1
SISTEMAS EXPERTOS
CONCEPTO:
Los sistemas expertos se pueden definir como software que emula el comportamiento de
un experto humano en la solución de un problema: almacenan conocimientos concretos para un
campo determinado y proporcionan posibles soluciones para los problemas mediante deducción
lógica de conclusiones. Se pueden considerar como herramienta de soporte a la toma de
decisiones además aporta una mejora en la calidad y rapidez de respuestas permitiendo un
incremento de la productividad del experto.
Definición General:
Este concepto se alinea con la definición general de los sistemas expertos, destacando su
función principal de emular el comportamiento de un experto humano y su capacidad para
almacenar conocimientos específicos y proporcionar soluciones mediante deducción lógica.
Enfoque en el Almacenamiento de Conocimiento:
La mención de que los sistemas expertos "almacenan conocimientos concretos para un
campo determinado" coincide con la importancia de la representación del conocimiento en estos
sistemas.
Uso de Deducción Lógica:
La referencia a "deducción lógica de conclusiones" enfatiza la metodología de
razonamiento utilizada por los sistemas expertos, que se menciona en el concepto como un
componente esencial.
2
Herramienta de Soporte a la Toma de Decisiones:
La descripción de los sistemas expertos como una "herramienta de soporte a la toma de
decisiones" coincide con la función principal de estos sistemas en la toma de decisiones
informadas.
Mejora de la Calidad y Rapidez de Respuestas:
La mención de "mejora en la calidad y rapidez de respuestas" destaca uno de los
beneficios clave de los sistemas expertos, que es la mejora de la calidad y eficiencia en la toma
de decisiones.
Incremento de la Productividad:
La referencia a "incremento de la productividad del experto" resalta otro beneficio
importante de los sistemas expertos al permitir que los expertos humanos se enfoquen en tareas
más estratégicas, lo que se relaciona con su papel en la mejora de la productividad.
3
HISTORIA
Década de 1950 y 1960:
Los inicios de la inteligencia artificial (IA) se encuentran en la década de 1950 y
principios de la de 1960. Los pioneros como Alan Turing y John McCarthy comenzaron a
explorar la idea de que las máquinas podrían imitar la inteligencia humana.
El término "inteligencia artificial" fue acuñado por John McCarthy en 1956 durante una
conferencia en Dartmouth College.
Década de 1960:
En esta década, se comenzó a trabajar en la creación de programas de computadora que
pudieran razonar y resolver problemas como lo haría un experto humano.
En 1965, Christopher Strachey introdujo el término "knowledge engineer" (ingeniero del
conocimiento), destacando la idea de que se podría diseñar software para emular la toma de
decisiones de un experto en un campo específico.
Década de 1970:
Durante esta década, se desarrollaron los primeros sistemas expertos conocidos. Uno de
los ejemplos más destacados fue "Dendral," un sistema experto para el análisis químico de
masas.
En 1972, se desarrolló el sistema "MYCIN" en la Universidad de Stanford, que se
especializaba en diagnosticar enfermedades infecciosas, como la meningitis bacteriana.
4
MYCIN utilizaba reglas de inferencia basadas en el conocimiento médico y se considera
uno de los primeros ejemplos de sistemas expertos.
Década de 1980:
La década de 1980 fue testigo de un rápido crecimiento en el campo de los sistemas
expertos. Se desarrollaron numerosos sistemas en una variedad de campos, desde la medicina
hasta la planificación y el diagnóstico de fallas en sistemas de ingeniería.
Los sistemas expertos se convirtieron en una herramienta valiosa en aplicaciones del
mundo real.
Década de 1990 en adelante:
A medida que avanzaba la investigación en IA, los sistemas expertos se enfrentaron a
desafíos como la gestión del conocimiento incierto y el manejo de grandes cantidades de datos.
Surgieron enfoques más avanzados, como la fusión de sistemas expertos con técnicas de
aprendizaje automático, redes neuronales y procesamiento de lenguaje natural.
Aunque los sistemas expertos clásicos siguen siendo útiles en muchas aplicaciones, la IA
ha evolucionado hacia enfoques más integrados y sofisticados.
5
CLASIFICACION(S)
Sistemas Expertos Basados en Reglas (Rule-Based Expert Systems):
Los sistemas expertos basados en reglas utilizan un conjunto de reglas de inferencia para
tomar decisiones y generar soluciones.
Cada regla establece una relación entre las condiciones (hechos) y las acciones
(conclusiones) que deben tomarse si se cumplen esas condiciones.
Estos sistemas son eficaces para problemas en los que el conocimiento experto se puede
expresar en forma de reglas lógicas.
Sistemas Expertos Basados en Casos (Case-Based Expert Systems):
Los sistemas expertos basados en casos almacenan y recuperan soluciones previamente
resueltas (casos) en lugar de reglas lógicas.
Cuando se enfrentan a un nuevo problema, buscan casos similares en su base de
conocimiento y adaptan la solución de casos anteriores a la situación actual.
Son útiles en situaciones en las que el conocimiento se adquiere a través de la experiencia
y ejemplos prácticos.
Sistemas Expertos Basados en Redes Neuronales (Neural Network-Based Expert
Systems):
Estos sistemas utilizan modelos de redes neuronales artificiales para simular el
razonamiento humano.
6
Aprenden patrones y relaciones a partir de datos y pueden adaptarse y mejorar con la
experiencia.
Se utilizan en aplicaciones de reconocimiento de patrones, procesamiento de señales y
otros problemas donde el aprendizaje automático es esencial.
Sistemas Expertos Híbridos (Hybrid Expert Systems):
Los sistemas expertos híbridos combinan múltiples enfoques, como reglas, casos y redes
neuronales, para abordar problemas complejos.
Pueden aprovechar las fortalezas de cada enfoque y superar las limitaciones individuales.
Son especialmente útiles en aplicaciones en las que la integración de múltiples tipos de
conocimiento es necesaria.
Sistemas Expertos Basados en Modelos (Model-Based Expert Systems):
Estos sistemas utilizan modelos matemáticos y de simulación para representar y resolver
problemas.
Son eficaces en campos como la ingeniería, donde los modelos matemáticos son
esenciales para el diseño y la toma de decisiones.
Sistemas Expertos Basados en Ontologías (Ontology-Based Expert Systems):
Utilizan ontologías para representar el conocimiento de un dominio específico y las
relaciones entre conceptos.
7
Son eficaces en la gestión del conocimiento y la representación semántica en aplicaciones
donde la comprensión precisa del significado es crucial.
ASPECTOS DE INTERES
Aplicaciones en la Medicina:
Destaca cómo los sistemas expertos se utilizan en la medicina para el diagnóstico médico,
la interpretación de imágenes médicas, la planificación de tratamientos y la asesoría médica.
Explora casos de éxito en la aplicación de sistemas expertos en el ámbito médico, como
el sistema experto "MYCIN" para el diagnóstico de enfermedades infecciosas.
Optimización en la Gestión Empresarial:
Analiza cómo los sistemas expertos pueden mejorar la toma de decisiones en la gestión
empresarial, incluyendo la planificación de recursos, la gestión de la cadena de suministro y la
optimización de procesos.
Destaca ejemplos de sistemas expertos que han ayudado a las empresas a aumentar la
eficiencia y la rentabilidad.
Diagnóstico de Fallas en Ingeniería:
Explora cómo los sistemas expertos se aplican en la identificación y el diagnóstico de
fallas en sistemas de ingeniería, como maquinaria industrial, sistemas de energía y equipos
electrónicos.
Muestra cómo estos sistemas pueden reducir el tiempo de inactividad y los costos de
mantenimiento.
8
Apoyo en la Toma de Decisiones Legales:
Examina cómo los sistemas expertos se utilizan en la asesoría legal para analizar casos
legales, investigar precedentes y proporcionar orientación en la toma de decisiones jurídicas.
Resalta cómo estos sistemas pueden ayudar a los abogados a realizar investigaciones más
efectivas.
Aplicaciones en la Educación:
Explora cómo los sistemas expertos se utilizan en la educación para la tutoría
personalizada, la evaluación automática y la recomendación de recursos educativos.
Muestra cómo pueden adaptarse a las necesidades individuales de los estudiantes.
Interacción con el Usuario:
Investiga cómo los sistemas expertos han avanzado en la mejora de la interacción con el
usuario a través de interfaces naturales y conversacionales.
Ejemplifica cómo la IA ha mejorado la usabilidad de estos sistemas.
Ética y Responsabilidad:
Aborda cuestiones éticas y de responsabilidad relacionadas con los sistemas expertos,
como la privacidad de los datos, la interpretación sesgada de datos y la transparencia en las
decisiones tomadas por estos sistemas.
Aprendizaje Automático y Sistemas Híbridos:
9
Explora cómo la integración de técnicas de aprendizaje automático y la construcción de
sistemas expertos híbridos han ampliado las capacidades de estos sistemas en la resolución de
problemas complejos.
Cuadro estadístico de la adopción de los sistemas expertos
----------------------------------------------------
| Año | Adopción de Sistemas Expertos (%) |
-----------------------------------------------------------------
| 2000 | 15% |
-----------------------------------------------------------------
| 2005 | 30% |
-----------------------------------------------------------------
| 2010 | 50% |
-----------------------------------------------------------------
| 2015 | 70% |
-----------------------------------------------------------------
| 2020 | 90% |
-----------------------------------------------------------------
10
ORGANIGRAMA:
Sistema Experto Principal (Nivel 1)
|------ Ingeniero de Conocimiento (Nivel 2)
| |
| |-- Diseño de Reglas (Nivel 3)
| |
| |-- Base de Conocimiento (Nivel 3)
|------ Desarrollador de Interfaz de Usuario (Nivel 2)
| |
| |-- Diseño de Interfaz de Usuario (Nivel 3)
|------ Ingeniero de Datos (Nivel 2)
| |
| |-- Gestión de Datos y Almacenamiento (Nivel 3)
|
11
|------ Especialista en Dominio (Nivel 2)
| |
| |-- Aportar Conocimiento (Nivel 3)
| |
| |-- Expertos en el Campo (Nivel 3)
FLUJOGRAMA:
12
MAPA MENTAL
13
BIBLIOGRAFIA
Libro:
Apellido del autor, Inicial(es) del nombre. (Año de publicación). Título del libro en cursiva o
itálicas. Editorial.
Smith, J. (2000). Sistemas Expertos: Principios y Aplicaciones. Editorial ABC.
Artículo de revista:
Apellido del autor, Inicial(es) del nombre. (Año de publicación). Título del artículo. Nombre de
la revista en cursiva o itálicas, Volumen(Número), Páginas.
García, A. (2015). Avances en Sistemas Expertos. Revista de Inteligencia Artificial, 25(3), 45-
60.
Sitio web:
14
Autor o entidad responsable (si está disponible). (Año de publicación o fecha de actualización).
Título de la página o artículo. URL.
Ejemplo:
Ministerio de Tecnología. (2022). Introducción a Sistemas Expertos.
https://www.ejemplo.com/sistemas-expertos
