Sistema experto

De Wikipedia, la enciclopedia libre.

Los sistemas expertos son aquellos programas que se realizan haciendo explicito el conocimiento en ellos, que tienen información específica de un dominio concreto y que realizan una tarea relativa a este dominio.

Los sistemas expertos trabajan con inteligencia artificial simbólica, es decir, a nivel de símbolos; como pueden ser ideas, imágenes, conceptos, etc. aunque debido a su naturaleza algorítmica se usen internamente instrucciones computables y estructuras de datos como los MOPS de Schank.

El éxito de un sistema experto radica fundamentalmente en el conocimiento sobre el dominio que trata y su capacidad de aprendizaje. El conocimiento sobre el dominio proporciona al sistema experto mayor información sobre el problema a tratar y su entorno, de forma que pueda generar y adaptar soluciones de forma más precisa, al tener un conocimiento más profundo sobre el tema, de forma similar a un experto especializado. El aprendizaje, inductivo o deductivo según corresponda, proporcionará al sistema experto mayor autonomía a la hora de abordar problemas totalmente desconocidos; pudiendo generar nuevo conocimiento partiendo del extraído inicialmente del experto o expertos humanos.

Son llamados expertos por que emulan el comportamiento de un experto en un dominio concreto y en ocasiones son usados por ellos.

Con los sistemas expertos se busca una mejor calidad y rapidez en las respuestas dando así lugar a una mejora de la productividad del experto.

Estructura básica de un SE

Un Sistema Experto consta de los siguientes elementos:

• Base de conocimientos (BC): Contiene conocimiento modelado extraído del diálogo con el experto.
• Mecanismo de aplicación del conocimiento (MAC): Es el encargado de realizar las inferencias. Depende del tipo de representación del conocimiento.
• Base de afirmaciones (BA): En ella el MAC almacena sus conclusiones transitorias.
• Interfaz de usuario: De ella depende la aceptación del sistema por parte del usuario.
• Base de datos: Base de datos tradicional. La diferencia con la BC es que aquí se guardan datos y en la BC se almacena conocimiento. Por ejemplo, en un sistema experto sobre medicina la BD contendría las fichas de los pacientes mientras que la BC contendría el conocimiento de un médico.
• Módulo de explicación (ME): Debe mostrar al usuario la secuencia de inferencias llevadas a cabo por el MAC.
• Módulo de aprendizaje y modulo de adquisición de conocimiento: Como su nombre indica, sirve para que el propio sistema aprenda.

Tipos de SE

Principalmente existen tres tipos de sistemas expertos:

• Basados en reglas.
• Basados en casos o CBR (Case Based Reasoning).
• Basados en redes bayesianas.

En cada uno de ellos, la solución a un problema planteado se obtiene:

• Aplicando reglas heurísticas apoyadas generalmente en lógica difusa para su evaluación y aplicación.
• Aplicando el razonamiento basado en casos, donde la solución a un problema similar planteado con anterioridad se adapta al nuevo problema.
• Aplicando redes bayesianas, basadas en estadística y el teorema de Bayes.

Ventajas y limitaciones de los Sistemas Expertos

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.
• Duplicación: Una vez programado un SE lo podemos duplicar 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 coste: A pesar de que el coste 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.).

Limitaciones

• Sentido común: Para un SE no hay nada obvio. Por ejemplo, un sistema experto sobre medicina podría admitir que un hombre lleva 40 meses embarazado, a no ser de que se especifique que esto no es posible.
• 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 cuales 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.

Temas relacionados

• w:en:Expert system
• Inteligencia Artificial
• Red neuronal artificial
• Lógica difusa
• Heurística
• Sistema complejo