CENTRO DE ENSEÑANZA TECNICA INDUSTRIAL

Sistemas expertos
Israel Suarez Robles 15310305 6F2

Arquitectura de Sistemas Expertos

Definición de Sistema Experto. Conocidos bajo las denominaciones de Sistemas Basado en
Conocimiento (Knowledge Based Systems, KBS), o Sistemas Expertos S.E. (Expert Systems).
 Poseen conocimiento de un experto humano o un área de conocimiento determinada.
 Son capaces de proporcionar recomendaciones inferidas a partir de su conocimiento.
 Pueden justificar sus propias conclusiones.
 Poseen conocimiento no codificado implícitamente dentro del programa.

Generalmente existen dos tipos de conocimientos:

 Declarativo: descripciones propias del dominio del problema, i.e. hechos y asociaciones.
 Operativo: se refiere a la aplicación del conocimiento declarativo dentro del proceso de
resolución del problema.

Existe también la siguiente categorización del conocimiento experto:

 Conocimiento Empírico o Heurístico: conocimiento declarativo y operacional que ayuda al
experto a resolver problemas comunes obviando la necesidad de llevar a cabo análisis
demasiado formales y detallados. Generalmente aportan una solución aprendida en base a la
experiencia sin necesidad de entender cabalmente la razón por la cual funciona, i.e. heurísticas
o reglas de dedo, thumb rules.
 Conocimiento formal: incluye definiciones precisas, axiomas, leyes generales, principios y
relaciones causales formales. Permite modelar dominios complejos que los humanos
encuentran difíciles de comprender, permitiendo así refinar y extender el conocimiento que
existe alrededor de un área o problema específico.

Un sistema basado en conocimientos se compone de:

Base de conocimientos. Esta contiene el conocimiento que se debe del experto y codificarlo en la
base de conocimientos. La forma clásica de representar el conocimiento en un sistema
experto son la utilización de reglas es decir básicamente constituye la descripción de los
objetos y las relaciones entre ellos, así como de casos particulares y excepciones.
La base de conocimientos es algo más que una base de datos, ya que su mecanismo de búsqueda
(query) es más que una simple comparación (text matching), de hecho (como se verá más
delante), es una búsqueda donde un elemento puede "encadenar" a otro (chaining) utilizando
comparaciones más sofisticadas (unification and pattern matching). Desde luego, la calidad del
conocimiento de salida dependerá de la calidad del conocimiento depositado en su
correspondiente base de conocimiento (garbage-in, garbage-out).
Base de hechos . Contiene los hechos sobre un problema que se han descubierto durante una
consulta. Se trata de una memoria temporal auxiliar que almacena los datos del usuario, datos
 iniciales del problema, y los resultados intermedios obtenidos a lo largo del proceso de
resolución.
Motor de inferencia o Interprete de Reglas. Este motor de inferencia trabaja con la información
contenida en la base de conocimientos y la base de hechos para deducir nuevos hechos. Se
encarga de las operaciones de búsqueda y selección de las reglas a utilizar en el proceso de
razonamiento. Contrasta los hechos particulares de la base de hechos con el conocimiento
contenido en la base de conocimientos para obtener conclusiones acerca del problema.
Traduce reglas siguiendo sus propios algoritmos de búsqueda, control y resolución de
conflictos. Dos métodos típicos de búsqueda (encadenamiento de reglas) son: 1) forward
chaining y 2) backward chaining. De manera simplificada, el proceso inicia partiendo de los
hechos del problema que se alimenten al sistema, e.g. un dato, lectura, señal, imágen, etc.
Luego, la máquina intenta llegar a una conclusión válida buscando aquellas relgas que crea
puedan cumplirse, i.e. mecanismo de encadenamiento. Cada vez que se cumple una regla,
existe un nuevo hecho que, de no ser la solución definitiva, puede usarse este "nuevo"
conocimiento como un "nuevo" hecho en la base de conocimientos.
Subsistema de explicación. Básicamente lo que trata es de explicar al usuario tanto las reglas
usadas como el conocimiento aplicado en la resolución de un determinado problema. Usando
el módulo del subsistema de explicación, un sistema experto puede proporcionar una
explicación al usuario de por qué está haciendo una pregunta y cómo ha llegado a una
conclusión.
Interfaz de usuario. Todo sistema dispone de una interfaz de usuario, que gobierna el diálogo
entre el sistema y el usuario lo que hace posible la comunicación. Por tanto, debe ser
interactiva siguiendo el patrón de la conversación entre seres humanos. Un requerimiento
básico del interfaz es la habilidad de hacer preguntas. Para obtener información fiable del
usuario hay que poner especial cuidado en el diseño de las cuestiones.
Recibe y entrega información interactuando con el usuario, es decir, el usuario puede: 1)
alimentar hechos, 2) proporcionar objetivos, 3) nuevas restricciones y reglas, 4) escribir
programas que deban adicionarse al sistema, 5) solicitar resultados y reportes, y 6) cuestionar
cómo se obtuvieron ciertas conclusiones. Dada la posible complejidad que puede existir entre
el sistema y el usuario, se pueden tener distintos tipos de especialistas como usuarios, tales
como: 1) el experto, 2) el ingeniero de conocimiento, 3) el programador, 4) el administrador del
sistema, y 5) los usuarios finales.
Módulo de adquisición de conocimiento. Le sirve al experto para que pueda construir la base de
conocimiento de una forma sencilla, así como disponer de una herramienta de ayuda para
actualizar de la base de conocimiento cuando sea necesario. El módulo de adquisición del
conocimiento, forman el esqueleto o sistema esencial, y que, separadas de las bases de
conocimiento y de hechos, constituyen una herramienta software para el desarrollo de los
sistemas basados en el conocimiento
Módulo de comunicaciones. Puesto que los sistemas basados en el conocimiento no viven
aislados, sino que interactúan con otros sistemas es decir no solo son capaces de interactuar
con el experto sino con estos sistemas, para poder recoger información o consultar bases de
datos.