58179085 Tutorial de Inteligencia Artificial y Sistemas Expertos

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________

INDICE

1. INTELIGENCIA ARTIFICIAL

1.1. INTELIGENCIA

1.2. INTELIGENCIA ARTIFICIAL

1.3. HISTORIA DE LA INTELIGENCIA ARTIFICIAL

1.4. CAMPOS DE LA INTELIGENCIA ARTIFICIAL

1.5. AREAS DE APLICACION

2. SISTEMAS EXPERTOS, SISTEMAS BASADOS EN CONOCIMIENTO, SISTEMAS

CON BASE DE CONOCIMIENTO O SISTEMAS INTELIGENTES

2.1. DATO, INFORMACION Y CONOCIMIENTO

2.2. DEFINICIONES

2.3. HISTORIA DE LOS SISTEMAS EXPERTOS

2.4. SISTEMAS EXPERTOS ACTUALES

2.5. ¿PORQUE CONSTRUIR UN SISTEMA EXPERTO?

2.6. ESTRUCTURA DE UN SISTEMA EXPERTO

2.7. CARACTERISTICAS DE LOS SISTEMAS EXPERTOS

2.8. PARTICIPANTES EN EL DESARROLLO DE UN SISTEMA EXPERTO

2.9. CLASIFICACION DE SISTEMAS EXPERTOS

2.10. METODOLOGIAS DE DESARROLLO

2.11. HERRAMIENTAS DE DESARROLLO

2.11.1. LENGUAJES DE INTELIGENCIA ARTIFICIAL

2.11.2. SHELLS: EXSYS, WEBLS, JESS……..ETC

3. DESARROLLO DE SISTEMAS EXPERTOS BASADOS EN REGLAS DE

PRODUCCION

3.1. SISTEMAS DE PRODUCCION

3.2. SISTEMAS EXPERTOS BASADOS EN REGLAS DE PRODUCCION

3.3. VENTAJAS Y DESVENTAJAS DE LOS SISTEMAS EXPERTOS BASADOS EN

REGLAS DE PRODUCCION

4. INGENIERIA DEL CONOCIMIENTO DE JHON DURKIN

5. HERRAMIENTA DE DESARROLLO: EXSYS PROFESSIONAL

6. PROYECTO DE DESARROLLO

_______________________________________________________Autor: Heyner H. Ninaquispe Castro Pág. 2


CAPITULO I:CAPITULO I:

INTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIAL

1.- INTELIGENCIA ARTIFICIAL



1.1 INTELIGENCIA

Sabemos que una de las características de los seres vivos es la inteligencia, y sabemos

que todos tienen una capacidad o grado distinto de inteligencia, que depende de factores

biológicos, psicológicos y de desarrollo mental……….Todos sabemos esto, pero; que

entendemos realmente por ¿INTELIGENCIA?:

A continuación revisemos algunos conceptos generales sobre inteligencia:

Inteligencia es la aptitud de crear relaciones. Esta creación puede darse de

manera puramente sensorial, como en la inteligencia animal; también puede darse

de manera intelectual, como en el ser humano, que pone en juego el lenguaje y los

conceptos.

Inteligencia, también se la puede conceptuar como la habilidad para adquirir,

comprender y aplicar conocimiento; o como la aptitud para recordar, pensar y

razonar.

Inteligencia, podemos también decir que es la capacidad para solucionar problemas

lo cual requiere de conocimiento y relaciones.

Como podemos observar, los conceptos de inteligencia son relativos y variables pero en

general están relacionados a la capacidad de crear relaciones y generar conocimiento

para aplicarlos en la solución de problemas; está tácitamente demostrado que

inteligencia y conocimiento son conceptos íntimamente ligados.

Finalmente podemos decir que el concepto de inteligencia es variable dependiendo del tipo

de investigador; es decir los conceptos de inteligencia de un psicólogo, un antropólogo, un

abogado u otro profesional pueden ser distintos y válidos para sus respectivas áreas.

1.2 INTELIGENCIA ARTIFICIAL(IA)

Como revisamos previamente, tenemos varios conceptos de inteligencia; a partir de eso

que entendemos por inteligencia artificial o inteligencia creada:

Una buena definición de IA es algo elusiva y controversial, fundamentalmente porque la

inteligencia humana no está completamente entendida. Cada libro de texto en IA propone

una definición que enfatiza las diferentes perspectivas que, cada autor cree, encierra el

campo. A continuación se transcriben algunas de ellas:



Según Jhon Durkin:”Es un campo de estudio en la ciencia computacional que busca

el propósito de hacer que una computadora razone de una manera similar a los humanos”

[01]*

Para Daniel Cohen la Inteligencia Artificial se define como:”Ciencia que estudia de

manera sistemática el comportamiento inteligente, con el fin de imitar o simular las

actividades humanas mediante la creación y utilización de máquinas y computadoras. Estas

actividades humanas podrán incluir: razonamiento, aprendizaje, capacidades mecánicas,

capacidades sensoriales, etc.” [02]

Según el autor Juan Pablo Sánchez la Inteligencia Artificial es la “Ciencia que trata de la

comprensión de la inteligencia y diseño de máquinas inteligentes; es decir el estudio y

simulación de las actividades intelectuales del hombre.” [03]

Para el Dr. Peruano Nicolás Kemper Valverde del Laboratorio de Sistemas Inteligentes de la

UNAM(Universidad Autónoma de México) la IA: “ Es una Rama de las Ciencias

Computacionales que estudia la conducta o también llamado Comportamiento Inteligente,

con el fin de emularlo o simularlo a través de una computadora”

Otras definiciones variadas se describen a continuación:

La IA es una rama de la ciencia de computación que comprende el estudio y creación

de sistemas computarizados que manifiestan cierta forma de inteligencia: sistemas que

aprenden nuevos conceptos y tareas, sistemas que pueden razonar y derivar

conclusiones útiles acerca del mundo que nos rodea, sistemas que pueden comprender

un lenguaje natural o percibir y comprender una escena visual, y sistemas que realizan

otro tipo de actividades que requieren de inteligencia humana.

La IA es una ciencia que trata de la comprensión de la inteligencia y del diseño de

máquinas inteligentes, es decir, el estudio y la simulación de las actividades

intelectuales del hombre (manipulación, razonamiento, percepción, aprendizaje,

creación).

La IA es el estudio de las computaciones que permiten percibir, razonar y actuar.

La IA es un campo de estudio que busca explicar y emular el comportamiento

inteligente en términos de procesos computacionales.

La IA estudia las representaciones y procedimientos que automáticamente resuelven

problemas usualmente resueltos por humanos



Disciplina dedicada a desarrollar y aplicar enfoques computacionales al comportamiento

inteligente.

A pesar de la diversidad de conceptos propuestos para la IA, en general todos coinciden en

que la IA trata de alcanzar inteligencia a través de la computación. Nosotros podemos

resumir que:

“Inteligencia Artificial es el estudio de la inteligencia humana para comprenderla y

crear maquinas que puedan simular/ imitar de manera real las habilidades y

capacidades del ser humano”

Es importante culminar esta parte mencionando los dos propósitos que tiene la IA y

que resume claramente Jhon Durkin: “El propósito de la IA es hacer a las computadoras

mas útiles para los humanos. Esto puede lograrse produciendo programas de

computadora que asistan a los humanos en sus decisiones, búsqueda inteligente de

información o simplemente interfaces de comunicación el lenguaje natural. Un segundo

propósito de la IA, pero de igual importancia que el anterior, es mejorar el entendimiento

de la inteligencia humana. Construir una computadora inteligente requiere que

entendamos como los humanos capturan, organizan y usan el conocimiento durante la

solución de sus problemas”. [01]*

Analizando el párrafo también podemos nosotros afirmar que la IA cumple:

-Como ingeniería, el objetivo de la IA es resolver problemas reales, actuando como un

conjunto de ideas acerca de cómo representar y utilizar el conocimiento, y de cómo

desarrollar sistemas informáticos.

-Como ciencia, el objetivo de la IA es buscar la explicación de diversas clases de

inteligencia, a través de la representación del conocimiento y de la aplicación que se da a

éste en los sistemas informáticos desarrollados.

Para usar la IA se requiere una comprensión básica de la forma en que se puede

representar el conocimiento y de los métodos que pueden utilizar o manipular ese

conocimiento.

1.3 HISTORIA DE LA INTELIGENCIA ARTIFICIAL

La inteligencia artificial no tiene un inicio claro pero el más aceptado es que comenzó en el

año 1956 luego de la conferencia “Summer Research Project” efectuada en el Darmouth



Collage en U.S y auspiciado por IBM en la cual el científico John Mccarty estableció el

término INTELIGENCIA ARTIFICIAL.

De acuerdo a los investigadores se considera que la IA ha atravesado por 5 etapas desde

su aparición hasta la actualidad:

1. ETAPA DE INICIO(1956-1965)

Juegos de ajedrez y programas que ayudaron a

entendimiento de cómo introducir dentro de una computadora la capacidad de

razonamiento.

Newell y Simmon desarrollaron la “Logic Theorist”: sistema

capaz de probar teoremas de lógica matemática.

General Problem Solver(GPS); desarrollado para solucionar

una variedad de problemas desde juegos hasta integración de símbolos.

2. ETAPA OSCURA(1965-1970)

3. ETAPA DE RENACIMIENTO(1970-1975)

4. ETAPA DE LAS SOCIEDADES(1975-1980)

5. ETAPA DE LA COMERCIALIZACION DE LA IA

1.4 CAMPOS DE LA IA

La Inteligencia Artificial se divide en campos de estudio los cuales Cohen resume en el

siguiente esquema:




Figura 2. Áreas de estudio e investigación de la Inteligencia Artificial

SIMULACION SENSORIAL

Oído, vista, tacto, gusto, olfato, etc

LENGUAJES NATURALES

Comunicación con computador

INTELIGENCIA ARTIFICIAL

ROBÓTICA

Apoyo a trabajos mecánicos y repetitivos

SISTEMAS EXPERTOS

Apoyo a decisiones


SIMULACION SENSORIAL

Área de la IA que a través de las computadoras persigue la imitación de las capacidades o

habilidades sensoriales humanas tales como vista, oído, habla y tacto. Lo anterior incluye

visión computacional, procesamiento de imágenes y reconocimiento de escenas.

ROBOTICA

Estudia la imitación del movimiento humano a través de robots, los cuales son creados con

el fin de apoyar procesos mecánicos repetitivos que requieren gran precisión. Algunos

procesos pueden ser: pintura y acabados, movimiento de materiales, reconocimiento de

defectos, etc.

LENGUAJES NATURALES

Se enfoca en el diseño y desarrollo de software capaz de aceptar, interpretar y ejecutar

instrucciones dadas por los usuarios en su lenguaje nativo.

SISTEMAS EXPERTOS, SISTEMAS BASADOS EN CONOCIMIENTO O SISTEMAS CON

BASE DE CONOCIMIENTOS.

Permiten cargar bases de conocimientos integradas por una serie de reglas de sentido

común o conocimiento heurístico; es decir conocimiento basados u obtenidos a través de la

experiencia de un especialista o experto dentro de un dominio específico del saber. Una vez

cargada esta base de conocimientos múltiples usuarios la pueden usar para consulta, apoyo

a la toma de decisiones, capacitación, etc.

REDES NEURONALES

Área de la Inteligencia Artificial que trata de simular el comportamiento bilogógico de las

neuronas del cerebro humano en la resolución de problemas. Principalmente, se usa en el

campo de los pronósticos.

ALGORITMOS GENETICOS

Algoritmos basados en principios de GENETICA como herencia, mejoramiento de especies

los cuales tratan de encontrar soluciones mejores a los problemas.

Con todo lo anterior, los campos diversos de la IA pueden comprender:

Aprendizaje:

Captación automática de conocimientos.



Razonamiento:

Sistemas basados en conocimientos o sistemas expertos.

Bases de datos inteligentes.

Prueba de teoremas y juegos.

Redes Neuronales.

Algoritmos Genéticos.

Percepción:

Comprensión de lenguaje natural.

Interpretación de escenas visuales (Visión por computadora).

Locomoción y Manipulación:

Realizar procesos mecánicos y tareas manuales (Robótica).

Algunas de las tareas que estos sistemas realizan en el campo de la IA son:

Tareas generales

Percepción: Visión, Fonemas.

Lenguaje Natural: Comprensión, generación y traducción.

Razonamiento de sentido común.

Control de robots.

Tareas formales

Juegos: Ajedrez, Damas.

Matemáticas: Geometría, Lógica, Cálculo Integral.

Tareas expertas

Ingeniería: Diseño, Localización de fallas, Planeamiento.

Análisis Científico.

Diagnóstico Médico.

Análisis Financiero.



1.5 AREAS DE APLICACIÓN

En general se puede considerar que las áreas de aplicación son múltiples y en casi

cualquier área del saber humano se puede utilizar la IA. Además las ramas de la IA se

pueden utilizar simultáneamente para resolver problemas específicos. Por ejm a un robot se

le puede insertar un sistema experto para exploración de pozos petrolíferos y reducir el

riesgo de pérdidas humanas

En la agricultura, controlar plagas y manejar cultivos en forma más eficiente.

En las fábricas, realizar montajes peligrosos y actividades tediosas (labores

de inspección y mantenimiento).

En la medicina, ayudar a los médicos a hacer diagnósticos, supervisar la

condición de los pacientes, administrar tratamientos y preparar estudios estadísticos.

En el trabajo doméstico, brindar asesoría acerca de dietas, compras,

supervisión y gestión de consumo energético y seguridad del hogar.

En las escuelas, apoyar la formación de los estudiantes, especialmente en

aquellas materias consideradas complejas.

Ayudar a los expertos a resolver difíciles problemas de análisis o a diseñar

nuevos dispositivos.

Aprender de los ejemplos para explorar bases de datos en busca de

regularidades explotables.

Proporcionar respuestas a preguntas en lenguaje natural usando datos

estructurados y texto libre



CAPITULO II:CAPITULO II:

SISTEMAS EXPERTOS, SISTEMAS BASADOSSISTEMAS EXPERTOS, SISTEMAS BASADOS

EN CONOCIMIENTO, SISTEMAS CON BASE DEEN CONOCIMIENTO, SISTEMAS CON BASE DE

CONOCIMIENTOS O SISTEMAS INTELIGENTESCONOCIMIENTOS O SISTEMAS INTELIGENTES



2.- SISTEMAS EXPERTOS (SE)

2.1 DATO, INFORMACION, CONOCIMIENTO

Antes de definir el término SISTEMA EXPERTO es necesario recordar que en capítulo

anterior identificamos que la inteligencia artificial ligaba íntimamente los términos

inteligencia y conocimiento; también mencionamos que la cantidad de conocimientos es lo

que otorgaba, en gran parte, el nivel de inteligencia de los seres vivos. Entonces es

necesario e indispensable reconocer…….¿QUE ES EL CONOCIMIENTO?

Existen corrientes filosóficas, ciencias como la gnoseología y muchos científicos que se

encarga de estudiar las fuentes, tipos y formas de adquirir conocimiento. Nosotros no

entraremos a descubrir ni tratar estos temas a fondo, nos concentraremos en aspectos

prácticos que nos ayuden a comprender términos muy relacionados como: DATO,

INFORMACION, CONOCIMIENTO para ver su aplicación en la vida diaria. DATO

2.1.1 DATO

Piense en una fecha, un número, un nombre cualquiera…….¿Ud. cree que es un

dato?..Efectivamente, de la forma más simple podemos decir que un dato es un hecho, que

individualmente carece de valor para una persona. Por ejemplo el número 7 carece de valor

individualmente, la fecha de cumpleaños del Presidente de la República del Perú; carecen

de valor porque individualmente no significa nada para un tomador de decisiones frente a un

problema, pues no generan acciones concretas.

2.1.2 INFORMACIÒN

El concepto de información nace cuando u dato o conjunto de datos es de utilidad para un

tomador de decisiones, es decir cuando los datos son interpretados y útiles para una

persona. Por ejemplo, el color rojo en un semáforo constituye una información ya que tiene

una interpretación objetiva y universal para un grupo de personas-los automovilistas- y les

sirve como apoyo para tomar una decisión: en este caso detener el automóvil. Otro ejemplo

sería la fecha de cumpleaños de un familiar ya que llevaría a una persona a tomar una

acción como comprarle un regalo, darle una serenata, etc., es claro que un dato se convierte

en información cuando le es útil a una persona o tomador de decisiones. En el caso de una

empresa, las utilidades, ganancias o pérdidas de una empresa serían información para los

ejecutivos o la alta dirección para tomar decisiones y generar cursos de acción.



2.1.3 CONOCIMIENTO

El conocimiento, en contraste con los conceptos de datos e información, sugiere alternativas

de acción o guías de actuación específicas asociadas a la información. Aquí podemos definir

al conocimiento como el conjunto de reglas, hechos, verdades, razones y los datos

heurísticos recopilados por expertos, que han resultado y resultan útiles en la

resolución de problemas Por ejemplo, el sueldo mensual de un cliente del Banco de

Crédito le permitirá al analista de créditos de dicho banco determinar el monto hasta el cual

se le puede dar un préstamo al cliente y un curso de acción correspondiente como el

siguiente:

Si el sueldo mensual de un cliente es menor o igual a s/. 1000.00 entonces el monto del

préstamo puede ser hasta s/. 3500.00 a una tasa de interés del 3% efectiva mensual.

Como se puede apreciar en el ejemplo anterior la información sirve para el tomador de

decisiones, en este caso el analista de créditos, el curso o acción a seguir de acuerdo al

conocimiento del experto, políticas y reglas de la empresa. Cabe señalar que las acciones

dependen exclusivamente del conocimiento de los expertos que se adquieren por la

experiencia y por reglas de “sentido común”.

Para finalizar esta parte vamos a representar todo lo aquí mencionado para que se vea las

relaciones existentes en la llamada PIRAMIDE DEL CONOCIMIENTO:



2.2 DEFINICIONES

Sabemos que el campo de Sistemas Expertos es un área de la Inteligencia Artificial y a

menudo también se le llaman Sistemas Basados en Conocimiento, Sistemas con Base de

Conocimientos o Sistemas Inteligentes. Existen varias definiciones sobre Sistemas Expertos

los cuales se mencionan a continuación:

La primera definición fue la de Edward Feingenbaum, considerado como el padre de los

Sistemas Expertos y mencionaba que eran: “Un programa de computador inteligente que

usa el conocimiento y procedimientos de inferencia para resolver problemas que son lo

suficientemente difíciles como para requerir la intervención de un experto humano para su

resolución.” [INTER 03]

Para Jhon Durkin un Sistema Experto es “un programa de computadora diseñado para

modelar la habilidad de resolver problemas de un humano experto”. [01]

Daniel Cohen afirma que “es un sistema computacional interactivo que permite la

creación de bases de conocimiento, las cuales una vez cargadas responden a preguntas,

despejan dudas y sugieren cursos de acción emulando/simulando el proceso de

razonamiento de un experto para resolver problemas en un área específica del conocimiento

humano”. [02]

Según Juan Pablo Sánchez un sistema experto “es un conjunto de programas de

ordenador que son capaces, mediante la aplicación de conocimientos, de resolver

problemas en un área determinada del conocimiento o saber y que ordinariamente requerían

de la inteligencia humana, lo que reemplaza a un experto humano”. [03]


SISTEMAS SISTEMAS TRANSACCIONALESTRANSACCIONALES DATOS

INFORMACION

CONOCIMIENTO

SABIDURIA

DSSDSS

NIVEL DE ABSTRACCION


Para el Dr. Nicolás Kemper Valverde un Sistema Inteligente (como el llama a un sistema

experto): “Es una herramienta informática con pericia y habilidad en la solución de

problemas. Esto es un sistema que posee (1) conocimientos y experticia humana suficientes

acerca de un dominio particular que le permite comprender los problemas que ocurran

dentro de dicho dominio y (2) estrategias de análisis: métodos de razonamiento y/o

aprendizaje para manipular este conocimiento y resolver tales problemas en la misma forma

en que lo haría el experto humano (gerente, ingeniero, operador, etc)”

Otra concepción los define como “un sistema computarizado capaz de resolver

problemas en el dominio en el cual posee conocimiento específico” [INTER 01]

Una fuente especialista en Sistemas Expertos es la British Computer Society que los

conceptualiza como “la incorporación en un ordenador de un componente basado en el

conocimiento que se obtiene a partir de la habilidad de un experto, de forma tal que el

sistema pueda dar consejos inteligentes o tomar decisiones inteligentes. Una característica

adicional, es que el sistema sea capaz, bajo demanda, de justificar su propia línea de

razonamiento de una forma inmediatamente inteligible para el que los usa” [INTER 02]

Como se puede notar las principales fuentes coinciden en las definiciones lo que se

puede resumir en que “Un sistema experto es un programa de computadora que tiene

la capacidad de resolver problemas, simulando el razonamiento y el conocimiento de

un experto humano, dentro del dominio de un área específica del conocimiento

humano y que puede proporcionar respuestas justificadas sobre el curso de sus

acciones”

2.3 HISTORIA DE LOS SISTEMAS EXPERTOS

No vamos a describir toda su historia ni todos los sistemas expertos existentes porque no

terminaríamos de nombrarlos, solo vamos a describir los principales que dieron inicio a esta

tecnología que apareció en el siglo XX y que en este siglo se ha convertido en una de las

tendencias con mayor futuro:

DENDRAL

Muchos lo consideran el primer Sistema Experto.

Desarrollado en la Universidad de Stanford a mediados de los años setenta.

Su propósito consiste en ayudar a los profesionales en química a identificar la

estructura molecular de las sustancias desconocidas.



Empleando los datos que se obtiene con un espectrómetro de masas, las

mediciones de resonancia magnética nuclear y los datos de laboratorio DENDRAL

puede identificar con rapidez y seguridad la estructura de un compuesto[1]*

MYCIN

Desarrollado en la Universidad de Stanford en 1972, inicialmente por Edward

Feingembaum y posteriormente culminado por sus colaboradores.

Su objetivo consiste en el diagnóstico y tratamiento de enfermedades infecciosas de

la sangre.

Emplea reglas de producción y métodos de inferencia con encadenamiento

regresivo.

Introduce el concepto de factor de certeza, permitiendo el razonamiento con

incertidumbre.

Este sistema introdujo nuevas características: utilización de conocimiento impreciso

para razonar y posibilidad de explicar el proceso de razonamiento. Lo más

importante es que funcionaba de manera correcta, dando conclusiones análogas a

las que un ser humano daría tras largos años de experiencia. En MYCIN aparecen

claramente diferenciados motor de inferencia y base de conocimientos. Al separar

esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da

como resultado un sistema vacío o shell (caparazón). Así surgió EMYCIN (MYCIN

Esencial) con el que se construyó SACON, utilizado para estructuras de ingeniería,

PUFF para estudiar la función pulmonar y GUIDON para elegir tratamientos

terapéuticos [INTER 03]

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. 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 [INTER 02]



PROSPECTOR

Construido sobre la tecnología de MYCIN.

Es uno de los sistemas expertos más estudiados debido a su gran éxito.

Especialmente conocido desde que con su ayuda se descubrió un importante

depósito de molibdeno, valorado en más de 100 millones de dólares, en el estado

de Washington.

Es un sistema experto diseñado para ayudar a los geólogos a encontrar yacimientos

importantes. Ingresando datos acerca de un área en particular, PROSPECTOR

puede estimar las probabilidades de encontrar distintos tipos de depósitos de

minerales.De este sistema experto derivó el shell KAS (Knowledge Adquisition

System).[INTER 03]

XCON

Desarrollado en la Universidad de Carnegie-Mellon a finales de los años setenta y

revisado en DEC a principios de los ochenta.

Es un sistema experto diseñado para ayudar a los técnicos de Digital Equipment

Corporation (DEC) a configurar sistemas de miniordenadores. XCON genera

automáticamente la configuración deseada a partir de los requisitos del cliente

seleccionando entre la amplia gama de la popular serie de los VAX de DEC.[1]*

2.4 SISTEMAS EXPERTOS ACTUALES

SEGE(SISTEMA EXPERTO EN GESTION DE EXPORTACIONES)

SEGE es básicamente un prototipo de Sistema Experto cuyo propósito es

brindar asistencia experta a las autoridades de las empresas en la gestión de

exportación de un producto, dadas las características de la legislación, y normativa

vigente.

El SE deberá analizar la situación en que debería encontrarse el producto para

estar en condiciones de ser exportado. Este análisis abarca: la situación de la

empresa, los regímenes vigentes de exportación de los países involucrados en el

proceso de exportación, la documentación necesaria y los organismos oficiales de

gestión.

Este prototipo ha sido desarrollado por investigadores del Programa de

Investigación y Desarrollo en Inteligencia Artificial de la Universidad Nacional de



Lujan y doctorandos de la carrera de doctorado en Derecho de la Facultad de

Derecho de la Universidad Nacional de La Plata.

GIDEON

Es un programa de computadora para el diagnóstico y que establezca

referencias en el campo enfermedades tropicales y contagiosas,

epidemiología, microbiología y quimioterapia antimicrobiana.

Fue diseñado para diagnosticar las enfermedades contagiosas de todo el

mundo, basado en los síntomas, señales, pruebas de laboratorio y perfil

dermatológico. La red de enfermedades contagiosas de Gideon presta atención

especial para el país de origen del usuario. La base de datos incorpora 327

enfermedades, 205 países y 185 agentes antibacteriales.

Ha sido desarrollado hace 10 años por especialistas en enfermedades

contagiosas y ciencias de la computación en Escuelas Médicas de

universidades de Estados Unidos e Israel. http://www.cyinfo.com/index

DELTA/CATS

Ayuda a los mecánicos en el diagnóstico y reparación de locomotoras diesel-

eléctricas.

Desarrollado por General Electric a principios de los 80´s

DELTA: Diesel Electric Locomotive Troubleshooting

CATS: Computer Aided Troubleshooting System

Consiste de una base de conocimientos por medio deentrevistas con David

Smith (que trabajó 40 años en GE y es un experto reconocido en

mantenimiento de estas máquinas)

De 1981 a 1983 se incrementaron las reglas de 45 a 1200.

DELTA no solo da consejos expertos, sino que también presenta informaciones

por medio de un reproductor de vídeo. De hecho se podría encasillar a DELTA

más en el área de la instrucción que en reparación, dado que además

proporciona ayudas al trabajo que permiten al estudiante determinar si existe o

no un determinado problema, proporcionando también formación específica

sobre el modo de realizar ciertas reparaciones.

PROYECTO EOLO CN-235


http://www.cyinfo.com/index


En este caso, el problema está en el hecho de que pilotar un avión que cuesta

cientos de millones de dólares es un asunto muy serio a la vez que peligroso, lo

que exige mucho tiempo de entrenamiento, tanto para pilotos como mecánicos,

suponiendo para las compañías aéreas un gran problema, dado el elevado

coste de los cursos y la escasez de instructores. El proyecto surgió de la

voluntad de Construcciones Aeronáuticas S. A. de ofrecer un curso específico

para pilotos y técnicos de mantenimiento, a todos los compradores del avión

CN- 235. Eolo CN-235 es un sistema de enseñanza interactivo que integra

gráficos, texto y vídeo.

CITEX

Sistema experto que se compone de cuatro subsistemas: Valoración de un

terreno, Esquema de Irrigación, Esquema de Fertilización, Diagnóstico de

enfermedades y Tratamiento de enfermedades en el cultivo de cítricos

(especialmente de naranjas). http://www.claes.sci.eg/home/welcome.html

Fue desarrollado por investigadores egipcios y existen varias versiones de

este sistema experto. En la web mencionada se puede encontrar mas

información sobre este sistema experto y varios más desarrollados por la

organización CLAES(The Central Laboratory for Agricultural Expert Systems)

Estos son solo algunos de los muchos sistemas expertos en diferentes áreas que se utilizan

actualmente, existen muchos mas en otras áreas del conocimiento humano, las cuales

ayudan actualmente en producción, supervisión, instrucción, diagnóstico, planificación, etc.

2.5 ¿PORQUE CONSTRUIR UN SISTEMA EXPERTO?

Todos sabemos que mientras mas conocimiento tenemos de un área específica, en mas

indispensables y expertos nos convertimos, para solucionar los problemas diarios que se

nos presenten. Sabemos que eso significa que los profesionales cada vez eleven más sus

honorarios por la experiencia y conocimiento que tienen y demuestran.

Pero también sabemos que hay pocas personas que se les puede considerar expertos y

sería necesario que el conocimiento que poseen se distribuya y generalice hacia otras

sociedades o localidades geográficas de las organizaciones para que sirvan de apoyo

a los demás persiguiendo un fin solidario o mejorar la productividad de una organización en

donde el experto no pueda actuar, cuando envejezca o cuando muera.


http://www.claes.sci.eg/home/welcome.html


Por otro lado, sabemos que todas las personas sufrimos de cansancio, stress,

enfermedades, desconcentración, etc.; que merman considerablemente nuestro rendimiento

laboral cuando nos afectan los problemas mencionados; lo cual no sucede con los

computadores.

Entonces para nosotros existe dos razones principales de porque construir un sistema

experto:

1º Para capturar el conocimiento de un experto y extenderlo a las demás personas de

una organización o sociedad y poder utilizarlo cuando el experto ya no esté, deje de

trabajar, o las condiciones no lo permitan (riesgos).

2º El poder de procesamiento, falta de sentimientos, emociones y factores

psicológicos y físicos de los computadores nos ayudan a aprovechar el conocimiento

de un experto de la manera más óptima.

Finalicemos este apartado comparando algunos factores entre un experto humano y un

sistema experto para poder definir nuestra opción de crear sistemas expertos:

FACTOR A EVALUAR EXPERTO HUMANO SISTEMA EXPERTODisponibilidad de tiempo Día laborable SiempreDisponibilidad geográfica Local En cualquier lugarPerecible Si NoRendimiento Variable ConsistenteVelocidad Variable Consistente(usualmente

rápido)Costo Alto Económico

2.6 ESTRUCTURA DE UN SISTEMA EXPERTO

Para conocer la estructura de un sistema experto primero vamos a entender como una

persona experta soluciona un problema específico. Antes de continuar es necesario aclarar

a que persona se define como experto. Podemos decir que experto es aquella persona

que posee habilidades y capacidades para resolver un problema mejor que otros

dentro de un área del conocimiento específica. Y como dijimos anteriormente los

sistemas expertos se dedican a un área del conocimiento específica que nosotros

llamaremos dominio del problema. Podemos definir entonces que dominio del problema

es aquella parte del conocimiento en el cual se ha identificado un problema y/o

problemas y que el experto tiene la capacidad de resolver.



Partiremos de un ejemplo simple para ver la actuación de un experto humano en la

solución de un problema. Suponga que Ud., tiene un auto último modelo y tiene alguna falla

que ud. no conoce. Ud., sabe poco de mecánica por lo cual tiene que llevarlo a un experto,

que para este caso sería un mecánico para que le resuelva el problema. A través de años

de experiencia el mecánico ha adquirido gran cantidad de conocimientos en la solución de

problemas con automóviles. Llamaremos Memoria de Largo Plazo (MLP) al espacio en el

cerebro del mecánico en el cual se encuentran almacenados esa gran cantidad de

conocimientos adquiridos a través de la experiencia. Luego de llevarlo al mecánico asuma

que Ud., le dice que el problema de su carro es que “no enciende”. El mecánico almacena

este hecho en una parte de su cerebro que llamaremos Memoria de Corto Plazo (MCP).

Usando la información proporcionada por Ud., el mecánico podría deducir que el

problema puede estar en el sistema eléctrico por conocimientos que tiene almacenados en

la MLP y que están relacionada con la información que le brindo Ud. Entonces esta creencia

la agrega el mecánico a su MCP y continúa razonando acerca del problema con otros

hechos que pueda ir deduciendo o información proporcionada por Ud..

De acuerdo a su conocimiento y la relación entre datos de su MCP Y MLP el

mecánico podría hacer las pruebas respectivas a las baterías lo que lo llevaría a concluir

que la falla es una batería mala. Luego de esto el mecánico no solo resuelve el problema

sino también puede explicar el razonamiento que utilizó para solucionar el problema de

acuerdo a los datos proporcionados……..Esta sería la forma en que un experto humano

soluciona un problema que podríamos esquematizar en la siguiente figura:


Memoria de Largo Plazo (MLP)Dominio del conocimiento

RAZONAMIENTOMemoria de Corto Plazo (MCP)Hechos del problema, Conclusiones

ACONSEJAConclusiones, Acciones


Del ejemplo anterior y la figura mostrada podemos rescatar lo siguiente:

1º Un experto almacena el dominio del conocimiento en su Memoria de Largo Plazo (MLP).

2º Cuando el experto soluciona un problema, obtiene hechos sobre el problema (hechos del

caso) y los almacena en su Memoria de Corto Plazo (MCP).

3º El experto luego razona sobre el problema combinando los hechos de su MCP con el

conocimiento de su MLP. Usando este proceso, el experto infiere nueva información sobre

el problema y llega a conclusiones.

Regresando a nuestro tema decimos que los sistemas expertos resuelven problemas

que usan un proceso que es muy similar al de los humanos. Usando la figura anterior

podemos esquematizar lo siguiente:

A continuación describamos brevemente los componentes de los sistemas expertos,

según la arquitectura básica mostrada anteriormente:

BASE DE CONOCIMIENTOS

Contiene el conocimiento del dominio en el cual el programa es competente. Durkin lo

define como: “Parte de un sistema experto que contiene el dominio del conocimiento”. [1]*.

El tema primordial para este componente es obtener el conocimiento del experto y

codificarlo en la base de conocimientos usando diferentes técnicas de representación del

conocimiento que posteriormente discutiremos. Una de las mas usadas es representar el


Base de ConocimientosDominio del conocimiento

Motor de Inferencia

Memoria de TrabajoHechos del problema, Conclusiones

USUARIOHechos,Conclusiones


conocimiento en forma de reglas de. Una regla es una estructura de tipo IF/THEN

(SI/ENTONCES) en donde existe una premisa o antecedente y una conclusión o acción. Por

ejemplo:

REGLA 1: IF el automóvil no enciende THEN el problema puede estar en el sistema

eléctrico.

REGLA 2: IF el sueldo mensual de un cliente es menor o igual que s/. 1000.00 THEN el

tope de crédito es de s/. 3500.00

REGLA 3: SI su temperatura corporal es de 39 ºC ENTONCES tiene fiebre.

De las reglas mostradas podemos identificar que la base de conocimientos esta

integrada por conceptos, hechos o variables que varían de estados (valores) y que

relacionadas conforman las reglas. Por ejemplo:

En la regla 1 tenemos dos hechos y dos valores:

automóvil =enciende; automóvil = no enciende y

problema es = el sistema eléctrico o pueden existir otros valores.

El conocimiento tiene que estar representado en la forma que resulte más adecuada

para el dominio de su competencia. Adicionalmente hay que tratar que esa representación

sea:

Sencilla.

Independiente.

Fácil de modificar.

Transparente: justificación de soluciones y explicación de los procesos.

Relacional.

Potente: poder expresivo y eficiencia de cálculo.

La parte fundamental de todo Sistema Experto es la Base de Conocimientos y como

vimos su función consiste en almacenar los conocimientos expresados en conceptos,

hechos, relaciones, etc. relativos al área del sistema experto y por lo tanto, depende del



modelo de representación del conocimiento que se utilice. Entre los modelos mas conocidos

de representación del conocimiento tenemos:

Representación basada en Reglas de Producción.

Representación basada en Lógica de Predicados

Representación basada en Redes Semánticas

Representación basada en Frames o Marcos

Representación basada en Restricciones

De acuerdo al tipo de representación de conocimiento se genera una clasificación

típica de sistemas expertos. Así tenemos los más comunes:

Sistemas Expertos Basados en Reglas

Sistemas Expertos basados en Frames , etc.

“El diseño de este esquema de representación del conocimiento afecta al diseño del motor

de inferencia, al proceso de actualización del conocimiento, al proceso de explicación y a la

eficacia global del sistema.” [INTER 02]

MEMORIA DE TRABAJO O BASE DE HECHOS

Llamada también workspace. Contiene los hechos que se descubren acerca de un

problema durante una consulta. “Parte de un sistema experto que contiene los hechos del

problema que se descubren durante la sesión”. [1]*

Los hechos que el sistema experto reciba del usuario y los que vaya infiriendo se

almacenan en la memoria de trabajo y pueden ser hechos, hipótesis, conclusiones parciales,

etc; es decir lo que infiera “emparejando” los datos proporcionados con la base de

conocimiento. También es necesario mencionar que los hechos de la memoria de trabajo

también los puede obtener de fuentes externas como base de datos, hojas de cálculo, etc.;

que los puede cargar al inicio de la sesión u obtenerlos de acuerdo a su necesidad.

Algunos autores también la llaman Tablero, Pizarra o Pizarrón (Blackboard), pero este

término más se usa cuando el sistema experto se compone de varios módulos siendo cada

uno un sistema experto especialista en determinada parte de un problema. En estos casos

se habla de Arquitecturas con Tablero y cada sistema experto se denomina Fuente de

Conocimiento (Knowledge Source).



MOTOR O MECANISMO DE INFERENCIA

También conocido como estructura de control o interpretador de reglas. Durkin lo define

como: “Es el procesador en un sistema experto que empareja los hechos contenidos en la

memoria de trabajo con el dominio del conocimiento contenido en la base de

conocimiento, para deducir o llegar a la conclusión sobre el problema”. [1]*

Selecciona, decide, interpreta y aplica el conocimiento de la base de conocimientos sobre la

base de hechos con el fin de obtener la solución buscada. El motor de inferencia busca un

emparejamiento entre los hechos contenidos en la memoria de trabajo y las premisas de las

reglas contenidas en la base de conocimiento (cuando se utiliza las reglas como forma para

la representación del conocimiento). Cuando encuentra el emparejamiento, agrega la(s)

conclusión de las reglas a la memoria de trabajo y continúa examinando las reglas buscando

nuevos emparejamientos. El mecanismo de inferencia debe ser independiente del

conocimiento y de los hechos (característica esencial de los sistemas expertos que separan

el conocimiento del mecanismo de control que posteriormente analizaremos. Está

caracterizado por:

El lenguaje en que ha sido escrito.

La velocidad de trabajo: Inferencias/segundo.

Las estrategias de búsqueda de soluciones:

No Ordenada: aleatoria, heurística.

Ordenada: Encadenamiento hacia adelante (guiado por los datos, deductivo),

encadenamiento hacia atrás (guiado por los objetivos, inductivo).

La forma en que elige el conocimiento.

La posibilidad de incorporar metaconocimiento.

El método que utiliza para la evaluación del conocimiento incompleto o incierto.

Existen muchos esquemas de razonamiento al buscar la solución a un problema; sin

embargo los más utilizados son:

ENCADENAMIENTO HACIA ADELANTE (FORWARD

CHAINING)



A este esquema también se le llama guiado por los datos o razonamiento ascendente.

Este método de inferencia realiza comparaciones entre las reglas y los hechos disponibles

de manera que se establezcan nuevos hechos hasta llegar al objetivo deseado. Un sistema

experto típico que aplicó este tipo de inferencia fue el R1/XCON.

Ejm:



ENCADENAMIENTO HACIA ATRÁS (BACKWARD CHAINING)

A este esquema se le llama también guiado por los objetivos o razonamiento

descendente. Método de inferencia que inicia con la conclusión u objetivo que se desea

demostrar y procura establecer la certeza de los hechos que conducen a ella.





Algunos autores consideran un tercer esquema de razonamiento “oportunístico”,

en la cual se aplican los dos esquemas de razonamiento antes descritos en el momento más

oportuno; pero este se utiliza generalmente en los sistemas con tablero o en arquitecturas

con tablero.

Estos son los componentes principales y que todo sistema experto debe poseer, sin

embargo existen componentes adicionales que le brindan potencialidad y facilidad de uso

tanto al experto, ingeniero del conocimiento, como al usuario para su desarrollo, como se

muestran en el esquema extendido siguiente:



2.7 CARACTERISTICAS PRINCIPALES DE LOS SISTEMAS EXPERTOS

SEPARA EL CONOCIMIENTO DEL CONTROL

Imagine un sistema experto que se construya como un programa convencional como

podría ser así:

Begin

Nombre:= preguntar (Nombre?)

Edad:= preguntar (Edad?)

……………….

Síntoma1:= preguntar (Síntoma1?)

Síntoma2:= preguntar (Síntoma 2?)

……………………………

Si Síntoma1:= “xxxx” entonces

HACER WWWW

Si Síntoma1:=”yyyyy” entonces

HACER ZZZZZ

………………..



End……..

Así sería la forma de un sistema experto como un programa convencional. Sin

embargo, a pesar que se puede programar, tendría las siguientes desventajas:

o Es demasiado rígido y complicado realizar cambios en el sistema por la

cantidad de código escrito.

o Es difícil saber el conocimiento que tiene el sistema porque están mezclados

en conocimiento con la estructura de control.

o En los problemas que abarcan los sistemas expertos un factor importante es

la incertidumbre e información imprecisa con la que se maneja y en la

programación convencional es difícil manejar este aspecto.

Frente a estos inconvenientes de mostrar el conocimiento y el control en un

programa convencional, la idea es que se separen el conocimiento (en la base de

conocimientos) y el mecanismo de control (en el motor de inferencia) para tener un

mejor funcionamiento de un sistema experto. De tal manera que por ejm el

conocimiento se exprese en reglas de producción y el motor de inferencia tendrá una

forma de controlar la ejecución de reglas (Backward Chaining o Forward Chaining) lo

cual eliminaría los problemas de la programación convencional.

Separando el conocimiento de la estructura de control la tarea de modificar y

mantener el sistema es más fácil. Se puede localizar y agregar nuevo conocimiento

en alguna parte en particular del sistema experto. Si se necesitan hacer cambios en

el motor de inferencia igual se puede cambiar de estrategia o los ajustes necesarios

al algoritmo de inferencia.

POSEE CONOCIMIENTO EXPERTO Y BASADO EN LA EXPERIENCIA

Desde la definición de los sistemas expertos sabemos que el conocimiento que se

captura de una persona deber ser de un experto que incluye el basto conocimiento

que posea así como las habilidades adquiridas a través de la experiencia y que lo

distinguen de las demás personas en la solución de problemas dentro de un área de

conocimiento. Mas adelante nos detendremos en profundidad en como considerar a

una persona como experto.

RAZONA CON SIMBOLOS



Ya explicamos anteriormente que el conocimiento es expresado en forma simbólica

ya sea en forma de reglas, frames, lógica de predicados, etc. Podemos decir que los

programas convencionales procesan datos y los sistemas expertos procesan

conocimiento. Podemos expresar a través de símbolos hechos, conceptos, reglas,

etc., de tal manera que se manipulen más fácilmente. La forma de cómo representar

el conocimiento se conoce formalmente como Representación de Conocimiento (de

la cual hablamos anteriormente) y abarca otros conceptos que no tocaremos por

ahora.

RAZONA HEURISTICAMENTE

El término heurística o reglas a dedo son estrategias adquiridas a través de la

experiencia y que son aplicadas por los expertos para solucionar o acortar “caminos”

en la solución de los problemas. Como dijimos anteriormente en los sistemas

expertos esa forma de conocimiento también es capturado. Por ejm un médico

experimentado puede escoger, obviar o concluir pasos que un médico principiante no

lo haría lo cual reduce el tiempo en la solución de problemas. Los sistemas expertos

se diferencian claramente de la programación convencional porque no son rígidos en

sus algoritmos de razonamiento. En los programas convencionales se siguen

algoritmos rígidos y que siempre deben hacerse; en cambio en los sistemas expertos

los pasos innecesarios se pueden obviar y concluir llegando a resultados mas

rápidamente.

PERMITE RAZONAMIENTO INEXACTO

Los sistemas expertos son capaces de trabajar incluso con información incierta o

imprecisa y proveer una solución razonable. Todos sabemos que cuando nos

enfrentamos a un problema muchas veces no tenemos toda la información disponible

por diversos factores. En estos casos, nos guiamos por las posibilidades o en las

creencias y experiencias que nosotros tenemos para tratar de resolver un problema

en particular; eso es justamente también lo que hace un sistema experto. Los

sistemas expertos trabajan con diversas teorías y corrientes del conocimiento

humano para manejar la incertidumbre. Se puede utilizar factores de certeza, teoría

de la probabilidad, lógica difusa y otras áreas para manejar los problemas con

incertidumbre para encontrar la solución mas aceptable.

Ejemplos de información imprecisa



1.- Probablemente si los resultados del paciente son XX entonces tendrá la

enfermedad YY.

2.- Si Pedro apuesta s/. 1000.00 al jinete ZZ probablemente podría ganar la

carrera.

3.- Voy al cine, siempre y cuando vaya la chica de la esquina.

ESTA LIMITADO A PROBLEMAS SOLUCIONABLES

Es claro que para que un problema se adapte a una solución de sistemas expertos

deba existir el conocimiento y el razonamiento para la solución de dicho problema. El

sistema experto tendrá éxito mientras exista la solución y el experto.

Por ejemplo: No podemos tratar de solucionar con un sistema experto la cura del

SIDA porque aún ni siquiera existe la forma de realizarlo. Esto demuestra claramente

qué problema es posible para adecuarlo a un sistema experto.

No vaya a creer Ud., que un sistema experto puede solucionar todos los problemas-

aún los desconocidos y sin solución- porque como podemos modelar el

razonamiento y capturar el conocimiento de un problema que no es solucionable…?.

En conclusión: los sistemas expertos solo se pueden aplicar a problemas

solucionables por humanos.

SE ENFOCA A COMPLEJIDADES RAZONABLES

Los problemas para solucionarlos con un sistema experto no deben ser muy

complejos porque a mayor cantidad de conocimiento el sistema utilizará más tiempo;

y podría demorar o tener más errores al razonar. Si el tiempo que demora a un

experto solucionar un problema es varias horas, probablemente no sea un problema

para un sistema experto. Jhon Durkin recomienda:”Un problema que requiere

resolver por un experto en alrededor de 15 minutos es un problema razonable para

un sistema experto. Si el problema es más complejo, intente dividirlo en sub-temas

cada uno de los cuales los podría resolver con un simple sistema experto distinto

para cada sub-tema”.

COMETE ERRORES



Si los expertos humanos tienen errores, es lógico pensar que los sistemas expertos

no son perfectos y cometen errores….Pero Ud., podría pensar ¿pero los programas

de computador bien realizados no se equivocan?...Es correcto, pero acuérdese Ud.,

que los sistemas expertos no trabajan con datos sino con CONOCIMIENTO;

entonces si el conocimiento del experto es erróneo lógicamente que también el

sistema experto cometerá errores. Cuando Ud., va a un experto de cualquier área

para que le solucione su problema sabe que puede cometer errores, sin embargo

confía en el por la experiencia y conocimiento que posee; lo mismo sucede con los

sistemas expertos.

Estas son algunas características de los sistemas expertos. Para finalizar esta parte

comparemos un sistema experto con un programa convencional para ver sus

diferencias y resumir lo mencionado hasta ahora:

PROGRAMA CONVENCIONAL SISTEMA EXPERTONumérico SimbólicoAlgoritmo HeurísticoInformación y control integrados Conocimiento separado de controlDifícil de modificar Fácil de modificarInformación precisa Información inciertaInterfaz de órdenes Diálogo natural con explicacionesResultado final dado Recomendaciones con explicacionesSolución óptima Solución aceptable

2.8 PARTICIPANTES EN EL DESARROLLO DE UN SISTEMA EXPERTO

En un proyecto de sistemas expertos los acorres principales son:

EXPERTO DEL DOMINIO

Aquella persona primordial en el proyecto de la cual obtenemos su conocimiento para

solucionar un problema planteado y codificarlo en un programa de computador. Como

definimos con anterioridad Experto del Dominio es una persona que posee habilidades y

conocimiento para resolver un problema específico de una manera superior a otros.

La diferencia principal entre un experto y un no experto es el CONOCIMIENTO.

Es necesario aclarar que erróneamente pensamos que un experto es aquella persona que

tiene un rango de PhD, MsSC….Esto no siempre es cierto, por ejemplo un asistente de

contabilidad puede ser un experto dentro de la solución de un problema determinado y no



ser experto por el rango profesional que tenga. En conclusión una persona que solucione

un problema mejor que otras se le pude considerar como experto del dominio para un

problema de sistemas expertos.

El experto del dominio debe tener ciertas cualidades para que el proyecto tenga éxito las

que se resumen al final de esta parte, no basta con tener almacenado el conocimiento.

INGENIERO DEL CONOCIMIENTO

Aquella persona capaz de capturar el conocimiento, representarlo de manera adecuada,

escoger las herramientas de desarrollo y finalmente programarlo en una computadora.

El trabajo del Ingeniero del Conocimiento comienza desde evaluar la factibilidad del

problema para crear un sistema experto, hasta la documentación y retroalimentación del

producto; esto significa todo un proceso en el cual también al igual que el experto debe tener

ciertas cualidades.

USUARIO FINAL

Aquel o aquellos que van a ser beneficiados con el producto final. Es necesario siempre

estar comunicado durante el desarrollo de un proyecto de sistemas expertos con el usuario

final. La razón es que se puede desarrollar un sistema experto fantástico pero si al usuario

no le gustan las interfaces seguro no lo usará; es como construir un edificio y que el dueño

no la quiere habitar porque no le gustan el color, forma o modelo de las habitaciones.

El usuario final es el cliente, el nos va a brindar la forma de las interfaces, botones,

esquema de preguntas, explicaciones y todo los detalles de cómo le gustaría el producto

final.

Resumimos las cualidades de los participantes en un proyecto de sistemas expertos en el

siguiente cuadro:

EXPERTO DEL DOMINIO

Posee conocimiento expertoTiene habilidades eficaces para resolver el

problemaPuede comunicar el conocimientoPuede dedicar tiempoEs amigable y no hostil

INGENIERO DEL

CONOCIMIENTO

Tiene habilidades de Ingeniería de

ConocimientoTiene habilidades de buena comunicaciónConoce de las herramientas de desarrolloTiene habilidades para programar sistemas

de información



USUARIO FINAL

Ayuda a definir las especificaciones de las

interfacesPuede ayudar en la adquisición del

conocimientoPuede apoyar en el desarrollo del sistema

2.9 CLASIFICACION DE SISTEMAS EXPERTOS

Los sistemas expertos se pueden clasificar de varias maneras. Nosotros mencionaremos

algunas de ellas:

a) Por el propósito que se persiga para la creación de un SE:

REEMPLAZAR A UN EXPERTO HUMANO.

APOYAR LA TOMA DE DECISIONES.

b) Por el tipo de trabajo que realizan:

DIAGNOSTICO

PLANIFICACION

INSTRUCCIÓN

PREDICCION

TRATAMIENTO

CONTROL….etc.

Es necesario mencionar que en este tipo de clasificación un sistema experto puede

abarcar uno o más tipos. Por ejm un sistema experto puede diagnosticar y tratamiento

de una enfermedad específica.

c) Por el área en que se desarrollan:

MEDICINA

AGRICULTURA

QUIMICA

ELECTRONICA

GEOLOGIA

METEREOLOGIA

COMUNICACIONES



EDUCACION

ECONOMIA Y FINANZAS

COMPUTACION E INFORMATICA…etc.

2.10 METODOLOGIAS DE DESARROLLO

Al igual que para desarrollar un sistema de información convencional existen

varias metodologías de desarrollo como la Ingeniería de la Información, RUP,

tendencias estructuradas y orientadas a objetos, así existen varias metodologías

para desarrollar un sistema experto. Desde mi punto de vista es posible, también,

basarse en una metodología de desarrollo de sistemas de información clásico para

construir un sistema experto; sin embargo es prioritario darle pequeños ajustes o

cambios de procesos y agregarle otros pasos para construir uno; recordando siempre

que trabajamos con conocimiento y no con datos. Como ya sabemos el área de

sistemas expertos es relativamente joven por lo cual no se dispone de una única

metodología sino que cada autor propone una de acuerdo a su forma de desarrollo.

Sin embargo existen algunas que han tenido éxito mas que otras lo cual ha llevado a

su mayor difusión.

Aquí solo mencionaremos algunas y mostraremos un esquema general de la

metodología con la cual trabajaremos nosotros.

Metodología de Buchanan

Metodología de Grover

Metodología de Brule

Metodología de Blanque y García Martínez

Metodología KADS

Ingeniería del Software,….. etc.



Estas son solo algunas encontradas en la bibliografía revisada. Para nuestro caso

nosotros trabajaremos con la Metodología de Ingeniería del Conocimiento de Jhon

Durkin, de la cual se muestra una breve descripción a continuación:


Requerimientos

Conocimiento

Estructura

Evaluación

Producto

Fase 1Evaluación

Fase 2Adquisición del conocimiento

Fase 3Diseño

Fase 4Prueba

Fase 5Documentación

Fase 6Mantenimiento

Reformulación

Exploraciones

Requerimientos


FASE 1: EVALUACIÓN

1.1 Motivación para el Esfuerzo.

1.2 Identificar problemas candidatos.

1.3 Estudio de viabilidad.

1.4 Análisis de Costo/Beneficio.

1.5 Seleccionar el mejor proyecto.

1.6 Escribir el proyecto propuesto.

FASE 2: ADQUISICIÓN DEL CONOCIMIENTO

2.1 Recolección del conocimiento.

2.2 Interpretación.

2.3 Análisis.

2.4 Diseño de métodos para recolectar conocimiento adicional.

FASE 3: DISEÑO

3.1 Seleccionar Técnica de Representación del Conocimiento.

3.2 Seleccionar Técnica de Control.

3.3 Seleccionar Software de Desarrollo de Sistema Experto.

3.4 Desarrollo de Prototipo.

3.5 Desarrollo de Interfase.

3.6 Desarrollo del Producto.

FASE 4: PRUEBAS



4.1 Validación del Sistema.

4.2 Evaluación de la Prueba/Evaluación.

FASE 5: DOCUMENTACIÓN

5.1 Relación de temas que deben ser documentados.

5.2 Organización de la documentación.

5.3 Documentación Impresa.

5.4 Documentación en hipertexto.

5.5 Reporte Final

FASE 6: MANTENIMIENTO

6.1Modificaciones probables del sistema.

6.2Responsables de mantenimiento.

6.3Interfaces de documentación del mantenimiento

2.11 HERRAMIENTAS DE DESARROLLO

Para pasar desde el diseño abstracto hasta un sistema implementado y listo para ser

ejecutado en una computadora, se debe expresar en una forma que el sistema

computacional entienda. Para ello se puede utilizar un lenguaje programación o un

sistema especialmente diseñado para desarrollar sistemas expertos. La pregunta

inmediata es ¿Cuál de ellos utilizar? Para el desarrollo de sistemas expertos existen

dos categorías definidas de herramientas de desarrollo:

a. LENGUAJES DE PROGRAMACIÓN

En principio, cualquier lenguaje de programación puede ser utilizado. Siendo

así de amplio el espectro del cual se puede escoger un lenguaje para programar un

sistema experto, se debe considerar como factor importante de decisión, la extensión

en la cual el lenguaje cubre o se adecua a los requerimientos de diseño. Atendiendo

a la forma de estructurar sus instrucciones, se los puede dividir en:

IMPERATIVOS: PASCAL, C/C++.

FUNCIONALES: LISP.

DECLARATIVOS: PROLOG, CHIP, OPS5.

ORIENTADOS A OBJETOS: SmallTalk, Hypercard, CLOS.



Tradicionalmente LISP y PROLOG han sido los lenguajes que se han

utilizado para la programación de sistemas expertos. Estos lenguajes ofrecen

características especialmente diseñadas para manejar problemas generalmente

encontrados en inteligencia artificial. Por este motivo se los conoce como lenguajes

de Inteligencia Artificial.

Una de las principales características que comparten los lenguajes LISP y

PROLOG, como consecuencia de su respectiva estructura, es que pueden ser

utilizados para escribir programas capaces de examinar a otros programas,

incluyendo a ellos mismos. Esta capacidad se requiere, por ejemplo, para hacer que

el programa explique sus conclusiones. Esto sólo puede hacerse si el programa tiene

la capacidad de examinar su propio modo de operación.

LISP

Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para

procesamiento simbólico. John McCarthy lo desarrolló en 1958, en el Instituto de

Tecnología de Massachusetts (MIT), inicialmente como un lenguaje de programación

con el cual los investigadores pudieran implementar eficientemente programas de

computadora capaces de razonar. Rápidamente LISP se hizo popular por su

capacidad de manipular símbolos y fue escogido para el desarrollo de muchos

sistemas de IA.

PROLOG

PROgramming in LOGic (PROLOG), es otro de los lenguajes de

programación ampliamente utilizados en Inteligencia Artificial. PROLOG fue

desarrollado en Francia, en 1973 por Alain Colmenauer y su equipo de investigación

en la Universidad de Marseilles. Inicialmente fue utilizado para el procesamiento de

lenguaje natural, pero posteriormente se popularizó entre los desarrolladores de

aplicaciones de Inteligencia Artificial por su capacidad de manipulación simbólica. A

partir de 1981 tuvo una importante difusión en todo el mundo, especialmente porque

los japoneses decidieron utilizar PROLOG para el desarrollo de sus sistemas de

computación de quinta generación. Actualmente existen varios dialectos del

PROLOG para diferentes plataformas.

OPS5



Official Production System 5 (OPS5), es un lenguaje para ingeniería

cognoscitiva que soporta el método de representación del conocimiento en forma de

reglas. Incorpora un módulo unificador, un intérprete que incluye un .mecanismo de

encadenamiento progresivo, y herramientas para edición y depuración de los

programas. OPS5 es un miembro de la familia de lenguajes de programación

desarrollados en la Universidad Carnegie - Mellon. Varias compañías han

desarrollado implementaciones comerciales de OPS5, para diferentes plataformas.

b. SISTEMAS DE DESARROLLO

Históricamente, los primeros sistemas expertos fueron desarrollados

utilizando lenguajes de programación como el LISP y el PROLOG. A medida que el

desarrollo de sistemas expertos iba aumentado en cantidad y complejidad, la

comunidad científica comenzó a buscar formas de desarrollar los sistemas en menor

tiempo y con menor esfuerzo.

Esto dio lugar al aparecimiento, en primer lugar a sistemas vacíos como el

EMYCIN, a los que se denominó shells, ya que ofrecen toda la arquitectura de un

sistema experto a la que hay que incorporar la base de conocimientos.

Los SHELL se pueden definir como “sistemas que incorporan las

características básicas de los SE: base de conocimiento, motor de inferencia y

módulo de explicación, pero que se proporciona sin ningún tipo de conocimiento”.

[INTER 02]

Posteriormente ingresaron al mercado otras herramientas que incorporaron,

además de opciones de representación del conocimiento, esquemas de inferencia y

control. Estas herramientas tomaron el nombre de Entornos de Desarrollo de

Sistemas Expertos

A continuación se dan algunos ejemplos de sistemas comerciales:

Sistemas Vacíos (shells): EMYCIN, Crystal, Leonardo, XiPlus, EXSYS

Professional, VP-Expert, Intelligence Compiler.,Expert, Exsys Corvid,

Jess, Expertise2go, WebLS.

Entornos híbridos de desarrollo: CLIPS, KEE, ART, EGERIA, Kappa,

Nexpert Object, Goldworks, LOOPS, Flavors.



PLATAFORMAS DE COMPUTACIÓN

Íntimamente asociado a los sistemas expertos, están los sistemas computacionales

(Hardware). Actualmente el software disponible para el desarrollo de Sistemas

Expertos, cubre todo el rango de computadoras y sistemas operativos, desde PC’s

hasta máquinas especialmente dedicadas para procesamiento simbólico:

Computadoras Personales (DOS, OS, Mac, WINDOWS, UNIX, LINUX).

Estaciones de trabajo (VMS, UNIX).

Máquinas simbólicas (LISP, PROLOG).

Máquinas de arquitectura paralelo.

CAPITULO IV:CAPITULO IV:



INGENIERIA DEL CONOCIMIENTO SEGÚNINGENIERIA DEL CONOCIMIENTO SEGÚN

JHON DURKINJHON DURKIN

FASE 1: DETERMINACIÓN DEL PROBLEMA

El esquema general de esta primera etapa gráficamente es como sigue:


Determinar Motivación

Motivación

Estudio de Viabilidad

Análisis Costo/Beneficio

Selección del Proyecto

Proposición de Proyecto

Identificar posibles problemas (PRE-determinación)

La solución Conducida a

Problema Conducido a

Proyectos viables

Proyecto costoso

Mejor Proyecto


TAREA 1: Determinar Motivación para el Esfuerzo

Consiste en determinar ¿Por qué está la organización motivada para seguir Sistemas

Expertos?. Algunas organizaciones están mirando resolver un problema particular

mientras que otras están interesadas en encontrar que puede hacer la tecnología por

ellos.

De acuerdo a lo antes mencionado existen dos posiciones que puede asumir una

organización al incursionar en la tecnología de Sistemas Expertos

Conducida por el Problema

Ocurre cuando la organización trata de resolver un problema que ya se ha

identificado.

Conducida por la Solución

En algunos casos una organización es motivada para explorar una tecnología nueva

por un interés general o curiosidad.

TAREA 2: Identificar problemas candidatos

Esta tarea solo ocurre cuando la organización es conducida por la solución. Este

paso es hecho antes que la viabilidad formal y estudios costo/beneficio y es llamado

PRE-DETERMINACION.

Formando la Lista

Cuando se forma la lista de problemas candidatos se debería buscar la ayuda de

individuos dentro de la organización. Un buen lugar para observar dentro de la

organización es el nivel medio. Estos individuos tienen una visión global de

operaciones y conocimiento acerca de problemas de cada día. Su visión es valiosa

porque se descubre áreas donde la aplicación de un sistema experto tiene el

potencial para proporcionar valor real a la organización.

Demostración de la Tecnología

Si la organización está explorando la aplicación de Sistemas Expertos, entonces se

debería ver al proyecto como una demostración de la tecnología. Por lo tanto, un

problema pequeño y relativamente simple es más preferible que un complejo. Por


Figura 6:Figura 6: Procedimiento de Determinación del Problema Procedimiento de Determinación del Problema

Fuente: [01]*


pequeño, quiere decir que el alcance del problema no cubre un gran número de

problemas complejos. Por simple, quiere decir que el problema parece a primera

vista de ser solucionable. Como guía para solucionar el problema considerar lo que

otros han hecho en el pasado.

Sugerencias para escoger un buen problema

Para las organizaciones buscando explorar la tecnología considere los siguientes

puntos:

Toma de decisión humana.

Conocimiento heurístico.

Pequeño.

Simple.

Éxito probable.

Algún valor.

TAREA 3: Estudio de Viabilidad

Gráficamente el esquema de viabilidad se representa así:


Viabilidad del Proyecto

Recursos

Origen del Conocimiento

Gente

Dominio

Conocimiento

Resolución del problema

Problema

Motivación

Capacidad

Gente

MantenimientoDespliegue

Diseño

Riesgo

Requerimientos


En esta tarea lo primordial es tratar de determinar si el proyecto tendrá éxito. Se

consideran dos puntos a evaluar

Primero: Una lista de ítems que debería reunir el proyecto es verificado. Estos ítems

incluyen los recursos propios, un recurso de conocimiento y personal del proyecto.

La siguiente lista de requerimientos debería ser verificada primero cuando se considera

un problema para una aplicación de Sistema Experto:

Disponibilidad de conocimiento para la solución del problema(experto)

Disponibilidad de un Ingeniero del Conocimiento.

La solución del problema puede ser validada.

Disponibilidad de fondos.

Disponibilidad de software de desarrollo de sistema.

Disponibilidad de facilidades de computador.

Segundo: Considerar asuntos que son importantes para el éxito del proyecto, pero los

cuales son subjetivos de naturaleza y requieren algún juicio para determinar. Ellos

incluyen características del problema, características de la gente involucrada del

proyecto y asuntos de despliegue. Aún cuando un proyecto reúne los requerimientos

verificados hay otros asuntos que pueden prevenir el completo éxito del proyecto. Un

proyecto de sistema experto puede fallar por razones que caen dentro de las tres

categorías: problema, gente y despliegue.

Viabilidad del Problema

Los asuntos de viabilidad incluyen características de dominio, conocimiento y tareas de

solución del problema.

Comprende:

Conocimiento experto necesitado.

Los pasos de solución son definibles.

Conocimiento simbólico usado.

Heurísticas usadas.

El problema es solucionable.

Existen problemas exitosos.

El problema es bien enfocado.

El problema es estable


Figura 7:Figura 7: Estudio de Viabilidad del Sistema Experto Estudio de Viabilidad del Sistema Experto

Fuente:Fuente: [1]* [1]*


Conocimiento incompleto o incierto utilizado.

Solución mas una recomendación.

Asuntos de viabilidad de la gente

La capacidad y la motivación de la gente involucrada en el proyecto son asuntos

importantes para considerar cuando se juzga la viabilidad del proyecto .Los principales

actores de un proyecto de sistema experto son: experto de dominio, ingeniero de

conocimiento, usuario final, y administración .Determinar su impacto en la viabilidad del

proyecto es un desafió debido a las complejidades de naturaleza humana. Se necesita

considerar sus deseos, miedos, y emociones para juzgar si ellos efectivamente

contribuirán el proyecto. Las características principales que deben tener cada persona

involucrada en un proyecto de sistema experto son:

Experto

Puede comunicar el conocimiento.

El experto puede dedicar tiempo.

El experto es cooperativo, no hostil o escéptico del proyecto.

Ingeniero de conocimiento

El ingeniero de conocimiento tiene buenas habilidades de comunicación.

El ingeniero del conocimiento puede relacionar el problema al software.

El ingeniero de conocimiento tiene destrezas de programación de sistema

experto.

El ingeniero del conocimiento puede dedicar el tiempo.

Usuario final

El usuario final puede dedicar tiempo.

El usuario final es receptivo al cambio.

El usuario final es cooperativo.

Gerencia

La gerencia apoya al proyecto.

La gerencia es receptiva al cambio.

La gerencia no es escéptica.

La gerencia tiene expectativas razonables.

La gerencia entiende objetivos.



Asuntos de viabilidad de Despliegue

Se debe considerar:

El sistema puede ser introducido fácilmente.

El sistema puede ser mantenido.

El sistema puede ser integrado con recursos existentes.

Entrenamiento disponible.

El sistema no tiene una ruta crítica.

Determinación de viabilidad

Un esfuerzo por determinar la viabilidad de un sistema experto fue proporcionado por

Beckman (1991) el cual formo una lista de temas para considerar, luego asignó a cada

uno un número que reflejaba su importancia relativa. Esta lista de verificación de peso

es luego comparada a algún problema candidato, y si el problema encuentra un tema,

recibe los puntos predescritos del tema. La suma de todos los puntos es luego usada

para atribuir un porcentaje de la viabilidad del proyecto. Un ejemplo de esta forma de

determinar la viabilidad de muestra a continuación:

Asuntos de viabilidad del problema

Peso Asunto Puntaje

1

2

1

1

2

2

2

1

1

1

1

Conocimiento experto necesitado

Los pasos de solución de problema son definibles

Conocimiento simbólico usado

Heurísticas usadas

El problema es solucionable

Existen sistemas exitosos

El problema es bien enfocado

El problema es razonablemente complejo


Conocimiento incompleto o incierto utilizado

No determinístico


Tabla N° 5:Tabla N° 5: Asuntos de viabilidad del problema


1 Solución mas una recomendación

16 Puntos Totales Puntaje Total

Viabilidad = Puntaje total/Puntos totales

Una deficiencia con este método es que muchos temas son subjetivos y son difíciles

para responder de un modo si o no. Considere por ejemplo el tema del ámbito del

problema. Para un problema dado nosotros podríamos ser capaces de comentar sobre

este tema, pero puede ser demasiado limitante para ser restringido a una respuesta de si

o no. Esta limitación puede también guiar a responder errores que produce una falsa

figura de determinación de viabilidad.

Un diferente tipo de estrategia fue desarrollado que corrige este problema. Como la

técnica anterior, empieza por formar una lista de temas importantes para considerar.

Cada tema es luego asignado un peso (entre 0 y 10) que refleja la importancia de cada

tema durante la evaluación de un proyecto dado, los números (entre 0 y 10) son

atribuidos a cada tema que refleja el grado de creencia en el tema. Este valor es luego

multiplicado por el valor del tema para establecer un puntaje por el tema. Todos los

puntajes son luego añadidos y divididos por la suma de los pesos del tema. Este número

es limitados entre 0 y 10, y proporciona una estimación de determinación de viabilidad

del proyecto.

Los valores de “peso” son resultados de la experiencia de consulta de Durkin sobre

los esfuerzos de determinación de proyectos anteriores.

Un ejemplo de lo anterior mencionado se muestra a continuación:

ASUNTOS DE VIABILIDAD DEL PROBLEMA

PUNTAJE = PESO * VALOR ASUNTO



Tabla N° 6 :Tabla N° 6 : F Formulario de determinación de viabilidad del problema


7

9

7

8

10

8

9

6

7

9

5

6

Conocimiento experto necesitado

Los pasos de solución de problema son definibles

Conocimiento simbólico usado

Heurísticas usadas

El problema es solucionable

Existen sistemas exitosos

El problema es bien enfocado

El problema es razonablemente complejo


Conocimiento incompleto o incierto utilizado

No determinístico

Solución mas de una recomendación

91

PUNTAJE PESO VIABILIDAD DEL PROBLEMA = PUNTAJE TOTAL

TOTAL TOTAL PESO TOTAL

.

ASUNTOS DE VIABILIDAD DE PERSONAL


7

9

7

EXPERTO DE DOMINIO

El experto puede comunicar el conocimiento

El experto puede dedicar tiempo

El experto es cooperativo

23

PUNTAJE PESO VIABILIDAD DEL EXPERTO = PUNTAJE TOTAL


8

8

9

9

INGENIERO DEL CONOCIMIENTO

Buenas habilidades de comunicación

Puede relacionar el problema al software

Tiene destrezas de programación de sistema

experto

Puede dedicar tiempo



Tabla N° 7:Tabla N° 7: F Formulario de determinación de viabilidad de personal.


34

PUNTAJE PESO VIABILIDAD DEL INGENIERO

DEL CONOCIMIENTO = PUNTAJE TOTAL


6

7

7

USUARIO FINAL

El usuario final puede dedicar tiempo

El usuario final es receptivo al cambio

El usuario final es cooperativo

20

PUNTAJE PESO VIABILIDAD DEL

USUARIO FINAL = PUNTAJE TOTAL


9

7

7

6

8

GERENCIA

La gerencia apoya al proyecto

La gerencia es receptiva al cambio

La gerencia no es escéptica

La gerencia tiene expectativas razonables

La gerencia entiende objetivos

37

PUNTAJE PESO VIABILIDAD LA GERENCIA = PUNTAJE TOTAL


ASUNTOS DE VIABILIDAD DEL DESPLIEGUE


7 El sistema puede ser introducido fácilmente



Tabla N° 8:Tabla N° 8: F Formulario de determinación de viabilidad de despliegue


9

7

9

7

El sistema puede ser mantenido

El sistema no tiene una ruta critica

El sistema puede ser integrado con recursos

existentes

Entrenamiento disponible

39

PUNTAJE PESO VIABILIDAD DEL DESPLIEGUE = PUNTAJE TOTAL


Para ilustrar, asumir que se evaluó un proyecto candidato que resulto en los siguientes

puntajes para cada categoría

CATEGORIA PUNTAJE TOTAL PESO TOTAL

Problema 800 91

Gente 900 114

Despliegue 300 39

2000 244

VIABILIDAD DEL PROYECTO = 2000/244 = 8.19

Se puede usar estas formas para establecer los valores de viabilidad para los

proyectos candidatos, y escoger esos con valores más altos para considerarlos después.

Para los proyectos con bajos valores globales, este método también proporciona una

visión dentro de que área es deficiente, como asuntos de problema, asuntos de gente,

etc.

TAREA 4: Análisis Costo/ Beneficio

El próximo paso es determinar el esperado pago-justificación para el proyecto.

Para la mayoría de los proyectos este es usualmente es medido en un análisis costo

beneficio. La organización desea evidencia tangible que muestre que la inversión de

tiempo y dinero es justificado. Bajo las mejores condiciones este puede ser una tarea




difícil. Cuando el proyecto involucra una tecnología nueva como sistemas expertos, la

tarea encuentra incertidumbre adicional.

Costo del Proyecto

Los costos principales del proyecto son establecidos por los gastos de trabajo y

software. La cuenta de gastos de trabajo para el tiempo gastado en el proyecto son por

el ingeniero del conocimiento, el experto de dominio y el usuario final.

La opción del software de desarrollo del sistema experto está basada en la naturaleza

del problema y las facilidades del computador de la organización.

Los asuntos de beneficio

El beneficio de desarrollar un sistema experto puede ser medido en una de las cuatro

maneras: productividad mejorada, costos bajos, calidad mejorada o un asunto muy

tangible pero importante—imagen mejorada.

1. Productividad mejorada

Mejores Decisiones

Decisiones más rápidas

Propaga especialización

2. Costos mas bajos

Reduce costos de trabajo

Mejora uso de material

3. Calidad mejorada

Producto Superior

Servicios superiores

Proporciona entrenamiento

4. Imagen mejorada

Innovador

La encuesta conducida por Pepper (1991) sobre las aplicaciones del sistema experto en

la industria de servicio mostró que la mayoría de las organizaciones justificó el esfuerzo

sobre beneficios intangibles de estrategias, como ganar un margen competitivo (50%) o

capturar y preservar especialización escasa (44%). Pocas organizaciones buscaron

beneficiarse de ahorros de costo. Esta encuesta indica que la mayoría de las

organizaciones están buscando explorar la tecnología, esto es, ellas están conducidas

por la solución.



TAREA 5: Seleccionar el mejor proyecto

Para cada problema inicialmente seleccionado para el esfuerzo de determinación,

ahora se tiene la información sobre su viabilidad y su conveniencia. La próxima tarea es

seleccionar uno para seguir un proyecto de sistema experto.

El cuadro que usted ahora tiene de cada posible proyecto es ambos cualitativo y

cuantitativo. El estudio de viabilidad proporcionó un número que refleja la estimación del

proyecto de viabilidad global. Este número es principalmente el valor de comparar varios

proyectos. El estudio de costo/beneficio también proporcionó números. El costo del

proyecto es usualmente fácil de estimar, y en algunos casos, usted puede aproximar los

ahorros esperados o ganancias de la organización. Usted debería también tener un

sentido del impacto que el proyecto puede tener en establecer sistemas expertos dentro

de la organización.

Conociendo la motivación de la organización es de ayuda sobre esta tarea. Si ellos

son conducidos por el problema, usted debería mostrar que el proyecto es viable y que

los beneficios esperados excedieron al costo del proyecto. Aun cuando la organización

está explorando la tecnología (conducida por la solución) – aparentemente una situación

cómoda. —usted debería aún proporcionar alguna justificación para el esfuerzo. Estas

organizaciones son usualmente más tolerantes de los beneficios de corto plazo, pero

ellos esperan que el proyecto engendre beneficios a largo plazo.

TAREA 6: Escribir el proyecto propuesto

Siguiendo la selección de un buen problema, se puede necesitar escribir un proyecto

propuesto que documente los esfuerzos esperados. Esta propuesta debería documentar

que es para ser hecho, porque el proyecto es importante, y como se ejecutará el

esfuerzo. En la discusión de cada uno de esto puntos, el propuesto debería ser breve y

al punto.

A continuación se describen las partes que debería contener la propuesta del proyecto:



PROYECTO PERSONAL

OBJETIVO

1. Declaración de que será logrado.

2. Una oración por problema

VISTA GLOBAL

1. Vista de alto nivel del proyecto

2. Discusión general del problema y su solución

3. Referencias de trabajos pasados.

4. Explicar en general que se logrará.

5. Discutir por que el proyecto tiene valor.

PROBLEMA

1. Descripción detallada del problema.

2. Discutir los problemas y operaciones comunes.

3. Describir los esfuerzos de evaluación.

SOLUCION

1. Discutir que realizará el sistema experto.

2. Describir como el sistema experto conseguirá los objetivos.

3. Listar los recursos necesarios del proyecto.

PLAN

1. Listar y discutir las principales fases del proyecto.

TIEMPOS ESTABLECIDOS

1. Calcular los periodos de tiempo para las principales fases del proyecto.

RESULTADOS (ENTREGABLES)

1. Lista los resultados del proyecto.(entregables)

PERSONAL

1. Lista el personal del proyecto.

COSTOS

1. Lista los costos del proyecto de diverso tipo.



FASE 2: ADQUISICION DEL CONOCIMIENTO

Siguiendo las fases, la siguiente tarea es la adquisición del conocimiento. Esta tarea es

el desafío más difícil en el desarrollo de un sistema experto.

Procesos de Adquisición de Conocimiento

La adquisición del conocimiento es inherentemente un proceso cíclico. Sigue las tareas

de recolección del conocimiento, su interpretación y análisis, y el diseño de métodos

para recolectar conocimiento adicional.

La recolección es la tarea de adquirir conocimiento del experto. Este esfuerzo

requiere entrenamiento en técnicas de entrevistas. Además requiere buenas

habilidades de comunicación interpersonal y la habilidad para obtener la

cooperación del experto.

La interpretación de la información recolectada envuelve la identificación de

piezas clave de conocimiento, como conceptos, reglas, estrategias, etc.

El análisis envuelve el estudio de las piezas clave del conocimiento destapado

durante la tarea de interpretación. Este esfuerzo proporciona la visión de formar las

teorías en la organización del conocimiento y estrategias de solución de problemas.

El diseño es la tarea de preparación para el siguiente encuentro con el experto.

Siguiendo la realización de las tareas anteriores, se forma una nueva comprensión

del problema. Este esfuerzo puede haber expuesto nuevos conceptos que

necesitan exploración extensa. Las técnicas de extracción del conocimiento son

entonces escogidas para obtener esta información durante la próxima reunión.

Problemas con adquisición de Conocimiento

Existen muchos problemas con la adquisición del conocimiento que hacen de esta una

tarea difícil. Muchos de estos problemas puede remontarse a la dificultad en extraer

conocimiento del experto.

Sin premeditación de conocimiento.- A través de la experiencia resolviendo un

problema, un experto a menudo compila el conocimiento de la solución del

problema en una forma compacta, la cual permite una solución eficiente del



problema. Si el experto es preguntado para describir su método de solución de

problemas, él a menudo hará saltos mentales sobre problemas importantes.

Incapacidad para verbalizar el conocimiento.- Muchas tareas son difíciles de

verbalizar debido a que ellas fueron aprendidas mirando a otros individuos

ejecutando estas tareas. Los esfuerzos de la labor manual representan este tipo de

tareas.

Proveer conocimiento irrelevante .- Muchas sesiones de extracción pueden ser

sostenidas con el experto durante el proyecto. Después de un tiempo, la cantidad

de información recolectada puede estar agobiando. Para hacer la materia mucho

peor, mucha de esta información puede ser irrelevante para el proyecto. La tarea es

filtrar a través de toda esta información y escoger sólo los problemas importantes.

Proveer conocimiento incompleto.- Un experto a menudo puede proporcionar

una descripción incompleta de sus procesos mentales. Si el problema es una

simple omisión, la situación puede ser fácilmente corregida. Sin embargo, si ocurre

porque el experto es inconsciente del conocimiento usado, (problema de

compilación) el desafío puede ser mayor.

Proveer conocimiento incorrecto.- Un experto puede proporcionar conocimiento

incorrecto porque él no está informado o debido a un simple error durante la

introspección. En cualquier caso, esto lleva a un cuerpo incompleto del

conocimiento en sistemas expertos.

Proveer conocimiento inconsistente.- El conocimiento proporcionado por el

experto puede ser inconsistente con cualquier declaración. Este problema ocurre

frecuentemente cuando el experto proporciona una explicación de sus estrategias

de resolución de problemas.

Esfuerzo del equipo cooperativo

El éxito del proceso de extracción del conocimiento dependerá grandemente de formar

un equipo de individuos que son hábiles y cooperativos. Cada miembro del equipo es

responsable de tareas que solapan tareas de otros. Una interacción considerable puede

esperarse y esto es importante para nutrir el a veces frágil espíritu de cooperación.



Técnica de entrevista

La técnica de obtención del conocimiento más común utilizada hoy en día en el diseño

de sistemas expertos es el método de la entrevista. Esta técnica envuelve una

interacción directa entre el experto y el ingeniero del conocimiento, donde las preguntas

son dadas para destapar el conocimiento. Para hacer este productivo esfuerzo, la

entrevista debe ser efectivamente manejada.

El manejo de la entrevista propiamente requiere que varios puntos sean dirigidos.

Algunos de los básicos relacionan a los artículos como preparar la agenda, horario de la

sesión, y preparar una lista de materiales. Otros problemas son más intangibles, pero

importantes para el esfuerzo. Saber cómo empezar, conducir y terminar efectivamente la

entrevista son consideraciones importantes para adquirir la información deseada y para

mantener la cooperación de los miembros del equipo. También es importante saber

cómo hacer las preguntas de una manera que proporcionará la información deseada.

Existen diferentes técnicas de entrevistas para ganar tipos ciertos de conocimiento y

para evitar algunos problemas típicos asociados con la extracción del conocimiento.

Análisis de Conocimiento

Siguiendo la entrevista, la información recolectada necesita ser analizada. Los objetivos

de este esfuerzo son determinar qué fue aprendido y que problemas adicionales debe

seguirse.

Normalmente una trascripción es primero hecha de una grabación de la sesión. Esta

trascripción es luego revisada para identificar las piezas clave del conocimiento,

conceptos, reglas, etc. Estas piezas de conocimiento son luego analizadas para formar

teorías en su organización y cómo ellas relacionan a lo que ya es conocido sobre el

problema. También se agregan estas piezas de conocimiento a la documentación del

proyecto de una manera discutida después en este capítulo.

Un alcance que puede ayudar a analizar el conocimiento recolectado es grabar la

información recolectada gráficamente. Las representaciones gráficas en la forma de

mapas de concepto, redes de inferencia, diagramas de flujo y árboles de decisión

pueden ser de valor particular.

FASE 3: DISEÑO

Esta tarea comienza con la selección de la técnica de representación del conocimiento y

la estrategia de control. Es seguida con la selección de una herramienta de software que

reúne mejor las necesidades del problema. Un sistema prototipo pequeño es luego

construido para validar el proyecto y para proporcionar una guía para el trabajo futuro. El



sistema es entonces extensamente desarrollado y refinado para encontrar los objetivos

del proyecto. Este proceso es estructurado de acuerdo a las siguientes tareas:

Tarea 1: Seleccionar Técnica de Representación del Conocimiento

Tarea 2: Seleccionar Técnica de Control

Tarea 3: Seleccionar Software de Desarrollo de Sistema Experto

Tarea 4: Desarrollo de Prototipo

Tarea 5: Desarrollo de Interfase

Tarea 6: Desarrollo del Producto

TAREA 1: Seleccionar Técnica de Representación del Conocimiento

Se debe escoger una técnica de representación del conocimiento que mejor muestre la

manera en que el experto modela el conocimiento del problema mentalmente. Sin

embargo, para razones prácticas, se debe además considerar los recursos y

capacidades de la organización.

Un método basado en frames es apropiado si el experto describe el problema

referenciando los objetos importantes y sus relaciones, particularmente si el estado de

un objeto afecta a otro objeto. Esta situación es encontrada en problemas tipo simulación

o algunas donde las relaciones causales son importantes.

Otra señal que un método basado en frame puede ser bien escogido es que el experto

considere varios objetos similares cuando resuelve el problema. Un sistema basado en

frame puede razonar sobre objetos similares usando solo unas pocas reglas del modelo

de emparejamiento que trabajan a través una clase de objetos. Esto proporciona un

método eficaz al codificar los objetos y las reglas.

Un método basado en reglas es conveniente si el experto discute el problema

principalmente usando declaraciones tipo IF/THEN.

El método de la inducción es de valor si existen ejemplos pasados del problema. La

inducción también es apropiada si no existe ningún experto real en el problema, pero

una historia de información del problema esta disponible que puede usarse para derivar

los procedimientos de toma de decisión automáticamente.

TAREA 2: Seleccionar Técnicas de Control

El encadenamiento hacia adelante es apropiado si el experto primero recolecta

información sobre el problema y luego ve qué puede ser concluido.

El encadenamiento hacia atrás es una buena opción si el experto primero considera

alguna conclusión o meta, luego intenta demostrarlo buscando la información de apoyo.



En este caso, el experto está principalmente interesado en demostrar alguna hipótesis o

recomendación. También, si el número de metas es mucho menor que la cantidad de

posible data, entonces considera un alcance de encadenamiento hacia atrás.

Paradigmas de Resolución de Problemas

Otra manera para que usted pueda ganar la visión en escoger ambos, la técnica de

representación de conocimiento y la estrategia de inferencia es revisar lo que otras han

hecho en el pasado en esfuerzos similares.

Siguiendo estas mismas ideas, los diseñadores del sistema experto escogen a menudo

representación del conocimiento y técnicas de control sobre la base del problema que

resuelve el paradigma. Estas opciones confían en los éxitos del pasado.

Se han hecho los esfuerzos pasados para relacionar cada paradigma a varios

caracteristicas que pueden ser deseables en el diseño del sistema experto (Gevarter

1987, Martin y Ley 1988.Lo siguiente muestra una aproximación del análisis hecho de

los proyectos de sistemas expertos anteriormente listados en el Apéndice C en un

esfuerzo al elaborar cada proyecto que resuelve el problema, inspección a la

representación de conocimiento y las técnicas de control que se emplearon. El resultado

de este esfuerzo se muestra en el siguiente esquema:

TIPO DE PROBLEMA VERSUS INFERENCIA Y REPRESENTACIÓN

DE CONOCIMIENTO

TIPO DE

PROBLEMA

INFERENCIAREPRESENTACIÓN DEL

CONOCIMIENTO

HACIA HACIA

ATRÁS

ADELANTE

REGLAS FRAMES

INDUCCIÓN

CONT

ROL

BAJO ALTO ALTO AVG. BAJO

DISEÑO

BAJO

ALTO

ALTO

BAJO BAJO

DIAGNÓSTICO

ALTO

BAJO

ALTO

MEDIO

MEDIO

TIPO DE

INFERENCIA REPRESENTACIÓN DEL

CONOCIMIENTO


Tabla N° 9:Tabla N° 9: . Tipo de problema versus inferencia y Representación de Conocimiento


PROBLEMA HACIA HACIA

ATRÁS ADELANTE

REGLAS FRAMES

INDUCCIÓN

INSTRUCCIÓN

ALTO

MEDI

O ALTO

MEDIO

BAJO

INTERPRETACIÓN MEDIO ALTO ALTO BAJO ALTO

SEGUIMIENTO

BAJO

ALTO

ALTO MEDIO

BAJO

PLANIFICACIÓN

BAJO

ALTO

ALTO MEDIO

BAJO

PREDICCION

MEDIO

ALTO

ALTO

BAJO

ALTO

PRESCRIPCIÓN

MEDIOMEDIO

ALTO

BAJO

BAJO

SELECCIÓN

ALTO

BAJO

ALTO BAJO

MEDIO.

TAREA 3: Seleccionar Software para el desarrollo del sistema experto

Hay una gran variedad de herramientas de software disponibles para el desarrollo de

un sistema experto. Ellos van desde los lenguajes de programación básicos hasta los de

desarrollo de alto nivel (SHELLS).




Categorías de software

Importancia de características de software

Las características a considerar en la elección de una herramienta de desarrollo son:

General

Costo

El Hardware de la computadora

Licencia

Apoyo en la capacitación

Desarrollador de Interfaz

Codificando el conocimiento.

Razonamiento inexacto.

Establecer reglas

Acceso externo al programa:


SOFTWARE PARA SISTEMA EXPERTO

LENGUAJES SHELLS

BASADO EN REGLAS

BASADO EN OBJETOS

BASADO EN REGLAS

BASADO EN FRAMES

INDUCCION HYBRIDO

Figura N° 8:Figura N° 8: Categorías de SoftwareCategorías de Software



Utilidades de depuración.

Interfaz de usuario

Preguntas

Explicaciones

Gráficos

Hipertexto

TAREA 4: Desarrollo del Prototipo

Seleccionado el software de acuerdo a los requerimientos del proyecto, el desarrollo

del sistema se empieza. La mayoría de proyectos de sistemas expertos empiezan el

desarrollo construyendo un prototipo de sistema pequeño. Un prototipo es un modelo

del sistema final. Su estructura básica, que representa y procesa el conocimiento del

problema, es igual al esperado en el sistema final. Aunque el prototipo es sólo una

pequeña versión del sistema final limita la habilidad propiamente si el diseñó envía

los propósitos siguientes al servidor.

Validación de aproximación del sistema experto.

Confirma opción de técnica de representación de conocimiento y estrategias de

control.

Proporciona una vía de adquisición de conocimiento.

Definir una estrategia global

Para iniciar el diseño del prototipo es necesario definir una estrategia global. Esta

búsqueda es una serie de tareas de nivel alto que el sistema necesitará realizar.

Definir Estructura de Conocimiento

Durante el desarrollo del prototipo usted debe crear un esquema de trabajo que se

acomode los cambios futuros.

Dar validez al Proyecto

En la primera fase, se hacen los esfuerzos para probar la base de conocimiento

completa para la lógica y consistencia. La naturaleza exhaustiva de esta prueba sólo es

posible al inicio del proyecto cuando la base de conocimiento es pequeña. Esta



comprobación destapa las deficiencias en el conocimiento y búsqueda de razonamiento,

y valida la opción de la técnica de representación de conocimiento y de desarrollo de

software.

La segunda fase es probar es más de una demostración el sistema. Su propósito es

quitar algún posible escepticismo por el proyecto que podría sostenerse por los

individuos dentro de la organización. Aunque el sistema habrá limitado la capacidad en

su formulario del prototipo, una demostración exitosa en algún problema pequeño nutrirá

el apoyo por el proyecto.

En el futuro el prototipo madurará al punto dónde puede atacar los problemas reales que

formen el dominio. En esta fase de probar, se compara los resultados del sistema con

aquellos del experto.

¿Lanzar el Prototipo?

Una dificultad típica que puede descubrirse al seguir la comprobación del prototipo es

que la opción original de la herramienta de desarrollo de software era pobre. Por

ejemplo, puede encontrarse que la técnica de representación de conocimiento o el

método de la inferencia es impropia.

Vía para la Adquisición de Conocimiento

Es también fructífero usar el sistema del prototipo como una vía para adquirir el

conocimiento.

Por su naturaleza, un prototipo del sistema es sólo una rendición pequeña del sistema

final. Los límites de su conocimiento en el problema son rápidamente puestos en claro

durante la prueba, dónde los fracasos son las reglas. Con la cooperación del experto,

un estudio después de este fracaso abre la puerta al conocimiento adicional. El experto

puede determinar por qué el resultado dado por el sistema está equivocado, y puede

proporcionar la visión en qué conocimiento está extrañando en el sistema que le impidió

alcanzar el resultado correcto. De esta forma, el prototipo actúa como otra herramienta

que el ingeniero de conocimiento puede usar para sondear el conocimiento adicional.

TAREA 5: Desarrollo de la Interfaz

Deben definirse las características técnicas de la interfaz al principio del proyecto con

la cooperación del usuario. El desarrollo de la interfaz debe empezar con el desarrollo

del prototipo del sistema experto.

Las claves para un diseño eficaz de la interfaz son:



Consistencia

Claridad

Control

Colores de la pantalla

TAREA 6: Desarrollo del Producto

Durante el desarrollo del prototipo, se sostienen las sesiones de extracción de

conocimiento y se corren las pruebas. Con cada refinamiento, la capacidad del sistema

se mejora. En un modo evolutivo, el prototipo del sistema empieza a asumir la forma

del sistema final. No hay un punto fijo dónde esta transición ocurre; el prototipo

evoluciona gradualmente hasta que el sistema sea completado.

Refinamiento del conocimiento

Una característica básica de un sistema experto es que gana su forma de poder de

conocimiento. Esta tarea implica ensanchar y profundizar el conocimiento.

El conocimiento es hecho más ancho agregando nuevos conceptos. En los sistemas

basados en reglas cuando se agregan las reglas se agrega a este nuevo conocimiento.

En los sistemas basados en frames, el nuevo concepto se agrega generando un nuevo

frame de la clase.

Ahondando el conocimiento involucra información adicional que apoya el conocimiento

existente. En los sistemas basados en reglas, este tipo de desarrollo se ha realizado

agregando reglas que apoyan las reglas existentes. En los sistemas basados en frames,

se agregan los nuevos rasgos al marco existente.

Refinamiento del Control

Una versión temprana de un sistema experto normalmente incluye las estrategias de

control simples. Una opción de encadenamiento dirigido hacia atrás o adelante podría

hacerse, junto con un juego pequeño de metas. Ésta es una manera buena de empezar

el diseño, desde que al principio usted quiere determinar si usted está entrando la

dirección correcta. Con los beneficios del proyecto, se verá maneras buenas de

introducir las estrategias de control más complejas.

Una área dónde pueden esperarse refinamientos en el control del sistema está en la

agenda de la meta. La agenda de la meta proporciona una lista de metas que el sistema

sigue en alguna sucesión del juego. Durante el proyecto, usted puede encontrar una

necesidad para agregar las metas a la agenda o refinar existentes en tareas más finas.

Usted también puede descubrir que la sucesión estricta de una agenda de la meta

también está reprimiendo la aplicación. En este evento, se puede querer hacer las



metas sensibles al contexto de la sesión. Esto puede lograrse a través del uso de meta-

regla. Una meta-regla puede escribirse y establecer las nuevas metas o cargar otras

bases de conocimiento sobre la base de la información descubierta.

Aunque usted puede empezar con una sola opción de encadenamiento dirigido hacia

atrás o adelante, usted puede encontrar una necesidad de cambiar entre ellos. Esta

situación normalmente ocurre si el problema involucra varias tareas algunos de los

cuales pueden manejarse bien por una de las técnicas de la inferencia. Cuando esto

ocurre, usted debe estructurar varias bases de conocimiento, cada uno con su propia

técnica de inferencia.

El Refinamiento de la interfaz

Algunos de los puntos típicos que el usuario final puede proporcionar como guía son:

La facilidad de uso.

Las direcciones de la pantalla.

Las preguntas.

Las clarificaciones.

Los resultados.

Las técnicas interactivas (el ratón, el lightpen, etc.)

El Razonamiento inexacto.

Algunos sistemas expertos necesitan usar una técnica de razonamiento inexacta. Sin

embargo, en las fases tempranas del proyecto, se verifica el conocimiento obtenido del

experto en un sentido exacto. Es decir, deben codificarse hechos, reglas, o frames en el

sistema de una manera exacta. El resultado del razonamiento del sistema puede

verificarse más fácilmente si un acercamiento lógico se toma en la codificación del

conocimiento. Siguiendo este paso de la comprobación, pueden usarse los métodos del

razonamiento inexacto para refinar la performance del sistema.

FASE 4: PRUEBA

Conforme prosigue el proyecto el sistema experto necesitará ser probado y evaluado

periódicamente para asegurar que su performance está convergiendo hacia las metas

establecidas. Deben tomarse las decisiones en que se probará, cómo y cuándo las

pruebas se dirigirán, y quién será involucrado en las pruebas. Es importante que estas



decisiones se tomen temprano, en un momento cuando las metas del proyecto originales

se establecen.

El proceso de la evaluación se preocupa más por la aprobación del sistema y aceptación

del usuario.

Validación del sistema

Un sistema experto modela la decisión de un experto humano. Si se diseñó

correctamente, el sistema deriva los mismos resultados que el experto y razona de una

manera similar al experto. Por consiguiente, el esfuerzo de aprobación debe dirigirse a

lo siguiente:

Valide los resultados del sistema.

Valide que proceso razona el sistema.

Validar los Resultados

Durante la prueba, la información del problema se da al sistema experto y la

recomendación del sistema se compara con resultados cedidos por un individuo llamado

el "evaluador."

Hay tres consideraciones mayores al diseñar una prueba para validar los resultados de

un sistema experto:

La selección del criterio de la prueba.

La selección de los casos de la prueba.

La selección del evaluador.

Seleccionar el Criterio de Prueba

Cada proyecto tiene alguna meta para lograr. Para juzgar si el proyecto ha encontrado

su meta con éxito, el criterio normalmente se establece cuando el proyecto se evalúa.

Si la organización está usando la tecnología para dirigirse a un problema específico

(conducida por el problema), establecer un criterio de prueba entonces es normalmente

directo. Es decir, el sistema debe demostrar que logra algún valor medible en tales

factores como: economías del costo, mejora de productividad, la mejora de calidad del

producto etc. Son problemas muy tangibles, pero ellos son a menudo difíciles de medir

hasta que el sistema se haya especializado en el campo.

Un acercamiento diferente confía en comparar la relativa performance del sistema con

aquella del experto en el campo.



Comparación relativa

Establezca Metas Razonables

La evaluación Requiere Juicio

Seleccionando los Casos de la Prueba

Al trabajar en una aplicación con demandas, es importante que usted pruebe el sistema

primero para los problemas típicos antes de probar los más difíciles.

Selección de Evaluadores

Si el sistema experto será usado por otros expertos se recomienda que estos sean parte

del equipo de “evaluadores”y que no estén asociados al proyecto.

Si el sistema será usado por los no expertos, entonces ellos deben ser parte del equipo

de la evaluación. Ellos pueden proporcionar comentarios adelante si el sistema

proporciona resultados buenos, los resultados más rápidos, etc.

Además debe considerar los siguientes puntos:

Evite el Prejuicio Potencial

Valide el Razonamiento

Aprendiendo de los Errores

La Aceptación del usuario: Dado por:

- Facilidad de uso.

- Claridad de las preguntas.

- Claridad de las explicaciones.

- Presentación de resultados.

- Utilidades del sistema.

- Encuesta al usuario.

Evolución de la Prueba / Evaluación

Paso 1: La Comprobación preliminar

Paso 2: Examinando la demostración

Paso 3: Probando Validación Informal

Paso 4: Prueba de refinamiento

Paso 5: Prueba Formal

Paso 6: Comprobación del campo

FASE 5: DOCUMENTACIÓN



Como un proyecto de sistema experto maduro, la cantidad de conocimiento recolectado

del experto crece. Después de un tiempo, debe encontrar la cantidad de información

abrumadora. Para manejar esta situación, tendrá que decidir temprano sobre algún

método para documentar efectivamente esta información.

Si está propiamente diseñado, esto también servirá para las siguientes tareas de

mantener el sistema y escribir el reporte final del proyecto.

¿Qué necesita ser documentado?

Durante un proyecto de sistema experto, la información que usted necesita para retener

y grabar en la documentación sirve para tres propósitos primarios:

Referencias para desarrollar el sistema experto.

Referencias para redactar el informe final.

Referencias para mantener el sistema experto.

Durante el esfuerzo de desarrollo, se necesitará volver a menudo a esta

documentación para grabar la nueva información o estudiar previamente la información

descubierta. Desde que muchos proyectos requieren un reporte final de proyecto, la

información grabada en la documentación sirve como una fuente valiosa para este

esfuerzo. Siguiendo el despliegue del sistema experto, el sistema necesitará ser

mantenido. Para acomodar cada uno de estos esfuerzos, debe documentar lo siguiente:

Conocimiento

Gráficos de conocimiento

Código fuente

Pruebas

Transcripciones

Glosario de términos específicos del dominio

Reportes.

¿Cómo organizar la Documentación?

Además de contener la información listada en la sección anterior, la documentación debe

ser organizada para facilitar el desarrollo del sistema, la escritura de los reportes y el

mantenimiento del sistema. Para lograr esto, la documentación debe reunir las

siguientes especificaciones:

Fácil entrada de nuevo conocimiento

Fácil acceso y modificación del antiguo conocimiento.



Fácil acceso para la información relacionada.

Fácil repetición del material para redactar el reporte.

Hipertexto

Para facilitar la hojeada de la información relacionada en un documento que ha sido

puesto en la forma electrónica, algunos diseñadores de hoy adoptan la técnica de

hipertexto.

Se puede usar una estructura de hipertexto para leer información sobre algún asunto,

luego navegar a través de otros nodos para aprender sobre la información relacionada.

Para ilustrar, considerar el siguiente ejemplo.

Reporte Final

Para muchos proyectos de sistema expertos necesita escribir un reporte final. Hay

variaciones de que será presentado en este reporte que depende de la organización

para quien el trabajo fue hecho. El contenido del reporte final del proyecto debe incluir lo

siguiente:

Página del título

Tabla de contenidos.

Resumen ejecutivo

Visión global del proyecto

Descripción del programa

Resultados de las pruebas

Resumen

Referencias

Bibliografías

Apéndices.

FASE 6: MANTENIMIENTO

Muchos sistemas expertos contienen conocimiento que está evolucionando con el

tiempo. La organización que usa el sistema puede adquirir nuevos productos y equipos,

o cambiar procedimientos para trabajar con los recursos existentes. Este cambio declara

modificaciones apropiadas requeridas al sistema.



Conforme es usado el sistema experto, las deficiencias pueden también ser

descubiertas. Los usuarios pueden encontrar dificultad para usar el sistema, o pueden

descubrir omisiones. Mantener cualquier tipo de software puede ser costoso.

Dada la probabilidad de que necesita cambios el sistema y sus costos asociados,

necesita ser establecido un programa de mantenimiento efectivo para cada proyecto de

sistema experto. Los usuarios necesitan un camino para reportar problemas que ellos

encuentran, y los individuos con habilidades de ingeniero de conocimiento deben estar

disponibles para hacer los cambios. Debe además haber una manera para manejar el

esfuerzo del mantenimiento para asegurar que la tarea se logre efectivamente.

Los mayores temas a considerar al reunir un programa de mantenimiento de sistema

experto son:

Documentación

Pensar en el mantenimiento durante el diseño

Estructura Modular

Separar el conocimiento de la información

Meta Reglas

Problemas del Software

Habilidades de programación

Portabilidad del sistema

Utilidades de modificación

Acuerdo de mantenimiento

¿Quién mantiene el sistema?

Cambios del documento.



BIBLIOGRAFÍA

LIBROS

[01]* Durkin, J. “EXPERT SYSTEMS: DESIGN AND DEVELOPMENT”. New

York. Maxwell Macmilan. 1994

[02] Cohen, D. “SISTEMAS DE INFORMACIÓN PARA LA TOMA DE

DECISIONES”. McGrawHill.

[03] Sánchez, J. “SISTEMAS EXPERTOS: UNA METOLOGIA DE

PROGRAMACION”.Prentice Hall. México. 1991

* Traducido del original por el autor.

INTERNET

[INTER 01] www.uc3m.es

[INTER 02] www.monografias.com

[INTER 03] www.uakron.edu

[INTER 04] www.pucp.edu.pe

[INTER 05] www.inei.gob.pe

[INTER 06] www.itnuevolaredo.edu.mx/takeyas


http://www.inei.gob.pe/

http://www.pucp.edu.pe/

http://www.uakron.edu/

http://www.monografias.com/

http://www.uc3m.es/



Documents

58179085 Tutorial de Inteligencia Artificial y Sistemas Expertos