SISTEMAS

EXPERTOS
Lic. Humberto Ramos Fuentes.
¿Qué es un sistema experto?

Los Sistemas Expertos, rama de la Inteligencia

Artificial, son sistemas informáticos que simulan el
proceso de aprendizaje, de memorización, de
razonamiento, de comunicación y de acción en
consecuencia de un experto humano en cualquier
rama de la ciencia.
Pensamiento Humano e Inteligencia Artificial
La velocidad del razonamiento humano secuencial es sumamente baja
en comparación con la de las computadoras.
inicio OS
DAT
alta
b, h
18
área=(b*h)/2

carro
area

fin
Pensamiento Humano e Inteligencia Artificial

En los seres vivos, toda la información que recibe el sistema

nervioso proveniente del exterior, se adquiere mediante los
órganos sensoriales. En el ser humano, la percepción
sensorial está siempre asociada a un proceso cognoscitivo.
Esto significa que no basta con "ver" o escuchar algo, sino
que también hace falta un cierto procesamiento previo de la
información antes de que esta se guarde e interprete.
Pensamiento Humano e Inteligencia Artificial
Existe una diferencia sutil, y muy importante, entre las
funciones de "sentir" y "percibir".

"sentir" es una operación simple, que ocurre a nivel de los

sentidos.
"percibir" es una función compleja que tiene lugar en el
cerebro.
La diferencia existente entre percepción y sensación,
significa que un estímulo siempre se sentirá de la misma
forma en diferentes situaciones, sin embargo, su percepción
cambiará de acuerdo con el contexto y las experiencias
pasadas del individuo.
Pensamiento Humano e Inteligencia Artificial

Otra facultad del hombre es su capacidad para

"poner atención" a cierta parte de la información que se
recibe y desechar el resto, es decir, la selectividad. Sin
embargo, aun cuando el sujeto se concentre en una parte de
la información, tiene la sensación permanente de que el
resto del mundo se halla presente en todo momento,
aunque no esté dentro de su campo visual.
Pensamiento Humano e Inteligencia Artificial

INTELIGENCIA
ARTIFICIAL
Se define la inteligencia artificial como aquella
inteligencia exhibida por artefactos creados por humanos
(es decir, artificial). A menudo se aplica hipotéticamente a
los computadores. El nombre también se usa para referirse
al campo de la investigación científica que intenta
acercarse a la creación de tales sistemas.
INTELIGENCIA
ARTIFICIAL
 Diferencia entre la inteligencia Natural y la Artificial
Atributos Inteligencia Inteligencia
Natural Artificial
Capacidad de usar detectores Alta Baja
Capacidad de ser creativo Alta Baja
Capacidad de aprender de la experiencia Alta Baja
Capacidad de adaptación Alta Baja
Capacidad de permitirse el costo de adquirir Alta Baja
experiencia
Capacidad de usar diversas fuentes de información Alta Alta
Capacidad de adquirir una gran cantidad de Alta Alta
información externa
Capacidad de realizar cálculos complejos Baja Alta
Capacidad de transferir información Baja Alta
Capacidad de hacer una serie de cálculos con rapidez y Baja Alta
exactitud
 Historia de la Inteligencia Artificial
En 1937 el matemático inglés Alan Mathison Turing
(1912-1953) publicó un artículo de bastante repercusión
sobre los "Números Calculables", que pueden considerarse
el origen oficial de la Informática Teórica.
En este artículo, introdujo la Máquina de Turing, una
entidad matemática abstracta que formalizó el concepto de
algoritmo y resultó ser la precursora de las computadoras
digitales. Con ayuda de su máquina pudo demostrar que
existen problemas irresolubles que ningún ordenador será
capaz de solucionar, por ello Turing es considerado el
padre de la teoría de la computabilidad.
 Prueba de Touring
Dos personas y un computador:
Una de las personas es un interrogador.
Otra persona y el computador son los elementos a ser identificados.
 Prueba de Touring
Hoy por hoy, el trabajo que entraña programar una computadora para
pasar la prueba es considerable. La computadora debería ser capaz de
lo siguiente:

 Procesar un lenguaje natural: Para así poder establecer

comunicación satisfactoria, sea en español, inglés o en cualquier
otro idioma humano.
 Representar el conocimiento: Para guardar toda la información que
se le haya dado antes o durante el interrogatorio. Utilización de Base
de Datos para receptar preguntas y luego almacenarlas.
 Razonar automáticamente : Utiliza la información guardada al
responder preguntas y obtener nuevas conclusiones o tomar
decisiones.
 Autoaprendizaje de la máquina: Con el propósito de adaptarse a
nuevas circunstancias. El autoaprendizaje conlleva a la auto-
evaluación.
 Prueba de Touring
Para aprobar la prueba total de Turing, es necesario que la
computadora esté dotada de:

• Vista: Capacidad de percibir el objeto que se encuentra

en frente suyo.

• Robótica: Capacidad para mover el objeto que ha sido

percibido.
 Aplicaciones de la Inteligencia Artificial
Robótica: Incluye el desarrollo de dispositivos mecánicos
o de computación que tengan la capacidad de realizar
funciones, tales como pintar automóviles, de hacer
soldaduras de precisión y realizar otras tareas que
requieran de un alto grado de precisión o que sean tediosas
o impliquen peligro para los seres humanos. En la robótica
contemporánea se combinan las capacidades de alta
precisión de la máquina con un software controlador
sofisticado.
 Aplicaciones de la Inteligencia Artificial

Sistema de visión: Incluyen equipos y software que les

permite a las computadoras capturar, almacenar y manipular
imágenes visuales y fotografías.
El Departamento de Justicia de los Estados Unidos usa un
sistema de visión para realizar análisis de huellas dactilares,
con casi el mismo nivel de precisión que los expertos
humanos.
 Aplicaciones de la Inteligencia Artificial

Lenguaje Natural

¿Por qué Lenguaje Natural?

 El Procesamiento de Lenguaje es esencial para la

comunicación entre humanos y maquinas, el desarrollo de
esta área permite la posibilidad de construir traductores,
interfaces a sistemas de información, etc.

 Dependiendo de la entrada, voz o texto, se tienen niveles de

complejidad distintos. Esta área ha sido tradicionalmente
difícil... Las aplicaciones actuales de lenguaje natural tienen
grandes restricciones y generalmente se limitan a dominios
bastante acotados, el gran problema es la ambigüedad...
 Aplicaciones de la Inteligencia Artificial

Lenguaje Natural
El lenguaje tiene varios elementos que es necesario conocer
para estudiarlo en detalle:
• Fonética: formación de palabras a partir de sonidos.
• Morfología: composición de las palabras, a partir de ella es
posible obtener información sobre la función de las palabras.
Ejemplo: in-determinada-mente.
• Sintaxis: describe la forma del lenguaje. Esta especificada
por reglas gramaticales (sujeto seguido de predicado, etc.)
• Semántica: define el significado de oraciones, frases y
expresiones
del lenguaje.
• Pragmática: explica como una frase, oración, expresión, se
relaciona con el contexto en el cual se esta hablando.
 Aplicaciones de la Inteligencia Artificial

Lenguaje Natural

Para entender estos tres últimos aspectos veamos

ejemplos:

• Este es un curso de Inteligencia Artificial

• Las ranas hacen ruido mientras duermen
• Las iguanas verdes y sin color, duermen
placenteramente.
• Cuatro elefantes en desde siempre ocho.
DEFINICIÓN.- "Es un programa que soluciona problemas y da
consejos en un área especializada de conocimiento."
OBJETIVO.- Pueden resolver problemas muy difíciles como los
expertos humanos, razonan pero en base a un conocimiento adquirido,
funcionan con datos que contienen errores, contemplan múltiples
hipótesis en competición simultáneamente, y pueden justificar sus
conclusiones.
CONCEPTOS.- Los programas convencionales utilizan datos exactos
lo que es una indudable ventaja de los computadores. Esta clase de
datos se denomina conocimiento factual o preciso.
Los humanos usamos una mezcla de ese
conocimiento factual y de conocimiento heurístico
(o sea la intuición lógica), que es una indisputable
ventaja de los humanos.
Los sistemas expertos tratan de emular ese
conocimiento heurístico, lo que los hace superiores
a los programas convencionales ya que pueden
tratar con datos "inciertos", o sea, no precisos.
 Básicamente el Sistema Experto esta compuesto por:

1. Base de conocimientos

2. Motor de inferencia.

3. Interface con el usuario.

 BASE DE CONOCIMENTOS

Técnicamente un sistema experto, contiene una base de

conocimientos que incluye la experiencia acumulada de expertos
humanos y un conjunto de reglas para aplicar ésta base de
conocimientos en una situación particular que se le indica al
programa. Cada vez el sistema se mejora con adiciones a la base
de conocimientos o al conjunto de reglas.
 BASE DE CONOCIMENTOS

Las bases de conocimiento se han clasificado en dos grandes

tipos:

1.- Bases de conocimiento leíbles por máquinas, diseñadas para almacenar

conocimiento en una forma legible por el computador, usualmente con el fin de obtener
razonamiento deductivo automático aplicado a ellas. Contienen una serie de datos,
usualmente en la forma de reglas que describen el conocimiento de manera lógicamente
consistente. Operadores lógicos como Y (conjunción), O (disyunción), condición lógica
y negación son utilizada para aumentarla desde el conocimiento atómico. En
consecuencia la deducción clásica puede ser utilizada para razonar sobre el
conocimiento en la base de conocimiento. Este tipo de bases de conocimiento son
utilizadas por la Web semántica
 Tabla de verdad Tabla de verdad
del AND (Y) del OR (O)
A B AYB A B AOB
0 0 0 0 0 0
0 1 0 0 1 1
1 0 0 1 0 1
1 1 1 1 1 1
La parte IF generalmente contiene varias cláusulas unidas por
los conectivos lógicos AND, OR. La parte THEN consiste en
una o más frases que especifican la acción a tomar.
Las bases de conocimiento se han clasificado en dos grandes
tipos:

2.-Bases de conocimiento leíbles por Humanos están diseñadas para permitir a las
personas acceder al conocimiento que ellas contienen, principalmente para propósitos
de aprendizaje. Estas son comúnmente usadas para obtener y manejar conocimiento
explicito de las organizaciones, incluyen artículos, White papers, manuales de usuario y
otros. El principal beneficio que proveen las bases de conocimiento es proporcionar
medios de descubrir soluciones a problemas ya resueltos, los cuales podrían ser
aplicados como base a otros problemas dentro o fuera del mismo área de conocimiento.
La máquina de inferencias es la porción del sistema experto
que razona utilizando el contenido de la base del
conocimiento en una secuencia determinada.
Durante la consulta, la máquina de inferencias examina las
reglas de la base del conocimiento una por una, y cuando se
cumple la condición de la regla, se realiza la acción
especificada. En la terminología de los sistemas experto, la
regla se extiende cuando se efectúa la acción.
Se han ideado dos métodos principales de la
máquina de inferencias al examinar las reglas:

por razonamiento

razonamiento inverso.
 Por razonamiento

En el por razonamiento, también llamado encadenamiento

hacia delante, las reglas se examinan una tras otra en cierto
orden. El orden podría ser la secuencia en que las reglas se
introdujeron en el conjunto de reglas, o podrá ser alguna otra
secuencia especificada por el usuario.
Sean los hechos de partida A y H (donde A puede ser el hecho y H otro hecho
cualquiera), y sea X el objetivo a alcanzar (el cual también se representa en forma de
hecho por ejemplo el objetivo podría ser tratar de probar que ).
REGLA MEMORIA DE TRABAJO (MT) OBSERVACION
Tenemos las siguientes reglas.
R1: si A entonces C.
R2: si A entonces Z. - (A,H) (X) estado inicial.
R3: si V y Z entonces X.
R4: si C entonces D. R1 (A,H,C) (X) se aplica la R1 y la conclusión se
almacena en la MT
R5: si W y Q entonces V.
R6: si H entonces F. R2 (A,H,C,Z) (X) se aplica la R2 e incrementa la MT.
R7: si D y F entonces X.
R3 (A,H,C,Z) (X) falla, va a buscar otra regla
no se incrementa la MT.

R4 (A,H,C,Z,D) (X) se aplica la R4.

R5 (A,H,C,Z,D) (X) falla.

R6 (A,H,C,Z,D,F) (X) se aplica la R6.

R7 (A,H,C,Z,D,F,X) (X) éxito, se alcanzó el objetivo X.

Razonamiento Inverso
En el razonamiento inverso, también llamado
encadenamiento hacia atrás, la máquina de inferencia
selecciona una regla y la considera como un problema a
resolver. Pero luego se da cuenta, que para resolverla
debe primero resolver las anteriores las cuales se
constituyen en sub problemas.
 EJEMPLOS DE SISTEMAS
EXPERTOS
MYCIN
Es un Sistema Experto para la realización de diagnósticos en el
área de la medicina, iniciado por Ed Feigenbaum y
posteriormente desarrollado por E. Shortliffe y sus
colaboradores. Su función es la de aconsejar a los médicos en la
investigación y determinación de diagnósticos en el campo de
las enfermedades infecciosas de la sangre.
 EJEMPLOS DE SISTEMAS EXPERTOS
XCON
Es un Sistema Experto para configuraciones, desarrollado por la Digital
Equipment Corporation. Según los deseos individuales del cliente se
configuran redes de ordenadores VAX. Ya que el abanico de productos que se
ofrecen en el mercado es muy amplio, la configuración completa y correcta
de un sistema de estas características es un problema de gran complejidad.
Responde esencialmente a dos preguntas: ¿Pueden conjugarse los
componentes solicitados por el cliente de forma conveniente y razonable? Y
¿Los componentes de sistema especificados son compatibles y completos?.
Las respuestas a estas preguntas son muy detalladas. XCON es capaz de
comprobar y completar los pedidos entrantes mucho más rápido y mejor que
las personas encargadas de hacerlo antes que él.
 EJEMPLOS DE SISTEMAS EXPERTOS

DELTA
Sistema experto que ayuda a los mecánicos en el
diagnóstico y reparación de locomotoras diesel-
eléctricas, DELTA no sólo da consejos expertos, sino
que también presenta informaciones por medio de un
reproductor de vídeo.