UNIVERSIDAD TECNOLÓGICA DE PANAMÁFACULTAD DE INGENIERÍA INDUSTRIAL

LICENCIATURA EN INGENIERÍA INDUSTRIAL

DISEÑOS DE SISTEMA DE INFORMACIÓN

SISTEMAS EXPERTOS

Estudiantes: Cervera, Madelaine 8-880-432 García, Alejandra 8-866-1335

Gómez, Erick 8-865-240 Marrone, Giuseppe

Profesor:Erick Pedro Baeza

Fecha de entrega : Octubre de 2015

ÍNDICE

Introducción

I) Inteligencia Artificialo Característicaso Tipos

II) Los Sistema Expertos basados en el conocimientoo ¿Qué es un Sistema Experto?o Los distintos papeles que juega un Sistema Expertoo Cómo trabajan los Sistemas Expertos

III) La Construcción de Sistemas Expertoso Tres diferentes Enfoques hacia los sistemas expertoso Ejemplos de Sistemas de Expertos de éxitoo Ciclo de vida de los Sistemas Expertoso Problemas con los Sistemas Expertos

Conclusiones

Bibliografía

INTRODUCCIÓN

La tecnología representada por los Sistemas Expertos actuales, surge de las técnicas de Inteligencia Artificial que han sido objeto de amplias e intensivas investigaciones desde finales de los 50’s. Las investigaciones referidas comenzaron en las matemáticas para apoyar el razonamiento simbólico. Mediante el uso de IPL, el primer lenguaje simbólico orientado al procesamiento de listas. Más tarde surgió LISP, reconocido como lenguaje artificial.

La investigación en el campo los Sistemas Expertos comenzó a mediados de los años sesenta con un alcance limitado y se orientaron hacia juegos o temas altamente académicos e idealizados. Posteriormente se iniciaron desarrollos en los campos de la medicina, química, industria y la administración.

Los Sistemas Expertos se emplean para ejecutar una variedad de tareas que en el pasado solamente podían llevarse a cabo por un número limitado de personas expertas. A través de la aplicación de las técnicas de Inteligencia Artificial (IA), los Sistemas Expertos captan el conocimiento básico que permite a una persona desempeñarse como un experto frente a problemas complicados.

Entre las características más relevantes de los Sistemas Expertos, que los distingue de la mayoría de las aplicaciones tradicionales de la computación, es su capacidad para enfrentar problemas que constituyen un reto del mundo real, por medio de la aplicación de procesos que reflejan el discernimiento y la intuición humana.

En el futuro, a medida que se produzcan nuevas arquitecturas de equipos que soporten de una manera directa la ejecución de Sistemas Expertos y se perfeccione la tecnología de Inteligencia Artificial, es razonable esperar un desarrollo de sistemas que se aproximen asintóticamente al comportamiento humano en muchas áreas.

El desarrollo de tales sistemas nos permitirá ofrecer soluciones técnicas más completas y alimentar nuestro conocimiento del proceso del pensamiento humano. Por esta razón, los Sistemas Expertos constituyen el nivel especializado en la representación y explotación de aplicaciones basadas en conocimiento.

I) INTELIGENCIA ARTIFICIAL

La inteligencia Artificial (IA) se define comúnmente como el esfuerzo por desarrollar sistemas computacionales que se comporten como humanos. Tales sistemas tendrían la capacidad de aprender lenguajes naturales, llevar a cabo tareas físicas coordinadas (robótica), utilizar aparatos de percepción que informen sobre su comportamiento físico y lenguaje, y emular los conocimientos y la toma de decisiones.

Ningún sistema existente en la actualidad se acerca la posesión de estas cualidades humanas, pero lo que se ha desarrollado es de un profundo interés. La inteligencia artificial ha llegado a ser, sin duda, el tema más controvertido en los círculos de la ciencia de la computación y de los sistemas de información, así como en la gran comunidad académica y de quienes toman decisiones.

Tipos de Inteligencia Artificial

II) LOS SISTEMAS EXPERTOS BASADOS EN EL CONOCIMIENTO

o ¿Qué es un sistema experto?

Un sistema experto es un programa de conocimiento intensivo que resuelve un problema capturando el dominio de un ser humano en campos limitados del conocimiento y la experiencia. Un sistema experto puede ayudar en la toma de decisiones al hacer preguntas importantes y explicar las razones de haber llevado a cabo ciertas acciones.

Generalmente un Sistema Experto puede comprender:

Amplio conocimiento específico a partir del campo de interés. Aplicación de técnicas de búsqueda y heurísticas. Habilidad para inferir nuevos conocimientos a partir de los actuales y de las

experiencias obtenidas durante su operación.

Inteligencia Artificial

Lenguaje Natural Robótica Sistemas de

Percepción Sistemas Expertos

Máquinas Inteligentes

Procesamiento simbólico. Capacidad para explicar su propio razonamiento. Empleo de diversas técnicas de solución de problemas.

Par a destacar la naturaleza de un Sistema Experto, se debe apreciar los rasgos del experto humano: Él es una persona competente en un área determinada del conocimiento que cuenta con un largo periodo de preparación y práctica, la cual al aprovecharse se traduce al siguiente desempeño en comparación con otra persona no especializada como se aprecia en la Tabla:

Actividad Experto No Experto

Tiempo de resolución de problemas de su área

Grande Pequeño

Eficacia Alta Baja

Organización Alta Baja

Posee estrategias y tácticas Sí No

Búsqueda de Soluciones Heurística No heurística

Cálculos aproximados Sí No

Algunas de las características comunes de los sistemas expertos son las siguientes:

Llevan a cabo algún trabajo de solución del problema para los seres humanos. Usan el conocimiento en forma de reglas marcos. Interactúan con los seres humanos. Pueden considerar simultáneamente diversas hipótesis.

Por tanto, los sistemas expertos se basan en sus acciones en el conocimiento humano en vez de en principios físicos.

o Los distintos papeles que juega un Sistema Experto

El papel más común que se asigna a un Sistema Experto es el de asistente. Este sistema ayuda a quien toma las decisiones haciendo análisis de rutina y señalando aquella porciones del trabajo en donde se requiere del dominio de los seres humanos. El sistema experto ayudante, como un robot, hace el trabajo tedioso mientras el ser humano piensa.

El sistema SCISOR de General Electric cumple con este patrón. El SCISOR (Sistema para el resumen, organización y recuperación de información conceptuales, por sus siglas en inglés) es un sistema de recuperación de información que de manera automática lee ópticamente mensajes en texto en tiempo real, como artículos de prensa. En vez de usar la palabra clave para buscar en las bases de datos, el SCISOR diagrama frases y desarrolla

una primitiva pero útil “comprensión” de cada una de las frases un artículo. El sistema se mueve por sobre capturas corporativas pendientes.

El sistema de segundo nivel es el de colega. Con un sistema experto colega, el usuario discute los problemas hasta que se llega a una conclusión conjunta. Cuando el sistema llega a una conclusión incorrecta, el usuario añade más información para volverlo al camino. Algunas veces el usuario desconecta el enchufe cuando los resultados no se apegan al sentido común. Un sistema que cae dentro de esta categoría es el Authoriser’s Assistant de American Express, que se describe en la Ventana sobre Administración. Este sistema proporciona pantallas que orientan a quienes autorizan créditos mediante detalladas conversaciones telefónicas con los comerciantes del producto a menudeo. El sistema recomendará la aprobación o desaprobación de los cargos sobre las tarjetas de crédito.

o Cómo trabajan los sistemas expertos

Cuatro elementos principales componen a un sistema experto: el dominio de conocimientos a base de conocimientos, el equipo de desarrollo, la cápsula de IA y el usuario. A continuación se expone cada una de las partes.

EQUIPO DE DESARROLLO

Experto(s)

Ingenieros del conocimiento

LA CÁPSULA O AMBIENTE DE DESARROLLLO

Interfase de desarrollo

Reglas de producciónRedes semánticas

Marcos

Interfase de usuarios

BASE DE CONOCIMIENTOS

USUARIO

Soluciones sugeridasPreguntas

RespuestasDatosComandos

1. La base de conocimientos

El modelo de conocimiento humano usado por los sistemas expertos se llama base de conocimientos. Se han confeccionado tres maneras de representar el conocimiento y el dominio del ser humano: reglas, redes semánticas y marcos.

Una construcción de programa estándar estructurada es la construcción IF THEN, en la que se evalúa una condición. Si la condición es cierta, se lleva a cabo una acción.

Se puede usar una serie de estas reglas para representar una base de conocimientos. De hecho, como cualquier lector que haya escrito un programa de computadora los sabe, virtualmente todos los programas tradicionales de cómputo contienen instrucciones del tipo si, entonces y se puede discutir que tales programas sean inteligentes.

La diferencia entre un programa tradicional y un sistema experto basado en reglas es de grado y magnitud. El sistema experto basado en reglas es un programa de Inteligencia Artificial que tiene un gran número de instrucciones o reglas anidadas del tipo si entonces interconectadas, que son las bases de conocimiento del sistema. Los programas de Inteligencia Artificial pueden contener de 200 a 10000 reglas, mucho más que los programas tradicionales, que contienen entre 50 y 100 instrucciones IF-THEN. Además, en un programa Inteligencia Artificial estas reglas tienden a quedar interconectadas y anidadas en un grado mucho mayor que en los programas tradicionales. Por lo tanto, la complejidad de estos programas es considerable.

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 consiste en 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

Base de reglas

La colección de conocimientos en un sistema de Inteligencia Artificial que está en forma de reglas del tipo sin entonces.

En general, los sistemas expertos pueden ser usados eficientemente sólo en aquellas situaciones en donde el domino de conocimientos sea muy restringido e implique unos cuántos miles de reglas.

Redes semánticas

Sistemas expertos que usan la propiedad de la herencia para organizar y clasificar el conocimiento cuando la base de conocimientos se compone de segmentos fácilmente identificables u objetos de características interrelacionadas.

Las redes semánticas se pueden usar para representa el conocimiento cuando la base de conocimientos se compone de partes fácilmente identificables u objetos de características interrelacionadas. Las redes semánticas pueden ser mucho más eficientes que las reglas. Las redes semánticas usan la propiedad de la herencia para organizar y clasificar objetos y una condición como “es A” para enlazar objetos. El “es A” es un señalador hacia todos los objetos en una clase específica.

Marcos

Forma de organización del conocimiento de un sistema experto en pedazos, pero cuyas relaciones se basan en características compartidas determinadas por el usuario en vez de por la jerarquía.

Los marcos de conocimientos son semejantes a las redes semánticas en los que el conocimiento es organizado en partes, pero las relaciones entre ellas son menos jerárquicas y se basan en características compartidas. Este enfoque se funda en la creencia de que las personas usan “marcos” o conceptos para estrechar el margen de posibilidades al leer la información, con el objeto de percatarse rápidamente del asunto.

2. El equipo de desarrollo

El equipo de desarrollo de Inteligencia Artificial se compone de uno o varios “expertos” que tienen un amplio dominio sobre la base de conocimientos y uno o varios ingenieros de conocimientos que pueden traducir el conocimiento en un conjunto de reglas, marcos o redes semánticas. Un género de conocimientos es semejante a un analista de sistemas tradicional, pero tiene un conocimiento especial para obtener información y dominio de otros profesionales.

3. La capsula

La cápsula de inteligencia artificial es el ambiente de programación de un sistema experto. Los sistemas de Inteligencia Artificial pueden ser desarrollados en casi cualquier lenguaje

de programación como BASIC, C o Pascal. En los primeros años de los sistemas expertos, los especialistas en cómputo desarrollaron lenguajes de software especializados que podían procesar eficientemente listas de reglas. Sin embargo, aunque eficientes, han demostrado ser difíciles de estandarizar y aún más difíciles de integrar dentro de ambientes tradicionales de negocios y estructuras de datos que normalmente se encuentran en los ambientes de negocios.

Una de las partes más interesantes en los sistemas expertos es la máquina de interferencias. La máquina de interferencia es la estrategia usada para buscar en la base de reglas en un sistema experto; puede ser mediante encadenamientos prospectivos o retrospectivos. Se usan comúnmente dos estrategias, el encadenamiento prospectivo y el encadenamiento retrospectivo.

El encadenamiento prospectivo es la estrategia usada para buscar en la base de reglas en un sistema experto que se inicia con la información alimentada por el usuario y prosigue luego con la base de reglas para llegar a una conclusión. La base de reglas puede ser buscada cada vez que el usuario alimente nueva información. El procesamiento continúa hasta que ninguna regla más puede ser disipada.

El encadenamiento retrospectivo es la estrategia usada para buscar en la base de reglas en un sistema experto que actúa como resolvedor de problemas que inicia con una hipótesis y busca más información hasta que la hipótesis se demuestra o refuta.

4. El usuario

El papel del usuario es hacer preguntas sobre el sistema e introducir datos significativos para dirigirlo. El usuario podrá utilizar el sistema experto en cualquiera de los tres papeles: el de asistente, el de colega o el de autómata.

III) LA CONSTRUCCIÓN DE SISTEMAS EXPERTOS

La construcción de un SE no es una tarea sencilla, debido a que involucra mucha participación de distintas personas, cada una de las cuales aportará algo para que el SE a desarrollar sea robusto y fácil de usar y mantener. Además se deben hacer varias elecciones en cuanto al desarrollo del Sistema Experto.

La primera decisión consiste en determinar si se comenzará el SE desde cero o se utilizará un shell (SE sin la base de conocimientos). Si se opta por usar el shell se debe elegir el que más se adecue al objetivo del SE que se desea construir, ya que existen diversos shells de Sistemas Expertos encaminados hacia distintos objetivos.

Si por el contrario se opta por comenzar desde cero, se deberá entonces determinar qué metodología utilizar, es decir, determinar la guía para el desarrollo del SE, cómo se

implementará la base de conocimientos y el motor de inferencia, principalmente; y como complemento se debe elegir el lenguaje que se va a utilizar para el proyecto.

o Tres diferentes enfoques hacia los sistemas expertos

1. Compra de sistemas totalmente desarrollados

Financial Advisor, ayuda a los ejecutivos a analizar una inversión propuesta en una nueva planta, bodega o producto, o a examinar la adquisición de otra empresa.

El sistema trabaja así: Una empresa, quiere hacer la mercadotécnica de un nuevo producto. Cuando éste sea lanzado no tendrá competencia directa. Pero si tiene éxito, es posible esperar que los competidores piensen en sacar un producto semejante en un corto plazo. El sistema ayuda a los administradores y al personal a crear este caso de negocios solicitando alimentación de datos. Entre los datos se incluye el equipo para la fabricación del producto, el costo de capital, los planes que serán utilizados, cuantas personas serán necesarias, la vida útil del equipo, la tasa de descuento, etc.

El Financial Advisor proporciona un ejemplo excelente de un sistema inteligente de soporte de decisiones (SSD). También demuestra que cercano está el SSD, como concepto de los sistemas expertos.

2. Compra de capsulas de inteligencia artificial

La idea es construir un nuevo sistema que utilice una capsula de inteligencia artificial. Una capsula es una pieza de software que utiliza una estrategia predeterminada y un lenguaje limitado, razonablemente amigable, para desarrollar pequeños sistemas expertos. Con estas capsulas, el usuario tiene que proporcionar el conocimiento para el sistema.

Un ejemplo de capsula de sistema experto es M.1, fabricado por Teknowledge Inc., este sistema opera en grandes microcomputadoras.

Según el fabricante, es el más capacitado para aplicaciones de selecciones estructuradas. Teknowledge define los problemas que un experto puede resolver en menos de 30 minutos, que no implican cálculos extensos, que pueden ser resueltos mediante una discusión por teléfono con un experto y que solo tienen unas cuantas conclusiones de las que se puede seleccionar.

Este sistema, puede ser crear “manuales inteligentes” en donde los clientes pueden consultar de manera de pregunta-respuesta. Por ejemplo:

Asesor de vinos: recomienda qué tipo de vino servir con qué comidas Asesor de servicios bancarios: concilia los requerimientos de banca con los

servicios bancarios. Asesor de fotografía: usa la información de condiciones ambientales para

recomendar qué velocidad del obturador y tipo de película usar.

3. Desarrollo de sistemas sobre medida que se hayan desarrollados para una aplicación específica

Este tercer enfoque trata de hacer que un género de conocimientos haga sobre medida un sistema experto. El ingeniero de conocimientos entrevista al experto (o expertos), desarrolla las reglas de decisión y los marcos de conocimiento y construye el sistema experto.

Por necesidad, los ingenieros de conocimiento son especialistas en sacar la información de los expertos, haciendo un prototipo del sistema y trabajando con los expertos para mejorar el sistema hasta que un producto útil haya sido creado.

Esto requiere un enfoque altamente interactivo y revolucionario.

o Ejemplos de sistemas expertos de éxito

Existen muchos sistemas expertos exitosos, entre los más conocidos se encuentran los siguientes:

NOMBRE DEL SISTEMA O PROYECTO DESCRIPCIÓNAsistente del autorizador (American Express)

Autorizar operaciones crediticias

Hub Slaashing (American Airlines)Cambios recomendados en la programación de vuelos cuando los aeropuertos están descontrolados.

CLUES (Countrywide Funding Corp.) Autorizar préstamosRobot (Ford Motor) Diagnóstico de robots enfermosMail Prospector (R. R. Donelly) Prueba de listados para correoHeuristic Dendral Identificar compuestos orgánicos

mediante análisis de espectrogramas de masas.

MYCIN Diagnosticar ciertas enfermedades contagiosas y recomendar medicinas adecuadas.

Prospector Ayuda a geólogos para la evaluación de explotaciones minerales para depósitos potenciales.

XCON (DEC) Configurar sistemas de cómputo YAX

Particularizando las aplicaciones en ramas especificas del conocimiento, se han desarrollado un gran número de Sistemas Expertos que actúan en empresas, algunos simplemente en diseño teórico; otros, con aplicación real en el campo productivo de la organización.

En la industria

DELTA, de General Electric Company, para reparación de locomotoras diesel y eléctricas. “Aldo en Disco” que repara calderas hidrostáticas giratorias para la eliminación de bacterias.

Whirpool usa el Consumer Appliance Diagnostic System (CADS) para ayudar sus representantes de servicio a clientes para el manejo de tres millones de solicitudes anuales de información. El servicio agiliza el servicio a clientes al dirigirlos hacia una fuente única de ayuda sin retraso. Previamente, el cliente que tuviera alguna pregunta o problema acerca de los productos debía ser puesto en espera o dirigidos hacia dos o tres representantes diferentes antes de que sus preguntas pudieran ser contestadas. Esta empresa desarrolló el CADS usando el Development System de Aions para OS/2 como si capsula de sistemas expertos.

NASA desarrolló a Multimission Automic for Real-Time Verification of Spacecraft Engineering Link (MARVEL). Este sistema se encarga de darle el seguimiento de comando computarizado que recibe y ejecuta comandos de tierra y también analiza los subsistemas de energía, datos de propulsión de vuelo y funciones de telecomunicaciones.

En Contabilidad

Proyecto SICA de Page, Laurani y Oudet. Desarrollado en 1989 con PROLOG. Renuncia a interpretar el lenguaje escrito, centrándose en el análisis de los datos que genera cada operación económica.

El modelo R.E.A. de McCarthy. Analiza los procesos de la contabilidad desde el punto de vista del Análisis Circulatorio.

En Medicina

ETT. Clasifica pacientes con problemas de arterias coronarias. Identifica varios factores que determinan los diagnósticos que emite como la edad, las condiciones actuales del paciente, su historial médico, entre otros factores.

SPACEMED. Este es un Sistema Experto para asistencia en emergencias médicas que sucedan durante un vuelo espacial o aborde de una estación espacial en órbita. La principal característica de este SE es una diagnóstico rápido en casos de envenenamiento, resultado de la inhalación de contaminantes tóxicos liberados en la cabina o en la nave espacial. Este sistema provee indicaciones para el tratamiento de cualquier tipo particular de envenenamiento.

o El ciclo de vida de los sistemas expertosEl ciclo de vida consiste de seis fases. Este ciclo no es fijo. Como los expertos con frecuencia tienen problemas para explicar sus soluciones, los problemas tienen que fraccionarse en subproblemas antes que las soluciones puedan quedar definidas (Weitzel

y Kerschberg, 1989). Cada fase puede necesitar de varias iteraciones antes de que un sistema completo pueda ser desarrollado.

Fase 1: Selección de un problema adecuadoLa fase 1 consiste en encontrar un problema: apropiado para un sistema experto, localizar un experto para contribuir en el conocimiento maestro, establecer un enfoque preliminar, analizar los costos y beneficios y finalmente preparar un plan de desarrollo. La mayor parte de los sistemas expertos se enfocan en una especialidad estrecha. Es importante evitar los problemas que pueden surgir de lo que se indica:

La comprensión del idioma (inglés). Modelos geométricos o espaciales complicados. Modelos complejos de tipo causal o temporal. La comprensión de las intenciones de las personas. Un conocimiento de la historia de la institución. Sentido común o conocimiento de antecedentes.

Fase 2: Desarrollo de un prototipo del sistemaLa fase 2 consiste del desarrollo de un prototipo de sistema: El prototipo del sistema es una versión en pequeño del sistema experto diseñado para probar supuestos sobre cómo codificar los hechos, las relaciones y el conocimiento más profundo del campo del conocimiento maestro. Entre otras tareas de esta fase, se incluyen:

Aprender sobre el dominio y la tarea. Especificar los críticos de desempeño. Seleccionar una herramienta para construir un sistema experto. Desarrollar un plan de implantación. Desarrollar un diseño detallado para un sistema completo.

Fase 3: Desarrollo de un sistema completoLa fase 3 es el desarrollo de un sistema completo. El desarrollo de un sistema a escala es probablemente la etapa más compleja del esfuerzo. La estructura central de todo el sistema debe ser determinada; esta es la base de conocimientos debe extenderse a la base de conocimientos totales de manera congruente con el mundo real, y debe desarrollarse la interface con el usuario.

El trabajo principal en esta fase es la suma de un gran número de reglas. La complejidad de todo el sistema crece con el número de reglas y se ve amenazada la integridad del sistema. Se desarrolla un conflicto fundamental en este período entre la fidelidad a la complejidad del mundo real y la comprensibilidad del sistema.

Generalmente, durante esta etapa se poda el sistema para hacerlo más real y adecuado al mundo real. La eliminación de reglas, y la sencillez y el poder, son aspectos importantes para el desarrollo de todo un sistema completo.

Fase 4: Evaluación del sistema.La fase 4 es la evaluación: Cuando el experto y el ingeniero de conocimiento quedan satisfechos de que el sistema está completo, puede ser probado ya contra los criterios de desempeño establecidos en etapas anteriores. Es también tiempo de mostrar el sistema a la institución e invitar a otros expertos a probarlo y presentar nuevos casos.

Fase 5: Integración del sistemaLa fase 5 es la integración del sistema: Una vez construido, el sistema experto debe ser integrado al flujo de los datos y patrones de trabajo de la institución. Normalmente se deben desarrollar nuevos procedimientos, junto con nuevas formas, nuevas subunidades en la organización y nuevos procedimientos de entrenamiento.

Fase 6: Mantenimiento del sistemaLa fase 6 es el mantenimiento del sistema. Como cualquier sistema, el ambiente en el que el sistema experto opera está en cambios continuos. Esto significa que el sistema experto debe también cambiar de manera continua. Por ejemplo, el sistema DEC XCON, que permite configurar las nuevas instalaciones de las computadoras VAX, debe cambiar continuamente a medida que DEC añade nuevas líneas de equipo de cómputo. Un grupo de expertos DEC cambia constantemente las reglas del sistema a medida que se fabrican nuevos sistemas de cómputo y equipos. La altamente modularizada naturaleza del sistema basado en reglas hace posible la modificación y que el sistema siempre esté al corriente.

Se sabe muy poco sobre los costos de mantenimiento a largo plazo de los sistemas expertos, y aun se ha publicado menos. Algunos sistemas expertos, en especial los grandes, son tan complejos que en algunos años los costos de mantenimiento habrán igualado los costos de desarrollo. En el caso de XCON, cerca del 30 o 50 por ciento de las reglas se cambian cada año.

Además de un ingeniero de conocimiento, se requieren habilidosos gerentes de proyectos y consultores expertos para los proyectos de sistemas expertos de cualesquiera dimensiones. Pocos ingenieros de conocimiento tienen hoy en día la suficiente experiencia para determinar cuáles son los problemas que una empresa debe atacar. Se requiere de mucho trabajo político en una institución para proporcionar los fondos para proyectos de gran escala. El dinero y el tiempo que se requieren son generalmente mucho mayores que los predichos por los primeros partidarios de los sistemas expertos. Expertos en la administración citan que que una representación exitosa de las aplicaciones de la inteligencia artificial requiere de la participación continua de la alta dirección.

Ciclo de vida de un Sistema Convencional.Fases:

Definición del problema Recopilación de Información Análisis

Diseño Prueba Documentación Implemenatación.

Cuadro Comparativo entre Sistema Experto y Sistema Convencional

Sistema Clásico Sistema ExpertoConocimiento y procesamiento combinados en un programa

Base de conocimiento separada del mecanismo de procesamiento

NO contiene errores Puede contener erroresNo da explicaciones, los datos sólo se usan o escriben

Una parte del sistema experto consiste en el módulo de explicación.

Los cambios son tediosos Los cambios en las reglas son fácilesEl sistema sólo opera completo El sistema puede funcionar con pocas

reglasSe ejecuta paso a paso La ejecución usa heurística y lógicaNecesita información completa para operar

Puede operar con información incompleta

Representa y usa datos Representa y usa conocimiento

o Problemas de los sistemas expertos Sentido común: Para un Sistema Experto no hay nada obvio. Por ejemplo, un

sistema experto sobre medicina podría admitir que un hombre lleva 40 meses embarazado, a no ser que se especifique que esto no es posible ya que un hombre no puede gestar hijos.

Lenguaje natural: Con un experto humano podemos mantener una conversación informal mientras que con un SE no podemos.

Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos, que un SE haga esto es muy complicado.

Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias.

Capacidad sensorial: Un SE carece de sentidos. Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la

resolución de un problema.

Seleccionar problema adecuado

Desarrollo de prototipo

Evaluación / calibración

Desarrollo del sistema completo

Mantenimiento

Integración del sistema

Fase 1

Fase 2

Fase 3

Fase 4

Fase 5

Fase 6

1-3 meses resultado propuesto

6-9 meses resultado prototipo y diseño sistema integral

12-18 meses resultado sistema operacional

12 meses resultado ajustes para adaptarse al entorno de trabajo

3 meses sistema probado en campo totalmente operacional

Cambios continuos sobre bases de reglas

Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco estructurado.

Ciclo de vida de un sistema experto. El desarrollo de un sistema experto puede romperse en un ciclo de sus fases. Cada fase puede repetirse antes de pasar a la siguiente.

CONCLUSIÓN

Los sistemas expertos son de mucha utilidad en la vida real, y apoyan en gran manera a los sistemas de soporte a la decisión, ya que nos permiten realizar decisiones basadas en la experiencia humana de algún especialista en determinada área, esto es con el fin de retener el conocimiento y de esa manera lograr convertirlo en un activo importante en una organización y que se traduce en un valor importante para la misma, pues con ese tipo de sistemas, nos permiten contar con la experiencia primordial, aunque sea de manera virtual. Conllevándonos a una toma de decisiones más apegada a la realidad y con más información de primer nivel.

Tal como nos pudimos dar cuenta, los Sistemas Expertos nos permiten tomar mejores decisiones, que lógicamente, se traducen en ganancias o resultados positivos para la empresa ó personas. Está claro que el desarrollo de estos sistemas ha ido incrementándose a través del tiempo, y por lo tanto ha podido ayudar a muchísima gente.

El Sistema Experto realiza una labor de apoyo a la toma de decisiones de los expertos en diversas áreas, facilitándoles de esta manera el trabajo que ellos realizan y de esa manera liberándolos de tomar decisiones en algunos casos, repetitivas y permitiéndoles ocupar su tiempo en problemas con una diversidad y poco comunes. Mientras menos cansancio presente el experto humano, son menos las decisiones erróneas que pueda tomar. Cada día se desarrollan más y más sistemas expertos, que de alguna manera van cubriendo diversas áreas, tanto científicas, como educativas, y cualquier tipo.

 

BIBLIOGRAFÍA

Libro: Sistemas de Información

[Viejo Hernando Diego (2003). Sistemas expertos. Consultado en http://www.divulga-ia.com/cursos/cursos.xml?numero=2&nombre=2003-9-26a&numLecc=1.

Samper Márquez Juan José (2004). Introducción a los sistemas expertos. Consultado en http://www.redcientifica.com/doc/doc199908210001.html.

Samper Juan (2003). Sistemas expertos. El conocimiento al poder. Consultado en en http://www.psycologia.com/articulos/ar-jsamper01.htm.

Wikipedia (2004). Sistema experto. Consultado en http://es.wikipedia.org/wiki/Sistema_experto.