1.
Sistema experto
Un sistema experto, es un sistema informático que emula el razonamiento
humano actuando tal y como lo haría un experto en un área de conocimiento.
Los sistemas expertos son una de las aplicaciones de la inteligencia artificial
que pretende simular el razonamiento humano, de la misma manera que lo
haría un experto en un área de especialización.
2. Diferencia entre un sistema experto y un experto humano
Esta diferencia podemos apreciarla con un cuadro de ventajas y desventajas:
Ventajas
● Permanencia: A diferencia de un experto humano un SE (sistema
experto) no envejece, y por tanto no sufre pérdida de facultades con
el paso del tiempo.
● Replicación: Una vez programado un SE lo podemos replicar
infinidad de veces.
● Rapidez: Un SE puede obtener información de una base de datos y
realizar cálculos numéricos mucho más rápido que cualquier ser
humano.
● Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias
a la capacidad de duplicación el coste finalmente es bajo.
● Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o
dañinos para el ser humano.
● Fiabilidad: Los SE no se ven afectados por condiciones externas, un
humano sí (cansancio, presión, etc.).
● Consolidar varios conocimientos.
● Apoyo Académico.
Limitaciones
● Sentido común: Para un Sistema Experto no hay nada obvio. Por
ejemplo, un sistema experto sobre medicina podría admitir que un
hombre lleva 40 meses embarazado, a no ser que se especifique
que esto no es posible ya que un hombre no puede gestar hijos.
● Lenguaje natural: Con un experto humano podemos mantener una
conversación informal mientras que con un SE no podemos.
● Capacidad de aprendizaje: Cualquier persona aprende con relativa
facilidad de sus errores y de errores ajenos, que un SE haga esto es
muy complicado.
● Perspectiva global: Un experto humano es capaz de distinguir cuáles
son las cuestiones relevantes de un problema y separarlas de
cuestiones secundarias.
● Capacidad sensorial: Un SE carece de sentidos.
● Flexibilidad: Un humano es sumamente flexible a la hora de aceptar
datos para la resolución de un problema.
● Conocimiento no estructurado: Un SE no es capaz de manejar
conocimiento poco estructurado.
● Un sistema experto no posee sentimientos ni puede comprender
ciertas emociones y conceptos humanos como el matrimonio, la
moralidad, el amor o planear el futuro.
3. Elementos de un sistema experto
Esencialmente, los sistemas expertos cuentan con cinco componentes:
Base de conocimiento: en este componente se representan los hechos y
reglas. Aquí se almacena el conocimiento en un dominio particular, así como en
las reglas para resolver un problema, procedimientos y datos intrínsecos
relevantes para el dominio. Es el repositorio de los hechos, es decir, un gran
contenedor de conocimiento que se obtiene de diferentes expertos de un
campo específico.
Motor de inferencia: es el cerebro del sistema experto. Su función es
obtener el conocimiento relevante de la base de conocimientos, interpretarlo y
encontrar una solución relevante para el problema del usuario. Contiene las
reglas de su base de conocimiento y las aplica a los hechos conocidos para
inferir nuevos hechos. Así, proporciona razonamiento sobre la información en la
base de conocimiento. Los motores de inferencia también pueden incluir una
explicación y habilidades de depuración.
Módulo de adquisición de conocimiento y aprendizaje: es la parte de estos
sistemas que permite que el sistema experto adquiera cada vez más
conocimiento de diversas fuentes y lo almacene en la base de conocimiento.
Interfaz de usuario: es la parte más crucial del sistema experto. Este módulo
hace posible que un usuario no experto interactúe con el sistema experto y
encuentre una solución a un problema. El componente toma la consulta de un
usuario en una forma legible y pasa al motor de inferencia. Una vez allí, entran
en funcionamiento los otros componentes y posteriormente muestra los
resultados al usuario. En otras palabras, es una interfaz que ayuda al usuario a
comunicarse con el sistema experto.
Módulo de explicación: en este módulo el sistema experto da una
explicación al usuario sobre cómo el sistema experto llegó a una conclusión
particular. De esa manera, argumenta los resultados presentados con la mayor
exactitud.
4. Aplicaciones de sistemas expertos
Existen muchos ejemplos de sistemas expertos, pero compartimos algunos a
continuación:
MYCIN: es uno de los primeros sistemas expertos basados en el
encadenamiento hacia atrás.
Este sistema es capaz de identificar varias bacterias que pueden causar
infecciones agudas y también puede recomendar medicamentos según el peso
del paciente.
DENDRAL: es un sistema experto basado en inteligencia artificial utilizado para
el análisis químico.
El sistema puede predecir la estructura molecular, basado en los datos
espectrográficos de una sustancia.
R1 / XCON: es usado en el campo de la informática. Es capaz de seleccionar
un software específico para generar un sistema informático a gusto del usuario.
PXDES: es un gran sistema para la medicina moderna. Puede determinar
fácilmente el tipo y el grado de cáncer de pulmón en un paciente a través de un
análisis de datos.
CaDet: también es un sistema de apoyo clínico que podría identificar el cáncer
en etapas tempranas.
DXplain: otro sistema de apoyo clínico, pero en este caso, tiene la capacidad
de sugerir una variedad de enfermedades según los hallazgos del médico.
En general, en cuanto a las aplicaciones de estos sistemas expertos, algunas
de las más populares son:
● Gestión de la información.
● Hospitales e instalaciones médicas.
● Gestión de servicios de ayuda.
● Evaluación del desempeño de los empleados.
● Análisis de préstamos.
● Detección de virus.
● Útil para proyectos de reparación y mantenimiento.
● Optimización de almacenes.
● Planificación y programación.
● La configuración de objetos fabricados.
● Toma de decisiones financieras Publicación de conocimiento.
● Monitorización y control de procesos.
● Supervisar el funcionamiento de la planta y el controlador.
● Bolsa de comercio.
● Horarios de aerolínea y horarios de carga.
5. Representación del conocimiento
La representación del conocimiento y el razonamiento es un área de
la inteligencia artificial cuyo objetivo fundamental es representar el
conocimiento de una manera que facilite la inferencia (sacar conclusiones) a
partir de dicho conocimiento. Analiza cómo pensar formalmente - cómo usar
un sistema de símbolos para representar un dominio del discurso (aquello
de lo que se puede hablar), junto con funciones que permitan inferir (realizar
un razonamiento formal) sobre los objetos. Generalmente, se usa algún tipo
de lógica para proveer una semántica formal de cómo las funciones de
razonamiento se aplican a los símbolos del dominio del discurso, además
de proveer operadores como cuantificadores, operadores modales, etc.
Esto, junto a una teoría de interpretación, dan significado a las frases en la
lógica.
Básicamente, podemos distinguir tres tipos tradicionales de redes semánticas:
● Redes IS-A, en las que los enlaces entre nodos están etiquetados.
● Grafos conceptuales: en los que existen dos tipos de nodos: de
conceptos y de relaciones.
● Redes de marcos (frames): en los que los puntos de unión de los
enlaces son parte de la etiqueta del nodo.
En general, cuando se habla de redes semánticas se suele hacer referencia a
uno de estos esquemas, normalmente a las redes IS-A o a los esquemas
basados en marcos, que comparten ciertas características fundamentales,
mientras que los grafos conceptuales presentan diferencias importantes. De
entre estas características compartidas destacamos la herencia por
defecto (default inheritance). En una red semántica, los conceptos (estructuras,
clases, marcos, dependiendo del esquema concreto) están organizados en una
red en la que existe un nodo superior (top: T) al que se le asigna uno o varios
nodos hijos, que a su vez tienen otros conceptos hijos y así sucesivamente
hasta que se alcanza el final (bottom), cuyos nodos pueden ser o bien
conceptos, o bien instancias.
De los tres tipos de redes semánticas, el esquema basado en marcos es el que
permite una mayor flexibilidad, y el que ha recibido mayor atención por parte de
los investigadores de ciencia cognitiva y lingüística. Los grafos conceptuales
también siguen recibiendo en la actualidad mucha atención por parte de
algunos investigadores, aunque cuentan con muchos detractores.
Sin duda el tipo de red semántica por excelencia es el de redes IS-A; de hecho,
muchas veces se menciona este tipo como sinónimo de red semántica, y los
restantes tipos también incorporan este tipo de enlaces o arcos (links). Una red
IS-A es una jerarquía taxonómica cuya espina dorsal está constituida por un
sistema de enlaces de herencia entre los objetos o conceptos de
representación, conocidos como nodos. Las redes IS-A son el resultado de la
observación de que gran parte del conocimiento humano se basa en la
adscripción de un subconjunto de elementos como parte de otro más general.
Las taxonomías clásicas naturales son un buen ejemplo: un perro es un cánido,
un cánido es un mamífero, un mamífero es un animal.
La representación mediante la lógica de predicados es suficiente para expresar
las relaciones entre los elementos, pero la estructuración jerárquica facilita que
la adscripción de propiedades a una determinada categoría se reduzca a
aquellas que son específicas a la misma, heredando aquellas propiedades de
las categorías superiores de la jerarquía, tradicionalmente de una forma
monotónica, es decir sin excepciones.
