Está en la página 1de 5

Introduccin

No hace mucho tiempo, se crea que algunos problemas como la demostracin de teoremas, el reconocimiento de la voz y el de patrones, ciertos juegos (como el ajedrez o las damas), y sistemas altamente complejos de tipo determinista o estocstico, deban ser resueltos por personas, dado que su formulacin y resolucin requieren ciertas habilidades que solo se encuentran en los seres humanos (por ejemplo, la habilidad de pensar, observar, memorizar, aprender, ver, oler, etc.).
De lo comprender los siguientes puntos explicados en el siguiente cuadro conceptual

Sistemas Expertos
Es un sistema informtico (hardware y software) que simula a los expertos humanos en un rea de especializacin dada.

Por Que se Utiliza


1. Con la ayuda de un Sistema Experto, personas con poca experiencia pueden resolver problemas que requieren un "conocimiento formal especializado". 2. Los Sistemas Expertos pueden obtener conclusiones y resolver problemas de forma ms rpida que los expertos humanos. 3. Los Sistemas Expertos razonan pero en base a un conocimiento adquirido y no tienen sitio para la subjetividad. 4. Se ha comprobado que los Sistemas Expertos tienen al menos, la misma competencia que un especialista humano. 5. Los sistemas expertos pueden ser utilizados para realizar operaciones montonas, aburridas e inconfortables para los humanos.

Ejemplo
Agentes secretos. Alberto, Luisa, Carmen, y Tomas son agentes secretos, cada uno est en uno de los cuatro pases: Egipto, Francia, Japn y Espaa. No se sabe donde esta cada uno de ellos. Por tanto, se ha pedido informacin y se han recibido los cuatro telegramas siguientes: Desde Francia: Luisa esta en Espaa. Desde Espaa: Alberto esta en Francia Desde Egipto: Carmen esta en Egipto. Desde Japn: Carmen esta en Francia.

No se sabe quin es el que ha mandado cada uno de los mensajes, pero se sabe que Tomas miente (un agente doble?) y que los dems agentes dicen la verdad.

Clasificacin

Problemas esencialmente deterministas y problemas esencialmente estocsticos. Estos tipos de problemas pueden tambin incluir algunos elementos deterministas, pero se trata fundamentalmente de problemas estocsticos.

DETERMINISTA O BASADO EN RCEGLAS.- pueden ser formulados usando un conjunto de reglas que relacionen varios objetos bien definidos. Tambin son conocidos como sistemas basados reglas, porque sacan sus conclusiones basndose en un conjunto de reglas utilizando un mecanismo de razonamiento lgico. ESTOCSTICOS O BASADOS EN CASO.- donde la solucin a un problema similar planteado con anterioridad se adapta al nuevo problema. ESTADISTICOS O BASADOS EN PROVABILIDADES.- Los sistemas expertos que utilizan la probabilidad como medida de incertidumbre se conocen como sistemas expertos probabilsticos y la estrategia de razonamiento que usan se conoce como razonamiento probabilstico, o inferencia probabilstica.

Componentes

Subsistema de Adquisicin de Conocimiento


Controla el flujo del nuevo conocimiento que fluye del experto humano a la base de datos.

Es decir, si debe incluirse en la base de datos y, en caso necesario, incorpora estos conocimientos a la misma.

La Base de Conocimiento
Es ordenar y estructurar un conjunto de relaciones bien definidas y explicadas. El conocimiento se refiere a afirmaciones de validez general tales como reglas, distribuciones de probabilidad, etc.

Motor de Inferencias
Es el corazn de todo sistema experto es el de sacar conclusiones aplicando el conocimiento a los datos. Pueden estar basadas en conocimiento determinista o conocimiento probabilstico.

Base de Hechos
Contienen los hechos sobre un problema que se ha descubierto durante el anlisis.

Mdulos de Justificacin
Es como se explica el razonamiento utilizado por el sistema para llegar a una determinada conclusin.

Interface de Usuario
Es el enlace entre el sistema experto y el usuario. Un sistema experto sea una herramienta efectiva, debe incorporar mecanismos eficientes para mostrar y obtener informacin de forma fcil y agradable.

DESAROLLO

METODOLOGA PARA EL DESARROLLO


1. Formular el problema 2. Determinar la representacin (atributos y clases) directamente hablando con expertos a partir de otras tcnicas (filtros) 3. Identificar y recolectar datos de entrenamiento (bases de datos, ficheros, ) 4. Preparar datos para anlisis 5. Seleccin de modelo, construccin y entrenamiento 6. Evaluar lo aprendido validacin cruzada, expertos 7. Integrar la base de conocimiento a la espera de nuevos datostras acciones.