Embed Size (px)
DESCRIPTION
Este es un artículo muy completo
Citation preview
SISTEMAS EXPERTOSGomez C. Viviana Yalile, Zambrano L. Andrea Cristina
Facultad de Ingeniería Electrónica y TelecomunicacionesUniversidad del Cauca
Popayán, [email protected]
Abstract- Hoy en dia vivimos rodeados por la tecnologia, por lo tanto es importante que los niños, desarrollen el pensamiento computacional desde los primeros grados de primaria. Sin embargo estos no han sido tenidos en cuenta para el desarrollo de actividades que promuevan su creatividad. Este trabajo propone el desarrollo de actividades para niños de primero y segundo de primaria, las cuales seran desarrolladas mediante la herramienta Scratch. La propuesta fue evaluada a través de un estudio de caso.
I. INTRODUCCIÓN
En la actualidad existen programas, dentro de la inteligencia
artificial a los que se les atribuye la facultad de pensar y
razonar adoptando los conocimientos y los procedimientos de
un experto humano en un campo en particular, para resolver un
problema concreto, pudiendo mejorar su productividad,
ahorrar tiempo y dinero, conservar sus valiosos conocimientos
y difundirlos más fácilmente, estos programas se denominan
Sistemas Expertos. Este tipo de modelos de conocimiento por
ordenador ofrece un extenso campo de posibilidades en
resolución de problemas y en aprendizaje. Su uso se extenderá
ampliamente en el futuro, debido a su importante impacto
sobre los negocios y la industria.
A lo largo del documento se expresara a través de los
artículos encontrados, la utilidad de los sistemas expertos y se
trataran los métodos de representación del conocimiento, así
como el proceso de inferencia
II. DEFINICION DE UN SISTEMA EXPERTO
Según Edward Feigenbaum et. al. [1] de la Universidad de
Stanford, define un sistema experto como “un programa de
ordenador inteligente que usa 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. Se puede decir que los
sistemas expertos son programas, los cuales capturan el
conocimiento de un experto e imitan los procesos de
razonamiento para la resolución de problemas en un
determinado dominio. Por otra parte el grupo de especialista de
la Sociedad Británica de ordenadores en sistemas expertos lo
define como “La incorporación dentro de un sistema de
ordenador de un componente básico en el conocimiento,
correspondiente a una habilidad experta, de tal forma que el
sistema pueda ofrecer asesoramiento inteligente o tomar una
decisión inteligente sobre una función del proceso. Una
característica adicional deseable, que muchos consideran
fundamental, es la capacidad del sistema, si se le solicita, de
justificar su propia línea de razonamiento de un modo
directamente inteligente para el interrogador. El estilo
adoptado para alcanzar estas características es la programación
basada en reglas”.
III. EVOLUCION DE UN SISTEMA EXPERTO
La inteligencia artificial comenzó su desarrollo en los años
sesenta. Se pueden distinguir tres etapas en la aparición y
diseño de los sistemas expertos:
1
1. Etapa de iniciación, entre 1965 y 1970, en la que se
desarrollan los primeros prototipos de sistemas
expertos, como por ejemplo: DENDRAL (resuelve
problemas de química molecular) y MACSYMA
(resuelve más de seiscientas operaciones matemáticas
diferentes).
2. Etapa de experimentación y desarrollo, entre 1970 y
1980, en la cual se produjo la mayor aportación de
Europa a la Inteligencia Artificial y en particular a los
sistemas expertos, a través del desarrollo del lenguaje
PROLOG (Programing language for logic). Durante
esta etapa aparecen los sistemas expertos más
conocidos como son: MYCIN (para la consulta y
diagnóstico de la meningitis) y PROSPECTOR
(evalúa prospecciones geológicas con el fin de hallar
yacimientos minerales).
3. Etapa de industrialización, a partir de 1980, en ella
numerosas empresas de alta tecnología como IBM,
Fujitsu Digital Equipment Corporation, Hewlett
Packard, etc., comienzan a investigar y desarrollar
sistemas expertos, con el objetivo de integrar dichos
sistemas con otras aplicaciones de la inteligencia
artificial, para de esta forma mejorar sus prestaciones.
IV. CARACTERISTICAS Y OBJETIVOS DE LOS SISTEMAS EXPERTOS
A continuación se definen las características y objetivos de
los sistemas expertos:
Características
Pueden resolver problemas muy difíciles tan bien o
mejor que los seres humanos.
Razonan heurísticamente, usando lo que los expertos
consideran reglas empíricas efectivas, e interactúan
con los humanos de forma adecuada, incluyendo el
lenguaje natural.
Manipulan y razonan sobre descripciones simbólicas.
Pueden funcionar con datos que contienes errores
usando reglas de enjuiciamiento inciertas.
Pueden contemplar múltiples hipótesis en
competición simultáneamente.
Pueden explicar por qué están formulando una
pregunta
Pueden justificar sus conclusiones.
En el orden en que los sistemas expertos, actúen como
ayudantes inteligentes de los expertos humanos o como
informadores cuando no hay forma de acceder al conocimiento
o a la experiencia, se podría decir que el objetivo de un sistema
experto es sustituir al experto humano y mejorarle, además de
esto se pueden citar los siguientes objetivos:
Mejorar la calidad del conocimiento de los expertos
humanos.
Conseguir la supervivencia del conocimiento y que
no muera con la muerte física del experto humano.
Multiplicar el número de expertos y, por tanto,
hacer más accesible el conocimiento existente.
Disminuir el coste del conocimiento.
V. METODOS DE REPRESENTACION DEL CONOCIMIENTO
Los métodos de representación del conocimiento más
utilizados son:
1. En las redes semánticas el conocimiento se
representa mediante una colección de objetos
llamados “nodos” ligados entre sí, que representan
objetos, conceptos o eventos. Las conexiones entre
los nodos se denominan “arcos” y representan
relaciones del tipo “es-un”, “forma parte-de”, etc.
Los nodos están ordenados jerárquicamente de
modo que las propiedades asociadas a cada uno de
ellos son heredadas por todos los de inferior
jerarquía asociados a él 1989.
2. Los marcos de referencia, también llamados
frames, son una estructura o grupo de atributos que
describen un determinado objeto. Cada uno de los
atributos se denomina “slot” y puede contener:
valores iniciales o valores por defecto; relaciones
que les ligan con otros frames y que permiten
heredar atributos de los frames jerárquicamente
superiores o procedimientos para cambiar los
valores de los atributos mediante la utilización de
funciones que calculan el valor del atributo de
acuerdo con la información suministrada.
3. Las reglas de producción constituyen el método
más utilizado para la representación del
conocimiento en los sistemas expertos. Se trata de
estructuras del tipo SI “premisa” entonces
“conclusión”. La porción SI de la regla, especifica
la condición o condiciones que deben cumplirse, si
existe más de una condición entre ellas estarán
conectadas por medio del operador lógico “y” pero
también pueden estar conectadas con el operador
“o”; mientras que la porción entonces, representa la
acción o acciones que se deben realizar. En el
momento en el que se compruebe que la premisa de
una regla es cierta, se puede ejecutar ésta, en el
sentido de que se llevan a cabo todas y cada una de
las acciones indicadas en la conclusión de la regla;
dichas acciones se convierten en nuevos hechos
que pueden ser la premisa de una nueva regla que,
a su vez, puede desencadenar nuevos hechos, y así
sucesivamente.
4. Las ternas objeto-atributo-valor se basan en la idea
de que los objetos se caracterizan por una serie de
atributos a los que se pueden asignar valores. Los
objetos pueden ser físicos o bien abstractos. Los
objetos tienen asociadas unas características o
propiedades, que son los atributos. El valor del
atributo especifica la naturaleza de un atributo en
un momento determinado.
VI. PROCESO DE INFERENCIA
El componente más importante del gestor de conocimiento
es el llamado motor de inferencia que examina las reglas y
hechos de la Base de conocimiento, interactúa con el modelo
situacional, resuelve los conflictos, deduce e infiere soluciones
y como subproducto de ello, almacena estrategias de
tratamiento para el futuro. También incluye un módulo de
aprendizaje del sistema, que permite la actualización de la base
de conocimiento en función de las soluciones obtenidas y de
los desarrollos posteriores de los hechos, y que también
actualiza los esquemas de interpretación del modelo
situacional.
El proceso de inferencia depende del tipo de representación
del conocimiento que se utiliza para desarrollar el sistema
experto. A continuación se muestra el proceso de inferencia
para un sistema experto basado en reglas.
Los hechos contenidos en la memoria de trabajo y las reglas
y hechos contenidos en la base conocimientos se relacionan
mediante el pattern matching o estrategias de emparejamiento
de reglas que permiten obtener conclusiones. Las estrategias de
emparejamiento de las reglas pueden ser de tres tipos:
Modus ponens: es la estrategia más común, afirma
que si se tiene la regla: “Si A es cierto entonces B es
cierto” y se sabe que “A es cierto”, entonces puede
afirmarse que “B es cierto”.
Modus tollens: esta estrategia afirma que si se tiene la
regla: “Si A es cierto entonces B es cierto”
Resolución: es la estrategia que se utiliza para la
obtención de conclusiones compuestas a partir de dos
regla encadenadas; para ello, primero se sustituyen las
reglas por expresiones lógicas equivalentes, después
se combinan éstas entre sí para dar una nueva
expresión lógica y por último, se combina ésta con la
evidencia de los hechos.
VII. CONCLUSION
La revisión literaria, indica que los sistemas expertos cada
vez están siendo más utilizados en el mundo empresarial, en el
gobierno, en la industria, entre otras. Es evidente que la
tecnología de los sistemas expertos está cambiando la forma de
atacar los problemas, según estudios de caso esta tecnología ha
3
sido aplicada con éxito. Probablemente en un futuro cercano
los sistemas expertos revolucionaran la forma de manejar el
conocimiento dentro de las organizaciones.
REFERENCIAS
[1] [1] Salvador Climent Serrano, “Sistemas Expertos,” 1999. Universidade valencia
[2] M. Resnick, “All I really need to know (about creative thinking) I learned (by studying how children learn) in kindergarten
[3] J. Kuenzi, “Science, technology, engineering, and mathematics (stem) education: Background, federal policy, and legislative action,” 2008
[4] C. S. Jobs, “STEM Sector Employer Skills Survey Report,” 2011. [Online]. Available: http://www.ctstemjobs.org/resources/CT_STEM_Employer_skills_survey_summary_report.pdf..
[5] A. J. Gill and A. Thompson, “Bridging second-grade children’s thinking and mathematical recording,” J. Math. Behav., vol. 14, no. 3, pp. 349–362, Sep. 1995
[6] G. Keren and M. Fridin, “Kindergarten Social Assistive Robot (KindSAR) for children’s geometric thinking and metacognitive development in preschool education: A pilot study,” Comput. Human Behav., vol. 35, no. 0, pp. 400–412, Jun. Creatividad y aprendizaje: el juego como herramienta pedagogica, Aller Matines.
[7] T. Y. Lee, M. L. Mauriello, J. Ahn, and B. B. Bederson, “CTArcade: Computational thinking with games in school age children,” Int. J. Child-Computer Interact., no. 0.
[8] J. H., Cesar Collazos. Samith Cruz y Oscar Rojas, “Child programming: Una estrategia” de aprendizaje y construcción de software basada en la lúdica, la colaboración y la agilidad,” Revista Universitaria RUTIC, vol. 1, no. 1, 2012
[9] L. Flannery, “Computational thinking and tinkering: Exploration of an early childhood robotics curriculum”, Informatica y Educacion , vol 72, pp. 145-157, Marzo 2014
[10] J. Sarame, D. Clement. Early childhood mathematics education research: Learning trajectories for young children. Routledge, 2009.
[11] J. Walle, K. Karp, J Williams, “Elementary and middle school mathematics: Teaching developmentally”,2007
