Universidad Interamericana para el Desarrollo

Ingenieria en Sistemas de Información

Sistemas Expertos
Overview

1
 Agenda

 Presentación
 Inteligencia Artificial
 Concepto
 Escuelas del Pensamiento
 Sistemas Expertos
 Concepto
 Estructura Básica
 Tipos
 Ventajas
 Limitaciones

2
 Inteligencia Artificial

 Ciencia que intenta la creación de programas para

máquinas que imiten el comportamiento y la comprensión
humana

 Crear sistemas artificiales capaces de

comportamientos que, de ser realizados
por seres humanos, se diría que
requieren inteligencia.
 Estudio de los mecanismos de la
inteligencia y las tecnologías que lo
sustentan.
 Intento de reproducir (modelar) la
manera en que las personas identifican,
estructuran y resuelven problemas
difíciles.
3
 Inteligencia Artificial
Aplicaciones
 Control de sistemas,
 Planificación automática,
 La habilidad de responder a diagnósticos y a consultas de los
consumidores,
 Reconocimiento de escritura,
 Reconocimiento del habla y
 Reconocimiento de patrones

4
 Escuelas del Pensamiento

Redes neuronales.
IA Sistemas difusos.
Computación evolutiva.
Computacional

Convencional

Sistemas expertos.
Razonamiento basado en casos.
·Red
· bayesiana.
Inteligencia artificial basada en
comportamientos.

5
 Tarea

 Investigar:
 Inteligencia Artificial
 Sistemas Expertos
 Teorema de Bayes / Teoría Bayesiana
 Prolog
– CLIPS
– Strawberry Prolog
 ELIZA

 Estructura
 Portada.
 Contenido.
 Bibliografia.
 Se requiere el archivo electrónico via mail y el trabajo en
papel.
6
 Sistemas Expertos

 Concepto: Emulan el comportamiento de un experto en

un dominio concreto y en ocasiones son
usados por ellos.

 Objetivo: Se busca una mejor calidad y rapidez en las

respuestas dando así lugar a una mejora de
la productividad del experto.

7
  Un sistema experto (SE) es una rama de la Inteligencia
Artificial y es aquel que imita las actividades de un
humano para resolver problemas de distinta índole (no
necesariamente tiene que ser de Inteligencia Artificial).
 También se dice que un SE se basa en el conocimiento
declarativo (hechos sobre objetos, situaciones) y el
conocimiento de control (información sobre el
seguimiento de una acción).

8
  Para que un sistema experto sea herramienta efectiva,
los usuarios deben interactuar de una forma fácil,
reuniendo dos capacidades para poder cumplirlo:
1. Explicar sus razonamientos o base del conocimiento:
los sistemas expertos se deben realizar siguiendo ciertas
reglas o pasos comprensibles de manera que se pueda
generar la explicación para cada una de estas reglas, que
a la vez se basan en hechos.
2. Adquisición de nuevos conocimientos o integrador del
sistema: son mecanismos de razonamiento que sirven
para modificar los conocimientos anteriores. Sobre la
base de lo anterior se puede decir que los sistemas
expertos son el producto de investigaciones en el campo
de la inteligencia artificial ya que esta no intenta sustituir
a los expertos humanos, sino que se desea ayudarlos a
realizar con más rapidez y eficacia todas las tareas que
realiza con menor dificultad.
9
 Estructura de un SE

Un Sistema Experto está conformado por:

 Base de conocimientos (BC): Contiene conocimiento
modelado extraído del diálogo con el experto.
Hay que obtener el conocimiento del experto y codificarlo
en la base de conocimientos.
Una forma clásica de representar el conocimiento en un
sistema experto son lar reglas.
Una regla es una estructura condicional que relaciona
lógicamente la información contenida en la parte del
antecedente con otra información contenida en la parte
del consecuente.

10
  Base de hechos (Memoria de trabajo): contiene los
hechos sobre un problema que se ha descubierto durante
el análisis.
Contiene los hechos sobre un problema que se han
descubierto durante una consulta.
Durante una consulta con el sistema experto, el usuario
introduce la información del problema actual en la base
de hechos.
El sistema empareja esta información con el conocimiento
disponible en la base de conocimientos para deducir
nuevos hechos.

11
  Motor de inferencia: Modela el proceso de razonamiento
humano.

El sistema experto modela el proceso de razonamiento

humano con un módulo conocido como el motor de
inferencia.
Dicho motor de inferencia trabaja con la información
contenida en la base de conocimientos y la base de
hechos para deducir nuevos hechos.
Contrasta los hechos particulares de la base de hechos
con el conocimiento contenido en la base de
conocimientos para obtener conclusiones acerca del
problema.

12
  Módulos de justificación: Explica el razonamiento utilizado
por el sistema para llegar a una determinada conclusión.
Una característica de los sistemas expertos es su
habilidad para explicar su razonamiento.
Usando el módulo del subsistema de explicación, un
sistema experto puede proporcionar una explicación al
usuario de por qué está haciendo una pregunta y cómo
ha llegado a una conclusión.
Este módulo proporciona beneficios tanto al diseñador del
sistema como al usuario. El diseñador puede usarlo para
detectar errores y el usuario se beneficia de la
transparencia del sistema.

13
  Interfaz de usuario: es la interacción entre el SE y el
usuario, y se realiza mediante el lenguaje natural.
La interacción entre un sistema experto y un usuario se
realiza en lenguaje natural. También es altamente
interactiva y sigue el patrón de la conversación entre
seres humanos.
Para conducir este proceso de manera aceptable para el
usuario es especialmente importante el diseño del interfaz
de usuario.
Un requerimiento básico del interfaz es la habilidad de
hacer preguntas. Para obtener información fiable del
usuario hay que poner especial cuidado en el diseño de
las cuestiones. Esto puede requerir diseñar el interfaz
usando menús o gráficos.

14
 Tipos de Sistemas Expertos

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.
15