UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERA ESTADSTICA E INFORMTICA

ASIGNATURA: INTELIGENCIA ARTIFICIAL

TTULO: SISTEMAS EXPERTOS (SE)

Alumno: Romel Percy Mel !re"o #ol$%!r

DOCENTE: I& ' Rey&!l(o S)c!r$ Leo&

SISTEMAS EXPERTOS (SE) Resumen

Desde que naciera la Inteligencia Artificial como tal ciencia,

a principios de los 60, hasta la actualidad, se han venido realizando numerosos trabajos, para el desarrollo de los diversos campos que componen la Inteligencia Artificial. De todos esos campos, quiz el que puede tener ma or n!mero de aplicaciones prcticas sea el de los "istemas #$pertos, siendo dichas aplicaciones de utilidad en temas tan variados que pueden ir desde la medicinahasta la ense%anza. &alabras claves' "istemas #$pertos, inteligencia, conocimiento,

razonamiento #n palabras de un gran matemtico, (laise &ascal' )*omo no se puede ser universal saber todo acerca de todo, es mejor saber un poco de cada tema, que saber todo sobre un solo tema ), as+ fue como inici, la inquietud de los investigadores en los a%os -0, con la idea de un sistema general en anlisis, ms o de resoluci,n de problemas ./eneral fuera capaz de &roblem resolver "olver' /&"0, que por medio de una serie de algoritmos basados menos e$haustivos, relativos toda clase de problemas a juegos de estrategias de

demostraciones automticas. 1a ambici,n era grande, as+ como lo fue la decepci,n que tuvieron al ver que a pesar de los progresos te,ricos esperaban. algunos programas espectaculares, no obtuvieron los resultados que se

Pgina *

SISTEMAS EXPERTOS (SE) Introduccin

#ntonces se da un cambio en la direcci,n del problema, se enfocar+an en un dominio espec+fico, recurriendo al conocimiento sobre el tema obtenido de las mismas personas, pretenden simular el razonamiento de un e$perto humano ante alguna situaci,n. As+ es como surge una de las ramas de ma or avance dentro de la Inteligencia automatizar Artificial, la labor los del "istemas e$perto, #$pertos2 partiendo con en la idea de ocasiones

de informaci,n insuficiente o incompleta. #ste art+culo presentar una introducci,n al amplio tema de la

Inteligencia Artificial, para luego llegar al campo de los "istemas #$pertos, dndonos una descripci,n general de lo que es, revisando su concepto, estructura, campos de aplicaci,n ejemplos que fortalezcan la comprensi,n de los mismos. 1a Inteligencia en la Artificial comenz, como l,gica el resultado "e de la ha

investigaci,n en psicolog+a cognitiva enfocado e$plicaci,n

matemtica.

del trabajo mental

construcci,n de

algoritmos de soluci,n a problemas de prop,sito general. 1a Inteligencia Artificial es una combinaci,n de la

ciencia del computador, fisiolog+a

filosof+a, tan general

amplio como

eso2 re!ne varios campos .rob,tica, sistemas e$pertos, por ejemplo0, todos los cuales tienen en com!n la creaci,n de mquinas que pueden )pensar). 1a idea de construir una mquina, que pueda ejecutar tareas que parecen necesitar de la inteligencia humana para llevarse a cabo es un atractivo. 1as tareas que han sido estudiadas desde este punto de vista inclu en juegos, traducci,n de idiomas, comprensi,n de

Pgina +

SISTEMAS EXPERTOS (SE)

idiomas, diagn,stico de fallas, rob,tica, suministro de asesor+a e$perta en diversos temas. #s as+ como los sistemas de administraci,n de base de datos cada vez ms sofisticados, la estructura de datos inserci,n, borrado el desarrollo de algoritmos de locaci,n de datos, as+ como el intento de crear

mquinas capaces de realizar tareas que son pensadas como t+picas del mbito de la inteligencia humana, acu%aron el t3rmino Inteligencia Artificial en 4566. 7rabajos te,ricos fundamentales fueron el desarrollo de

algoritmos matemticos por 8arren 9c*ulloc:

8alter &itts, en 45-;,

necesarios para posibilitar el trabajo de clasificaci,n, o funcionamiento en sentido general, de una red neuronal. #n 45-5 Donald <ebb desarroll, creando, un algoritmo en conjunto de aprendizaje para con los trabajos dichas redes neuronales de 9c*ulloc: &itts,

la escuela creacionista. #sta escuela se considera ho como el origen de la Inteligencia Artificial, sin embargo se trat, poco por muchos a%os, dando paso al razonamiento simb,lico basado en reglas de producci,n, lo que se conoce como sistemas e$pertos.

Pgina ,

SISTEMAS EXPERTOS (SE) Inteligencia artificial (IA)

=n "istema #$perto es una aplicaci,n informtica que simula

el comportamiento de un e$perto humano, en el sentido de que es capaz de decidir cuestiones, aunque sea en un campo restringido. &ara esto, se debe tener en cuenta que la principal caracter+stica del e$perto humano viene a ser el conocimiento o habilidades profundas en ese campo concreto, por consiguiente, un "istema #$perto debe ser capaz de representar ese conocimiento profundo con el objetivo de utilizarlo para resolver problemas, justificar su comportamiento e incorporar nuevos conocimientos. "e podr+a incluir tambi3n el hecho de poder comunicarse en lenguaje natural con las personas, aunque esta capacidad no es tan determinante como las anteriores de lo que se puede definir como "istema #$perto. =n e$perto humano es alguien con un conocimiento profundo, que no solamente soluciona problemas espec+ficos sino que tambi3n los pone dentro de un conte$to ms amplio. #llos )transfieren) todos sus conocimientos e$periencias a una computadora que posiblemente los sustitu a en su labor. &ero los sistemas a!n carecen de algo que tal vez jams va an a tener' Inteligencia natural. 1os sistemas e$pertos se aplican por norma general en problemas que implican un procedimiento basado en el conocimiento. > sea, un procedimiento que comprende la utilizaci,n de normas o estructuras que contengan conocimientos e$periencias de e$pertos, deducci,n l,gicade la manipulaci,n conclusiones, capacidad de interpretar datos ambiguos de conocimientos afectados por la probabilidad. 1a mejor forma de entender el funcionamiento de un "istema #$perto es conociendo los componentes que conforman la estructura del mismo,

Pgina -

SISTEMAS EXPERTOS (SE)

las funciones que desempe%an individualmente. Dichos componentes se tratarn seguidamente.

Sistemas Expertos (SE) Componentes de un Sistema Experto

Aunque los componentes de un "istema #$perto no se manejan de forma estndar, nos encontramos con un modelo tradicional en la estructura de los mismos. BASE DEL CO OCI!IE "O #### !O"OR DE I $ERE CIAS #### I "ER$A% &S&ARIOS 9odelo de un "istema #$perto #l conocimiento del e$perto se obtiene de alguna forma (Subsistema de adquisicin de conocimientos) se organiza en una base de conocimientos, en funci,n de los datos disponibles de la aplicaci,n

.base de hechos o base de datos0 se imita la forma de actuar del e$perto e$plorando en la base de conocimientos hasta encontrar la soluci,n .motor de inferencia0. 1os resultados finales Adems algunos sistemas e$pertos manejan un la forma en que componente de se obtienen se e$presan a trav3s de la interfase hombre-mquina [ver F e$plicaci,n. 1a forma individual de cada uno de los componentes, iniciando con el subsistema de adquisici,n de conocimientos. #l m,dulo de adquisici,n del conocimiento permite que se puedan a%adir, eliminar o modificar elementos de conocimiento .en la ma or+a de los casos reglas0 en el sistema e$perto. "i el entorno es dinmico es mu necesario, puesto que, el sistema funcionar correctamente s,lo si se mantiene actualizado su conocimiento. #l m,dulo de adquisici,n

Pgina .

SISTEMAS EXPERTOS (SE)

permite efectuar ese mantenimiento, anotando en la base de

conocimientos los cambios que se producen. 7odos los conocimientos que se obtienen deben ser estructurados de una forma correcta, todo este conocimiento se almacena en lo que se conoce como la base de conocimientos.

Su'sistema de ad(uisicin de Conocimientos

1a base de conocimientos contiene el conocimiento especializado e$tra+do del e$perto en el dominio. #s decir, contiene conocimiento general sobre el dominio en el que se trabaja. #l enfoque ms com!n para representar el dominio del conocimiento que se requiere para un "istema #$perto son las reglas de producci,n. #stas pueden ser referidas como reglas )situacin-accin) o )if-then). De esta forma, con frecuencia una base de conocimientos esta fraguada principalmente de reglas, las cuales son invocadas por un casamiento de patrones con las particularidades de las tareas circunstanciales que van apareciendo en la base de datos global. =n ejemplo de regla de producci,n es' "i .&ersona edad 4?0 and .&ersona se$o masculino0 #ntonces .&ersona hacer "ervicio@militar0

Pgina /

SISTEMAS EXPERTOS (SE)

1a regla anterior determina que si una persona tiene 4? a%os es de se$o masculino, deber hacer el servicio militar. #$isten reglas de producci,n que indican bajo que condiciones deben considerarse unas reglas en vez de otras, estas reglas son conocidas como 9etareglas. =n ejemplo de 9etaregla es' "i .paciente edad@avanzada0 entonces .reglas enfermedades@ancianos0 1a 9etaregla anterior determina que si un paciente es de edad avanzada, debern aplicarse las reglas de enfermedades en ancianos, en lugar de utilizar las de enfermedades en j,venes por ejemplo. 1a fuerza de un "istema #$perto ace en el conocimiento espec+fico del generalmente se obtienen #n cualquier adems

dominio del problema. *asi todos los sistemas e$istentes basados en reglas contienen un centenar de ellas de entrevistas con e$pertos durante un tiempo largo.

"istema #$perto, las reglas se conectan una a otra por ligas de asociaci,n para formar redes de reglas. =na vez que han sido ensambladas tales redes, entonces tenemos una representaci,n de un cuerpo de conocimientos que es substancial. /eneralmente, un e$perto tiene muchas reglas de criterio o emp+ricas por lo que el soporte suele ser incompleto para la evidencia que se dispone. #n tales casos una t3cnica es la de vincular valores num3ricos a cada regla para indicar el grado de certidumbre que 3sta tiene. #n la operaci,n de "istemas #$pertos los valores de certidumbre se combinan unos a otros a trav3s de la red, considerando tambi3n, la certidumbre de los datos de entrada del problema, para llegar finalmente a un valor de certidumbre de la soluci,n final. &ero no es suficiente con conocer la base de conocimientos para entender la estructura el funcionamiento de los "istemas #$pertos,

Pgina 0

SISTEMAS EXPERTOS (SE)

otro de los componentes esenciales de estos sistemas, es la base de datos o base de hechos.

Base de Conocimientos
1a base de datos o base de hechos es una parte de la memoria del ordenador que se utiliza para almacenar los datos recibidos inicialmente para la resoluci,n de un problema. *ontiene conocimiento sobre el caso concreto en que se trabaja. 7ambi3n se registrarn en ella las conclusiones intermedias generados en el proceso de inferencia. Al memorizar los datos todos los el

resultados intermedios, conserva el vestigio de los razonamientos efectuados2 por lo tanto, se puede utilizar e$plicar las deducciones comportamiento del sistema. 7odos estos datos no son suficientes, si no se tiene un sistema encargado de procesar resultados inferencia. deseados, manipular toda la informaci,n para generar los este sistema es conocido como 9otor de

Pgina 1

SISTEMAS EXPERTOS (SE)

Base de Datos o Base de )ec*os

#l motor de inferencia es el )supervisor), un programa que est entre el usuario la base de conocimientos, que e$trae conclusiones a partir de los datos simb,licos que estn almacenados en las bases de hechos de conocimiento. Dependen en gran medida de la representaci,n elegida2 por su importancia analizaremos los motores de inferencia basados en reglas. #$isten varios algoritmos de b!squeda a lo largo de las reglas para inferir conclusiones a partir de los hechos las reglas. 7odos los algoritmos son del tipo )patternAmatching), van disparando reglas a medida que se cumplen las condiciones. "e pueden diferenciar dos mecanismos de inferencia' #ncadenamiento hacia delante encadenamiento hacia atrs. 1a llamada )t3cnica de encadenamiento hacia adelante) consiste en aplicar al conocimientoAbase .organizado en forma de reglas de producci,n0, junto con otro conocimiento disponible, el esquema

Pgina 23

SISTEMAS EXPERTOS (SE)

inferencial modus ponens. #sta estrategia se denomina

)encadenamiento hacia adelante) o )razonamiento de datos dirigidos), porque comienza con los datos conocidos aplica el modus ponens sucesivamente hasta obtener los resultados que se siguen. 1as reglas se aplican )en paralelo), o sea, en cualquier iteraci,n una regla toma los datos cuales eran al principio del ciclo, por lo tanto el conocimientoAbase el sistema no dependen del orden en el que las reglas son establecidas, almacenadas o procesadas. #sta t3cnica suele utilizarse cuando la cantidad de datos es potencialmente mu t+pico en los problemas de diagn,stico. 1a t3cnica del )encadenamiento hacia atrs) consiste en tratar de probar un dato .o conocimiento0 engarzndolo en las reglasAbase con el esquema de inferencia modus ponens, o sea, tomando al dato como un consecuente buscando en el conocimientoAbase el correspondiente antecedente, a trav3s de los pasos correspondientes. #stas dos formas de inferencia se corresponden por con los grande, resulta de inter3s alg!n conocimiento espec+fico tomado en consideraci,n .caso

dos m3todos l,gicos

clsicos

conocidos

varios datos. C

nombres' m3todo resolutivo m3todo compositivo2 anlisis B s+ntesis. 1a distinci,n se basa en la relaci,n direccional entre objetivos ambas formas pueden combinarse en el razonamiento. *abe partir de un supuesto inicial, inferir una conclusi,n mediante un razonamiento hacia adelante luego establecer un encadenamiento hacia atrs hasta encontrar los datos que confirman esa conclusi,n. #s importante destacar que la base de conocimientos herramientas que !nicamente necesitan la el motor de del

inferencia son sistemas independientes, por lo que se han desarrollado implementaci,n conocimiento, llevando incorporado el motor de inferencia.

Pgina 22

SISTEMAS EXPERTOS (SE)

1a forma en que se obtiene o se presenta la informaci,n debe ser tal, que facilite la comprensi,n de los datos la forma como se ingresa la informaci,n, por lo cul es necesaria la interfase <ombreA9quina.

!otor de Inferencia
1a interface establece una comunicaci,n sencilla entre el usuario grficos, o alg!n otro tipo de interfaces, el

sistema. #l usuario puede consultar con el sistema a trav3s de men!s, 3ste le responde con resultados. 7ambi3n es interesante mostrar la forma en que e$trae las conclusiones a partir de los hechos. #n sistemas productivos se cuida la forma de presentar al operador las ,rdenes obtenidas del sistema e$perto, debido a que informaci,n e$cesiva o confusa dificulta la actuaci,n en tiempo real. "i un sistema e$perto se encarga de la detecci,n de aves contener infinidades de reglas como por ejemplo podr+a

Aunque no se maneja dentro de la estructura de un "istema #$perto en general, e$iste un componente adicional, el componente de e$plicaci,n, el cul se tratar a continuaci,n.

Interface )om're+!,(uina
Pgina 2*

SISTEMAS EXPERTOS (SE) Componente de explicacin

#l componente de e$plicaci,n es el que permite justificar anlisis completo del problema semejanza o diferencia entre dicha soluci,n e$plicar el

las soluciones propuestas, as+ como la las de los casos hist,ricos.

A pesar de su importancia, a!n no se ha podido cumplir de manera ,ptima con sus requisitos. 9uchos representan el progreso de la consulta al sistema de forma grfica. Adems los componentes e$plicativos intentan justificar su funci,n rastreando hacia atrs el camino de la soluci,n. Aunque encontrar la forma de representar finalmente en un te$to lo suficientemente inteligible las relaciones encontradas depara las ma ores dificultades. #s importante conocer a parte de la estructura de un "istema #$perto, en que campos cobran ma or relevancia, =n sistema e$perto es mu cantidad de informaci,n, cual ser+a su funci,n en 3l.

eficaz cuando tiene que analizar una gran interpretndola proporcionando una

recomendaci,n a partir de la misma, a continuaci,n una tabla mostrando el uso de los "istemas #$pertos ante distintos problemas.

Pgina 2+

SISTEMAS EXPERTOS (SE)

A pesar de que los campos de aplicaci,n son grandes, es importante conocer las ventajas de "istema #$perto. desventajas que se presentan para la utilizaci,n

Campos de aplicacin -enta.as / Des0enta.as de los Sistemas Expertos

A la hora de tomar la decisi,n de desarrollar un "istema #$perto, se deben analizar las distintas ventajas desventajas que estos tienen.

-enta.as
#ntre las principales ventajas de un "istema #$perto, se pueden mencionar' 1os "istemas #$pertos que se codifican humano. 1a separaci,n entre base de conocimiento proporciona una gran fle$ibilidad al "istema. motor de inferencia tratan el conocimiento

de un e$perto, alcanzan el nivel de prestaciones de un e$perto

Pgina 2,

SISTEMAS EXPERTOS (SE)

1os "istemas #$pertos permiten llegar a una refle$i,n sobre el conocimiento los procedimientos, para toma de decisiones realizados por los e$pertos. &osibilidad de trazar el razonamiento seguido por el "istema #$perto. Algunos "istemas #$pertos utilizan coeficientes de verosimilitud para ponderar sus deducciones. #n manipulaci,n de s+mbolos, los "istemas #$pertos abren el campo a nuevas aplicaciones, no automatizadas hasta la fecha.

Des0enta.as
Aunque son grandes las ventajas, no ha desventajas que se pueden presentar' que dejar de lado las

1a publicidad realizada alrededor de esta t3cnica seduce a muchas personas pero crea aspiraciones imposibles de satisfacer. 1a e$tracci,n del conocimiento es el problema ms complejo que se les plantea a los ingenieros de conocimientos. *iertos problemas estn ligados a la representaci,n del conocimiento. 1os "# son incapaces de reconocer un problema para el que su propio conocimiento es inaplicable o insuficiente. 1os motores de inferencia poseen algunos l+mites. 1as interfaces con usuarios no son lo suficientemente amigables. 1as aplicaciones suministradas por los "# son, frecuentemente, esot3ricas.
Pgina 2-

SISTEMAS EXPERTOS (SE)

Dalta personal competente aplicaciones. *ampo de aplicaciones restringido #l costo es bastante alto. Aunque se conozcan las ventajas las desventajas de los "istemas su espec+fico. para investigar desarrollar

#$pertos, no se logra una visi,n clara de los "istemas #$pertos reales.

capacidad, hasta que se conocen algunos ejemplos en aplicaciones

E.emplos de Sistemas Expertos

A continuaci,n se presentan algunos "istemas #$pertos que se han desarrollado para la soluci,n de diversos problemas. 9C*IE es un "istema #$perto para la realizaci,n de diagn,sticos en el rea de la medicina, iniciado por #d Deigenbaum posteriormente desarrollado por #. "hortliffe sus colaboradores. "u funci,n es la de aconsejar a los m3dicos en la investigaci,n determinaci,n de diagn,sticos en el campo de las enfermedades infecciosas de la sangre.
F*>E es un "istema #$perto para configuraciones, desarrollado

por

la

Digital

#quipment

*orporation.

"eg!n

los

deseos

individuales del clientese configuran redes de ordenadores GAF. Ca que el abanico de productos que se ofrecen en el mercado es mu amplio, la configuraci,n completa correcta de un sistema de estas caracter+sticas es un problema de gran complejidad.
Pgina 2.

SISTEMAS EXPERTOS (SE)

Hesponde esencialmente a dos preguntas' I&ueden conjugarse los componentes solicitados por el cliente de forma conveniente razonableJ C I1os componentes de sistema especificados son compatibles mu completosJ 1as respuestas a estas preguntas son completar los mejor que las personas detalladas. F*>E es capaz de comprobar

pedidos entrantes mucho ms rpido encargadas de hacerlo antes que 3l.

D#17A, sistema e$perto que a uda a los mecnicos en el diagn,stico reparaci,n de locomotoras dieselAel3ctricas, D#17A no s,lo da consejos e$pertos, sino que tambi3n presenta informaciones por medio de un reproductor de v+deo.

#n

45K?

se

desarrollo

otro

sistema

e$perto

de 3$ito'

&H>"&#*7>H. #ste quizs impulso ms la carrera por desarrollar mejores sistemas e$pertos, dado que su misi,n era predecir la posibilidad de encontrar dep,sitos de minerales en una regi,n en concreto. 9inerales como petr,leo, gas natural, helio. 1a composici,n de un "istema #$perto, sus aplicaciones, ventajas desventajas, algunos ejemplos sobre estos2 han sido los puntos generales que se han tratado a lo largo de este art+culo, con el fin de crear una ma or conciencia del uso real de este tipo de sistemas. =n sistema e$perto puede, sin duda alguna, darnos el mismo resultado que un e$perto humano2 lo que s+ debemos reconocer es que ning!n sistema e$perto, hasta ahora, puede resolver diferentes problemticas dentro de una empresa, a que estos son siempre mu espec+ficos. "in embargo, es de esperarse que con los avances que tienen las herramientas tecnol,gicas se produzcan un desarrollo cercano al
Pgina 2/

SISTEMAS EXPERTOS (SE)

comportamiento humano en muchas reas, con estos avances en el terreno de los negocios se podr+a ser ms eficiente productivo.

A pesar de los dramticos avances logrados, la inteligencia artificial no ha sido capaz de desarrollar sistemas capaces de resolver problemas de tipo general, de aplicar sentido com!n para la soluci,n de situaciones complejas, de manejar situaciones ambiguas ni de utilizar efectivamente informaci,n incompleta. #stas !ltimas son caracter+sticas inherentes de la inteligencia natural.

Bi'liograf1a )"istemas #$pertos). #siL.us.es. =H1' http'BBMMM.esiL.us.esBNdcoBsistemas.htm )7endencias de los "istemas #$pertos). Eetmedia.info =H1' http'BBMMM.netmedia.infoBnetmediaBartic ulos.phpJid@secO;LPid@artOLL66 )Arquitectura de "istemas #$pertos). =H1' http'BBdelta.cs.cinvestav.m$BNschapaBredBintro@lmBnode-6.html )"istemas #$pertos) 8orldonline.es =H1' http'BBhome.Morldonline.esBjmariocrB )"istemas #$pertos' Qreas de aplicaci,n). /eocities. =H1' http'BBMMM.geocities.comBjavierml.geoBdocB"istemas#$pertos.htm l )"istemas #$pertos' #l conocimiento al poder). &sicolog+a.com =H1' http'BBMMM.ps cologia.comBarticulosBarAjsamper04@L.htm )"istemas #$pertos). =cm.es

Pgina 20

SISTEMAS EXPERTOS (SE)

=H1' http'BBMMM.ucm.esBinfoBeurotheoBdiccionarioB"Bsistemas@e$pertos .htm R9onograf+a ".#S Zamora Salazar Jos Efran,Coronel Jaramillo

Ricardo Andrs

Pgina 21