Sistemas expertos

Los sistemas expertos son programas que reproducen el proceso intelectual de un experto humano en un campo particular, pudiendo mejorar su productividad, ahorrar tiempo y dinero, conservar sus valiosos conocimientos y difundirlos más fácilmente.

Antes de la aparición del ordenador, el hombre ya se preguntaba si se le arrebataría el privilegio de razonar y pensar. En la actualidad existe un campo dentro de la inteligencia artificial al que se le atribuye esa facultad: el de los sistemas expertos. Estos sistemas permiten la creación de máquinas que razonan como el hombre, restringiéndose a un espacio de conocimientos limitado. En teoría pueden razonar siguiendo los pasos que seguiría un experto humano (médico, analista, empresario, etc.) para resolver un problema concreto. Este tipo de modelos de conocimiento por ordenador ofrece un extenso campo de posibilidades en resolución de problemas y en aprendizaje. Su uso se extenderá ampliamente en el futuro, debido a su importante impacto sobre los negocios y la industria.

El objetivo de este artículo es enseñar de forma práctica el funcionamiento de un sistema experto

La inteligencia artificial es una de las áreas más fascinantes y con más retos de las ciencias de la Computación ya que ha tomado a la inteligencia como la característica universalmente aceptada para diferenciar a los humanos de otras criaturas ya sean vivas o inanimadas, para construir programas o computadoras inteligentes. Hay preguntas profundas que surgen al hacer esta comparación, y la posibilidad de construir una inteligencia maquinista genera y estimula reacciones fuertes. En particular porque no hay una definición unánime de inteligencia para todas las áreas del conocimiento y todas las corrientes de pensamiento, y como establece McFarland, la inteligencia sólo la podemos medir por el resultado, es decir, podemos apreciar y diferenciar si un comportamiento es o no inteligente.

La investigación en inteligencia artificial se ha disparado buscando solución al problema si las máquinas pueden pensar.

Alan M. Turing propuso una prueba denominada el ´Juego de la Imitación´, que actualmente se conoce como la prueba de Turing, la pretensión de la prueba es tener una herramienta objetiva no ambigua de lo que significa que una máquina pueda pensar en un lenguaje operativo.

Tradicionalmente, en computación la robótica se ha visto como un área de aplicación del conocimiento en la que se integran diversos conceptos de la I.A. Según Firebaugh, la IA es el área tecnológica que necesita ser desarrollada y dominada (conocida a fondo) para acelerar la evolución de los robots. Esta visión se deriva de los aspectos en los que la I.A. ha contribuido con técnicas para la comprensión de la robótica y son:

Sin embargo con el advenimiento de la robótica reactiva (sistemas basados en el comportamiento) la robótica se plantea como la opción para investigar el objetivo inicial de la I.A.: ¿podemos generar una inteligencia maquinística comparable a la humana?.

Los sistemas expertos proceden inicialmente de la inteligencia artificial a mediados de los años sesenta. En ese período se creía que bastaban unas pocas leyes de razonamiento junto con potentes ordenadores para producir resultados brillantes. Un intento en ese sentido fue el llevado a cabo por los investigadores Alan Newell y Herbert Simon que desarrollaron un programa denominado GPS (General Problem Solver; solucionador general de problemas). Podía trabajar con criptoaritmética, con las torres de Hanoi y con otros problemas similares. Lo que no podía hacer el GPS era resolver problemas del mundo real, tales como un diagnóstico médico.

Algunos investigadores decidieron entonces cambiar por completo el enfoque del problema restringiendo su ambición a un dominio específico e intentando simular el razonamiento de un experto humano. En vez de dedicarse a computerizar la inteligencia general, se centraron en dominios de conocimiento muy concretos. De esta manera nacieron los sistemas expertos.

A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenzó a desarrollar sistemas expertos utilizando bases de conocimiento definidas minuciosamente.

En 1967 se construye DENDRAL, que se considera como el primer sistema experto. Se utilizaba para identificar estructuras químicas moleculares a partir de su análisis espectrográfico.

Entre 1970 y 1980 se desarrolló MYCIN para consulta y diagnóstico de infecciones de la sangre. Este sistema introdujo nuevas características: utilización de conocimiento impreciso para razonar y posibilidad de explicar el proceso de razonamiento. Lo más importante es que funcionaba de manera correcta, dando conclusiones análogas a las que un ser humano daría tras largos años de experiencia. En MYCIN aparecen claramente diferenciados motor de inferencia y base de conocimientos. Al separar esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da como resultado un sistema vacío o shell (concha). Así surgió EMYCIN (MYCIN Esencial) con el que se construyó SACON, utilizado para estructuras de ingeniería, PUFF para estudiar la función pulmonar y GUIDON para elegir tratamientos terapéuticos.

En esa época se desarrollaron también: HERSAY, que intentaba identificar la palabra hablada, y PROSPECTOR, utilizado para hallar yacimientos de minerales. De este último derivó el shell KAS (Knowledge Adquisition System).

A partir de 1980 se ponen de moda los sistemas expertos, numerosas empresas de alta tecnología investigan en este área de la inteligencia artificial, desarrollando sistemas expertos para su comercialización. Se llega a la conclusión de que el éxito de un sistema experto depende casi exclusivamente de la calidad de su base de conocimiento. El inconveniente es que codificar la pericia de un experto humano puede resultar difícil, largo y laborioso.

Un ejemplo de sistema experto moderno es CASHVALUE, que evalúa proyectos de inversión y VATIA, que asesora acerca del impuesto sobre el valor añadido o I.V.A.

No resulta fácil dar una definición de Sistema Experto, entre otras cosas, porque el concepto de Sistema Experto va evolucionando, ya que, a medida que se va progresando, sus funciones se van ampliando y resulta un concepto cambiante. hace ya bastantes años, Edward Feigenbaum, de la Universidad de Stanford definió, en el Congreso Mundial de IA, un Sistema Experto como:

"Un programa de computador inteligente que usa el conocimiento y procedimientos de inferencia para resolver problemas que son lo suficientemente difíciles como para requerir la intervención de un experto humano para su resolución".

Hoy, con los avances conseguidos, resultaría más correcto definir un Sistema Experto como:

"Un sistema informático que simula el proceso de aprendizaje, de memorización, de razonamiento, de comunicación y de acción de un experto humano en una determinada rama de la ciencia, suministrando, de esta forma, un consultor que puede sustituirle con unas ciertas garantías de éxito".

Estas características le permiten almacenar datos y conocimiento, sacar conclusiones lógicas, tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse con expertos humanos o Sistemas Expertos, explicar el porqué de las decisiones tomadas y realizar acciones como consecuencia de todo lo anterior.

Los sistemas expertos se pueden considerar como el primer producto verdaderamente operacional de la inteligencia artificial.

Son programas de ordenador diseñados para actuar como un especialista humano en un dominio particular o área de conocimiento. En este sentido, pueden considerarse como intermediarios entre el experto humano, que transmite su conocimiento al sistema, y el usuario que lo utiliza para resolver un problema con la eficacia del especialista. El sistema experto utilizará para ello el conocimiento que tenga almacenado y algunos métodos de inferencia.

A la vez, el usuario puede aprender observando el comportamiento del sistema. Es decir, los sistemas expertos se pueden considerar simultáneamente como un medio de ejecución y transmisión del conocimiento.

Lo que se intenta, de esta manera, es representar los mecanismos heurísticos que intervienen en un proceso de descubrimiento. Éstos mecanismos forman ese conocimiento difícil de expresar que permite que los expertos humanos sean eficaces calculando lo menos posible. Los sistemas expertos contienen ese "saber hacer".

La característica fundamental de un sistema experto es que separa los conocimientos almacenados (base de conocimiento) del programa que los controla (motor de inferencia). Los datos propios de un determinado problema se almacenan en una base de datos aparte (base de hechos).

Una característica adicional deseable, y a veces fundamental, es que el sistema sea capaz de justificar su propia línea de razonamiento de forma inteligible por el usuario.

Los sistemas expertos siguen una filosofía diferente a los programas clásicos. Esto queda reflejado en la tabla 1, que resume las diferencias entre ambos tipos de procesamiento.

SISTEMA CLÁSICO	SISTEMA EXPERTO
Conocimiento y procesamiento combinados en un programa	Base de conocimiento separada del mecanismo de procesamiento
No contiene errores	Puede contener errores
No da explicaciones, los datos sólo se usan o escriben	Una parte del sistema experto la forma el módulo de explicación
Los cambios son tediosos	Los cambios en las reglas son fáciles
El sistema sólo opera completo	El sistema puede funcionar con pocas reglas
Se ejecuta paso a paso	La ejecución usa heurísticas y lógica
Necesita información completa para operar	Puede operar con información incompleta
Representa y usa datos	Representa y usa conocimiento

El subsistema de control de coherencia, Este es un componente importante de los Sistemas Expertos. Su función es la de prevenir la entrada de información incoherente en la base de conocimiento. Se trata de un componente esencial, pese a ser una incorporación reciente a este campo.

El subsistema de adquisición de conocimiento, controla el flujo de nuevo conocimiento a la base de datos. Este subsistema determina si la nueva información es redundante, es decir, si está contenida ya en la base de conocimiento. Aquella información no redundante es transmitida a la base de conocimiento para que sea almacenada.

El motor de inferencia es el corazón de todo Sistema Experto. La misión principal de este componente es la obtención de conclusiones mediante la aplicación del conocimiento abstracto al conocimiento concreto. En el transcurso de este proceso, si el conocimiento inicial es muy limitado, y el sistema no puede obtener ninguna conclusión, se utilizará el subsistema de demanda de información

Subsistema de demanda de información este componente sirve para completar el conocimiento necesario y reanudar el proceso de inferencia hasta obtener alguna conclusión válida. En algunos casos, el usuario puede indicar la información necesaria ayudado de una interfase de usuario. la interfase de usuario es una componente importante, pues facilita la comunicación entre el Sistema Experto y el usuario.

El subsistema de incertidumbre es el componente de un Sistema Experto responsable de almacenar la información de tipo incierto y de propagar la incertidumbre asociada a esta información.

El subsistema de ejecución de tareas es el componente que permite realizar acciones al Sistema Experto. Estas acciones se basan en las conclusiones obtenidas por el motor de inferencia.

El subsistema de explicación es otro de los componentes de los Sistemas Expertos que requieren una interfase de usuario. El usuario puede solicitar una explicación de las conclusiones obtenidas o de las acciones ejecutadas por el Sistema Experto.

Una de las principales facetas de un Sistema Experto es la habilidad de aprender. En un Sistema Experto pueden considerarse dos tipos distintos de aprendizaje: estructural y paramétrico; el aprendizaje estructural se refiere a algunos aspectos relacionados con la estructura del conocimiento (reglas, espacios probabilísticos, etc). El aprendizaje paramétrico se refiere a los cambios de los parámetros de la base de datos. Otra faceta de un Sistema Experto es su habilidad para ganar experiencia a través de los datos disponibles.

Usos de un Sistema Experto

Un sistema experto es muy eficaz cuando tiene que analizar una gran cantidad de información, interpretándola y proporcionando una recomendación a partir de la misma. Un ejemplo es el análisis financiero, donde se estudian las oportunidades de inversión, dependiendo de los datos financieros de un cliente y de sus propósitos.

Para detectar y reparar fallos en equipos electrónicos, se utilizan los sistemas expertos de diagnóstico y depuración, que formulan listas de preguntas con las que obtienen los datos necesarios para llegar a una conclusión. Entonces recomiendan las acciones adecuadas para corregir los problemas descubiertos. Este tipo de sistemas se utilizan también en medicina (ej. MYCIN y PUFF), y para localizar problemas en sistemas informáticos grandes y complejos.

Los sistemas expertos son buenos para predecir resultados futuros a partir del conocimiento que tienen. Los sistemas meteorológicos y de inversión en bolsa son ejemplos de utilización en este sentido. El sistema PROSPECTOR es de este tipo.

La planificación es la secuencia de acciones necesaria para lograr una meta. Conseguir una buena planificación a largo plazo es muy difícil. Por ello, se usan sistemas expertos para gestionar proyectos de desarrollo, planes de producción de fábricas, estrategia militar y configuración de complejos sistemas informáticos, entre otros.

Cuando se necesita controlar un proceso tomando decisiones como respuesta a su estado y no existe una solución algorítmica adecuada, es necesario usar un sistema experto. Este campo comprende el supervisar fábricas automatizadas, factorías químicas o centrales nucleares. Estos sistemas son extraordinariamente críticos porque normalmente tienen que trabajar a tiempo real.

El diseño requiere una enorme cantidad de conocimientos debido a que hay que tener en cuenta muchas especificaciones y restricciones. En este caso, el sistema experto ayuda al diseñador a completar el diseño de forma competente y dentro de los límites de costes y de tiempo. Se diseñan circuitos electrónicos, circuitos integrados, tarjetas de circuito impreso, estructuras arquitectónicas, coches, piezas mecánicas, etc.

Por último, un sistema experto puede evaluar el nivel de conocimientos y comprensión de un estudiante, y ajustar el proceso de aprendizaje de acuerdo con sus necesidades.

En la tabla se muestran los modelos funcionales de los sistemas expertos, junto al tipo de problema que intentan resolver y algunos de los usos concretos a que se destinan.

CATEGORÍA	TIPO DE PROBLEMA	USO
Interpretación	Deducir situaciones a partir de datos observados	Análisis de imágenes, reconocimiento del habla, inversiones financieras
Predicción	Inferir posibles consecuencias a partir de una situación	Predicción meteorológica, previsión del tráfico, evolución de la Bolsa
Diagnóstico	Deducir fallos a partir de sus efectos	Diagnóstico médico, detección de fallos en electrónica
Diseño	Configurar objetos bajo ciertas especificaciones	Diseño de circuitos, automóviles, edificios, etc
Planificación	Desarrollar planes para llegar a unas metas	Programación de proyectos e inversiones. Planificación militar
Monitorización o supervisión	Controlar situaciones donde hay planes vulnerables	Control de centrales nucleares y factorías químicas
Depuración	Prescribir remedios para funcionamientos erróneos	Desarrollo de software y circuitos electrónicos
Reparación	Efectuar lo necesario para hacer una corrección	Reparar sistemas informáticos, automóviles, etc
Instrucción	Diagnóstico, depuración y corrección de una conducta	Corrección de errores, enseñanza
Control	Mantener un sistema por un camino previamente trazado. Interpreta, predice y supervisa su conducta	Estrategia militar, control de tráfico aéreo
Enseñanza	Recoger el conocimiento y mostrarlo	Aprendizaje de experiencia

El acceso al conocimiento y al juicio de un experto es extremadamente valioso en muchas ocasiones (prospecciones petrolíferas, manejo de valores bursátiles, diagnóstico de enfermedades, etc.), sin embargo, en la mayoría de los campos de actividad existen más problemas por resolver que expertos para resolverlos. Para solucionar este desequilibrio es necesario utilizar un sistema experto. En general, actuará como ayudante para los expertos humanos y como consultor cuando no se tiene otro acceso a la experiencia.

Un sistema experto, además, mejora la productividad al resolver y decidir los problemas más rápidamente. Esto permite ahorrar tiempo y dinero. A veces sin esa rapidez las soluciones obtenidas serían inútiles.

Los valiosos conocimientos de un especialista se guardan y se difunden, de forma que, no se pierden aunque desaparezca el especialista. En los sistemas expertos se guarda la esencia de los problemas que se intenta resolver y se programa cómo aplicar los conocimientos para su resolución. Ayudan a entender cómo se aplican los conocimientos para resolver un problema. Esto es útil porque normalmente el especialista da por ciertos sus conocimientos y no analiza cómo los aplica.

Se pueden utilizar personas no especializadas para resolver problemas. Además si una persona utiliza regularmente un sistema experto aprenderá de el, y se aproximará a la capacidad del especialista.

Con un sistema experto se obtienen soluciones más fiables gracias al tratamiento automático de los datos, y más contrastadas, debido a que se suele tener informatizado el conocimiento de varios expertos

PRESENTADO POR
JORGE DE AVILA RAMOS
INSTITUTO TECNOLÓGICO COMFENALCO
VI SEMESTRE SISTEMAS DE INFORMACIÓN NOCTURNO
CARTAGENA DE INDIAS D. T. y C. OCTUBRE del 2000

lafacu.com no se responsabiliza por el uso que otros o terceros, puedan darle a esta información.