Sistema Inteligente “Un conjunto de reglas o principios sobre una materia relacionados entre sí,
adquirido por medio del conocimiento, habilidad, destreza y/o experiencia con la finalidad de
resolver un problema”, podríamos simplificarlo al decir que es un “sistema informático con la
capacidad de aprender a través del tiempo y que su comportamiento presenta cierta inteligencia”.
Un sistema inteligente se caracterizan por:
• Simular la forma natural de resolver problemas observada en las personas,
• Encontrar la solución del problema mediante un proceso de búsqueda dirigida por criterios
específicos de un dominio.
Modelo Algorítmico
Este es un modelo clásico, pero eficiente y estable, consiste en resolver un problema a través de
un proceso para obtener una solución mediante unas entradas. Una forma de aplicar este modelo
es utilizando una secuencia lineal de pasos elementales que transforman las entradas en solución.
La secuencia con que se realizan los pasos, lo determina el algoritmo.
Modelo Basado en el conocimiento
Este modelo es utilizado cuando nos encontramos con un problema que no se encuentra bien
estructurado, donde no podemos formalizar un algoritmo.
En estos casos no se conoce la forma de llegar a la solución paso a paso aunque se cuenta con
criterios que pueden orientar la búsqueda de la solución. Una forma de aplicar este modelo, es
manejar las partes del algoritmo de manera independiente entre sí que expresen cómo realizar
pasos locales de transformar las entradas.
Este tipo de sistema supone una generalización de los sistemas tradicionales, siendo muchas veces
la mejor opción para la construcción de aplicaciones en áreas profesionales que requieren simular
la forma en que un humano razona para resolver un problema.
Sistemas Basados en reglas
Estos sistemas trabajan mediante la aplicación de reglas, comparación de resultados y aplicación
de las nuevas reglas basadas en situación modificada. También pueden trabajar por inferencia
lógica dirigida, bien empezando con una evidencia inicial en una determinada situación y
dirigiéndose hacia la obtención de una solución, o bien con hipótesis sobre las posibles soluciones
y volviendo hacia atrás para encontrar una evidencia existentes (o una deducción de una evidencia
existente) que apoye una hipótesis en particular.
Sistemas basados en casos
A grandes rasgos, este tipo de sistemas basa su funcionamiento en experiencias anteriormente
vividas, ya sea por el propio sistema o bien por la persona experta, y a partir de este conocimiento
de vivencias realizar una asociación con estas experiencias para extraer una solución de esto. Este
es el que más se asemeja al modo de pensar que tenemos los seres humanos. Si nos ponemos a
pensar en los niños pequeños, el tipo de razonamiento que utilizan es el basado en las
experiencias que le proporciona su trato con el medio.
Sistemas Basados en el Conocimiento Bayesianos
Las redes bayesianas o probabilísticas se fundamentan en la teoría de la probabilidad y combinan
la potencia del teorema de Bayes con la expresividad semántica de los grafos dirigidos. Surgen de
la necesidad de herramientas que tengan la capacidad para funcionar, en estos ambientes, una
buena opción son los sistemas de tipo probabilístico.
CLASIFICACIÓN DE LAS HERRAMIENTAS:
Herramientas de adquisición especializada en una representación
Estas herramientas denominadas también Shell, aportan la arquitectura del sistema inteligente,
pero tienen la base de conocimiento vacía. Para construir un sistema es necesario únicamente
proporcionar el conocimiento utilizando las facilidades que proporciona la herramienta como el
lenguaje de representación y el mecanismo de validación. Las herramientas Shell están
normalmente asociadas a un único motor de inferencia con una representación uniforme del
conocimiento
Herramientas de adquisición especializadas en un método
Son herramientas similares a los Shell, pero están asociados a un método y, por tanto, a una clase
de problemas. Debido a esto, pueden aportar más facilidades para ayudar a la construcción del
sistema. Dentro de estas herramientas, podemos encontrar SALT con el método proponer y revisar
y MOLE con el método cubrir y diferenciar.
Entornos de modelización del conocimiento
Estas herramientas no están relacionadas con ninguna representación ni método y su objetivo es
facilitar el proceso de construcción de modelos de forma general.
SHELL
Un shell es un Sistema Experto que contiene una base de conocimiento vacía, contiene el
mecanismo de inferencia, el componente explicativo y la interfaz de usuario.
Dentro de las funciones del Shell, podemos mencionar las siguientes:
• Recopilador de Información: Para introducir nuevas reglas.
• Almacenamiento de Información: Para la Base de Datos.
• Motor de Inferencia: Para el Método de Resolución.
• Gestión de Resultados: Para Entrega y Explicación.
• Interfaces: Para Experto-Sistema y Usuario-Sistema
Ventajas de los Shell:
Al utilizar estas herramientas las personas pueden realizar sistemas inteligentes sin tener
conocimientos avanzados en el área de la Ingeniería del Conocimiento o Inteligencia Artificial,
simplemente se debe llenar la base de conocimiento, sin embargo, estas herramientas son de gran
utilidad para Ingenieros del Conocimiento por igual, ya que ahorramos horas hombre en el diseño
y desarrollo de la mayoría de los componentes de un sistema experto, de esta manera nos
podemos centrar en la adquisición del conocimiento y en la validación de las respuestas que nos
arroja el sistema.
HERRAMIENTAS
CLIPS: Sistema experto más ampliamente usado debido a que es rápido, eficiente y gratuito.
Puede ser utilizado en Windows, MAC OS, Linux. Provee un ambiente de desarrollo interactivo y
basado en texto; Permiten verificar las reglas incluidas en el sistema experto que está siendo
desarrollado.
JESS: Sistema experto más ampliamente usado debido a que es rápido, eficiente y gratuito. Puede
ser utilizado en Windows, MAC OS, Linux. Provee un ambiente de desarrollo interactivo y basado
en texto; Permiten verificar las reglas incluidas en el sistema experto que está siendo desarrollado.
MLESS: Es un intérprete experto basado en el sistema Prolog. Fue diseñado para proveer al
usuario con mucho más libertad y poder. Incluyendo la habilidad de trabajar en un lenguaje de su
elección. Su sintaxis es similar a prolog. El sistema permite conocimiento y consultas al ser
introducidas en algún lenguaje basado en el latín con pequeñas restricciones.
Acepta la información negativa y cuantificados, la consulta y las convierte en fórmulas prólogo
usando varias combinaciones de los dos predicados incorporados, not y non. El primero
representa el estándar de negación por fallo de prolog. El otro, provee una forma lógica de
negación en MLESS.
EXPERT SYSTEM BUILDER
Es un programa gratuito destinado a simplificar el desarrollo de sistemas expertos que apoyan los
procesos de toma de decisiones de una organización. El sistema puede ser implementado de
forma local en un solo computador o en el Internet.
Expert System Builder es un kit de herramientas de IA implementado en Common Lisp en
estaciones de trabajo dentro de Symbolics ESPRIT Proyecto 96.
El sistema Expert System Builder tiene la intención de industrializar el proceso de construcción de
sistemas expertos, proporcionando a los desarrolladores el modelado y varias instalaciones
arquitectónicas que no se encuentran en la mayoría de kits de herramientas de Inteligencia
Artificial.
Es un sistema de software que permite la creación de un sistema experto basado en conocimiento,
es decir, software que se comporta como un experto humano.
• Programa provisto para simplificar el desarrollo de sistemas de soporte de decisión.
• Programa utilizado en los procesos de fabricación cotidianos.
– El sistema resultante se puede desplegar localmente o sobre el internet con JavaESB©2000.
ESB abarca tres programas que permiten que unas personas no expertas en programación
desarrollen sus propios sistemas informáticos expertos.
– Un sistema informático que pueda dar consejos sobre un tema particular de la misma manera
que un experto humano.
• El desarrollo del sistema tiene tres etapas:
– Etapa 1: ESB Question Editor
– Etapa 2: ESB Knowledge Acquisition
– Etapa3: ESB User Interface
Exys Corvid
Esta herrmienta creada a inicios de la decada de los ochentas, es una de las primeras destinadas
para los computadores personales. Diseñada para los sistemas de ayuda a la toma de decisiones a
través de pasos lógicos. La representación de conocimiento utilizada por este shell, es laforma
clásica de reglas de producción con sintaxis IFTHEN-ELSE.
Cada una de estas partes puede estar compuesta por una o más por posiciones relacionadas entre
sí medianteconectores lógicos (AND, OR), pudiendo tratarse también decondiciones de igualdad
de variables (numéricas o de cadena), oexpresiones que incluyen certidumbre en
conclusionesintermedias.
Exsys CORVID está diseñado para ayudarlo a construir un proceso de toma de decisiones a través
de pasos lógicos, el cual permite entregar el conocimiento a otras personas como si estas lo
recibieran a través de un experto humano. Sería muy similar a la manera de explicarle a una
persona como resolver un problema.
Ventajas relevantes de los Sistemas Inteligentes:
Mantenimiento del conocimiento
• Resolución de problemas complejos
• Ajustes de objetivos
• Tratamientos de la incertidumbre
• Explicación del razonamiento
• Reducción de costos
• Aumento de la fiabilidad
• Modularidad
• Preservación del conocimiento y experiencia
• Capacidad de solución de problemas incompletos
• Pueden proponer soluciones, parciales, a problemas con datos incompletos o inexactos.
• Explicación de la solución
• Proporcionan explicaciones sobre razonamiento y conocimiento.
• Los usuarios comprenden y aprenden.
• Poder capturar experiencia y comportamientos escasos y específicos, hacerla más ampliamente
disponible y alcanzar decisiones consistentes y repetibles.
Tecnologías de representación del conocimiento (TRCs):
• Reglas
• Marcos
• Lógica
• Redes semánticas
• Ontologías
Los sistemas de Interpretación
Realizan el análisis de datos observables para determinar su significado e inferir descripciones de
situaciones del sistema medido por los datos. Estos sistemas deben encontrar interpretaciones
correctas y consistentes con los datos, considerando sistemáticamente las posibles
interpretaciones y descartando sólo aquellas para las que hay suficiente evidencia para
desecharlas.
Un ejemplo de este tipo de sistemas es la interpretación de los datos obtenidos por un
espectrómetro de masas de los fragmentos moleculares. Esta categoría incluye los sistemas de
vigilancia, entendimiento de voces, análisis de la imagen e interpretación de señales.
Los sistemas de Predicción
Prevén el curso futuro a partir de un modelo del pasado y presente. Estos sistemas describen
irregularidades observadas en el comportamiento del sistema, con sus causas subyacentes, para
ello pueden usar una tabla de asociaciones entre comportamientos y diagnosis.
Se orientan a la identificación de estados o fallas en un sistema basado en datos observables. Un
ejemplo es el diagnóstico de enfermedades infecciosas.
Sistemas de diseño
Desarrollan configuraciones de objetos que satisfacen requerimientos o descripciones
particulares, intentan minimizar una función objetivo que mide cortes y otras propiedades
indeseables de diseños potenciales. Esta categoría incluye el diseño de circuitos, edificios,
presupuestos, etc.
Sistema de planificación
Se especializan en la creación de planes, concebidos como un programa de acciones que pueden
ejecutarse para alcanzar metas. Un planificador debe construir un plan que alcance metas sin
consumir excesivos recursos o violar restricciones.
Se especializan en la creación de planes, concebidos como un programa de acciones que pueden
ejecutarse para alcanzar metas. Un planificador debe construir un plan que alcance metas sin
consumir excesivos recursos o violar restricciones.
También debe explicar planes posibles ya que en principio no puede saber las consecuencias de
sus acciones. Estos sistemas incluyen programación automática, planes de robots, proyectos,
rutas, comunicaciones, experimentos y planes militares.
Sistema de monitorización
Interpretan señales continuamente y ponen en funcionamiento medidas de respuesta, como por
ejemplo alarmas cuando se necesita una intervención.
En un sistema de este tipo el reconocimiento de las señales de alarma se debe llevar a cabo en
tiempo real y evitar falsas alarmas a efectos de credibilidad.
Existen sistemas de monitorización para plantas nucleares, tráfico aéreo y enfermedades.
Sistemas de depuración
Prescriben remedios para mal funcionamiento de un sistema.
Estas aplicaciones confían en las capacidades de planificación, diseño y predicción para crear
especificaciones o recomendaciones para corregir un problema de diagnosticado.
Entre sus aplicaciones destacan, la robótica, el mantenimiento industrial y el de plantas nucleares.
Desarrollan y ejecutan planes para administrar un remedio a algunos problemas diagnosticados.
Tales sistemas incorporan capacidades de depuración, planificación y ejecución.
Estos sistemas incorporan capacidades de depuración, planificación y ejecución. Se aplican en
dominios como redes, aeronáutica, mantenimiento de la computadora, etc.
Para diagnóstico y mejoramiento del aprendizaje de los estudiantes.
Típicamente este sistema empieza construyendo una descripción hipotética del conocimiento del
estudiante para interpretar el comportamiento del mismo, entonces diagnostican la eficiencia y
determina un remedio adecuado.
Los sistemas de Instrucción
Finalmente se planifica una tutoría interactiva para adquirir el conocimiento adecuado.
Sistema de control
Gobierna adaptativamente el comportamiento global de un sistema, para lo cual debe interpretar
repetidamente la situación actual, predecir el futuro, diagnosticar causas de problemas, formular
un plan para remediarlos y monitorear su ejecución para asegurar el éxito.
En este tipo de sistemas se incluye el control del tráfico aéreo, el manejo de negocios y el manejo
de dirección virtual de una batalla.
Estructura de la Evaluación
Características de la aplicación. Representan el contexto, su dominio y el proyecto.
Capacidades de la herramienta. Representa la funcionalidad de la herramienta que se está
considerando.
Métricas. Son medidas que se utilizan para evaluar las capacidades de la herramienta.
Técnicas de evaluación. Son las formas de aplicar las métricas.
Contextos. Representan los requisitos necesarios para utilizar una herramienta en fases diferentes
del desarrollo del sistema experto.
Características de la planificación
Características del problema
• Dominio del problema
• Tipos de conocimiento
• Restricciones
• Problema a resolver dentro del dominio
• Procesamiento/conocimiento/representación especial
• Tipo de problema
• Otros atributos del problema
• Adquisición del conocimiento
Métricas
Coste • Flexibilidad • Extensibilidad • Claridad • Eficiencia • Servicio post-venta
Técnicas de evaluación
• Comparación directa • Benchmarks • Técnicas adicionales
Técnicas de metodología
• Determinar las características de la aplicación.
• Identificar los contextos relevantes.
• Derivar las métricas discriminantes y las técnicas de evaluación.
• Identificar las métricas discriminantes y las técnicas de evaluación.
•Filtrar las herramientas disponibles para identificar las herramientas candidatas.
• Podar y priorizar cada dimensión de la estructura.
• Aplicar el esquema de la estructura para evaluar y seleccionar las herramientas.
Pasos para evaluar una herramienta
Determinar las características de la aplicación.
• Identificar los contextos relevantes.
• Derivar las capacidades significativas de la herramienta.
• Identificar las métricas discriminantes y las técnicas de evaluación.
• Filtrar las herramientas disponibles para identificar a las herramientas candidatas.
• Podar y priorizar cada una de las dimensiones.
• Aplicar el esquema de la estructura para evaluar y seleccionar herramientas.
