos de pronunciación, talesdete
r
minada cosa.
como “Call home” que utiliza esta tecnología.El ap
r
endizaje de máquina
(
ML
)
es un subconjun-
●Tec
no
logías
d
e age
n
tes virt
u
ales o en
t
ida
-
to de técnicas que pe
r
miten a los sistemas de c
ó
mputo
d
es co
n
vers
a
cio
n
ales arti
f
iciales, las cuale
s
se
r
e
f
ie
-
ap
r
ende
r
de expe
r
iencias p
r
evias
(
po
r
ejemplo ob
s
er-
r
en a p
r
og
r
amas de computadoras que conducen lasvaciones de datos
)
y mejo
r
a
r
su compo
r
tamiento ante
conve
r
saciones con usuarios humanos, mediante eldete
r
minada ta
r
ea. Las técnicas de ap
r
endizaje de má-
habla o texto
s
. Estos programas son conocidos en idio
-
quinas incluyen máquinas vecto
r
iales
(
S
V
M
)
, árbole
s
ma ingles como “chatbots”, y los mismos efectúan si
-
de decisión, ap
r
endizaje Bayes, ag
r
upa
r
signi
f
icado
s
,
mulaciones de conversaciones humanas por medio deap
r
endizaje de
r
eglas de asociación,
r
eg
r
esión, rede
s
inteligencia a
r
ti
f
icial, esta tecnología es am
p
liamenteneu
r
onales y muchas más técnicas. La lite
r
atu
r
a cien-
utilizada en los juegos de computadora y en sitios deltí
f
ica
r
elaciona las aplicaciones de la inteligencia arti-
I
nte
r
net. La versión más desarrollada de estas tecnolo
-
f
icial y el ap
r
endizaje de máquinas con las aplicacio-
gías son los
A
sistentes
P
ersonales Inteligentes
(I
P
A)
,nes indust
r
iales. En
r
ealidad con la cua
r
ta
r
evolución
que son aplicaciones que utilizan varias entradas talesindust
r
ial
(I
ndust
r
y 4.0
)
, la inteligencia a
r
ti
f
icial y el
como la voz de los clientes, imágenes e info
r
maciónap
r
endizaje de máquina son conside
r
ados la
f
uerza de
contextual para ofrecer asistencia mediante respuestasempuje de las
f
áb
r
icas inteligentes.
a p
r
eguntas en lenguaje natural, haciendo recomenda
-
El ap
r
endizaje p
r
o
f
undo
(D
L
)
a su vez es
u
n
s
ub-
ciones y ejec
u
tando acciones
H
oy están incrustados enconjunto de las
r
edes neu
r
onales que hace posible la
los sitios web, donde se les puede formular p
r
eguntascomputación multi
-
nivel. El
D
L saca p
r
ovecho de
r
e
f
e
r
entes a la empresa en cuestión, ubicaci
o
nes o se
r-
utiliza
r
una
f
o
r
ma de ha
r
d
w
a
r
e especializado
o
freci-
vicios. La aparición de nuevas tecnologías ha pe
r
miti
-
do po
r
los ambientes de cómputo acele
r
ados. La
s
o-
do que algunos hayan dado el salto a las aplicacioneslución p
r
edominante ha sido la de emplea
r
u
n
idade
s
móviles
(S
i
r
i,
G
oogle
N
o
w
y Cortana) y/o a las
r
edesde p
r
ocesamiento g
r
á
f
icas
(G
P
U)
como p
r
ocesadore
s
sociales
(
B
r
ain bot en T
w
itter y
F
acebook).de p
r
opósito gene
r
al.
D
ado que las mismas o
fr
ecen un
L
a
i
n
t
e
li
g
e
n
c
i
a
a
rt
i
f
ic
i
a
l
y
s
u
i
m
p
a
ct
o
e
n
l
a
s
n
T
I
C
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
6
4
pa
r
alelismo masi
v
o para problemas de gran escala en
H
oy la inteligencia a
r
ti
f
icial impacta en los ser-
la mine
r
ía de datos (
D
M), permitiendo escalar algo
r
it
-
vicios en la nube mediante la optimización de los re-
mos ve
r
ticalmente para volúmenes de datos que noscu
r
sos, así como en el almacenamiento de datos y la
s
on computables por aproximaciones tradicionales.in
f
o
r
mación mient
r
as que se o
fr
ecen capacidades de
L
o
s G
P
U son soluciones efectivas para el mundo
r
ealcomputación que co
rr
en y escalan la
AI
. Tambié
n
la
y los sistemas de tiempo real que requieren decisionesinteligencia a
r
ti
f
icial y la computación en los bo
r
de
s
rápidas y ap
r
endizaje tal como el aprendizaje p
r
o
f
un
-
posibilitan la
I
nte
r
net de las Cosas
(I
oT
)
conectando
do
(
DL
)
especialmente en procesamiento de imágenessenso
r
es inteligentes y actuado
r
es. Mediante ellos
s
e
(Nguyen, G., 2019).c
r
ean y coleccionan datos que alimentan los sistema
s
La
r
obótica (incluyendo la inteligencia en abun
-
de inteligencia a
r
ti
f
icial hasta que se implementan i
ns
-
dancia
)
se
r
e
f
ie
r
e a las máquinas que pueden realiza
r
t
r
ucciones desde los sistemas de inteligencia a
r
ti
f
icial.
ta
r
eas igual que los humanos, incluyendo el aca
rr
ea
-A
lgunos especialistas conside
r
an a la
I
oT como la
miento de acciones complejas de forma automática y“inteligencia en todas pa
r
tes”, po
r
lo que es imposible
a
d
aptando estas acciones a la realimentación que
r
eci
-
imagina
r
la g
r
an cantidad de aplicaciones eme
r
gente
s
ben a t
r
avés de sensores de su ambiente.
U
n co
n
juntodonde la
I
oTcombinada con la inteligencia a
r
ti
f
icial
,
la
de múltiples tecnologías de inteligencia arti
f
icial secomputación en la nube y el p
r
ocesamiento intensivo
c
o
mplementan unas con otras y se fomenta su difusión.de datos extendidos en una escala planeta
r
ia.
P
o
r
ejemplo, en la automatización de procesosLa ETS
I
de
f
ine el concepto de acceso múlti
p
le
una compañía manufacturera puede combinar
r
obó
-
de computación en los bo
r
des
—
M
ulti
-
access Edge
tica avanzada y visualización arti
f
icial para que lasCo
m
puting, MEC
—
, como un sistema que o
fr
ece un
máquinas puedan ensamblar productos e inte
r
actua
r
se
r
vicio de T
I
con capacidad de computación en la
unas con ot
r
as
(
European Commission, 2019).
O
t
r
onube en el bo
r
de de una
r
ed de acceso conteniendo uno
ejemplo consiste en una línea de producción que uti
-
o más tipos de tecnologías de acceso y en una
f
o
r
ma
lice manos
r
obóticas que puedan ver la localizaciónce
r
cana a sus clientes
(
ETS
I
, 2019
)
.
de objetos, detectar la
f
lexibilidad mecánica del obje
-
Las
r
edes de banda ancha son también impactada
s
to que está siendo manipulado (a través del co
n
tacto
)
po
r
la inteligencia a
r
ti
f
icial mediante la minimización
y adapta
r
su ap
r
etón como corresponde. En este casode la congestión y la acele
r
ación de la t
r
ans
f
e
r
encia de
e
s
tán los vehículos autónomos no tripulados (
AV)
quedatos c
r
íticos.
O
sea que la banda ancha o
fr
ece conecti-
han sido enviados a la luna y marte, que son ca
s
os devidad pa
r
a alimenta
r
datos e in
f
o
r
mación a los sistema
s
r
obot inteligente
s
.de inteligencia a
r
ti
f
icial y t
r
anspo
r
ta inst
r
ucciones a la
La enseñanza de la robótica y las plataformas
r
o
-I
oT y a los
f
ab
r
icantes.
D
e
f
o
r
ma gene
r
al las tecn
o
lo-
bóticas de enseñanza han sido desplegadas en las uni
-
gías de inteligencia a
r
ti
f
icial impactan en las
r
edes de
ve
r
sidades, tanto a nivel de pregrado como de posg
r
ado.telecomunicaciones posibilitando que sean más inteli-
Ejemplo de ello es la plataforma Robo
G
en, una plata
f
o
r-
gentes, comúnmente conocidas como
r
edes basadas en
ma de ha
r
dwa
r
e
y
soft
w
are de fuente abierta para
r
obóti
-
objetivos
—
I
ntent
-
based Networks,
I
B
N
—
. Po
r
lo que
ca e inteligencia arti
f
icial (
A
uerbach, J. E., et. al.,
2
018
)
.apa
r
ece un nuevo pa
r
adigma que desplaza la
f
o
r
ma en
De
f
o
r
ma análoga ha ocurrido con los sim
u
lado
-
como las
r
edes son plani
f
icadas, diseñadas y ope
r
ada
s
r
es
r
obóticos mu
y
utilizados para crear soft
w
are pa
r
a
(
Lalibe
r
te, B., 2018
)
.
c
u
e
r
pos
r
obótico
s
sin depender de la máquina actual,1.1 E
j
e
m
plos de aplicaciones de in
t
eligencia
pe
r
mitiendo aho
r
rar tiempo y costo. En (
K
antale, T.,ar
t
i
f
icial.
et. al., 2019
)
se hace un análisis de una amplia dive
r-
La inteligencia a
r
ti
f
icial y el ap
r
endizaje de má-
s
idad de simuladores robóticos.quina
(M
achine learning
)
se t
r
ans
f
o
r
man en
f
ue
r
za
s
Mient
r
as que la automatización de proceso
s
r
obó
-
multiplicado
r
as pa
r
a la analítica de datos que pue-
ticos se
r
e
f
ie
r
e a los guiones (scripts) y otros métodosden se
r
sepa
r
ados en t
r
es valo
r
es: velocidad, escala y
pa
r
a automatiza
r
las acciones humanas que apoyan losconveniencia. La velocidad y la escala se log
r
an
p
or
p
r
ocesos de neg
o
cios e
f
icientes.
N
ormalmente
s
e em
-
automatiza
r
el análisis masivo de conjuntos de dato
s
plean donde son muy caros e ine
f
icientes los humanosen
fr
acciones de tiempo. Esto no es solo debido a que
que ejecutan estas tareas o procesos.las computado
r
as mode
r
nas son más
r
ápidas y mejo-
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
M
Sc
.
A
r
e
l
y
s
E
m
ili
a
n
a
R
a
m
o
s F
l
e
i
t
e
s,
D
r
.
F
é
li
x
Á
l
v
a
r
e
z P
a
li
z
a
,
Y
ud
i
s
l
e
i
d
y
s
R
u
i
z
R
í
o
s,
E
n
r
i
qu
e
H
e
r
n
á
nd
e
z P
o
rt
a
l
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
6
5
r
es, sino también debido a que los algoritmos de in
-
nocimiento g
r
á
f
ico que ga
r
antiza el completo entendi-
teligencia a
r
ti
f
icial y de aprendizaje de má
q
uinas hanmiento de un texto igual que pod
r
ía una pe
r
sona. E
s
tá
conseguido análisis de datos extremadamente ce
r
te
r
os,compuesto po
r
va
r
ios elementos integ
r
ados q
u
e
s
on
todo esto unido a que el análisis puedes ser
f
ácilmenteutilizados pa
r
a escla
r
ece
r
textos y p
r
ocesos del lengua-
escalado a la nube.
P
or otro lado, está la co
n
venienciaje natu
r
al, lo cual es esencial pa
r
a la comp
r
ensión auto-
que a di
f
e
r
encia de las herramientas de análisis de da
-
mática de un texto. Es uno de los mejo
r
es ejemplo de
tos de antaño, las nuevas herramientas de inteligenciala ve
r
sión conductistas pa
r
a mejo
r
a
r
le inteligencia de
a
r
ti
f
icial y ap
r
endizajes de máquinas han permitido que
r
ep
r
esentantes de apoyo al cliente, no
r
malmente en el
las he
rr
amientas analíticas sean intuitivas, p
r
ecisas, deme
r
cado. Esta compañía es una síntesis de ap
r
endizaje
f
ácil uso y con
f
iables.de máquina y de ciencia conductista pa
r
a en
r
iquecer
P
a
r
a mostrar el avance alcanzado po
r
las tec
-
la colabo
r
ación con el cliente pa
r
a telé
f
onos p
r
ofe
s
io-
nologías anteriormente mencionadas, seha selec
-
nales. Cogito es aplicable sob
r
e millones de llamada
s
cionado un grupo de las aplicaciones más
d
i
f
undidasde voz que tienen luga
r
dia
r
iamente. Las solucione
s
de
mundialmente.inteligencia a
r
ti
f
icial analizan las voces humana
s
en
1.
S
iri es una aplicación con funciones de asis
-
tiempo
r
eal y guían el compo
r
tamiento
(
Cogito, 2018).
tente pe
r
sonal para i
OS
que utiliza el procesamiento4.Pandora o
DNA
es una de las solucione
s
del lenguaje
n
atural para responder preguntas, hace
r
técnicas más popula
r
es y altamente demandada en
r
ecomendaciones y realizar acciones mediante la de
-
el campo de la música.
D
ependiendo de 400 caracte-
legación de solicitudes hacia un conjunto de se
r
vicios
r
ísticas musicales el conjunto de expe
r
tos musicale
s
web que ha ido aumentando con el tiempo. Si
r
i
f
ueanaliza individualmente la canción. Pando
r
a e
s
un
c
r
eada en diciembre de 2007 por
V
enture
G
roup y t
r
asconjunto de métodos híb
r
idos humanos – máquina y
p
r
oblemas de viabilidad económica, fue adqui
r
ida po
r
he
rr
amientas pa
r
a desc
r
ibi
r
y explica
r
f
allos en
s
i
s
-
Apple en ab
r
il de 2010.
H
oy es uno de los asistentestemas. Pando
r
a impulsa las obse
r
vaciones ta
n
to de
pe
r
sonales o
fr
ecidos por la
f
irma
A
pple en sus móvi
-
humanos como de sistemas desa
rr
ollados
r
esumiendo
les
(
i
P
hone e i
P
ad). La voz femenina y amistosa delas condiciones de mal
f
uncionamiento con
r
especto a
una asistente activada por voz interactúa co
n
el usua
-
la ent
r
ada de contenidos y la a
r
quitectu
r
a del si
s
tema.
r
io sob
r
e la
ru
tina diaria, ayudando a encont
r
a
r
in
f
o
r-O
t
r
o de los campos de aplicación de Pando
r
a es en la
mación, obte
n
er direcciones, enviar mensajes,
r
ealiza
r
captu
r
a de imágenes, su análisis y depu
r
ación
(
Nu
s
hi,
llamadas de
v
oz, abrir aplicaciones y añadir eventos alB., et. al., 2018
)
.
calenda
r
io.
P
ara ello utiliza la tecnología de ap
r
endi
-
5.Flying
D
rones son p
r
oductos de navegación
zaje de máquina a
f
in de obtener de forma á
g
il la capa
-
pa
r
a clientes en sus casas en sus modos de p
r
ueba
s
.
cidad de entender preguntas y respuestas en lenguajeEllos indican un pode
r
oso sistema de ap
r
endizaje de
natu
r
al.máquina que puede t
r
aslada
r
el ambiente en un mo-
2.Tesla es un ejemplo de que además de los te
-
delo 3
D
a t
r
avés de senso
r
es y cáma
r
as de video. Lo
s
lé
f
onos inteligentes están los automóviles desplazán
-
senso
r
es y cáma
r
as de video son capaces de noti
f
icar
dose al empleo de la
A
I. Este es uno de l
o
s mejo
r
esla posición de los d
r
ones en el espacio mediante la co-
automóviles eléctricos disponibles hasta aho
r
a, puesnexión de ellos en el techo o cielo
r
aso. El alg
o
ritmo
lo distinguen sus características de auto-conducción,de gene
r
ación de t
r
ayecto
r
ias guía el apa
r
ato
(
d
r
on) en
capacidades predictivas y una absoluta innovación tec
-
sus movimientos sob
r
e el luga
r
donde debe mover
s
e.
nológica. Está demostrado que más del 90% de los ac
-U
tilizando un sistema WiFi se pueden cont
r
olar lo
s
cidentes son causados por errores de los conducto
r
es,d
r
ones y su utilización pa
r
a objetivos especí
f
ico
s
tale
s
de ahí que lo
s
sistemas automatizados de conduccióncomo la ent
r
ega de p
r
oductos, hace
r
videos o nuevo
s
—
Automated
D
riving Syste
m
s,
ADS
—
reemplaza
r
án
r
epo
r
tes.
a los conductores utilizando la inteligencia a
r
ti
f
icialEl empleo de los vehículos aé
r
eos no t
r
ipulado
s
y el ap
r
endizaje de máquina (
D
emeke
G
eb
r
esenbet
—
U
n
m
anned aerial vehicles,
UAV
—
más con
o
cido
s
Bayyou, 2019).po
r
“d
r
ones”, tiene va
r
iados campos de aplicación
3.Cogito es un soft
w
are basado en
AI
que seen la vida civil, tales como la cinematog
r
a
f
ía aérea,
basa en análi
s
is semántico profundo y con
u
n
r
ico co
-
la ag
r
icultu
r
a, los sistemas de vigilancia y de entre-
L
a
i
n
t
e
li
g
e
n
c
i
a
a
rt
i
f
ic
i
a
l
y
s
u
i
m
p
a
ct
o
e
n
l
a
s
n
T
I
C
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
66
tenimiento ent
r
e otros. Esta es una de las tecnologíasEl núme
r
o de algo
r
itmos de inteligencia a
r
ti
f
icial,
de más alto ap
r
ecio (
H
all,
A
. R. y Coyne, C. J.,
2
014
)
.así como sus di
f
e
r
entes implementaciones de so
f
t
w
are
6. Ec
h
o es un producto lanzado por la
f
i
r
maes demasiado g
r
ande y se hace necesa
r
io en
f
atiza
r
q
ue
Amazon que permite conseguir más inteligencia yno hay una he
rr
amienta simple pa
r
a todos los p
r
oble-
añadi
r
nuevas características. Es un nuevo productomas y a menudo se hace necesa
r
ia una combinación
que puede ayudar a buscar información en la
w
eb,de estas pa
r
a tene
r
éxito. En la
f
igu
r
a 1 se o
fr
ece una
o
r
ganiza
r
los a
p
untes, hacer compras, controla
r
lavisión gene
r
al de los ma
r
cos, plata
f
o
r
mas y biblioteca
s
luces, conmuta
r
, controlar los termostatos, responde
r
de inteligencia a
r
ti
f
icial.
p
r
eguntas, lee
r
libros de audio, reportar trá
f
ic
o
y el
En este t
r
abajo solo se abo
r
dan las plata
f
o
r
mas má
s
tiempo, da
r
in
f
o
r
mación en locales de negocios, o
fr
e
-
r
ep
r
esentativas dent
r
o de cada uno de los g
r
upos indi-
ce
r
puntuaciones deportivas, organizar competencias
cados en la
f
igu
r
a ante
r
io
r
.
y utiliza
r
los se
rv
icios de voz
A
lexa.
En un p
r
ime
r
g
r
upo están las plata
f
o
r
mas de p
r
opó-
7. Nes
t
(
Google) es uno de los más famosos
sito gene
r
al, las cuales no
r
equie
r
en de ningún ha
r
d
w
a-
y exitoso g
r
upo
s
de que desarrolló la inteligencia
r
e especial o in
fr
aest
r
uctu
r
a y ent
r
e ellas están: Shogun,
a
r
ti
f
icial y que fue adquirido por
G
oogle en el año
RapidMine
r
, Weka3 y Scikit
-
Lea
r
n
(
3
)
.
2014. El te
r
mostato de aprendizaje de
N
est
—
N
est
Sciki
t-
Learn es una biblioteca de ap
r
endizaje de
Lea
r
ning The
r
mostat
—
utiliza algoritmos de con
-
máquina de
f
uente abie
r
ta
(
open source
)
basada en
d
u
cta pa
r
a aho
r
rar energía basado en el com
p
o
r
ta
-
Python, la cual se en
f
oca en la mine
r
ía de datos y análi-
miento y o
r
ganización. El mismo emplea un p
r
oce
-
sis. Está const
r
uida en la punta de
N
umPy, SciPy y ma-
s
o de ap
r
endizaje de máquina muy inteligente pa
r
a
tplotlib con un conjunto de modelos de ap
r
endizaje de
ap
r
ende
r
la temperatura que se desea y programa po
r
máquina de alta calidad. Scikit
-
Lea
r
n es ampliamente
s
í mismo pa
r
a u
n
a semana.
A
utomáticamente apaga
conocida como una he
rr
amienta de
f
uente abierta
el consumo pa
r
a ahorrar energía si no hay nadie en
de Python la cual contiene bibliotecas de algo
r
itmo
s
de
la casa o locales.
ML/
D
L
(
Ped
r
egosa, F., et. al., 2011
)
.
La inteligencia arti
f
icial en estos últimos años ha
D
esde ab
r
il del 2016 Scikit
-
Lea
r
n es suminist
r
ada en
ganado popula
r
idad de forma rápida, in
f
luyend
o
en la
conjunto con
A
naconda, uno de los paquetes más popu-
f
o
r
ma en que vivimos, a la vez que interactúa y mejo
r
a
la
r
es pa
r
a matemática, ciencias e ingenie
r
ía de los eco-
la expe
r
iencia de los clientes.
P
or lo que es impo
r
tante
sistemas de Python;
N
umPy, SciPy and Pandas
(
Pyth
o
n,
c
o
noce
r
las plataformas de soft
w
are de
A
I que se han
2021
)
,
(
SciPy, s.
f
.
)
,
(N
umPy, s.
f
.
)
,
(
Pandas, s.
f
.
)
.
desa
rr
ollado y que hoy cubren el mercado mundial
H
ay ot
r
o g
r
upo de plata
f
o
r
mas pe
r
o con solucione
s
c
o
n el objetivo de facilitar el desarrollo en todos los
más limitadas: LibS
V
M, LibLinea
r
y
N
TL
K
/
G
ensim
campos de la economía digital.
(
Chih
-
Chung, Ch. y Chih
-
Jen L., 2022
)
,
(
Rong
-
En F.,
et. al., 2008
)
.
P
l
a
t
a
fo
r
m
a
s
d
e
S
of
t
w
a
r
e
d
e
i
n
t
e
li
g
e
n
c
i
a
a
rt
i
f
ic
i
a
l
Mi
e
nt
r
a
s q
u
e en o
t
r
o g
r
up
o o c
ate
g
o
r
í
a e
stá
n
l
a
s
Las plata
f
o
r
mas o marcos de trabajo de inteligen
-
pl
a
ta
f
o
r
ma
s i
nte
r
act
i
va
s
qu
e v
isuali
z
a
n l
o
s
r
esult
a
do
s
cia a
r
ti
f
icial o
fr
ecen la funcionalidad para analiza
r
,
a
n
alític
os y
q
u
e
s
o
n m
á
s
p
opula
r
e
s
d
ad
o q
u
e
s
o
n
b
a
-
o
r
ganiza
r
, acceder y ofrecer servicios de asesoría ba
-
sadas en
w
eb. Ellas están integ
r
adas con ambie
n
te
s
s
ados en un
r
ango de información estructurada y node analítica de datos pa
r
a c
r
ea
r
y compa
r
ti
r
documen-
e
s
t
r
uctu
r
ada.tos que contienen manejo de datos, códigos de vida,
Las plata
f
o
r
mas
A
I facilitan el desarrollo de apli
-
ecuaciones, visualización y na
rr
ativa de textos. Entre
caciones inteligentes y de asesoría, incluyendo asis
-
las más conocidas están: Jupyte
r
notebook, Zeppelin,
tentes inteligentes que pueden imitar las habilidades
K
ibana,
Gr
a
f
ana y Tableau.
del conocimiento humano. En conjunto se con
s
ide
r
aJupy
t
er
N
o
t
ebook es una nueva he
rr
amienta de
que las plata
f
o
r
mas de inteligencia arti
f
icial están con
-
ap
r
endizaje en
f
o
r
ma inte
r
activa de aplicación
w
eb y
vi
r
tiéndose en poderosas estructuras para la actividad
f
uente abie
r
ta que ayuda a los inst
r
ucto
r
es a desple-
económica y social en las próximas décadas (Mucha,ga
r
una pedagogía e
f
ectiva pa
r
a la visualización de
T.,
S
eppala, T., 2020).datos, mine
r
ía, simulación de cómputo, ap
r
endizaje
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
M
Sc
.
A
r
e
l
y
s
E
m
ili
a
n
a
R
a
m
o
s F
l
e
i
t
e
s,
D
r
.
F
é
li
x
Á
l
v
a
r
e
z P
a
li
z
a
,
Y
ud
i
s
l
e
i
d
y
s
R
u
i
z
R
í
o
s,
E
n
r
i
qu
e
H
e
r
n
á
nd
e
z P
o
rt
a
l
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
6
7
F
i
g
u
r
a
1
.
V
i
s
i
ó
n
g
e
n
e
r
a
l
d
e
p
l
a
t
a
fo
r
m
a
s,
m
a
r
c
o
s
d
e
t
r
a
b
a
j
o
y
b
i
b
li
o
t
e
c
a
s
d
e
A
I
.
de máquina e inteligencia arti
f
icial. Es un so
f
t
w
a
r
e
unit,
G
P
U)
como acele
r
ado
r
es pa
r
a agiliza
r
el p
r
oce
s
o
desa
rr
ollado con estilo por un grupo de cientí
f
icos
de ap
r
endizaje con el apoyo de inte
rf
aces.
A
lg
u
na
s
de
(
Bhattacha
r
ya,
S
., et. al., 2018), (
U
nidata, s.
f
.
)
. Suellas también pe
r
miten el empleo de biblioteca
s
opti-
popula
r
idad ha ido en aumento desde su exitosa im
-
mizadas, tales como C
UDA(
cu
DNN)
, y
O
penCL para
plementación de programación literal combinada conmejo
r
a
r
el desempeño adicionalmente
[
24
]
,
[
25
].
el lenguaje
P
ython.En la
f
igu
r
a 2 se muest
r
a el g
r
upo de plataforma
s
Ze
pp
eli
n
es una notebook interactiva diseñadade ap
r
endizaje p
r
o
f
undo
(D
L
)
, donde el desa
rr
ollo de
pa
r
a el p
r
ocesamiento, análisis y virtualización de g
r
an
-
des conjuntos de datos. La misma ofrece sopo
r
te nativo
pa
r
a el sistema de cómputo distribuido
A
pache Spa
r
k.
Esto pe
r
mite extender su
f
uncionalidad a través de
va
r
ios inté
r
p
r
etes:
S
park,
S
pa
r
k
S
QL,
S
cala,
P
ython
y la concha de la platafor-
ma analítica de
A
pache
S
pa
r
k
(
Zeppelin, s. f.).
Muchas de las plata-
f
o
r
mas más
p
opulares de
ML/DLo
fr
ecen la posibi-
lidad de utilizar unidades
de p
r
ocesamiento grá
f
i-
co
(
G
r
aphics processing
F
i
g
u
r
a
2
.
P
l
a
t
a
fo
r
m
a
s
y
b
i
b
li
o
t
e
c
a
s
d
e
a
p
r
e
nd
i
z
a
j
e
p
r
of
und
o
(
D
L
)
.
L
a
i
n
t
e
li
g
e
n
c
i
a
a
rt
i
f
ic
i
a
l
y
s
u
i
m
p
a
ct
o
e
n
l
a
s
n
T
I
C
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
6
8
sof
twa
r
e en esa comunidad es altamente dinámico yEl mismo es activamente mantenido po
r
el gru-
tiene va
r
ios niveles de abstracción.po de algo
r
itmos de ap
r
endizaje de la univer
s
i-
A continuación se describen algunos de los ma
r-
dad de Mont
r
eal
—
M
ontreal
I
nstitute for Learning
c
o
s o plata
f
o
r
mas de inteligencia arti
f
icial de
f
uenteAlgorith
m
s, M
I
L
A
—
(
M
I
L
A
, s.
f
.
)
.
a
b
ie
r
ta
(
open
-
so
u
rce) y otras más que deben ser toma
-
Theanoes una biblioteca de Python de ap
r
endizaje
dos en conside
r
ación:de máquina que está altamente integ
r
ado con
N
um
P
y.
Te
n
sorFlow
,
es un ecosistema de herramientas,Lo que signi
f
ica que su uso de caso p
r
ima
r
io está en
bibliotecas y
r
ecursos de fuente abierta que
h
a de
-
de
f
ini
r
y evalua
r
exp
r
esiones complejas matemática
s
s
a
rr
ollado Google y que es muy empleada por ot
r
asutilizando simples guiones de Python mient
r
as impul
s
a
f
i
r
mas come
r
ciales como
A
irbnb, eBay y
D
ropBox.la computación avanzada pa
r
a optimiza
r
el desempe
ñ
o.
Tenso
rF
low ayu
d
a a simpli
f
icar y abstraer fuera de laKeras es una
A
P
I
de ap
r
endizajes de alto nivel
c
o
mplejidad de l
o
s algoritmos de aprendizaje de má
-
que puede co
rr
e
r
encima de Tenso
r
Flo
w
, de C
N
TK y
quina pa
r
a modernizar el desarrollo.
U
tilizando mode
-
de Theano. Esto
f
acilita el uso y se en
f
oca en la expe-
los visuales y grá
f
icos de
f
lujos los desarrollado
r
es y
r
iencia de los desa
rr
ollado
r
es, lo que hace que
K
era
s
cientí
f
icos de datos pueden de forma rápida crea
r
r
edesconduzca a p
r
ototipos
r
ápidos pa
r
a nuevas aplicacio-
neu
r
onales y ot
r
os modelos de aprendizaje de máqui
-
nes. Muchas compañías como
N
et
f
lix,
U
be
r
y
Y
elp
na pa
r
a apalancar datos.
H
istóricamente TensorFlo
w
han integ
r
ado a
K
e
r
as en su núcleo de p
r
oductos y
ha sido di
r
igida a democratizar el aprendizaje de má
-
se
r
vicios
(
Wu
Y
, L., et al., 2019
)
.
quina
(
ML
)
y muchos consideran que fue la prime
r
aLas plata
f
o
r
mas ap
r
endizaje p
r
o
f
undo
(D
L
)
va
r
ían
plata
f
o
r
ma que hizo a ML simple, visible y accesible.en los algo
r
itmos que ellas sopo
r
tan y en la calidad de
Como
r
esultado el lenguaje de máquina tuvo una ex
-
sus implementaciones, de ahí que se hayan desarro-
plosión y la gente fue capaz de encadenar el modelollado dive
r
sidad de estudios compa
r
ativos ent
r
e esta
s
f
ácilmente
(
Ait
r
ends, s. f.).plata
f
o
r
mas
(
Shatna
w
i,
A
., et. al., 2018
)
,
(
Mahon S.,et.
Microso
ft
C
og
n
itive Tool
k
it (C
N
T
K
), es unaal., 2020
)
,
(K
ochu
r
a,
Y
., 2017
)
.
plata
f
o
r
ma comercial de aprendizaje profundo
(D
L
)
,
Ú
ltimamente nuevas plata
f
o
r
mas dist
r
ibuidas han
también de
f
uente abierta, con conjuntos de datoseme
r
gido di
r
igiéndose hacia la escalabilidad de los al-
de g
r
an escala aportados por Microsoft Resea
r
chgo
r
itmos pa
r
a el análisis intensivo de datos
(
Big
D
ata)
(
Ch
r
isbasoglu, 2021).utilizando el modelo de p
r
og
r
amación MapReduce,
CNTK puede ser incluida en proyecto tales comosiendo
A
pache
H
adoop y
A
pache Spa
r
k las dos imple-
bibliotecas en varios idiomas o utilizado como unamentaciones más popula
r
es.
he
rr
amienta de a
p
rendizaje de máquina indepen
d
ienteLa p
r
incipal ventaja de estos sistemas dist
r
ibuido
s
c
o
n su p
r
opio lenguaje de descripción del modelo lla
-
es su elasticidad, con
f
iabilidad y escalabilidad t
r
ans
p
a-
mado B
r
ain
S
c
r
ipt. C
N
T
K
corre sobre sistemas
o
pe
r
a
-r
ente en una
f
o
r
ma amistosa con el usua
r
io.
tivos Linux y Windo
w
s (64 bit) utilizando
P
ython, C#,En el g
r
upo de plata
f
o
r
mas ML/
D
L con apoyo
C++ y B
r
ain
S
c
r
ipt
AP
I.del modelo de p
r
og
r
amación pa
r
a da
r
sopo
r
te a la
Como
f
o
r
talezas de C
N
T
K
están las siguientes:computación pa
r
alela
(
MapReduce
)
están ent
r
e ot
r
a
s
:
a
)F
uente abierta, rápida evolución y sop
or
tada
D
eeplea
r
ning4j,
A
pache Spa
r
k MLlib and Spa
r
k
M
L,
po
r
una compañía industrial fuerte (Microsoft)
H
2
O
/ Spa
r
klingWate
r
and
D
eep Wate
r
, FlinkML y
b
)
S
opo
r
ta el formato de intercambio de
r
e
-Or
yx2 ML.
des neu
r
onales abiertas
—
O
pen Neural NetworkH2
O
/ Sparkling Water and
D
eep Water, es una
Exchange, ONNX
—
lo que le permite transfo
r
ma
r
plata
f
o
r
ma abie
r
ta de ap
r
endizaje de máquinas que
los modelos ent
r
e C
N
T
K
, Ca
ff
e2,
P
yTorch, M
XN
et yes ampliamente utilizada. La idea p
r
incipal es la de
ot
r
as he
rr
amientas de aprendizaje profundo (
D
L
)r
ealiza
r
un co
r
te en los bo
r
des de la inteligencia arti-
Theano es el pionero de las herramientas de ap
r
en
-
f
icial pa
r
a alcanza
r
al público, más que pe
r
miti
r
que
dizaje de máquina que soporta
GPU
cuyo desarrollo seesta pe
r
manezca en manos de las g
r
andes compañía
s
.
inició en el año 2007. El mismo es un proyecto de
f
uen
-V
a
r
ios p
r
oductos son o
fr
ecidos bajo la plata
f
o
r
ma
te abie
r
ta lanzado bajo licencia B
SD
(
P
acktpub,
2
021
)
.
H
2
O
(H
2o.ai, 2021
)
,
(D
eep Lea
r
ning, 2021
)
.
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
M
Sc
.
A
r
e
l
y
s
E
m
ili
a
n
a
R
a
m
o
s F
l
e
i
t
e
s,
D
r
.
F
é
li
x
Á
l
v
a
r
e
z P
a
li
z
a
,
Y
ud
i
s
l
e
i
d
y
s
R
u
i
z
R
í
o
s,
E
n
r
i
qu
e
H
e
r
n
á
nd
e
z P
o
rt
a
l
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
6
9
R
e
s
u
l
t
a
do
s
y
d
i
sc
u
s
i
ón
En el análisis realizado de las tecnología
s
de inteli
-
gencia a
r
ti
f
icial destacan las tecnologías de agentes vi
r-
tuales o entidades conversacionales arti
f
iciales, siendo
su ve
r
sión más desarrollada los
A
sistentes Pe
r
sonales
I
nteligentes
(IPA
), lo cuales están incrustados en los
sitios web, donde se les puede formular preguntas
r
e
-
f
e
r
entes a la empresa en cuestión, ubicaciones o se
r
vi
-
cios. Rep
r
esentando uno de los impactos más noto
r
ios
en la economía digital dado por su salto a salto a las
aplicaciones móviles (
S
iri,
G
oogle
N
o
w
y Co
r
tana
)
.
I
gualmente las tecnologías de
A
I de aprendizaje de
máquinas
(
ML) y de aprendizaje profundo
(D
L
)
tie
-
nen un g
r
an impacto en los campos de la ro
b
ótica, los
sistemas automatizados y las fábricas inteligentes. En
r
ealidad con la cuarta revolución industrial
(I
ndust
r
y
4.0
)
, la inteli
g
encia arti
f
icial y el aprendizaje de má
-
quina son considerados la fuerza de empuje de las
f
á
-
b
r
icas inteligentes.
También la inteligencia arti
f
icial y la computa
-
ción en los bordes posibilitan la Internet de las Cosas
(I
oT
)
conectando sensores inteligentes y actuado
r
es.
Mediante ellos se crean y coleccionan datos que ali
-
mentan los si
s
temas de inteligencia arti
f
icial hasta que
se implementan instrucciones.
El acceso múltiple de computación en los bo
r
des
(
MEC
)
complementa a los centros de datos co
r
po
r
ati
-
vos o
fr
eciendo cómputo, almacenamiento,
r
ed y ana
-
lítica de dato
s
en localizaciones cercanas a las
f
uentes
Estas son las plataformas compatibles con
A
pache
l
a
r
e
d d
e
f
in
e el e
st
a
d
o des
eabl
e de la
r
e
d y p
a
r
a
e
ll
o
Hadoop pa
r
a
M
L /
D
L sobre Big
D
ata, así como tam
-
di
s
pon
e de un
s
o
f
t
w
a
r
e de o
r
questació
n de
r
e
d,
d
ond
e
bién pa
r
a la analítica predictiva de Big
D
ata.
d
e
f
o
r
m
a a
utomati
z
ad
a se i
m
p
lementa
n l
a
s p
olítica
s
u
objetivos.
Los especialistas p
r
edicen que esta tecnología
cambia
r
á la
f
o
r
ma de t
r
abajo de los administ
r
adore
s
de
r
ed, eliminando la
r
epetición de tediosas ta
r
ea
s
de
con
f
igu
r
ación y moviéndose de una
f
o
r
ma
r
eactiva a
una p
r
oactiva con la mezcla de la o
r
questación y el
ap
r
endizaje de máquinas.
En base a lo analizado con ante
r
io
r
idad se puede
deci
r
que hoy no hay ca
r
estía de plata
f
o
r
mas y mar-
cos de inteligencia a
r
ti
f
icial y ap
r
endizaje de máqui-
nas. Todos los gigantes digitales tales como: Google,
A
mazon, Mic
r
oso
f
t y
A
pple ent
r
e ot
r
os han liberado
he
rr
amientas pa
r
a el público, muchas de ellas libre
s
,
que incluyen amplias bibliotecas de códigos
q
ue lo
s
ingenie
r
os pueden compila
r
en modelo de p
r
ofundo
ap
r
endizaje.
Los cambios en
AI
y MLson
r
ápidos con el
d
e
s
cu-
b
r
imiento de nuevos algo
r
itmos y mejo
r
as del e
s
tado
del a
r
te de acue
r
do a los pat
r
ones de medición indica-
dos. Este p
r
og
r
eso es empujado po
r
la disponi
b
ilidad
de g
r
andes masas de datos, cantidades signi
f
icativa
s
asociadas
f
undamentalmente a la
r
ealidad,
n
ueva
s
f
o
r
mas de ha
r
d
w
a
r
e de cómputo pa
r
alelo que s
o
portan
ext
r
emadamente alta
r
azones de cómputo numérico e
innovaciones en los algo
r
itmos existentes que
s
u
s
ten-
tan estas capacidades de cómputo pa
r
a c
r
ea
r
un campo
eme
r
gente de ap
r
endizaje p
r
o
f
undo
(
deep learning).
D
e las plata
f
o
r
mas y ma
r
cos de inteligencia arti-
f
icial hay que destaca
r
a Tenso
r
Flo
w
, la misma ayuda
a simpli
f
ica
r
y abst
r
ae
r
f
ue
r
a de la complejidad de lo
s
algo
r
itmos de ap
r
endizaje de máquina pa
r
a modernizar
de datos
(
dispositivos IoT) y los puntos de consumo.
Con el despliegue de Internet de las cosas
(I
oT
)
e
l d
esa
rr
ol
l
o
. M
ucho
s c
onside
r
a
n
qu
e
f
u
e la
p
r
imer
a
y de las tecn
o
logías móviles inteligentes, han p
r
ovoca
-
pl
a
ta
f
o
r
m
a
q
u
e
h
iz
o
al
a
p
r
endizaj
e
de má
quina
s
(
M
L
)
do la explosión en la aparición de miles de millones
si
m
ple
,
visibl
e y
ac
c
esible
.
de nuevos dispositivos en las redes que gene
r
an eno
r-
L
o m
á
s s
igni
f
i
c
ativ
o de T
ensoFlo
w
es
K
era
s
,
la
mes cantidades de datos que necesitan ser analizados y
c
u
a
l
e
s
un
a
bibliote
ca
pa
r
a
t
r
abaja
r
e
f
icie
n
teme
n
t
e
co
n
p
r
ocesados en tiempo real en los bordes.
l
a p
r
og
r
ama
c
ió
n de
r
ede
s n
eu
r
onales
, s
iend
o
s
impl
e
Los p
r
incipales cambios en la entrega de la cadena
pa
r
a
c
r
ea
r
r
ede
s
total
m
ent
e
conec
t
ada
s
(
pe
r
cept
r
on)
.
de se
r
vicios
d
e extremo a extremo a través de S
DN
,
Muc
h
a
s
de l
a
s p
lata
f
o
r
ma
s
d
e
a
p
r
endizaj
e
p
rofun
-
N
F
V y los dominios de nubes, están en consegui
r
una
d
o
(D
L
)
tale
s
com
o
Te
n
so
r
Fl
o
w
,
C
a
ff
e
,
T
o
r
ch
,
T
h
eano
,
uni
f
icación de las funciones de gestión y orq
u
estación.
C
N
T
K
,
K
e
r
a
s
y P
yTo
r
ch
,
adopta
n
un
a
a
r
quitectur
a
d
e
Los algo
r
itmos de MLhan avanzado hasta un pun
-
so
f
t
w
a
r
e de nivel muy simila
r
y o
fr
ecen
A
P
I
que po-
to donde es posible tener las redes de banda ancha ba
-
sibilitan a los usua
r
ios con
f
igu
r
a
r
el modelo D
NN
y
sadas en objetivos (IB
N
), donde el admini
s
t
r
ado
r
demétodos de ent
r
enamiento
(
optimize
r
s
)
.
L
a
i
n
t
e
li
g
e
n
c
i
a
a
rt
i
f
ic
i
a
l
y
s
u
i
m
p
a
ct
o
e
n
l
a
s
n
T
I
C
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
7
0
C
on
c
l
u
s
i
on
e
s
Los p
r
incipales cambios en los p
r
óximos a
ñ
o
s
deben esta
r
di
r
igidos al empleo de los métodos de
ap
r
endizaje de maquina
(
ML
)
, dada su potencialidad
en pode
r
ext
r
ae
r
, captu
r
a
r
y utiliza
r
el conocimien-
to que está det
r
ás de esas especies de co
rr
elacione
s
supe
r
f
iciales.
Como se ha podido obse
r
va
r
en el análisis de mu-
chas de las plata
f
o
r
mas el lenguaje Python tiene un
g
r
an vínculo con ellas y se ha conve
r
tido desde hace
años en uno de los lenguajes de p
r
og
r
amación más uti-
lizado en miles de aplicaciones de negocios al
r
ededor
del mundo y además ampliamente utilizado en univer-
sidades, cent
r
os de investigación y emp
r
esas.
La inteligencia a
r
ti
f
icial y su alianza con las nue-
vas T
I
C conllevan a g
r
andes avances de la ciencia
y
la
tecnología en este siglo
xx
i
, aunque siemp
r
e velando
po
r
el pelig
r
o que
r
ep
r
esenta la misma pa
r
a la humani-
dad sin su debido cont
r
ol.
Los impe
r
ativos políticos y económicos se están
combinando con la innovación tecnológica pa
r
a incen-
tiva
r
el c
r
ecimiento de la economía digital con nivele
s
H2O es capaz de trabajar con millones de regist
r
os
e
n
un único o
r
denador (emplea todos sus cores o núcleos
)
o en un cluste
r
de muchos ordenadores. Internamente,
H2O está esc
r
ito en Java y sigue el paradigma
K
e
y
/
V
alue
pa
r
a almacena
r
los datos y Map/Reduce para sus algo
r
it
-
mos. G
r
acias a sus
AP
I, es posible acceder a to
d
as sus
f
unciones desde R,
P
ython o
S
cala, así como por una in
-
te
rf
az web llamada
F
lo
w
.
A
unque la principal ventaja de
H2O
fr
ente a ot
r
as herramientas es su escalabilidad, sus
algo
r
itmos son igualmente útiles cuando se trabaja con
un volumen de datos reducido.
El p
r
oyecto de código abierto Jupyter pretende ge
-
ne
r
a
r
una plata
f
o
r
ma computacional que permita utili
-
za
r
di
f
e
r
entes le
n
guajes (su nombre proviene
d
e uni
r
los 3 lenguajes quizás más populares en cálculo cientí
-
f
ico: Julia,
P
ython y R. El pilar en el que se sustenta es
la inte
rf
az web Jupyter
N
otebook, que aglutina la eje
-
c
u
ción de código, inclusión de texto junto a ecuaciones
e
n
LaTeX, video
,
y todo lo que se pueda visualiza
r
con
un navegado
r
. La inclusión de Jupyter
N
oteboo
k
s con
cálculos, datos y
f
iguras adicionales a artículos apa
r
e
-
cen cada vez má
s
en las revistas cientí
f
icas.
Las investigaciones en el pregrado han sido identi
-
f
icadas como una de las formas de más alto impacto en
d
e
c
r
eci
m
ient
o
alto
s
e
n
lo
s
paíse
s
e
n
vía
s
d
e
desa
rr
ollo
,
la p
r
áctica, pues ellas son la mejor posibilidad de acti
-
de
l
cua
l
Cub
a
n
o
pued
e
esta
r
ajena
.
va
r
el ap
r
endizaje que está asociado con el mejoramien
-
Po
r
lo
qu
e
l
o
s
g
obie
r
nos
,
la
s
ocieda
d
c
ivil
,
la
c
o
-
t
o
signi
f
icativo
d
e la comprensión y retención en los
m
u
nida
d
cientí
f
i
c
a y
académic
a
uni
do a
l
a
indust
r
i
a
t
i
e
-
estudiantes.
P
o
r
lo que la participación activa de g
r
uposnen que t
r
abaja
r
de conjunto pa
r
a encont
r
a
r
solucione
s
de estudiantes e
n
el campo de la inteligencia arti
f
icialde inteligencia a
r
ti
f
icial que
r
eduzcan la b
r
echa digital
(AI)
y el ap
r
endizaje de máquinas no escapa a ello.
y cont
r
ibuyan al c
r
ecimiento de la economía digital.
R
e
f
e
r
e
n
c
ia
s
b
i
b
li
o
g
r
á
f
ic
a
s
A
ue
r
bach
J
E, Concordel A, Kornatow
s
ki P
M
, Floreano D. Inquiry-ba
s
ed learning with robo-
gen:
A
n open
-s
ource
s
oftware and hardware platform for robotic
s
and arti
f
icial intelligen-
ce.
I
EEE T
r
an
s
action
s
on Learning Technologie
s
. 2018;12(3):356-69.
Bhattacha
r
ya
S
, Czejdo B, Agrawal R, Erdemir E, Gokaraju B. Open Source Platform
s
and
Fr
ame
w
o
r
k
s
f
o
r
A
rti
f
icial Intelligence and
M
achine Learning. En Southea
s
tCon; 2018. p
.
4.
Bob Lalibe
r
te. The
J
ourney to Intent-ba
s
ed Networking. ESG White Paper. 2018.
Chih
-
Chung Chang, Chih-
J
en Lin. LIBSV
M
: A Library for Support Vector
M
achine
s
[I
nte
r
net
]
.
D
i
s
po
n
ible en:
.
Ch
r
i
s
ba
s
oglu. The Micro
s
oft Cognitive Toolkit - Cognitive Toolkit - CNTK [Internet].
[
citado 18 de octubre de 2021]. Di
s
ponible en:
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
M
Sc
.
A
r
e
l
y
s
E
m
ili
a
n
a
R
a
m
o
s F
l
e
i
t
e
s,
D
r
.
F
é
li
x
Á
l
v
a
r
e
z P
a
li
z
a
,
Y
ud
i
s
l
e
i
d
y
s
R
u
i
z
R
í
o
s,
E
n
r
i
qu
e
H
e
r
n
á
nd
e
z P
o
rt
a
l
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
7
1
C
UDA
Zone
[I
nternet]. NVIDIADeveloper. 2017 [citado 18 de octubre de 2021]. Di
s
ponible
en:
C
UDA
Toolkit
|
NVIDIA Developer [Internet]. [citado 18 de octubre de 2021]. Di
s
ponible
en:
D
eep Lea
r
ning with Theano
|
Packt [Internet]. [citado 18 de octubre de 2021]. Di
s
ponible en:
http
s
://
www
.
p
acktpub.com/product/deep-learning-with-theano/9781786465825
D
eep Lea
r
ning
(
Neural Network
s
) — H2O 3.16.0.2 documentation [Internet]. [citad
o
18 de
octub
r
e de 2021]. Di
s
ponible en: http
s
://h2o-relea
s
e.
s
3.amazonaw
s
.com/h2o/rel-whee-
le
r
/2/doc
s-w
eb
s
ite/h2o-doc
s
/data-
s
cience/deep-learning.html
D
emeke
G
eb
r
e
s
enbet Bayyou. Arti
f
icially-Intelligent-Self-Driving-Vehicle-Technologie
s
--
Bene
f
it
s-
and
-
Challenge
s
-pdf. International
J
ournal of Emerging Technology in Computer
S
cience & Electronic
s
(I
J
ETCSE),. abril de 2019;26(3):5-13.
ET
SI
.
GS
M
EC
0
01,
M
ulti-acce
ss
Edge Computing (
M
EC);Terminology, V2.1.1. 2019.
Eu
r
opean Commi
ss
ion. Arti
f
icial Intelligence-Critical Indu
s
trial application
s
, Report on fo-
r
e
s
ight
s
cena
r
io
s
. European Union; 2019
Expe
r
t
S
y
s
tem. Cogito®: A Unique Arti
f
icial Intelligence Technology. 2018.
F
a
s
t,
S
calable
M
achine Learning- Now with New and Improved Python API [Internet]. Open
S
ou
r
ce Leader in AI and
M
L. 2015 [citado 18 de octubre de 2021]. Di
s
ponible en:
G
il
Y
,
S
elman B. A20-year community roadmap for arti
f
icial intelligence re
s
earch in the U
S
.
a
rX
iv p
r
ep
r
int arXiv:190802624. 2019.
Gr
eu
V
.
D
eveloping information and communication
s
technologie
s
with more arti
f
icial in-
telligence u
s
ing arti
f
icial intelligence when internet of thing
s
i
s
“intelligence eve
r
ywhe-
r
e”
-(P
a
r
t 1
)
. Romanian Di
s
tribution Committee
M
agazine. 2016;7(4):10-9.
H
all
A
R, Coyne C
J
. The political economy of drone
s
. null. 3 de
s
eptiembre de
2014;25
(
5
)
:445-60.
K
antale T,
P
a
w
a
r
P, Bhagat AP. An Overview of Arti
f
icial Intelligence ba
s
ed Autonomou
s
V
ehicle Robotic
s
Simulator
s
. En IEEE; 2019. p. 1-6.
K
ochu
r
a
Y
,
S
ti
r
enko S, Alienin O, Novotar
s
kiy
M
, Gordienko Y. Performance analy
s
i
s
of
open
s
ou
r
ce machine learning framework
s
for variou
s
parameter
s
in
s
ingle-threa
d
ed and
multi
-
th
r
eaded mode
s
. En Springer; 2017. p. 243-56.
M
ahon
S
,
V
a
rr
ette S, Plugaru V, Pinel F, Bouvry P. Performance analy
s
i
s
of di
s
tributed and
s
calable deep learning. En IEEE; 2020. p. 760-6.
MI
L
A[I
nte
r
net
]
.
M
ila. [citado 18 de octubre de 2021]. Di
s
ponible en:
M
ucha T,
S
eppala T. Arti
f
icial Intelligence Platform
s
–A New Re
s
earch Agenda for Digital
P
lat
f
o
r
m Economy. 2020.
N
guyen
G
,
D
lugolin
s
ky S, Bobák
M
, Tran V, García ÁL, Heredia I, et al.
M
achine lear-
ning and deep learning framework
s
and librarie
s
for large-
s
cale data mining: a survey.
Ar
ti
f
icial
I
ntelligence Review. 2019;52(1):77-124.
N
um
P
y
[I
nte
r
net
]
. [citado 18 de octubre de 2021]. Di
s
ponible en:
L
a
i
n
t
e
li
g
e
n
c
i
a
a
rt
i
f
ic
i
a
l
y
s
u
i
m
p
a
ct
o
e
n
l
a
s
n
T
I
C
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72
7
2
N
u
s
hi B,
K
ama
r
E,
H
orvitz E. Toward
s
accountable ai: Hybrid human-machine analy
s
e
s
for
cha
r
acte
r
izing
s
ystem failure. En 2018.
P
anda
s
-
P
ython
D
ata Analy
s
i
s
Library [Internet]. [citado 18 de octubre de 2021]. Di
s
ponible
en:
P
ed
r
ego
s
a
F
,
V
a
r
oquaux G, Gramfort A,
M
ichel V, Thirion B, Gri
s
el O, et al. Scikit-learn:
M
achine lea
r
ning in Python. the
J
ournal of machine Learning re
s
earch. 2011;12:2825
-
30.
Rong
-
En
F
an,
K
ai
-
Wei Chang, Xiang-Rui Wang, Chih-
J
en Lin. LibLinear, Liblinear—a li-
b
r
a
r
y
f
o
r
la
r
ge linear cla
ss
i
f
ication.
J
ournal of
M
achine Learning Re
s
earch [Internet].
2008;
D
i
s
ponible en:
S
ci
P
y.o
r
g —
S
ci
P
y.org [Internet]. [citado 18 de octubre de 2021]. Di
s
ponible en:
S
hatna
w
i
A
,
G
hadeer Al-Bdour, Rafi Al-Qurran,
M
ahmoud Al-Ayyoub. A comparative
s
tudy o
f
open
s
ource deep learning framework
s
. 2018;4.
Ten
s
o
rF
lo
w
-
an
O
pen Source Software Library for
M
achine Intelligence - AI Trend
s
[I
nte
r
net
]
.
[
citado 18 de octubre de 2021]. Di
s
ponible en:
U
C
A
R/
U
nidata.
U
nidata Python Training [Internet]. Unidata Python Training. 2019 [citado
18 de octub
r
e de 2021]. Di
s
ponible en:
Wu
Y
, Liu L,
P
u C, Cao W, Sahin S, Wei W, et al. Acomparative mea
s
urement
s
tudy of deep
lea
r
ning a
s
a
s
e
r
vice framework. IEEE Tran
s
action
s
on Service
s
Computing. 2019.
Zeppelin
[I
nte
r
net
]
.
[
citado 18 de octubre de 2021]. Di
s
ponible en:
R
E
V
I S I
Ó
N
B
I
B
L I
O
G
R
Á
F I C
A
M
Sc
.
A
r
e
l
y
s
E
m
ili
a
n
a
R
a
m
o
s F
l
e
i
t
e
s,
D
r
.
F
é
li
x
Á
l
v
a
r
e
z P
a
li
z
a
,
Y
ud
i
s
l
e
i
d
y
s
R
u
i
z
R
í
o
s,
E
n
r
i
qu
e
H
e
r
n
á
nd
e
z P
o
rt
a
l
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
18
,
N
o
.
2
,
j
u
li
o
-
d
i
c
i
e
m
b
r
e
,
2022
,
pp
.
61
-
72