Estudio comparativo de técnicas de aprendizaje reforzado en entornos controlados

En Colombia la inteligencia artificial (IA) se ha erigido como un área de creciente interés, particularmente en dominios como el procesamiento del lenguaje natural y la visión computacional. No obstante, en este contexto, la adopción del aprendizaje por refuerzo (conocido por sus siglas en inglés como RL) aún es limitada, esta tecnología ha demostrado ser un instrumento potente para solucionar problemas de toma de decisiones complejos en naciones desarrolladas, se encuentra en una situación de subutilización debido a la falta de conocimiento sobre sus fundamentos, aplicaciones prácticas y el impacto que puede tener en diversos sectores, la disparidad en la implementación de la Responsabilidad Limitada no sólo manifiesta una carencia de infraestructura tecnológica apropiada, sino también un déficit en la capacitación académica y profesional que facilite la integración de este enfoque en los procesos productivos, educativos e industriales de la nación. En otras naciones el aprendizaje reforzado se ha utilizado exitosamente en áreas como la robótica, la optimización de procesos logísticos, la administración de recursos naturales y la planificación estratégica en tiempo real. Estas aplicaciones han facilitado no solamente la automatización de tareas de alta complejidad, sino también la optimización de la eficiencia y la adaptabilidad en contextos dinámicos y de elevada incertidumbre, como por ejemplo los sistemas de RL, han revolucionado la gestión de cadenas de suministro, el diseño de estrategias financieras y el desarrollo de tecnologías autónomas, tales como vehículos o drones. Este tipo de progresos, al no ser capitalizados en el escenario colombiano, restringe las posibilidades de innovación y expansión en sectores cruciales que podrían obtener beneficios significativos de estas tecnologías emergentes. La escasa adopción del aprendizaje reforzado en Colombia tiene una repercusión directa en la habilidad de la nación para competir en un escenario global cada vez más dominado por la inteligencia artificial Adicionalmente, esta disparidad tecnológica perpetúa la dependencia de soluciones de origen importado, incrementando los costos y restringiendo la habilidad de adaptar tecnologías a las necesidades particulares del local, en una nación con una amplia gama de desafíos, tales como la administración eficaz de recursos naturales, la optimización de sistemas de transporte urbano o la automatización de procesos industriales, la aplicación de métodos avanzados de Resiliencia Logística podría generar un impacto significativo al proporcionar soluciones personalizadas y de alta eficiencia. Este proyecto propone una comparación entre tres enfoques de aprendizaje por refuerzo ampliamente estudiados en la literatura, esto a través de un modelo propio desarrollado en el contexto de esta investigación. El propósito primordial es examinar la manera en que estos métodos pueden abordar problemas prácticos en sectores específicos, y evidenciar las ventajas que proporcionan en términos de estabilidad, adaptabilidad y eficacia, al examinar su aplicación en escenarios reales, se aspira no solo a generar conocimiento local sobre esta tecnología, sino también a incentivar su adopción en sectores estratégicos, promoviendo de esta manera el avance tecnológico y la competitividad de Colombia. Adicionalmente, este estudio puede actuar como un vínculo entre la investigación académica y las de mandas industriales, proporcionando pruebas tangibles de cómo el aprendizaje por refuerzo puede abordar problemas particulares en Colombia. No solo será beneficioso para la comunidad científica, sino también para las empresas y entidades gubernamentales que buscan soluciones innovadoras y sostenibles para abor dar los retos contemporáneos. Al fomentar el desarrollo y la adopción de esta tecnología se contribuye a la eliminación de la brecha tecnológica existente y a la consolidación de la nación como un actor significativo en el ámbito de la inteligencia artificial en América Latina y en el ámbito global, con esta perspectiva, el proyecto tiene como objetivo no solo incrementar el conocimiento sobre el aprendizaje por refuerzo en el ámbito colombiano, sino también fomentar la elaboración de políticas públicas, programas educativos y colaboraciones interinstitucionales que fomenten la adopción de esta tecnología en favor del progreso social, económico y tecnológico de la nación.

• Autores: Caicedo Vidal, Alvaro; Jiménez Lozano, Jorge Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de Ibagué
• Repositorio: Repositorio Universidad de Ibagué
• Idioma: spa
• OAI Identifier: oai:repositorio.unibague.edu.co:20.500.12313/4746
• Acceso en línea: https://hdl.handle.net/20.500.12313/4746
• Palabra clave: Entornos Controlados - Técnicas de aprendizaje; Entornos Controlados - Técnicas de aprendizaje reforzado; Aprendizaje Reforzado; Reinforcement Learning; Optimización de Políticas; Policy Optimization; Proximal Policy Optimization (PPO); Deep Deterministic Policy Gradient (DDPG); Soft Actor-Critic (SAC); Optimización de políticas proximales (PPO); Gradiente de políticas determinista profundas (DDPG); Actor-crítico blando (SAC)
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2