SISTEMAS EXPERTOS

1

INTRODUCCION A LOS S.E

El propósito de este tema es de mostrarnos una amplia y precisa descripción de lo que son los Sistemas Expertos (SE), los cuales también son conocidos como Sistemas Basados en Conocimiento. Así mismo mostramos brevemente los orígenes, conceptos, aplicaciones, ventajas, limitaciones, y su arquitectura básica de esta área y/o campo de la Inteligencia artificial. Por otra parte en la actualidad el mercado se vuelve más competitivo, donde la administración y buen manejo de la información es fundamental para todas las empresas y/o organizaciones, las cuales si quieren sobrevivir deben de mantenerse a la vanguardia en todas y cada una de las áreas.

2

HISTORIA DE LOS S.E (I)

Sus inicios datan a mediados de los años sesenta. Durante esta década los investigadores Alan Newell y Herbert Simon desarrollaron un programa llamado GPS (General Problem Solver:solucionador general de problemas).

Podía trabajar con criptoaritmética, con las torres de Hanoi y con otros problemas similares. Lo que no podía hacer el GPS era resolver problemas del mundo real, tales como un diagnóstico médico.

3

HISTORIA DE LOS S.E (II)

Algunos investigadores decidieron entonces cambiar por completo el enfoque del problema restringiendo su ambición a un dominio específico e intentando simular el razonamiento de un experto humano. En vez de dedicarse a computarizar la inteligencia general, se centraron en dominios de conocimiento muy concretos. De esta manera nacieron los SE.

A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenzó a desarrollar SE utilizando bases de conocimiento definidas minuciosamente.     Dos años más tarde se construye DENDRAL, el cual es considerado como el primer SE. identificar estructuras químicas moleculares a partir de su análisis espectrográfico.

4

HISTORIA DE LOS S.E (III)

En la década de los setenta se desarrolló MYCIN para consulta y

diagnóstico de infecciones de la sangre. En esa época se desarrollaron también: HERSAY, que intentaba

identificar la palabra hablada, y PROSPECTOR, utilizado para hallar yacimientos de minerales.

De este último derivó el shell KAS (Knowledge Adquisition System).

Un ejemplo de SE moderno es CASHVALUE, que evalúa proyectos de inversión y VATIA, que asesora acerca del impuesto sobre el valor añadido o IVA.

5

DEFINICIONES DE S.E (I)

Es un software que imita el comportamiento de un experto humano en la solución de un problema. Pueden almacenar conocimientos de expertos para un campo determinado y solucionar un problema mediante deducción lógica de conclusiones.

Son SE aquellos programas que se realizan haciendo explicito el conocimiento en ellos, que tienen información específica de un dominio concreto y que realizan una tarea relativa a este dominio.

Programas que manipulan conocimiento codificado para resolver problemas en un dominio especializado en un dominio que generalmente requiere de experiencia humana.[Patterson 90]

 

6

DEFINICIONES DE S.E (II)

Programas que contienen tanto conocimiento declarativo (hechos a cerca de objetos, eventos y/o situaciones) como conocimiento de control (información a cerca de los cursos de una acción), para emular el proceso de razonamiento de los expertos humanos en un dominio en particular y/o área de experiencia.

Software que incorpora conocimiento de experto sobre un dominio de aplicación dado, de manera que es capaz de resolver problemas de relativa dificultad y apoyar la toma de decisiones

inteligentes en base a un proceso de razonamiento simbólico.

7

DEFINICIONES DE S.E (III)

“UN SISTEMA EXPERTO, puede definirse como un sistema informático (hardware y software) que simula a los expertos humanos en un área de especialización dada.”

Como tal, un sistema experto debería ser capaz de procesar y memorizar información, aprender y razonar en situaciones deterministas e inciertas, comunicar con los hombres y/u otros sistemas expertos, tomar decisiones apropiadas, y explicar por qué se han tomado tales decisiones. Se puede pensar también en un sistema experto como un consultor que puede suministrar ayuda a (o en algunos casos sustituir completamente) los expertos humanos con un grado razonable de fiabilidad.

8

CARACTERÍSTICAS

9

SISTEMAS EXPERTOS

1) Solucionan problemas aplicando su experiencia de una forma eficaz, haciendo deducciones a partir de datos incompletos o inciertos.

2) Explican y justifican lo que están haciendo.

3) Se comunican con otros expertos y adquieren nuevos conocimientos.

4) Reestructuran y reorganizan el conocimiento.

5) Interpretan al mismo tiempo el espíritu y la letra de las reglas.

6) Determinan cuando un problema está en el dominio de su experiencia.

FUNCIÓN DE UN S.E

10

Aportar soluciones a problemas, como si de humanos se tratara, es decir capaz de mostrar soluciones inteligentes.

Esto Es posible gracias a que al sistema lo crean con expertos (humanos), que intentan estructurar y formalizar conocimientos poniéndolos a disposición del sistema, para que este pueda resolver una función dentro del ámbito del problema, de igual forma que lo hubiera hecho un experto.

11

SISTEMA CLÁSICO SISTEMA EXPERTO

Conocimiento y procesamiento combinados en un programa

Base de conocimiento separada del mecanismo de procesamiento

No contiene errores Puede contener errores

No da explicaciones, los datos sólo se usan o escriben

Una parte del sistema experto la forma el módulo de explicación

Los cambios son tediosos Los cambios en las reglas son fáciles

El sistema sólo opera completo El sistema puede funcionar con pocas reglas

Se ejecuta paso a paso La ejecución usa heurísticas y lógica

Necesita información completa para operar

Puede operar con información incompleta

Representa y usa datos Representa y usa conocimiento

Los sistemas expertos siguen una filosofía diferente a los programas clásicos.

12

CATEGORÍA TIPO DE PROBLEMA USO

InterpretaciónDeducir situaciones a partir de datos observados Análisis de imágenes, reconocimiento del habla,

inversiones financieras

PredicciónInferir posibles consecuencias a partir de una situación Predicción meteorológica, previsión del tráfico,

evolución de la Bolsa

DiagnósticoDeducir fallos a partir de sus efectos Diagnóstico médico, detección de fallos en

electrónica

Diseño Configurar objetos bajo ciertas especificaciones Diseño de circuitos, automóviles, edificios, etc

PlanificaciónDesarrollar planes para llegar a unas metas Programación de proyectos e inversiones.

Planificación militar

Monitorización o supervisión

Controlar situaciones donde hay planes vulnerables Control de centrales nucleares y factorías químicas

Depuración Prescribir remedios para funcionamientos erróneos Desarrollo de software y circuitos electrónicos

Reparación Efectuar lo necesario para hacer una corrección Reparar sistemas informáticos, automóviles, etc

Instrucción Diagnóstico, depuración y corrección de una conducta Corrección de errores, enseñanza

ControlMantener un sistema por un camino previamente

trazado. Interpreta, predice y supervisa su conducta

Estrategia militar, control de tráfico aéreo

Enseñanza Recoger el conocimiento y mostrarlo Aprendizaje de experiencia

Los modelos funcionales de los sistemas expertos

TIPOS DE S.E

Según la naturaleza de problemas para los que están diseñados:

› Problemas Deterministas Sistemas Basados en Reglas , porque sacan sus conclusiones basándose en un conjunto de reglas utilizando un mecanismo de razonamiento lógico.

› Problemas Estocásticos Sistemas Expertos Probabilísticos, utilizan la probabilidad como medida de incertidumbre y la estrategia de razonamiento que usan se conoce como razonamiento probabilístico, o inferencia probabilística.

13

A) BASADOS EN REGLAS (I)

Se tiene:› La base de conocimiento, que contiene las variables y el

conjunto de reglas que definen el problema.› El motor de inferencia, que obtiene las conclusiones

aplicando la lógica clásica a estas reglas.

¿Qué se entiende por regla?› Una proposición lógica que relaciona dos o más objetos› Incluye dos partes, la premisa y la conclusión.› Cada una de estas partes consiste en una expresión lógica con

una o más afirmaciones objeto-valor conectadas mediante los operadores lógicos y, o, o no.

› Una regla se escribe normalmente como \Si premisa, entonces conclusión".

14

A) BASADOS EN REGLAS (II)

Situaciones complejas gobernadas por reglas deterministas:

› Sistemas de control de tráfico

› Sistemas de seguridad

› Transacciones bancarias

15

B) B. EN PROBABILIDADES (I)

Para problemas cuyas soluciones se conducen en presencia de incertidumbre en los datos o en el conocimiento es posible utilizar técnicas numéricas, o también, las incertidumbres pueden ser manejadas con una aproximación de la forma de rastro.

El razonamiento en la presencia de incertidumbre sucede en ejemplos típicos de diagnóstico y análisis de datos.

Emplean reglas de condición-conclusión que van acompañadas de una estimación de certidumbre, en donde se tiene:1.- Procedimiento numérico2.- Revisión de la credibilidad

16

B) B. EN PROBABILIDADES (II)

1.- PROCEDIMIENTO NUMÉRICO

Ideados para manejar evidencias que pueden ser combinadas.

Los sistemas que usan esta aproximación manejan factores de certidumbre relacionados con probabilidades para indicar la intensidad de la evidencia.

La teoría de conjuntos difusos ha sido otra herramienta poderosa para esta clase de problemas.

Ejemplo: SE de diagnóstico MYCIN.

17

B)B. EN PROBABILIDADES (III)

2.- REVISIÓN DE LA CREDIBILIDAD

Cuando la información es parcial o errónea completamente el sistema incurrirá en contradicciones. Malas líneas de razonamiento o creencias incorrectas producen contradicciones y como consecuencia malas conclusiones, debiendo de haber un proceso para retractarse.

Para facilitar esto, es necesario mantener un registro en la base de datos de la credibilidad y su justificación. Usando esta aproximación es posible explotar las redundancias en los datos experimentales para mantener la verdad y así incrementar la confiabilidad del sistema

18

ARQUITECTURA BÁSICA

19

Elementos de los S.E

20

1. La Componente Humana

Con los usuarios en mente y la colaboración de:› Los expertos humanos, especialistas en el tema de estudio

suministran el conocimiento básico en el tema de interés, › Los ingenieros del conocimiento trasladan este conocimiento

a un lenguaje, que el sistema experto pueda entender.

Quizás el elemento más importante en el desarrollo de un sistema experto.

Esta etapa requiere una enorme dedicación y un gran esfuerzo debido a los diferentes lenguajes que hablan las distintas partes y a las diferentes experiencias que tienen.

21

2. La Base de Conocimiento Los especialistas son responsables de suministrar a los ingenieros

del conocimiento una base de conocimiento ordenada y estructurada, y un conjunto de relaciones bien definidas y explicadas.

Diferenciar entre datos y conocimiento.› El conocimiento se refiere a afirmaciones de validez general

tales como reglas, distribuciones de probabilidad, etc. Es permanente (parte de la componente permanente de un sistema) y se almacena en la base de conocimiento

› Los datos se refieren a la información relacionada con una aplicación particular. son efímeros (destruidos después de usarlos) y se almacenan en la memoria de trabajo ( asi como Todos los procedimientos de los diferentes sistemas y subsistemas que son de carácter transitorio )

› Por ejemplo, en diagnostico médico, los síntomas, las enfermedades y las relaciones entre ellos, forman parte del conocimiento, mientras los síntomas particulares de un paciente dado forman parte de los datos.

22

3. Subsistema de Adquisición de Conocimiento

Controla el flujo del nuevo conocimiento que fluye del experto humano a la base de datos. Determina qué nuevo conocimiento se necesita, o si el conocimiento recibido es en realidad nuevo, es decir, si debe incluirse en la base de datos y, en caso necesario, incorpora estos conocimientos a la misma.

23

4. Control de la Coherencia Ayuda a los expertos humanos a dar información fiable:

› Controla la consistencia de la base de datos y evita que unidades de conocimiento inconsistentes entren en la misma.

› Comprueba e informa a los expertos de las inconsistencias.› Informa sobre las restricciones que la información debe

cumplir para ser coherente con la existente en la base de conocimiento cuando se solicita información de los expertos humanos

Si un control de la coherencia:› Unidades de conocimiento contradictorio pueden formar

parte de la base de conocimiento, dando lugar a un comportamiento insatisfactorio del sistema.

› En mecanismos de propagación de incertidumbre, se podría llegar a conclusiones absurdas o en conflicto como, por ejemplo, situaciones en las que el sistema genera probabilidades mayores que la unidad o negativas

24

5. El Motor de Inferencia

Es el corazón de todo sistema experto. Saca conclusiones aplicando el conocimiento a los datos. Por

ejemplo, en diagnóstico médico, los síntomas de un paciente (datos) son analizados a la luz de los síntomas y las enfermedades y de sus relaciones (conocimiento).

Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista o conocimiento probabilístico.

En muchos casos, algunos hechos (datos) no se conocen con absoluta certeza. Por ejemplo, piénsese en un paciente que no está seguro de sus síntomas.

El motor de inferencia es también responsable de la propagación de este conocimiento incierto. Es Probablemente el componente más débil de casi todos los sistemas expertos existentes.

25

6.- El Subsistema de Adquisición de Información

Si el conocimiento inicial es muy limitado y no se pueden sacar conclusiones, el motor de inferencia utiliza el subsistema de adquisición de información para obtener el conocimiento necesario y continuar con el proceso de inferencia hasta que se hayan sacado conclusiones.

En algunos casos, el usuario puede suministrar la información requerida para este y otros objetivos. De ello resulta la necesidad de una interfase de usuario y de una comprobación de la consistencia de la información suministrada por el usuario antes de introducirla en la memoria de trabajo.

26

7.- Interfase de Usuario

Es el enlace entre el sistema experto y el usuario, por ello debe incorporar mecanismos eficientes para mostrar y obtener información de forma fácil y agradable.

Muestra las conclusiones, las razones que expliquen tales conclusiones y una explicación de las acciones iniciadas por el sistema experto.

También es un vehículo para obtener la información necesaria del usuario.

Consecuentemente, una implementación inadecuada de la interfase de usuario que no facilite este proceso minaría notablemente la calidad de un sistema experto.

27

8.- El Subsistema de Ejecución de Órdenes

Permite al sistema experto iniciar acciones basadas en las conclusiones sacadas por el motor de inferencia.

Como ejemplos, un sistema experto diseñado para analizar el tráfico ferroviario puede decidir retrasar o parar ciertos trenes para optimizar el tráfico global, o un sistema para controlar una central nuclear puede abrir o cerrar ciertas válvulas, mover barras, etc., para evitar un accidente. La explicación de las razones por las que se inician estas acciones pueden darse al usuario mediante el subsistema de explicación.

28

9.- El Subsistema de Explicación Explica el proceso seguido por el motor de inferencia o por el

subsistema de ejecución (explicación de las conclusiones sacadas o de las acciones iniciadas por el sistema experto). › Por ejemplo, si un cajero automático decide rechazar la palabra

clave (una acción), la máquina puede mostrar un mensaje (una explicación) como la siguiente :¡Lo siento!, su palabra clave es todavía incorrecta tras tres intentos. Retenemos su tarjeta de crédito, para garantizar su seguridad. Por favor, póngase en contacto con su banco en horas de oficina.

En muchos dominios de aplicaciones, es necesaria la explicación de las conclusiones debido a los riesgos asociados con las acciones a ejecutar.› Por ejemplo, en el campo del diagnostico medico, los doctores

son responsable últimos de los diagnósticos, independientemente de las herramientas técnicas utilizadas para sacar conclusiones. En estas situaciones, sin un subsistema de explicación, los doctores pueden no ser capaces de explicar a sus pacientes las razones de su diagnostico.

29

10. El Subsistema de Aprendizaje

Una de las principales características de un sistema experto es su capacidad para aprender.

Tipos de aprendizaje:› Aprendizaje Estructural nos referimos a algunos aspectos

relacionados con la estructura del conocimiento (reglas, distribuciones de probabilidad, etc.). Ej. El descubrimiento de nuevos síntomas relevantes para una enfermedad o la inclusión de una nueva regla en la base de conocimiento.

› Aprendizaje Paramétrico nos referimos a estimar los parámetros necesarios para construir la base de conocimiento. Ej. la estimación de frecuencias o probabilidades asociadas a síntomas o enfermedades.

30

TAREAS REALIZABLES POR LOS S. E

Adquisición de conocimiento y la verificación de su coherencia; por lo que el sistema experto puede ayudar a los expertos humanos a dar conocimiento coherente.

Almacenar (memorizar) conocimiento. Preguntar cuando se requiere nuevo conocimiento. Aprender de la base de conocimiento y de los datos disponibles. Realizar inferencia y razonamiento en situaciones deterministas y

de incertidumbre. Explicar conclusiones o acciones tomadas. Comunicar con los expertos y no expertos humanos y con otros

sistemas expertos.

31

CAMPOS DE APLICACION (I)

La aplicación de Sistemas Expertos será adecuada allí donde los expertos dispongan de conocimientos complejos en un área muy delimitada, donde no existan algoritmos ya establecidos (o donde los existentes no puedan solucionar algunos problemas).

Otro campo de aplicación es allí donde encontremos teorías que resulten prácticamente imposibles de analizar todos los casos teóricamente imaginables mediante algoritmos y en un espacio de tiempo relativamente corto y razonable.

32

CAMPOS DE APLICACION (II)

Resumiendo los Sistemas Expertos ofrecen ayuda para:

Evitar fallos en labores rutinarias complejas Ampliar de forma más rápida los conocimientos de los

especialistas. Diagnosticar los fallos con mayor rapidez y conseguir tareas de

planificación más completas y consistentes.

33

CAMPOS DE APLICACION (III)

34

LENGUAJES DE PROGRAMACION DE S.E (I)

Para el desarrollo de los sistemas expertos se utilizan lenguajes de

ingeniería del conocimiento. Los lenguajes más difundidos para el

desarrollo de los SE son RITA, ROSIE, y ROOS.

Comenzaremos hablando de ROSIE, un lenguaje evolucionado de RITA. Este lenguaje permite al programador describir relaciones complejas y manipularlas simbólica y deductivamente. Además soporta trabajo en redes, trabaja en una forma Interactiva compilada e interpretada y cuenta con una serie de depuradores y herramientas de programación. Como puede ser programada en una sintaxis parecida al Ingles esto la hace bastante leíble y entendible para los usuarios.

35

LENGUAJES DE PROGRAMACION DE S.E (II)

El lenguaje ROSS, es un lenguaje de programación orientado a objetos, y combina la Inteligencia Artificial y los Sistemas Expertos principalmente en el área de simulaciones. Entre sus ventajas se citan las facilidades para buscar entre objetos y su comportamiento. El programa se desarrolla de una forma que los objetos se comunican mandando mensajes para causar que las reglas o comportamientos apropiados sean ejecutados.

36

DESARROLLO DE UN SISTEMA EXPERTO

37

• Weiss y Kulikowski (1984) sugieren las etapas siguientes para el diseño e implementación de un sistema experto:

ETAPAS PARA DISEÑO E IMPLEMENT. DE UN S.E (I)

38

ETAPAS PARA DISEÑO E IMPLEMENT. DE UN S.E (II)

1.- Planteamiento del problema. La primera etapa en cualquier proyecto es normalmente la definición del problema a resolver. Puesto que el objetivo principal de un sistema experto es responder a preguntas y resolver problemas, esta etapa es quizás la más importante en el desarrollo de un sistema experto. Si el sistema está mal definido, se espera que el sistema suministre respuestas erróneas.

2. Encontrar expertos humanos que puedan resolver el problema.En algunos casos, sin embargo, las bases de datos pueden jugar el papel del experto humano.

3. Diseño de un sistema experto.Esta etapa incluye el diseño de estructuras para almacenar el conocimiento, el motor de inferencia, el subsistema de explicación, la interfase de usuario, etc.

39

ETAPAS PARA DISEÑO E IMPLEMENT. DE UN S.E (III)

4. Elección de la herramienta de desarrollo, concha, o lenguaje de programación.Debe decidirse si realizar un sistema experto a medida, o utilizar una concha, una herramienta, o un lenguaje de programación. Si existiera una concha satisfaciendo todos los requerimientos del diseño, esta debería ser la elección, no sólo por razones de tipo financiero sino también por razones de fiabilidad. Las conchas y herramientas comerciales están sujetas a controles de calidad, a los que otros programas no lo están.

5. Desarrollo y prueba de un prototipo.

Si el prototipo no pasa las pruebas requeridas, las etapas anteriores (con las modificaciones apropiadas) deben ser repetidas hasta que se obtenga un prototipo satisfactorio.

40

ETAPAS PARA DISEÑO E IMPLEMENT. DE UN S.E (IV)

6. Refinamiento y generalizaciónEn esta etapa se corrigen los fallos y se incluyen nuevas posibilidades no incorporadas en el diseño inicial.

7. Mantenimiento y puesta al día.

En esta etapa el usuario plantea problemas o defectos del prototipo, corrige errores, actualiza el producto con nuevos avances, etc. Todas estas etapas influyen en la calidad del sistema experto resultante, que siempre debe ser evaluado en función de las aportaciones de los usuarios. Para el lector interesado en estos temas recomendamos la lectura de los trabajos de O’Keefe, Balci y Smith (1987), Chandrasekaran (1988) y Preece 1990).

41

Taxonomía de Sistemas Expertos

Existen varias formas de clasificar a los sistemas expertos:

[Henao 2002] Por su funcionalidad o propósito. Por su estado de evolución. Por la forma de interacción con el usuario.

Taxonomía

Taxonomía de Sistemas Expertos1. Taxonomía – Funcionalidad

Esta clasificación es de acuerdo con la función que él realiza o el propósito para el cual fue desarrollado:

Descubrimiento

Diagnóstico

Diseño

Interprete

Monitorización

Planeación

Descripción

Taxonomía de Sistemas Expertos1. Taxonomía – Funcionalidad

Descubrimiento: Sistemas que generan nuevos conceptos a partir de reglas y principios consistentes y permiten encontrar nuevas relaciones entre los datos.

- PROSPECTOR: Para el descubrimiento de yacimientos

de molibdeno.

- AM: Para la formulación de conceptos y conjeturas sobre la teoría de números.

- META-DENDRAL: Para el descubrimiento de reglas sobre la conducta de algunos compuestos en el espectrómetro de masas.

Taxonomía de Sistemas Expertos1. Taxonomía – Funcionalidad

Diagnóstico: Para detectar las causas del mal funcionamiento de un sistema.

- MYCIN: Diagnostica las causas de enfermedades

infecciosas en un paciente.

- ACE: Localiza las causas de fallas en redes telefónicas.

- REACTOR: Encuentra las fallas en los sistemas de enfriado de reactores nucleares.

www.matthewtavares.com/GES_Documentation.html

Taxonomía de Sistemas Expertos1. Taxonomía – Funcionalidad

Diseño: Con el objetivo de configurar estructuras a partir de unas condiciones iniciales.

- XCON: Configura sistemas computarizados.

- SECS: Genera complejos compuestos químicos.

- PALLADIO: Diseña y prueba nuevos circuitos de tipo VLSI.

detectar las causas del mal funcionamiento de un sistema.

http://www.ruleworks.co.uk/mobat/r1-soar.htm

Taxonomía de Sistemas Expertos1. Taxonomía – Funcionalidad

Interprete: Sistema que infiere el significado de los datos (analiza los datos), es decir, sirve para determinar qué está sucediendo en un momento dado.

- PROSPECTOR: Interpreta datos de muestras de material

mineral para detectar yacimientos. - REACTOR: Interpreta los datos en tiempo real, de reactores

nucleares. - CRYSALIS: Interpreta los datos de un mapa de densidad de

electrones para inferir la estructura tridimensional de una proteína.

http://www.chromsmart.com/be-screen-captures.htm

Taxonomía de Sistemas Expertos1. Taxonomía – Funcionalidad

Monitorización: Su objetivo es comparar el estado de un proceso real con el estado esperado, para detectar desviaciones y sugerir las correcciones.

- YES/MVS: Controla y hace la monitorización de las funciones de un sistema operativo. - VM: Hace la monitorización del estado de un paciente en una sala de cuidado intensivo. - REACTOR: Hace la monitorización de los procesos de un reactor nuclear.

http://domino.watson.ibm.com/tchjr/journalindex.nsf/0b9bc46ed06cbac1852565e6006fe1a0/e8fda97988a5350385256bfa0067f649?OpenDocument

Taxonomía de Sistemas Expertos1. Taxonomía – Funcionalidad

Planeación: Para plantear la mejor acción a realizar para alcanzar un objetivo.

- THE UNDERWRITING ADVISOR: Ayuda al asesor de seguros en la determinación de si otorgar o no una póliza y en qué condiciones.

- PLANNER: Hace la planeación estratégica de una organización.

- KNOBS: Asiste en la planeación táctica de ataques aéreos.

http://www.jdi-solutions.co.uk/products.php?product=expsys

http://www.scambs.gov.uk/faqs/faq.htm?mode=20&pk_faq=33

Taxonomía de Sistemas Expertos1. Taxonomía – Funcionalidad

Predicción: Sistemas que infieren las probables consecuencias de una situación, utilizando modelos de simulación.

- PLANT: Estima los daños potenciales de plagas sobre plantíos.

- I&W: Predice los posibles lugares de conflictos armados.

- PTRANS: Estima los requerimientos de manufactura de algún producto.

Taxonomía de Sistemas Expertos2. Taxonomía – Evolución del Sistema

Esta clasificación es de acuerdo con el grado de evolución que el sistema ha tenido. Es decir, que dependiendo de su propósito, cubrimiento y del conocimiento que maneja se tienen diversos estados del sistema [Waterman 86]:

- Prototipo de demostración- Prototipo de investigación- Prototipo de campo- Modelo de producción- Sistema comercial

Taxonomía de Sistemas Expertos2. Taxonomía – Evolución del Sistema

Prototipo de demostración: El sistema soluciona una porción del problema, sugiriendo que el enfoque es viable y el desarrollo del sistema es alcanzable. Es pequeño y se utiliza como estrategia de convencimiento de la utilidad del SBC.

Prototipo de investigación: El sistema presenta un desempeño aceptable del problema pero puede ser frágil debido a que no se ha probado y revisado completamente. Es de tamaño mediano.

Prototipo de campo: El sistema muestra un buen desempeño y ha sido revisado en el entorno del usuario. Es de tamaño que varía de mediano a grande.

Taxonomía de Sistemas Expertos2. Taxonomía – Evolución del Sistema

Modelo de producción: El sistema exhibe muy buena calidad, desempeño, rapidez y una ejecución eficiente en el entorno del usuario. Son grandes programas

implementados en lenguajes eficientes.

Sistema comercial: El sistema es un modelo de producción que está siendo usado regularmente en una base comercial.

Taxonomía de Sistemas Expertos3. Taxonomía – Interacción con el

Usuario

Esta clasificación se refiere a la forma como el SBC interactúa con el usuario en términos de compartir tareas y responsabilidades [Guida 94]:

Sistema soporte:

Sistema prescriptivo

Sistema autónomo:

Taxonomía de Sistemas Expertos3. Taxonomía – Interacción con el Usuario

Sistema soporte: Es un SBC que puede darle soporte experto al usuario. Este sistema puede actuar en diferentes roles, como asistente, colega crítico, segunda opinión, asesor, consultor tutor, etc. Ofrece conocimientos y competencias pero no prescribe soluciones o decisiones. Actúa como un ayudante, sin la intención de reemplazar al experto.

Sistema prescriptivo: Es un SBC que puede guiar, restringir y controlar la actividad de un usuario en la ejecución de una tarea compleja. Mejora la calidad y el tiempo de respuesta sin reemplazar a los expertos. Este sistema tiene la autoridad para mejorar los objetivos, restricciones, soluciones o decisiones.

Sistema autónomo: No interactúa con ningún humano ya que se utiliza para reemplazarlos

56

EJEMPLOS DE S.E (I)

Mycin (Sistema Experto para diagnósticos médicos)

MYCIN es un Sistema Experto para la realización de diagnósticos, iniciado pro Ed Feigenbaum y posteriormente desarrollados por E.Shortliffe y sus colaboradores. Su función es la de aconsejar a los médicos en la investigación y determinación de diagnósticos en el campo de las enfermedades infecciosas de la sangre. El sistema MYCIN, al ser consultado por el médico, solicita primero datos generales sobre el paciente: nombre, edad, síntomas, etc. Una vez conocida esta información por parte del sistema, el Sistema Experto plantea unas hipótesis. Para poder verificarlas comprueba primero la exactitud de las premisas de la regla.

57

EJEMPLOS DE S.E (II)

Esto se realiza mediante una búsqueda de enunciados correspondientes en la base de conocimientos. Estos enunciados pueden a su vez estar de nuevo en la parte de consulta de otra regla. También lo realiza mediante determinadas preguntas al usuario. Aquí se hacen preguntas del tipo: ¿Se ha practicado en el paciente algún tipo de intervención quirúrgica?

Con las respuestas que recibe, el MYCIN verifica o rechaza las hipótesis planteadas. Una serie de tests han demostrado que

MYCIN trabaja igual de bien que un médico.

58

EJEMPLOS DE S.E (III)

Xcon (Sistema Experto para configuración de Ordenadores)

XCON es un Sistema Experto para configuraciones desarrollado por la Digital Equipment Corporation. Según los deseos individuales del cliente se configuran redes de ordenadores VAX. Ya que el abanico de productos que se ofrecen en el mercado es muy amplio, la configuración completa y correcta de un sistema de estas características es un problema de gran complejidad.

XCON es capaz de comprobar y completar los pedidos entrantes mucho más rápido y mejor que las personas encargadas hasta ahora de esa labor.

59

  EJEMPLOS DE S.E (IV)

COACH (Cognitive Adaptive Computer Help)Permite crear ayuda personalizada al usuario. Es un observador de las acciones del usuario que está aprendiendo a operar un ambiente, y en base a ellas construye un modelo adaptativo del usuario. Si bien el concepto general es aplicable para áreas diversas tales como las Interfases Inteligentes y el soporte técnico, en particular es de interés para este trabajo ya que los dominios de prueba que modeló corresponden al de un lenguaje y un entorno de programación (LISP y UNIX, respectivamente); así como por la prueba de adaptabilidad a distintos dominios en que probó ser efectivo. En dicha prueba, después de completar el desarrollo y pruebas del tutor bajo el dominio de LISP, se encargó a un estudiante inexperto, su adaptación al dominio de UNIX; dado el éxito de la adaptación, a pesar de la inexperiencia del constructor del dominio, Selker concluye que la aplicación de los conceptos y modelación del dominio son apropiados para diversos dominios, y por lo tanto, fácilmente adaptables.

60

EJEMPLOS DE S.E (V)

Una de las contribuciones importantes de Coach consiste en la descripción de diversos modelos de usuarios, representados por medio de frames adaptativos; y el modelado cognitivo de variables tales como la experiencia, la latencia del conocimiento. Por otro lado, el análisis de resultados que hace Selker, basado en el comportamiento registrado por los usuarios de sistemas tradicionales y los del sistema asesor, muestra variables cuantificables para medir el éxito de un sistema similar como el que ocupa este trabajo.

Referencias: Sistemas expertos en aplicaciones reales (inglés) Semantic Networks and Intelligent Agents (inglés) [Guida 94] G. Guida, C. Tasso. Design and Development of

Knowledge Based Systems. England : John Wiley & Sons. 1994. 476 p.

Sistemas Expertos y Modelos de Redes Probabilísticas (español)

[Henao 2002] M. Henao Calad. CommonKADS-RT: Una Metodología para el Desarrollo de Sistemas Basados en el Conocimiento de Tiempo Real. Tesis Doctoral, Universidad Politécnica de Valencia 2002.

Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project

Lenguaje de creación de Sistemas Expertos basado en CommonKADS

[Waterman 86] D. Waterman. A Guide to Expert Systems. Addsison-Wesley Publishing Company. The United States of America. 1986. 419 p.