Metodologia SE 2 PDF

-I-
TESIS DOCTORAL
METODOLOGA PARA EL DESARROLLO DE SISTEMAS EXPERTOS
por
Jos Domingo CARRILLO VERDUN
Ingeniero de Montes por la E.T.S. de Ingenieros de

Montes de Madrid.
Presentado en la
FACULTAD DE INFORMTICA
de la
UNIVERSIDAD POLITCNICA DE MADRID
para la obtencin del

Grado de Doctor en In-forrnt i ca
MADRID, MAYO DE 1987
M0OM3G32
J?,1Z
R3Z,:
-I I-
TESIS DOCTORAL
METODOLOGA PARA EL DESARROLLO DE SISTEMAS EXPERTOS.
por: D. Jos Domingo CARRILLO VERDUN
Director de Tesis: D. Juan PAZOS SIERRA
TRIBUNAL CALIFICADOR
Presidente: D. Antonio INSUA NEGRAO

Secretario: D. Rafael GONZALO MOLINA
Vocales:
D. Manuel DIEZ Y DIEZ DE ULZURRUN

D. Luis LAITA
D. Sixto ROS INSUA
Madrid, Mayo de 1987.
-I II-
METODOLOGIA PARA EL DESARROLLO DE SISTEMAS EXPERTOS
RESUMEN:
Aunque
las primeras bases de la Inteligencia Artificial -fue-
ron puestas por Alan Turig en 1950, los primeros Sistemas Expertos no empezaron comercialmente a explotarse hasta 1984.
A travs de la literatura consultada sobre dichos Sistemas se

han observado distintos enfoques en el desarrollo de los mismos,
sin que se hubiera seguido una metodologa especifica.
La Metodologa
(IDEAL) desarrollada en esta tesis intenta una
primera aproximacin a la sistematizacin del desarrollo de Sistemas Expertos,

actividades
estructurndolo en una serie de fases, etapas y
que intentan facilitar
la
labor
del Ingeniero del
Conocimiento en la construccin del Sistema Experto.
En esta
blemas ms
metodologa, se hace especial
referencia a los pro-
importantes que debe resolver el Ingeniero del Cono-
cimiento en cuanto a:
- Seleccin
del dominio de Aplicacin
del Experto/s en ese dominio.
del Sistema Experto y
-IV-
- Su relacin con el Experto/s, y extraccin del Conocimiento

del mismo/s, donde tienen especial
gicas tales como
importancia tcnicas psicol-
el Anlisis del protocolo o tcnicas de entre-
vistas.
Adquisicin del Conocimiento por
el Ingeniero y seleccin
de la tcnica de representacin adecuada.
- Seleccin
de la herramienta ms
adecuada para el desarro-
llo.
- Construccin de prototipos incremntales.
Se establecen
Metodologa
unas pautas para la posible aplicacin de esta
al Sector
posibles reas
Financiero, sealndose
las principales
de aplicacin, as como la problemtica que para
este sector tienen los Sistemas Expertos.
_v_
METHODOLOGIE FOR EXPERTS SYSTEMS DEVELOPMENT
SUMMARY:
Although
the -First basis o-f the Arti-Ficial Intelligence were
put by Alan Turing
in 1950, the -first
Expert
Systems have not
being commercially operated till 1984.
Throughout
the literature we have
Systems, we have observed di-f-ferents
cnsul t.ed
ways in
about o-f these
their development,
without having -followed a speci-fic method.
The (IDEAL)
Method developped
in this
approach
to the systemat i zat i on o-f
Systems
by
structing
activities which intends

Engineer
In
it
in
the
several
thesis,
try
development
phases,
a -first
o-f Expert
periods
and
to make easy the work of the Knowledge
in the construction o-f the Expert System.
this method,
we make
a special
re-ference
to
the more
important problems that the Knowledge Engineer should resolve in

regard to:
- Selection
o-f the domain o-f
and o-f the Expert/s in that field.
the
Expert System Application
-VI-
His
relationship
with
the
knowledge, where psychologica1
Expert/s
to
elicite
technics have special
their
importance
as also the Anlisis of the protocol or interview technics.
.- Knowledge
adquisition by the engineer
and
selection
o-f the
adecate representation technique.
- Selection o-f the more appropiate tool -for it development.
- Increasing prototypes construction.
We have
application
the
stablished
some
guides
o-f this Method to
principal
possible
reas
in
order
to
possible
the Finantial Sector, indicating

o-f
application,
as
also
problematic that in this sector the Expert Systems may have.
the
-VII-
INDICE GENERAL
CAPITULO I
INTRODUCCIN
Pag.
1.1
Trascendencia de los Sistemas Expertos ..
1.2
Aplicacin al Sector Financiero
CAPITULO 11
ESTADO DE LA TECNOLOGA
14
II. 1
Resea histrica
14
11.2
Arquitectura de los Sistemas Expertos ...
22
11.3
Formal izacin y representacin del

conocimiento
31
II.3.1
Formalismos del conocimiento
31
II.3. 1.1
Formalismos heursticos
32
11.3.1.2
Formalismos epistemolgicos
33
11.3.1.3
Formalismos conceptuales
34
11.3.1.4
Formalismos computacionales
34
II. 3.2
Bases de conocimiento
44
II. 4
Motor de Inferencia
48
II. 4.1
Estrategia de control
49
II. 4.2
Modos de razonamiento
52
II. 4.3
Ciclo de base de un Sistema de produccin

en encadenamiento hacia adelante
II. 4.4
56
Ciclo de base de un Sistema de

produccin dirigido por la meta
63
-VIII-
II. 4.5
Tcnicas de equiparacin
II- 4.6
Consideraciones sobre la resolucin
psg.
66
de conflictos
II. 4.7
72
Criterios que dirigen la seleccin

de un motor de inferencia
73
II. 5
"Software" y "Hardware"
76
II. 5.1
Lenguajes
76
II. 5.1.1
Generalidades sobre LISP
82
II. 5.1.2
Dialectos del LISP
B5
II. 5.1.3
Generalidades sobre PROLOG
87
II. 5.1.4
PLANNER y CONNIVER
88
II. 5.1.5
KRL (Knowledge Representation

Language)
II. 5.2
89
Entornos de programacin en Inteligencia Artificial
II. 5.3
90
Inventario de material y soporte de

la Inteligencia Artificial
94
II. 5.3.1
Mquinas LISP
97
II. 5.4
La Quinta Generacin
II. 5.4.1
La Arquitectura de la Quinta Generacin
II. 5.5
Modelos de mquinas de inferencia
II. 5.6
104
.
106
par alela ..-
111
Mquinas neuromimticas
112
-IX-
pag.
CAPITULO III PROBLEMTICA ACTUAL EN LA CONSTRUCCIN

DE LOS SISTEMAS EXPERTOS
114
III. 1
General idades
114
III- 2
Seleccin de la. aplicacin
114
III. 3
Empleo de nuevas tcnicas no utilizadas

por Proceso de Datos, para la resolucin de problemas y representacin del
conoc i miento
III. 4
III. 5
CAPITULO IV
117
Seleccin de "Hardware" y "So-Ftware" a

utilizar y evaluacin del mismo
122
Problemtica
126
METODOLOGA PARA LA CONSTRUCCIN DE

SISTEMAS EXPERTOS
IV. 1
Introduccin a la metodologa
IV. 2
Fase I: Determinacin de necesidades y
127
127
valoracin del proyecto
130
IV. 2.1
Seleccin de la aplicacin
130
IV. 2.2
Determinacin de necesidades y plan de

evaluacin del Sistema Experto
142
IV. 2.2.1
Mental izacin de los usuarios
142
IV. 2.2.2
Formacin de los Ingeniero del

Conocimiento
144
IV. 2.2.3
Ubicacin
150
IV. 2.2.4
Determinacin de recursos humanos y
idnea del Sistema Experto ....
plazos de desarrollo
152
-X-
pag.
Plan de evaluacin
154
Balance econmico del Sistema Experto ...
158
Aceptacin por la Direccin y usuarios

del Sistema Experto
161
Aceptacin por parte de los usuarios ....
162
Aceptacin por los responsables
163
Fase II: Diseo de la Ingeniera del

Conocimiento y Construccin riel
Prototipo
164
Adquisicin del conocimiento
164
Metodologas de adquisicin del

conocimiento
167
Tipos de conocimiento
169
Tcnicas psicolgicas utilizadas
170
Metodologas de trabajo del
Ingeniero
del Conocimiento
178
Representacin del Conocimiento .........
182
Desarrollo de un prototipo
186
Especificacin de los criterios de

rendimiento del prototipo
189
Seleccin de la herramienta para construir el prototipo
190
Desarrollo de la versin inicial del

prototipo
Verificacin del prototipo con casos de
190
-XI-
pag.
IV. 3.4
Uso y mejora del prototipo
192
IV. 4
Fase III. Construccin de la versin en

produccin
IV. 4.1
195
Desarrollo del diseo detallado del

Sistema Experto -final
IV. 4.2
195
Implantacin del ncleo del Sistema

Experto
196
IV. 4.3
Expansin de la base de conocimiento
...
197
IV. 4.4
Adecuacin de la inter-fase de usuario ...
198
IV. 4.5
Monitorizacin de las prestaciones y

evaluacin del rendimiento del sistema
desarrollado
198
IV. 4.6
Mantenimiento de la base de conocimiento.
199
IV. 5
Fase IV: Comprobacin del Sistema e

Integracin del mismo en Produccin
200
IV. 5.1
Integracin a la escala -final
200
IV. 5.1.1
Organizacin de la transferencia de
tecnologa
IV. 5.1.2
201
Establecimiento de inter-fases del

Sistema Experto con distintos sistemas
"so-ftware" y "hardware" u otros
202
IV. 5.2
Uso regular y evaluacin del Sistema ....
203
IV. 5.3
Mantenimiento y mejora del Sistema

t
Experto
203
-XII-
CAPITULO V
pag.
RESULTADOS, CONCLUSIONES Y FUTURAS LINEAS

DE INVESTIGACIN
206
V. 1
Introduccin
206
V. 2
Conclusiones
209
V. 3
Futuras lneas de investigacin
211
CAPITULO VI
REFERENCIAS BIBLIOGRFICAS
ANEXOS
214
219
1 APLICACIN DE LA METODOLOGA A UN CASO PRACTICO EN

EL SECTOR FINANCIERO
219
II BIBLIOGRAFA GENERAL
276
CAPITULO I. INTRODUCCIN.
I.1. Trascendencia de los Sistemas Expertos.
La Inteligencia Artificial es una de las reas de la Tecnologa de
la Informacin que ms
expectativas est despertando en
el momento actual, quizs esperando unas realidades a corto plazo que difcilmente podrn verse realizadas, si antes no se consiguen
mejores "herramientas", ms adecuados mtodos y se esta-
blecen ms slidos principios tericos que los actuales.
Sin embargo, una de
las razones de que se haya despertado el
mayor inters en el rea,
es debido a la creacin de los llama-
dos Sistemas Expertos, especialmente
por las aplicaciones prc-
ticas que estn producindose en todos los sectores.
Estos
Sistemas cuentan con el
conocimiento relativo
una serie
apoyo
a un campo muy
de inferencias, producen la
del almacenamiento del
concreto
y que, mediante
respuesta que un experto
en la materia dara.
Esta tecnologa ha demostrado sus posibilidades en reas como

el diagnstico
mdicos a elegir
diagnstico
y tratamiento de infecciones
la terapia adecuada
para
ayudar a los
(MYCIN), o que combinan el
y facturacin para hospitales
(HELP), o la explora-
"?
cin
de minerales
(XCOIM), o el
(PROSPECTOR),
el
diagnstico de -fallos de
bio, no han visto
diseo
de ordenadores
maquinaria, etc. En cam-
su extensin en el grado que sera previsible
a las reas econmicas, con lo cual se conseguira una mayor generalizacin de los mismos.
Una de las razones importantes es que, detrs de todo Sistema

Experto hay un experto de carne y hueso. Los llamados
Ingenieros
del Conocimiento que crean estos Sistemas, deben trabajar en estrecho contacto con dichos expertos para -formular las reglas que
componen los
programas del Sistema Experto.
verdad es que pocos
Pero,
lo cierto y
expertos se sienten atrados por la idea de
dedicarse a hacer ms inteligente a una mquina. Adems escasean

los ingenieros especializados en estas cuestiones. Si a esta necesidad se
nejen los
une la di-ficultad de encontrar programadores que malenguajes necesarios, as
como
la
necesidad
de un
"hardware" especializado, se comprender la lentitud de este desarrollo.
Sin embargo,
esta situacin
tendencia existente de crear
est cambiando
rpidamente. La
sistemas sofisticados
con conoci-
miento muy amplio y grandes ambiciones ha dejado paso a otra que

es la
de utilizar los desarrollos
aplicaciones
tecnologa
existentes en
ms sencillas en aquellos puntos donde sera nece-
sario utilizar un experto, pero en los que el costo del mismo, o

su inexistencia, o el
presencia -fsica.
riesgo de su uso,
hacen
muy
difcil su
3
En esta linea,
se han multiplicado el nmero de empresas que
se dedican a este sector, existiendo en EE.UU. ms de 200 empresas especializadas
en la creacin de
piezan a proli-ferar
dichos sistemas, as, em-
en el mercado programas que reciben el nom-
bre de expertos, an cuando muchos no merezcan tal denominacin.

El verdadero
Sistema Experto,se apoya en
experto, puede
el conocimiento de un
modificar el programa en -funcin de la experien-
cia y dar al usuario razones de las respuestas que proporciona.
Mientras que el desarrollo se ha centrado en aplicaciones muy

concretas, en las
que los propios expertos han sido parte inte-
resada en el desarrollo del Sistema, la colaboracin ha sido e s pontnea y sin reservas.
En el momento
en que estos desarrollos se han generalizado y
su aplicacin empieza a ser en diversos campos de la Empresa, ya

esta colaboracin puede no ser tan espontnea y clara. De ah la
necesidad de dotar pues, a los responsables de estos desarrollos
de unas metodologas, que les permitan convencer, dialogar y extraer el conocimiento de estos expertos, penetrando en su psicologa y, detectando
los puntos clave de
su
conocimiento y sus
reglas particulares de deduccin.
Por otro
ga
lado, la tendencia emergente de aplicar la tecnolo-
existente en
sustituyen a
las tcnicas de Proceso
establecer unos
cimiento a
reas
aplicaciones sencillas
donde
ventajosamente
de Datos, hacen necesario
criterios que ayuden a estos Expertos del Cono-
determinar dentro de la
de mayor ap1icabi1idad de
Empresa,
estos
cules seran las
Sistemas, y desarrollar
una planificacin
de desarrollo de los
mismos que les permitan
justificar econmicamente las inversiones en "hardware" y "software" necesarios.
Una vez determinada la aplicacin a desarrollar y obtenido el

conocimiento de
tacin del
los expertos, surge el problema de la represen-
mismo en la base de conocimientos. Existen distintos
mtodos de representacin, dependiendo
del tipo de conocimiento
y de los procesos de decisin a realizar sobre dicha base.
La
sistematizacin de criterios que
Conocimiento a seleccionar
ayuden al Ingeniero del
la representacin
idnea del mismo es
otro de los objetivos que se plantea esta metodologa.
Las tcnicas de construccin de prototipos son de gran utilidad en la construccin de Sistemas Expertos. A diferencia de los
Sistemas de
Procesos de Datos, un prototipo puede ser utilizado
en produccin,
sin que est terminado
el
Sistema. Mediante un
proceso continuo de refino de este prototipo se llegar a la solucin deseada.
La
la
seleccin del "software", y "hardware" apropiado, as como
comprobacin del funcionamiento del Sistema y su integracin
en produccin completan una serie de actividades que hemos agrupado en este trabajo en cuatro fases que configuran el manual de
procedimientos o
mtodos para la construccin de un Sistema Ex-
perto, y sus correspondiente etapas de desarrollo, a saber:
FASE I. Determinacin de necesidades, valoracin del

proyecto y capacidades a obtener.
- Seleccin de la aplicacin, en particular la primera

- Determinacin de necesidades y valoracin de las mismas.
- Aceptacin por la Direccin.
FASE II. Diseo de la Ingeniera del Conocimiento y

construccin Prototipo.
- Adquisicin del conocimiento.

- Representacin del conocimiento.
- Desarrollo de un prototipo.
- Uso y mejora del prototipo.
FASE III. Construccin de la versin en Produccin.
- Desarrollo del diseo detallado final.

- Implantacin del ncleo del Sistema.
- Expansin de la base de conocimiento.
- Adecuacin de la inter-fase del usuario.
- Monitorizacion de las prestaciones y evaluacin del
Sistema.
- Mantenimiento de la Base del Conocimiento.
6
FASE IV.
Comprobacin del Sistema e
integracin
del
mismo en
Produccin:
- Integracin a mayor escala.

- Uso regular y evaluacin del Sistema Experto
- Mantenimiento y mejora del mismo.
En la
bibliografa consultada no consta
sido tratado de
mas de
que
este tema haya
una manera sistemtica. Cuando se habla de -for-
construir Sistemas Expertos, stas se encuentran muy li-
gadas a aplicaciones especficas y hay que deducir los pasos seguidos a travs
del desarrollo que se expone del Sistema Exper-
to. Es por ello, que
no existe una metodologa de diseo de los
Sistemas Expertos, por lo que esta tesis propone una Metodologa

para su desarrollo y aplicacin en la construccin de un Sistema
Experto.
I. 2. Aplicacin al Sector Financiero.
Se ha seleccionado una aplicacin de esta Metodologa al Sector Financiero por encontrarse esta tecnologa en -fase de introduccin en el mismo.
Este sector, intensivo en la utilizacin del recurso Informacin y, por
consiguiente, uno de los motores de los desarrollos
de las Tecnologas de la Informacin, est iniciando el desarrollo de los primeros Sistemas Expertos.
Estos desarrollos tienen una
caracterstica especial con re-
lacin a los
tratgico que
un tema
tradicionales informticos, y ste es el valor espuede poseer el conocimiento
dado. Esto hace que
o la experiencia en
determinadas aplicaciones sean hoy
mantenidas en secreto y no se posea informacin sobre ellas.
De una
manera general, se puede
estos Sistemas
sealar
la importancia que
Basados en el Conocimiento pueden tener para las
sucursales bancarias, independientemente de las aplicaciones especficas que puedan desarrollarse.
En estas sucursales,
que estn en contacto
livalencia, y
en las que el
personal
es escaso, los
con los clientes deben tener una gran po-
atender, operaciones
de crdito,
inversiones
operaciones administrativas de lo ms diverso.
Estos generalistas pueden sentir en muchos casos la necesidad

de tener
cerca un especialista, que se encuentra normalmente en
los Departamentos Centrales. El objetivo que cubrirn los Sistemas {Expertos,
ser el poner a
alejadas, el conocimiento
disposicin
de un Experto a
de
esas sucursales
travs de una herra-
mienta informtica.
Tanto
las operaciones de concesin
de prstamos y crditos,
como las propuestas de inversin, son operaciones que se resuelven aplicando reglas conceptuales
ms que tratamientos algort-
micos.
El Sistema Experto es
una herramienta perfectamente adaptada
para tratar este

aplicacin
tipo de problemas que
se
de unos conceptos, expresados
caracterizan por la
y formalizados en una
representacin del conocimiento por un experto, que pretende estar en permanente evolucin y que son fcilmente actual izables.
Un Experto Financiero
es aquel que reflexiona y aplica a sus
conocimientos una lgica de razonamiento, a fin de establecer su

diagnstico, pero
es tambin quien conoce
le informa, calcula
a su cliente, quien
y es capaz de desarrollar una propuesta fi-
nal. La herramienta informtica debe, pues, reproducir estas diferentes facetas del especialista para ser eficaz.
Las
posibilidades de aplicaciones que se presentan bajo esta
ptica son enormes. Entre las que cabe sealar las siguientes:
a)
Anlisis de Inversiones en distintos aspectos, desde pro-
porcionar informacin a los clientes sobre las distintas posibilidades que se le presentan, hasta la gestin propia de la Tesorera de la
Entidad Financiera, tanto en
cuanto
a sus propias
inversiones, como a los requerimientos de fondos.
b) El C o n t r o 1
en las que el
d e ...Res g o es otra p o s i b l e rea de u t i l i z a c i n ,
Sistema Experto ayuda a analizar el riesgo, tanto
de personas fsicas, como
jurdicas, permitiendo un tratamiento
ms uniforme, as como reducir el nivel de riesgo asumido por la

Entidad Financiera.
La aplicacin de Sistemas Expertos a este contexto puede ver-
9
se como un problema de clasificacin de clientes en diversas categoras, de acuerdo
uno de estos. Como
de evaluacin de
en
con el tipo de
riesgo que representa cada
indica Juan Icasa (ICA86) ya sea el problema

solicitudes de crdito o de medicin de riesgo
carteras existentes, el concepto de clasificacin en catego-
ras de acuerdo con el riesgo es vlido.
El desarrollo
de un Sistema Experto
tanto la experiencia de
dsticos.
en
este
rsa requiere
personal cual ificado,como mtodos esta-
El personal cualificado puede, desde opinar acerca de
las caractersticas que pueden ser importantes para el problema,

hasta indicar cuales son las reglas de decisin. A su ves, mtodos estadsticos
pueden usarse desde como apoyo para evaluar el
Sistema Experto, hasta para formular las reglas de decisin.
La informacin
perto se
cas de
que se utiliza para
construir el Sistema Ex-
compone tanto de informacin interna, como son polticrdito; externa como informacin econmica, tipo de in-
dustria, etc.,
e informacin inherente al
tructura, propsito, variables
crdito
como es es-
financieras, capacidad
de pago,
etc.
A efectos
comercial
de medicin del riesgo
podemos dividir la cartera
de una institucin bancaria
en
tres grandes grupos:
los crditos que han sido recientemente otorgados, prstamos que

aparentemente tienen mucho riesgo
y fundamentalmente
todos los
dems crditos de la cartera comercial.
Si el
proceso de evaluacin de
solicitudes
es correcto, el
10
riesgo incurrido por nuevos
crditos debe ser menor y ms o me-
nos conocido.
Similarmente los crditos con
alto riesgo,
generalmente son
conocidos y estn controlados.
El tercer grupo de crditos, aquellos que no son considerados

muy arriesgados
o que han sido
que normalmente forman el
otorgados
muy recientemente, y
grueso de la carterai
son los que se
evalan con menos cuidado.
El
tiempo que se requerir
para evaluar cuidadosamente este
tercer grupo, puede ser el que mida los nuevos frutos. Es probable que la
mayora de esos crditos sean al menos marginalmente
rentables de
forma que el costo
incurrido al examinarlos deta-
lladamente puede ser muy alto.
Es aqui donde un Sistema Experto puede ser de gran ayuda para

evaluar
riesgos y alertar sobre determinados prstamos que pue-
dan empezar
a deteriorarse. Este tipo de Sistemas puede evaluar
rpidamente y a bajo
costo un grupo grande
de
crditos
de la
cartera de la Entidad Financiera.
El mtodo
de desarrollo utilizado consiste
en
hacer que un
conjunto de expertos evale una muestra y los clasifique en base

a
distintas variables, tales como estructura del crdito, cali-
dad del cliente, tipo de industria, anlisis financiero e informacin
adicional. Con esta evaluacin, se clasifican los crdi-
11
tos en diversos grupos con riesgo bajo, medio, alto o similares.
El paso -final es
traducir el ordenamiento de
la
muestra y las
variables que los expertos indicaron como importantes en un conjunto de reglas que imiten el razonamiento de los expertos.
Para
ello se utiliza la
tcnica
llamada particin recursiva (FRYDB5).

encuentra la
estadstica no paramtrica
Mediante esta
relacin entre las variables
tcnica se
que los expertos de-
clararon como indicadores, de riesgo y los distintos grupos.
El resultado del
anlisis es una serie
de reglas que pueden
representarse mediante un rbol de decisin.
Para encontrar
el modelo ptimo del problema se utiliza slo
una parte de la muestra para elaborar el conjunto de reglas. Las

observaciones restantes se utilizan
taje
para estructurar el porcen-
de crditos que el Sistema Experto clasifica "correctamen-
te" de acuerdo con el criterio re los expertos consultados.
Las ventajas principales de un modelo de este tipo son, entre

otras:
- Las variables que estn mal relacionadas con el riesgo son identificadas, permitiendo fijar la atencin en
carteras con un nmero importante de crditos con esas
carcter sticas.
- La cartera puede segmentarse de acuerdo con el riesgo,

permitiendo centrar la atencin en crditos que lo re-
12
quieran.
- El Sistema Experto puede utilizarse como un Sistema de

alarma sobre posibles crditos.
- Varias carteras pueden ser comparadas de acuerdo con el

r iesgo.
- Los crditos pueden clasificarse de acuerdo al riesgo

por personas con poco experiencia en dicha tarea.
c) En el campo
del Atesoramiento ya sea en los aspectos fis-
cal como financiero, pueden tener una amplia utilizacin. El establecimiento de
un diagnstico sobre el balance de una empresa
o sugerir acciones a la misma para mejorar su situacin, son algunas de sus posibles aplicaciones.
d)
En el rea de
l^omerc: ioI.Q.tj?rn_cC'nal ,
(REID86) tambin
aparecen posibilidades de aplicacin y, de hecho en la City londinense,
se han iniciado los
Sistemas Expertos como
primeros proyectos utilizando los
soporte de los "dealers" en las salas de
cambio. Un problema clave es la gran cantidad de informacin que

stos reciben y la
Sistema Experto
dificultad de poder hacer
uso
de
ella. El
la analiza y determina cual debe ser proporcio-
nada con mayor prioridad al "dealer".
Asimismo, tanto el asesoramiento en la previsin de los movimientos del mercado,
como el rea de arbitraje son campos donde
.13
estn empezando a utilizarse estos Sistemas.
En operaciones
tas de
ms sencillas, como son la aceptacin de car-
crdito, conversin de tele:-: o conciliacin de transac-
ciones han demostrado ya su eficacia.
En fin, podran enumerarse infinidad de reas susceptibles de

utilizar esta
tecnologa y no solamente
en produccin, sino lo
que tambin es muy importante, en formacin del personal que los

uti1 izar.
14
CAPITULO II. ESTADO DE LA TECNOLOGA
II. 1. Pesen a JtL^sjt rj_ca.
Aunque la idea de construir una mquina pensante o por lo menos un autmata que incorporara capacidades por lo comn asociadas al ser
humano, ha existido desde
investigaciones para dotar a
desde
la antigedad, las
los ordenadores de caractersticas
semejantes a las que presenta la inteligencia humana, se han desarrollado en los ltimos 30 aos.
Como
hitos ms importantes en
este
periodo podemos sealar
(BAR82), los siguientes!
1950:
- Alan
Turing present un estudio sobre la Inteligencia Artifi-
cial, "Computing Machinery and Intel 1igence". En este documento,

propuso su test (Turing test) para determinar cuando una mquina
posee inteligencia
haba
artificial. En
sugerido la posibilidad de
un primer
documento, Turing
simular el comportamiento del
cerebro humano.
1955;
- IPL-II (Information Processing
de
Language II), primer lenguaje
Inteligencia Artificial. Fue creado
Shaw y Herbert Simn.
IPL es un lenguaje
por
Alien Newell, J.C.
basado
en proceso de
listas y puede considerarse como un antecesor del LISP, lenguaje
15
ms usado actualmente en Inteligencia Artifial.
1956:
- La Conferencia de Darmouth sobre Inteligencia Artifici al,organizada
por John McCarthy, Marvin
Claude Shannon
con fondos de la Fundacin Rockefeller, reuni a
profesionales que
cia
Minsky, Mathaniel Rochester y
habian trabajado en el campo de la Inteligen-
Artificial. Entre los participantes,
adems
de los cuatro
organizadores estaban Arthur Samuel, Trenchard llore, Oliver Selfridge, Alien Newell, Ray Solomonoff y Herbert Simn.
- Logic Theorist
discutido
(LT), desarrollado por Newell, Shaw y Simn fue
en esta conferencia. LT,
considerado
como el primer
programa que utiliz tcnicas de Inteligencia Artificial, emplea

la
bsqueda heurstica para resolver
contenidos
en el libro "Principia
alguno
de
Mathematica"
los problemas
de Whitehead y
Russel1.
- John McCarthy entonces en el MIT, disea el lenguaje LISP.
1957;
- Newell, Shaw
y Simn comienzan el desarrollo del GPS
(General
Problem Solver). Con este sistema que puede ser considerado como
el arquetipo
del "paradigma del poder"
se
pretendi,
como su
nombre indica, construir un sistema de propsito general que resolviera cualquier tipo de problema.
16
1959;
- Arthur Samuel disea un programa para jugar a las damas, capaz
de ganar a
los mejores jugadores del
momento. Su documento fue
publicado por IBM Journal and Development.
Frank Rosenblatt describi su mquina, Perception, para reco-
nocimiento de formas
en "Proceedings of a
chanization
of Thought Processes".
abandono de
las ideas propugnadas por
aparicin de las mquinas
Symposium on the Me-
Despus
de
un
Rosenblatt,
perodo de
hoy con las
conexion istas, Boltzmann y neuromim-
ticas, dichas ideas vuelven a tener vigencia.
1960:
- Inicio de las investigaciones en el MIT, del proyecto de Inteligencia Artificial
bajo la direccin de John McCarthy y Marvin
Minsky.
1965;
- Se publica
"Computer and Thought" editado
genbaum. Este libro,
por Edward A. Fei-
es una recopilacin de trabajos de los ms
significados representantes del rea.
1964;
- Daniel G. Bobrow
public su tesis doctoral, basada en su Sis-
tema STUDENT. STUDENT es un programa que utiliza el lenguaje natural y puede comprender y resolver problemas de lgebra.
1965:
Comienzan las investigaciones en
el Stanford University Heu-
17
ristic Programming Project
(HPP), dentro del Stan-ford's Computer
Science Department, sobre Sistemas Expertos.
- Se inicia el desarrollo del primer Sistema Experto DENDRAL, en

Stanford University
Edward A.
por un grupo que inclua a Joshua Ledeberg,
Feigenbaum, Bruce G. Buchanan,
Djerassi. DENDRAL
analiza la
Dennis
in-formacin acerca
Smith
y Cari
de compuestos
qumicos para determinar sus estructuras.
1966:
- Joseph Weizenbaum crea ELIZA para ilustrar que las tcnicas de
lenguaje
natural pueden hacer que
un ordenador parezca inteli-
gente.
- Se
inicia el desarrollo del
robot
mvil, SHAKEY, construido
por SRI International, cuyo modelo decisional para plan i f icac i n

de tareas, utilizar tcnicas de Inteligencia Artificial.
1970:
- Patrick
H. Winston publica su tesis doctoral
tural Descriptions from Examples".
Esta tesis
"Learning Strucdescribe ARCHES,
un programa que aprenda a partir de ejemplos.
- El proyecto de Inteligencia Artificial del MIT se convierte en

el
Laboratorio de Inteligencia Artificial, bajo la direccin de
Marvin Minsky y
de robtica,
Seymour Papert, incluyendo hoy en da las reas
Sistemas
Expertos,
tcnicas
de
razonamiento
aprendizaje, lenguaje natural y arquitectura de ordenadores.
18
Jack D. Myers y
Harry E. Popel inician
en la Universidad de
Pittsburg el Sistema INTERIMIST, ahora llamado CADUCEUS, utilizado para ayudar a los mdicos en el diagnstico de en-fermedades.
- Alain Colmerauer
y su equipo comienza
el desarrollo del len-
guaje PROLOG.
1971:
- Se utiliza
por primera vez el
rrollado por
William Martin y Joel
operaciones
Sistema Experto MACSYMA, desaMoses. Este Sistema realiza
de clculo di-ferencial e
integral y simpli-fica ex-
presiones simblicas.
- La
Agencia de Investigacin de Proyectos Avanzados del Minis-
terio de
De-fensa de los Estados
cin sobre comprensin del
Unidos patrocina la investiga-
lenguaje hablado
(Speech Understan-
ding Research Program).
- Algunos de los programas que se han desarrollado bajo esta investigacin son: SPEECHIS, HWIM, HEARSAY-I, HEARSAY-II, DRAGN Y
HARPY, estos cuatro ltimos
desarrollados en la Carnegie-MelIon
University.
1972:
- William
Woods, de Bolt Beranek
que fue utilizado
y Newman desarrollaron LUNAR;
por gelogos en la evaluacin de los materia-
les obtenidos en la luna por el Apolo-II.
19
1973:
- Cognitive Psychology publica "Dependencia conceptual: Una teora para
la comprensin
del
lenguaje
natural",
de
Roger C.
Schank.
- Roger C. Schank, desarrolla ms tarde-en el laboratorio de Inteligencia
Artificial de la Universidad de Stanford el programa
MARGIE, que poda hacer inferencias y generar frases.
1975:
- Edward
Sistema
H. Shortliffe desarrolla la
versin inicial de MYCIN,
Experto que hace recomendaciones para el tratamiento de
la meningitis y otras infecciones bacterianas de la sangre.
- Marvin insky publica su documento "Un marco para la representacin del conocimiento",
los
cin
en el que se
discute
la utilidad de
marcos (frames) como estructuras tiles para la representadel conocimiento en diversos
tipos de Sistemas incluyendo
lenguaje natural y Sistemas de visin.
- Roger C. Schank
y Robert Abelson, en
publicaron un documento describiendo

n i s m ) , un
la Universidad de Yale,
SAN (Script Applier Mecha-
programa para la comprensin del lenguaje natural que
inclua el uso
de guiones
(scripts) en la representacin de de-
pendencias conceptuales.
- Daniel G. Bobrow
incluyendo
publica "Representation
importantes documentos
sobre la
and Understanding",
representacin del
20
conoc imiento.
1976;
- Douglas B. Lenat escribi el Sistema Experto "AM" , un programa
que define y
evala conceptos matemticos en
la teora de con-
juntos.
- Randall Davis
TEIREISIAS,
en la Universidad de
Stanford publica su tesis
un Sistema que utiliza metareglas para introducir y
actualizar bases de conocimiento
utilizadas en
Sistemas Exper-
tos.
1977:
- Programadores
tema Experto
del SZKI de Budapest, terminaron el primer Sis-
utilizado en
aplicaciones prcticas,
escrito
en
PROLOG.
1978:
- R.O. Duda y otros, del Research Institue Internacional, public un documento
to que ayuda
(DUD78) comentando PROSPECTOR, un Sistema Exper-
en el anlisis de
informacin relativa a prospec-
ciones geolgicas.
1980:
- Entra
en produccin XCON, el primer Sistema Experto utilizado
diariamente
con gran xito en
entornos comerciales, en DIGITAL
EOUIPMENT CORPORATION. El prototipo de XCON fue desarrollado bajo la direccin

si ty.
de John McDermott en la Carnegie Mellon Univer-
21
1981:
- Japn anuncia su proyecto de Quinta Generacin de Ordenadores.
1982:
- Inicia en
Tokio sus actividades el
ICOT
(Instituto
para la
Nueva Generacin de Ordenadores).
- Como
respuesta al programa de
la Quinta Generacin
japonesa,
EE.UU. crea MCC (Microelectronics and Computer Technology Corporation), y el strategic Computer Project.
- Inglaterra inicia el programa Alvey de tecnologa avanzada para investigar sobre la Quinta Generacin.
1983:
- La Comunidad
la carrera
Europea crea
el proyecto ESPRIT para competir en
por el ordenador de la Quinta Generacin.
- El Instituto
burgo (Escocia),
Turing en la Universidad de Strathclyde en Edimo-frece -formacin en temas relativos a la Inte-
ligencia Artiiicial .
1984:
- A partir del ao 1984 comienza la explotacin comercial de los
desarrollos
Arti-ficial.
tecnolgicos alcanzados
dentro de
la Inteligencia
II. 2. Arquitectura de los Sistemas Expertos.
Un Sistema
blemas
Experto aplica las tcnicas de resolucin de pro-
y razonamiento de la
miento codi-ficado
simular
Inteligencia Artificial al conoci-
acerca de un problema
la aplicacin de la
especfico, en orden a
experiencia humana. La efectividad
del Sistema Experto depender, en gran medida, de la cantidad de

conocimiento que se le proporcione. Sin la existencia de una base suficiente de conocimiento, aunque existan mtodos de razonamiento
muy potentes, es imposible crear un comportamiento inte-
ligente. Sin
embargo, con mtodos de
pueden conseguir
inferencia muy simples se
resultados muy buenos cuando
se aplican a una
base adecuada de conocimientos.
Naturalmente
que una base de
conocimientos muy completa sin
un adecuado motor de inferencia, servira de muy poco, pues quedara reducida
a algo esttico sin
posibilidad ni capacidad de
"deduccin" ni generacin de nuevo conocimiento.
Los
Sistemas Basados en el
del paradigma del

muy
Conocimiento
significan el paso
poder, es decir, de la utilizacin de cmputo
potentes, al paradigma del
conocimiento,
o sea,empleo del
mximo posible de conocimiento.
Los Sistemas Expertos podemos
clasificarlos en
tres grandes
categoras en cuanto a sus funciones: ayudantes, colegas y maes-
23
tros.
Los primeros son

Experto
humano en la toma
dentro de esta
fecha. Las
pertos
los que tienen como
objetivo
el ayudar al
de decisiones, pudiendo clasificarse
categora la mayora de los construidos hasta la
otras dos categoras corresponden a los Sistemas Ex-
cuyas soluciones propuestas pueden
competir
con las de
los Expertos, o cuando las decisiones son asumidas de una manera

absoluta.
Los
tores
Sistemas Expertos son utilizados como asesores o consulde usuarios humanos. Pueden
ser utilizados para resolver
problemas rutinarios, liberando a los Expertos de esas poco gratificantes tareas de modo que pueden utilizar su conocimiento en
otros
asuntos ms complejos y
novedosos. Los Sistemas Expertos
pueden llevar la experiencia a lugares donde no existen expertos

humanos, o donde
los servicios de ese experto seran muy costo-
sos o peligrosos de
Sistemas
Expertos como una posibilidad
corporativa
humano, y
usar. En ciertas corporaciones
ante los problemas que

como distribuidores
de preservar la memoria
puede
de ese
se ve a los
presentar un experto
patrimonio
cognoscitivo
dentro de la entidad.
Entre los
logros conseguidos hasta la -fecha por los Sistemas
Expertos podemos distinguir, entre otros:
- Asesoramiento en la deteccin de problemas en equipos

de perforacin para bsqueda de petrleo.
24
- Asesoramiento a mdicos en el tratamiento de meningitis.
- Localizacin de depsitos de molibdeno.
- Con-f igurac iones complejas de ordenadores.
- Aplicaciones diversas, como ayuda a la toma de
decisiones en el entorno financiero.
A diferencia
Expertos
de los
programas convencionales,
los Sistemas
pueden tratar problemas que requieren toma de decisio-
nes que gente experta realiza cada da.

\
El
desarrollo de los primeros Sistemas Expertos llev muchos
hombres/ao para conseguir resultados aceptables.
Estos plazos de desarrollo se han acortado sensiblemente. Hoy

se ha ganado experiencia en las tcnicas para la construccin de
los Sistemas Expertos y el "software" y "hardware" que facilitan
su desarrollo se ha perfeccionado enormemente. Esto hace posible
que hoy sean abordables aplicaciones comerciales que hasta pocos
aos eran imposibles, dados los costos de dichos desarrollos.
Hoy es posible
que con una inversin aceptable y unos costos
de mantenimiento bajos, comparados con los de contratar o formar

expertos, se puedan conseguir
resultados muy
interesantes para
las empresas.
La
revolucin aportada por los Sistemas Expertos consiste en
considerar tanto las informaciones imperativas de la Informtica

tradicional como las declarativas no expresables por los lenguajes usuales de
aquella y el conocimiento
de
la naturaleza ms
25
diversa y no homognea, como datos.
Estos conocimientos son proporcionados
por sus usuarios
quitectos, ingenieros, mdicos, -financieros,
(ar-
etc.) en su propio
lenguaje, sin ninguna limitacin, y con un -formulismo muy prximo a su lenguaje natural.
Estos utilizadores,
conoc imiento
estos expertos
con la ayuda de
Esto se realiza
bases de
Ingenieros del Conocimiento.
en un lenguaje descriptivo, que tiene muy pocas
relaciones con los lenguajes

conocimientos se introducen
dientes y como
los
construyen sus
tradicionales de programacin. Los

como elementos
modulares, indepen-
pequeas molculas de saber, muy libres las unas
de las otras y -fcilmente mod i-f icab les.
Estos conjuntos de conocimientos son analizados por lo que se

ha dado en llamar motor de in-ferenc i as, "software" cuya programacin utiliza,
una gama
en parte mtodos .clsicos,
de aplicaciones y que
"las molculas de conocimiento"
tiene
pero
nico para toda
como objetivo relacionar
que son encadenadas lgicamente
para deducir todas las informaciones posibles.
La descripcin de un sistema, es justamente aquello que ve el

usuario. Sin embargo,
del Conocimiento
esto no es bice para que los Ingenieros
hablen de tres niveles
de
descripcin
de un
Sistema Experto:
1. Su arquitectura
que es una descripcin
-funcional de cmo la
26
mquina aparees
ante el programador; por
ejemplo, bases de he-
chos o memoria de trabajo, motor de inferencia, etc.
2. Bu implantacin, que
quitectura.
es el diseo lgico que soporta esa ar-
As, el diseo lgico puede incluir las instruccio-
nes LISP en que se traduce el motor de inferencias, etc.
3. Su realizacin, que
cir,
es el diseo fsico
del sistema, es de-
los componentes particulares obtenidos para disear y usar
el sistema tal como mquinas LISP, etc.
De este modo, una arquitectura puede ser soportada por un nmero
indeterminado de implantaciones distintas, cada una de las
cuales puede, a su vez, tener numerosas realizaciones. De hecho,

es muy frecuente el caso de que la misma arquitectura se realiza
con nuevas tecnologas, cuando stas son utilizables.
La arquitectura
tructurar,
de un Sistema Experto
tal y como se
guiente manera:
complejo se puede e s -
muestra en la figura
2.1. de
la si-
(RAULB4)
1. Bases de conocimiento.
Que
incluye los conocimientos a
de inferencia.
bases de
ser proporcionados al motor
El conocimiento de hechos
datos convencionales o proceder
puede ser extrado de

de
un experto. Otros
conocimientos pueden ser obtenidos de modelos de simulacin, as

como de otros Sistemas Expertos.
2. Motor de inferencias.
27
Controla y
ejecuta los razonamientos con
el objetivo de al-
canzar los fines perseguidos. Las inferencias son realizadas por

el Sistema de deduccin y/o simulacin bajo la gua de un Sistema de control.
El motor de inferencias dividir el conjunto de tareas a realizar en subtareas
que se desarrollarn bajo un plan de trabajo
dado.
3. Memoria de trabajo.
Donde se mantienen resultados
sern utilizados
en pasos
intermedios y
subsiguientes, as
deducciones que
como informacin
que se utilizar para:
- Actualizar la base de conocimientos.

- Proporcionar al Sistema de Interpretacin
informacin
de lo que est ocurriendo.

- Ser empaquetada y preparada para ser utilizada por el
Sistema de adquisicin del conocimiento.
- Ser enviada a la interfase de salida.
4. Sistema de Gestin de la Base de Conocimientos.

Gestiona
nentes de la
el flujo de informacin
memoria de trabajo y
entre los distintos compolas
bases
de conocimiento.
Puede ser a su vez un Sistema Experto.
5. Sistema de Interpretacin.
Mantiene informados
a los usuarios del
Sistema acerca,
de lo
28
que
est ocurriendo. Requerir distintos
niveles
de detalle o
abstraccin dependiendo del usuario. Utiliza tecnologas de lenguaje natural y

permite
gr-ficos, as como un lenguaje de consultas que
responder a cuestiones del
tipo:
cmo?,
qu ocurre
si. . .?
6. Sistema de adquisicin del conocimiento.

Se utiliza
para aadir informacin adicional en las bases de
conoc imiento.
Hay tres modos de adquirir nuevos conocimientos:
- Transferencia interactiva de experiencia.

El Sistema de interpretacin es utilizado para presentar
las posibilidades actuales de las -fuentes de conocimiento
para que los Expertos, asistidos por los Ingenieros del
Conocimiento puedan identificar
lagunas y deficiencias.
El Sistema de adquisicin del conocimiento ayuda a

aadir informacin, incorporando nuevos conocimientos o
corrigiendo el ya contenido en las bases de conocimiento.
- Transformacin del conocimiento.

Puede realizarse de dos formas distintas:
Transformacin horizontal del conocimiento: Consiste en

transformar
la representacin existente en otra, sin
cambiar su contenido.
29
Transformacin vertical del conocimiento: Consiste en

in-ferir un conocimiento superficial a partir de uno ms
pro-fundo. Es una de las actuales tendencias en la
investigacin de los Sistemas expertos.
- Enseanza:
Utilizacin de tcnicas que permiten la -formacin de los
usuarios a partir de casos y ejemplos contenidos en las
bases.
7. Sistema de gestin del Sistema Experto.

Tiene como
-funcin servir como consola
para
la operacin y
supervisin de todos los subsistemas.
8. nter-fase.
Proporciona capacidad de comunicacin con dispositivos
"ad hoc", para su utilizacin por el usuario -final.
En un
Sistema Experto hay, pues,
los datos actuales
y su modo de
una separacin total entre
utilizacin.
El experto puede
seguir en todo momento el desarrollo de su razonamiento.
Podramos, pues,
concluir que un Sistema
Experto es un pro-
grama especializado en un dominio particular y que, en ese dominio, su rendimiento es comparable al de los propios expertos pero, sobre todo, permite en todo momento:
- Explicar su comportamiento a un experto.
30
Recibir del experto nuevos conocimientos sin necesidad
de incorporar nueva programacin.
MOTOR DE
INFERENCIAS
MEMORIA DE
TRABAJO
BASES DE
CONOCIMIENTO
-SISTEMA DE
CONTROL
-REAS
TRABAJO
-BASES DE
CONOCIMIENTO
-SISTEMA
DEDUCTIVO
-AGENDA
-BASES DE
DATOS
-SISTEMA
SIMULACIN
-MODELOS DE
SIMULACIN
T
SISTEMA DE GESTIN
DE BASES DEL CONOCIMIENTO
SISTEMAS DE
INTERPRETACIN
SISTEMAS DE ADQUISICIN
DEL CONOCIMIENTO
-LENGUAJE
NATURAL
-TRANSFORMACIN DEL
CONOCIMIENTO
-GRFICOS
- ENSEANZA
SISTEMA DE GESTIN
DEL S. E.
INTERFASES
Figura 2.1. ARQUITECTURA DE UN SISTEMA EXPERTO.
31
II. 3. Formal izacin y representacin del conocimiento.
II. 3.1. Formalismos del conocimiento.
La Inteligencia Arti-ficial se centra en aplicaciones donde el

conocimiento
es un elemento clave.
Los formalismos para repre-
sentar el conocimiento adquieren, pues, una gran importancia.
Un -formalismo
presarse el
consta de estructuras en
conocimiento y un sistema
de
las cuales puede exinferencias capaz de
usarlo para resolver tareas especficas.
Para entender la naturaleza de estos formalismos es necesario

primero
estudiar los problemas que se plantean para representar
el conocimiento.
La Inteligencia Artificial
del
intenta descubrir las propiedades
conocimiento natural e implantarlo
en sistemas fsicos que
actan en el mundo real.
Los
miento,
problemas de la representacin y utilizacin del conocise derivan precisamente de
las limitaciones que impone
este mundo real.
La representacin del conocimiento

formas que permitan:
exige que
se desarrollen
32
- Expresar el conocimiento heurstico utilizado en la

bsqueda en un espacio -finito y en un tiempo limitado.
- Desarrollar estructuras y teoras de inferencia que
resuelvan los problemas derivados de la incertidumbre,
imprecisin e inconsistencia del mundo real.
- Desarrollar sistemas conceptuales que modelen
adecuadamente el mundo tsico donde tienen lugar los
hechos estudiados.
Los formalismos desarrollados
en la Inteligencia Artificial,
caen en alguna de las clases sealadas: formalismos heursticos,

-formalismos epistemolgicos y formalismos conceptuales.
Dado que este

computacional,
conocimiento va a ser
ser necesario
permitan representar
los
utilizado
desarrollar
los
en
un medio
formalismos que
anteriores en el mismo, lo cual da lu-
gar a un cuarto tipo de formalismo: el computacional.
II. 3. 1. 1. Formalismos heursticos.
Son de dos tipos:
- Reglas heursticas:
Cierto tipo
de heursticas pueden expresarse en forma de re-
glas, que permiten
simplificar la bsqueda a partir de la expe-
riencia adquirida en solucin de problemas.
33
- Memoria basada en el conocimiento:

El problema de gestionar la interaccin entre grupos de objetos en un entorno dinmico o reconocer objetos similares, pueden
ser formalizados mediante marcos o redes semnticas.
II. 3. 1. 2. Formalismos epistemolgicos.
Los formalismos desarrollados van en la lnea de resolver
los
problemas de:
- Incertidumbre.
Se han desarrollado varias tcnicas para utilizarlas ante los
casos de
incertidumbre, y que forman
los Sistemas
un componente estndar de
Expertos, as por ejemplo,
factores de certeza
una tcnica es asociar
con hechos y reglas, y propagar la incerti-
dumbre junto con la inferencia.
- Incompleto.
El hecho de que
recursos
no todas las cosas pueden observarse, no hay
suficientes para efectuar todas las deducciones o por-
que las teoras del mundo slo son aproximaciones, hacen necesario desarrollar
formalismos que puedan operar
sobre la base de
suposic iones.
Una
tcnica consiste en
cuestiones
asociar
y asumirlas a menos
que indique lo contrario.
respuestas
por
omisin a
que exista evidencia suficiente
34
- Inconsistencia.
Aparece en parte
en parte a
debida a lo inacabado
de la informacin, y
que la informacin puede proceder de fuentes contra-
dictorias.
Entre los
formalismos desarrollados,
mantenimiento de
sealar
el
una red de dependencias entre hechos que luego
pueda utilizarse para restablecer

particiones
se pueden
en la base de
la consistencia, o introducir
conocimiento
para
permitir razonar
desde distintos puntos de vista.
II. 3. 1. 3. Formalismos conceptuales:
No basta que los formalismos sean computacional y heursticamente adecuados y que manejen la inconsistencia, incertidumbre e
incompletitud, sino que deben
tener tambin
una conceptual iza-
cin correcta acerca de los dominios sobre los que hay que razonar.
II. 3. 1. 4. Formalismos computaconales:
Los formalismos computacionales desarrollados hasta la fecha,

caen en una de las siguientes clases:
- Lenguajes y Sistemas.
35
- Herramientas.
a) Lenguajes y Sistemas:
En cuanto a los lenguajes empleados en el desarrollo

de los Sistemas Expertos, se deben considerar:
- Lenguajes -funcionales.
El LISP es
el mximo exponente. Se basan en clculos funcio-
nales, siendo en
gramas se
el caso del LISP
el 1ambda-calculus. Los pro-
definen como composiciones de funciones y ejecutar un
programa significa la aplicacin de esas funciones siguiendo las

reglas correspondientes.
Me Carthy describe las ideas clave en que se apoya el LISP de

la siguiente manera:
- Realiza los cmputos con expresiones simblicas mejor

que con nmeros.
- Procesa listas, representando los datos en la mquina

como listas encadenadas y como listas multinivel
sobre
el papel.
- Utiliza estructuras de control basadas en la combinacin de funciones para formar otras ms complejas.
- Utiliza la recursividad como una forma de describir
36
procesos y problemas.
- La representacin
interna de los programas LISP se
realiza como los datos, es decir mediante listas.
- La -funcin EVAL del LISP sirve como un intrprete del

mismo y como una definicin -formal del lenguaje.
No
hay pues diferencias esenciales
en
la representacin de
datos y programas, de ah que los programas LISP puedan utilizar

otros programas
y los
LISP como datos. El LISP es altamente recursivo
datos y programas son
representados mediante listas. Las
listas pueden estas anidadas, es decir,unas contenidas dentro de

otras.
No posee una
sintaxis que permita una
-fcil
lectura de los
programas, pero -facilita soluciones muy elegantes para problemas

complejos que
son de dificil solucin con los lenguajes conven-
cionales de programacin.
- Lenguajes de Predicados.
El clculo de predicados consiste en la utilizacin de la lgica
para establecer proposiciones acerca
del mundo. Una propo-
sicin es una sentencia que puede ser verdadera o -falsa.
Se pueden construir sentencias acsrca
de las relaciones entre
objetos utilizando predicados. Los predicados operan sobre objetos y,
a diferencia de las funciones
(que simplemente devuelven
37
un objeto cuando
evaluado como
son invocadas), el valor
verdadero o -Falso. Una
ser interrelac ionados por conectores
de
un
predicado es
serie de predicados puede

lgicos para -Formar propo-
siciones ms complejas.
Las proposiciones pueden

"AND, OR, NOT"
dualizados
conectarse mediante conectores tipo
y la frase "IF..., THEN...". Los objetos indivi-
son re-feridos mediante el
uso de constantes, varia-
bles o -funciones.
Mediante reglas de inferencia se pueden deducir nuevas proposiciones a partir de otras ya existentes.
Cuando los predicados son utilizados como sentencias, se asume que se a-firma una verdad. Be pueden hacer afirmaciones combinando constantes o variables con predicados. Cuando se construye
una sentencia con
la
lgica que utiliza una
proposicin es verdad para
por esa variable.

no, se est
todos
variable, se dice que
los objetos representados
Cuando se formula una pregunta en este entor-
preguntando acerca de la existencia de un individuo
o grupo de individuos que verifican la sentencia.
Para
resolver un problema con proposiciones lgicas, se unen
elementos del
nombres
dominio problema a los
de predicados y smbolos
nombres de las funciones,
constantes
utilizados
en la
proposic i n.
El clculo de predicados puede ser utilizado de distintas maneras en
la resolucin de problemas
de la Inteligencia Artifi-
38
c ial.
La primera de
ellas es la prueba
de teoremas. Para utilizar
este mtodo, se describe el dominio y luego se razona acerca del

mismo. Despus de escribir una serie de proposiciones acerca del
dominio, se
resultado
necesita mostrar qu -frmulas
hay que describan el
o qu consultas pueden derivarse de aquellas proposi-
ciones.
El mejor mtodo
automtico de prueba hoy todava es la reso-
lucin. Esta
tcnica es una prueba por contradiccin. Asume que
el resultado
es -falso y demuestra
cin. Esta tcnica es
que
encierra una contradic-
buena en el sentido
una regla de inferencia.
de que solamente hay
Sin embargo es lenta y las pruebas son
tediosas para la persona que las realiza.
Estas tcnicas
estn an dentro del rea de investigacin de
la Inteligencia Artificial. An hoy, no comprendemos las propiedades que

dor.
permiten el tratamiento de la lgica mediante ordena-
Muchos creen que cualquier
sistema de representacin debe
tener su base
en la lgica, sin embargo,persiste el problema de
cmo controlar
las deducciones.
El PRDLOS es el
clculo de
representante de este grupo.
Se
basa en el
predicados de primer orden. Los programas se definen
en trminos de definiciones de relaciones.
Ejecutar un programa significa demostrar que una relacin e s -
39
pec-fica se cumple siguiendo las reglas de deduccin lgica. Incorporan el no-determinismo en el nivel de ejecucin.
- Sistemas basados en reglas.

Las reglas de produccin
son del tipo "IF
..., THEN ...", y
se basan en condiciones y acciones.
La descripcin de una situacin dada o contexto de un problema, se
equiparan, en encadenamiento hacia adelante, con un con-
junto de condiciones hasta encontrar una regla que se verifica y

se ejecuta la condicin contenida en la misma, dando lugar a una
nueva descripcin que da lugar a una nueva accin, as hasta que
se alcanza una solucin o el sistema se detiene.
Un sistema
cin, se llama
cin son los
constituido por un conjunto

Sistema Basado en Reglas.
de reglas de producLas reglas de produc-
operadores del sistema, que utiliza el mismo, para
manipular la base de hechos.
El mximo exponente es el 0PS5, que consta de una base de hechos y un conjunto de reglas, habiendo sido muy utilizados en la
construccin de Sistemas Expertos.
- Sistemas de paso de mensajes y dedicados a objetos.

Adems
de estructurarse los programas con -funciones o predi-
cados, puede tambin hacerse

jetos implicados
TALK.
desde el punto de vista de los ob-
en ellos. As tenemos
como
ejemplo el SMALL-
40
b) Formas de representacin del conocimiento.
Entre las distintas formas que se emplean en la representacin del conocimiento, se pueden sealar las si
guientes.(SCDW85)
- Representacin por espacio de estados.

Un estado es un conjunto de condiciones o valores que describen un Sistema en un punto determinado, durante el proceso.
El espacio de
estados que el
estados es el conjunto
de
sistema puede tomar durante
todos los posibles

el proceso de solu-
cin del problema.
Para resolver
un problema
utilizando una
representacin de
espacio de estados, nos movemos desde un estado inicial a otro y

eventualmente, a un estado -final, por medio de operadores, generalmente
reglas o procedimientos. El
proceso
de
solucin del
problema es un proceso de localizar una secuencia de operadores,

representando un camino desde el estado inicial al estado -final.
Una representacin
cual
de espacio de estados,
los operadores siempre producen
es
aquella en la
solamente un nuevo estado
en la base de datos cada vez que son utilizados.
Esta
representacin ha sido utilizada en sistemas para jugar
al ajedrez, sistemas para bsqueda de posibles caminos y problemas en
los que intervienen muchos operadores con muchos estados
41
posibles del sistema.
- Redes semnticas:
Las redes semnticas pueden ser ilustradas mediante diagramas
consistentes
acciones o
en nodos y arcos.
Los
nodos representan objetos,
hechos; los arcos o enlaces representan las relacio-
nes entre nodos. Un enlace podra significar que el objeto de un

extremo es un atributo
plica a otro, o
del objeto del otro extremo, que uno im-
cualquier otro signi-ficado que
ese arco o unin. Puede aplicarse

una representacin. Las diferentes
perspectivas desde
los prstamos
carios que son
haya dado a
mas de una red a un objeto en

redes muestran las distintas
las que puede ser
podra sealarse, tal y
se
descrito
como se muestra en
un objeto. Asi,
la -figura 2.2. , que
al constructor son una clase de prstamos hipoteproductos de activo, por
el sistema que un
lo cual podra inferir
prstamo a un constructor
es
un producto de
activo. Los enlaces significaran "son un".
Prstamos
al
constructor
Prstamos
son un
Productos
son un
hipotecar ios
activo
Figura 2.2. EJEMPLO DE RED SEMNTICA
Se utilizan
cuando el sistema de
actividad a travs
cmputo
debe propagar una
de un grafo. Tales grafos se denominan redes
semnticas.
- Esquemas o marcos.
Los
marcos, junto con una
forma
asociada de representacin
42
del conocimiento llamada guin

to, de
tal manera que hacen
(script) organizan el conocimien-fcil
comprender
qu in-ferencias
pueden ser hechas.
Los
marcos son conjuntos de conocimiento asociados acBrca
objetos
y hechos. Ayudan al
de acuerdo con
sistema a interpretar
el contexto y le
proporcionan
de
significados
detalles
de los
cuales puede deducir elementos que faltan. Un marco tpico puede

ser la descripcin de una bicicleta o un deporte.
Los marcos contienen campos (slots) que se rellenan con valores, procedimientos o apuntadores a otros marcos. Un conjunto de
condiciones pueden llevar
un valor de relleno
y/o un valor por
defecto, cuando no es conocido ninguno.
Se
pueden asociar procedimientos a
As, por ejemplo, es
un
campo'en particular.
til a menudo decir al sistema que ejecute
alguna accin cuando un campo tiene informacin, o cmo calcular

un determinado valor cuando sea requerido.
Un marco, o un
campo dentro del marco,
marco o campo y, stos
a su vez, a
permitiendo transferir inferencias a
puede apuntar a otro
otros, y asi sucesivamente,

dominios de aplicacin ms
extensos.
En
orden a resolver un
cin, el
problema utilizando esta representa-
programa utilizar los marcos
como
datos. El Sistema
Experto puede entonces realizar deducciones a travs de la suce-
43
sin de relaciones
consta
de varios campos o
asociadas a cada
guajes
entre marcos y campos.

nichos
con
uno de ellos. Las
basados en marcos, son
acceder a partes
Cada
marco o unidad
distintas in-formac iones
operaciones bsicas en len-
construir
de marcos o recuperar
instancias de marcos,
marcos
basados en des-
cripciones parciales.
- Guiones
(Bcript).
Son estructuras similares a los marcos que utilizan situaciones
estereotipadas para representar el
texto particular.
conocimiento en un con-
Estn orientados al tiempo
a la secuencia
causa-e-f ecto, dentro de un entorno de dinamicidad.
La estructura de
un guin consiste en
(slots), que corresponden

que podran ocurrir
un conjunto de campos
a un conjunto de aspectos de un hecho
en una situacin de-finida. Si no existe in-
formacin en un determinado campo, el sistema tomar por defecto

el
valor proporcionado previamente por
el
programa
para esas
ocasiones.
Cuando unos
hechos determinados
concurren en
la
situacin
analizada de acuerdo con un estereotipo de-finido en un guin, el

sistema
puede entonces predecir por
analoga, qu otros hechos
ocurrirn. Sin embargo, si un hecho inesperado ocurre, el sistema reconoce que el
guin no puede aplicarse
no
realiza ms
pred ice iones.
As, por ejemplo,

pleaos
un guin que reflejase
podra incluir la presentacin
una -fiesta de cum-
de un pastel, canciones
44
de -felicitacin, apagado
tuase con
de velas y regalos. Un sistema que acdeducciones acerca
este guin podra hacer
de situa-
ciones, interpretando dicho guin.
La tendencia
integracin de
actual en los -formalismos de computacin, es la

todos ellos,
presentan y aprovechando las

to. As el KEE, LOOPS o
inconvenientes que
-facilidades sinrgicas del conjun-
ART, son ejemplos de esta labor de sn-
tesis, que adems contienen

formalismos
eliminando, los
herramientas para
y re-finar las estructuras
de
construir nuevos
representacin
y el
comportamiento de inferencia de los ya existentes.
II. 3. 2. Bases de Conocimiento.
Antes de hablar de los mtodos utilizados para la representacin del
conocimiento, es conveniente comentar qu tipos de co-
nocimiento puede contener una Base de Conocimiento.
El conocimiento
se almacena en una
Base de Conocimiento, de
acuerdo con alguna de las siguientes -formas:
a) Definiciones descriptivas de
ficamente en el
los trminos utilizados espec-
dominio, as, dada una situacin tpica se des-
compondr en:
- Descripcin del comportamiento.

- De-finicin de vocabulario.
45
- Procesos.
- Hechos inciertos.
- Hechos disyuntivos.
b) Descripcin
de objetos individuales del
dominio y sus rela-
ciones con otros objetos.
c) Criterios para tomar decisiones. As, tendremos:

- Reglas de decisin.
- Restricciones.
- Heursticas.
- Hiptesis.
- Suposiciones.
Los mtodos de representacin

ciones de
del conocimiento
son comb ina-
estructuras de datos que almacenan informacin y pro-
cedimientos de interpretacin
que permiten realizar
inferencias
sobre los datos almacenados.
Las investigaciones de la
Inteligencia Arti-ficial han creado
una variedad de -formas para representar distintos tipos de conocimiento, sin que
se haya llegado a un modelo de representacin
nico y de-finitivo. El objetivo es elegir un tipo de representacin del
conocimiento que -facilite el trabajo sobre un problema
en particular.
Pueden
combinarse di-ferentes
Sistema, desarrollar nuevas
representaciones dentro
representaciones o
ciones de algunas de las existentes.
de un
realizar varia-
46
Los Sistemas de Inteligencia
Artificial pueden requerir con-
venciones para representar distintos

nocimientos de
hechos en
tipos de conocimiento, co-
objetos, de relaciones, de cmo se han producido
el tiempo, cmo realizar
metaconocimientos o metarreglas
ciertas
acciones, as como
(conocimiento acerca del conoci-
miento) .
Las metarreglas pueden proporcionar

dos
maneras distintas: o valores
por
informacin al sistema de
de-fecto o procedimientos
que el sistema puede utilizar para elaborar las respuestas.
Una correcta
representacin del
conocimiento es
vital para
realizar -fciles y eficientes deducciones, suprimir detalles innecesarios, de-finir modelos generales y -facilitar la adquisicin
de nuevo conocimiento o modificacin del existente.
Ya
se han comentado con
anterioridad
los distintos formatos
de representacin del conocimiento.
Otras
tcnicas que pueden ser
aplicadas
en
estos sistemas
pueden ser:
- Abstraccin.
Los
mtodos de abstraccin son
utilizados para extraer con-
clusiones importantes a partir de gran nmero de detalles. Estos

mtodos son especialmente tiles en los tratamientos de lenguaje
natural y visin. La resolucin de una visin simplificada de un
47
problema, frecuentemente proporciona luz
sobre cmo podran re-
solverse problemas anlogos pero ms complejos.
- Sucesiones.
Sucesin es la capacidad que permite a un Sistema pasar valores a
travs de relaciones o campos (slots). Puede proporcionar
campos con valores por defecto e incrementar la eficiencia en la

programacin. Simplifica la programacin porque algunas relaciones pueden
ser expresadas implcitamente en
lugar de tener que
escribir las reglas correspondientes.
El paso de valores por sucesin aade eficacia a la representacin, porque no
es necesario repetir y explicar todos los as-
pectos relevantes de cada objeto descrito.
48
II. 4. Motor de Inferencias.
Algunos sistemas, y en particular los Sistemas Expertos, contienen un conocimiento
acerca de la -forma
miento denominado "metaconocimiento";

de que dispone
es decir, el conocimiento
un sistema para gestionar
miento. En los programas
de tratar el conoci-
un proceso de razona-
convencionales, este conocimiento est
descrito por
la estructura del propio programa, mientras que en
los sistemas
de produccin toma la
sea, reglas
cin. En
que actan sobre las
-forma
reglas
suma, "las metarreglas" expresan
de
"metarreg 1 as" , o
gobernando su activala estrategia de se-
leccin de reglas.
Los mecanismos de razonamiento utilizados por las reglas, son

los tan conocidos de la lgica -formal siguientes:
a) "Modus Ponens" que permite derivar a partir de la regla:
SI A ENTONCES B
De la proposicin A, la proposicin B.
b) "Modus Tollens", al contrario del anterior, este mecanismo

permite deducir a partir de la regla anterior, es decir:
SI A ENTONCES B
y del conocimiento de que la proposicin B es -falsa, que la proposicin A, tambin es -falsa.
49
Las
reglas pueden representarse usando
lgica, lo
cual permite utilizar un
el
-formalismo de la
motor de inferencias gene-
ral, el de los demostradores de teoremas.
II. 4. 1. Estrategia de control.
Es un mecanismo que
determinar que
Base
de Datos y
reglas disparar, es decir, se encarga de activar
las reglas adecuadas

de -funcionamiento o
"ciclo de
sirve para examinar la
y encadenarlas en el
curso de unos ciclos
cmputo, cada uno de los cuales se denomina
resolucin". Como todos los intrpretes en los siste-
mas in-formticos, es
un programa cuyo trabajo es decidir que es
lo que hay que hacer a continuacin.
En el caso
gia de
concreto de un sistema de produccin, la estrate-
control, dadas las limitaciones de secuenci alidad de los
computadores
actuales, tienen la tarea
especial de decidir que
regla va a "disparar" a continuacin.
El esquema general de -funcionamiento de la estrategia de control para sistemas
de produccin, (NIL80) viene dado por el si-
guiente procedimiento:
50
Procedimiento "CONTROL"
1."DATOS" - Base de datos inicial.

2. Hasta que "DATOS" satis-faga la condicin de
terminacin, hacer:
3. Comenzar el proceso.
4. Seleccionar alguna regla, "R", del conjunto de reglas,
que pueda aplicarse a "DATOS".
5. "DATOS" - Resultado de aplicar
"R" a "DATOS".
6. Fin.
En resumen, el intrprete
activar
de reglas es un
las reglas relativas al
de criterios de
programa que va a
problema planteado, en funcin
activacin que le son
propios. Las
-formas de
aplicacin de las reglas, se corresponden a modos de razonamiento, o paradigmas o modelos,que el creador del intrprete ha elegido. Este intrprete
pueda
debe ser lo ms
aplicarse a distintos dominios
general posible para que

del
conocimiento,
y tan
e-ficiente como se pueda.
La bsqueda
de esta e-ficiencia conduce,
sin embargo, a res-
tringir lo que se denomina "espacio de bsqueda", usando heursticas. Estas van a evitar explorar todas las alternativas en cada punto de eleccin
o van a elegir
la
mejor. Las heursticas
que controlan el proceso de razonamiento, son con -frecuencia implcitas, o sea, estn codi-ficadas en el propio intrprete, pero
a veces son explcitas y programables, entonces se habla de "metaconocimiento". Las heursticas, tanto explcitas como implcitas no
son siempre sintcticas, puesto
que
tambin pueden ser
51
semnticas.
La estrategia
de control,
para considerarla
adecuada, debe
cumplir tres requisitos bsicos:
- Causar movimiento. Las estrategias de control que no causan

movimiento, nunca conducen a una solucin.
- Ser sistemtica. Una estrategia de control no debe aplicarse
aleatoriamente, sino sistemticamente de
modo
que, por una
parte, no se genere una y otra vez la misma base de datos y que,

por otra, no se pierda
la oportunidad de generar la base de da-
tos deseada. El primero es un requerimiento de eficiencia, mientras que el segundo lo es de utilidad.
Ser eficiente. Con frecuencia es necesario comprometer
requerimiento
los
de movilidad y sistematicidad y construir una es-
tructura de control que no garantiza encontrar la mejor respuesta, pero
casi siempre encontrar una
buena
respuesta. De esta
manera se introduce la idea de una heurstica.
En resumen, se puede
decir que el motor de inferencias es la
parte "motriz" de una base de conocimientos formalizados. Es decir, es el elemento
de "software" que hace que todo suceda como
si el motor de inferencias pudiera utilizar todo ese conocimiento directamente y reordenar todas las informaciones colocadas en
la base de conocimientos. En un sistema basado en reglas, el intrprete de reglas,
es el ncleo del
sistema de produccin, de
52
modo que
alimentado por una base
de datos, contruyen dinmica-
mente una solucin, diciendo qu reglas disparar y en que orden.

Para ello, utiliza su
van
memoria de trabajo, en la cual se conser-
las in-formaciones describiendo la situacin inicial, es de-
cir, el
problema planteado, y las
situaciones
deducidas en el
curso del razonamiento.
Una
las
caracterstica importante
reglas, es la cantidad
acerca
del problema en
de
del clculo
informacin,
para seleccionar
o "conocimiento",
curso que usa ese clculo. En el extremo
con menor informacin, la seleccin se hace de un modo totalmente arbitrario,
sin tener en cuenta ninguna informacin sobre el
problema que se
est resolviendo. En el otro extremo, la estra-
tegia de control se
problema que
gua por el conocimiento
que
es suficiente para seleccionar
se tiene del
cada vez una regla
idnea.
II. 4. 2. Modos de razonamiento:
El motor
de inferencias cumplimenta pues la tarea de contro-
lar la actividad
consecuencia,
de las reglas de
inferencia
deduccin. En
expresa un cierto modo de razonamiento; es decir,
un paradigma que en el plano operativo puede caracterizarse sintcticamente por los calificativos
miento hacia
atrs".
adelante"
Estos paradigmas
de "deductivo"
"regreso"
tienen una
o "encadena-
"encadenamiento
hacia
correspondencia semntica
pues el primero se le asocia el significado de "dirigido por los

datos", es decir, va
a ser el conocimiento
de ciertos datos lo
53
que provoque la activacin

gundo se le asocia
de una regla de inferencia; y al se-
el significado de "dirigido
sea, que es justamente
por la meta", o
para establecer esta meta
por lo que se
activa una regla.
El
tipo de razonamiento a
utilizar,
deductivo o regresivo,
depende del dominio tratado.
La mezcla de los dos tipos de razonamiento, hacia atrs y hacia
adelante, permiten acumular las ventajas recprocas de cada
uno de el los.
Una solucin
juiciosa es la que
las reglas en tres
emplea EMYCIN que clasifica
clases distintas, de acuerdo con la forma de
dispararse:
a) Reglas
consecuentes: Es
el principio
del encadenamiento
hacia atrs quien gua la ejecucin de estas reglas.
b) Reglas antecedentes: Estas se disparan en el encadenamiento hacia adelante. La parte izquierda de las reglas de este tipo
se evalan cuando es
posible, y entonces, si la regla es vlida
se dispara.
c) Reglas autorreferenci ales: Estas reglas slo se disparan a

la
salida del encadenamiento hacia
reforzar la
atrs.
Permiten en general
posibilidad de una conclusin ya vlida, puesto que
contienen el mismo evento
en su parte derecha
su
parte iz-
54
quierda.
Los encadenamientos
modos
hacia atrs y hacia adelante son los dos
de control principales, que muchos sistemas utilizan con-
juntamente, a
condicin de haber probado
la
integridad de tal
estrategia. Hay que sealar el hecho de que un modo de encadenamiento en particular no de-fine completamente el control.
Para un modo de encadenamiento dado, por ejemplo el encadenamiento hacia atrs puro,
el que se
PROLOG, el orden en
consideran las reglas puede tener una gran in-fluencia
sobre la velocidad
cas que
como sucede en el
de ejecucin. Por esto se habla de heursti-
conducen el modo de
estructura de control,
encadenamiento.
cuyo papel es de-finir
En conclusin, la
la
manera en que
van a utilizarse las reglas; es decir, el orden en que van a interpretarse, comporta
miento,
dos niveles; uno es
el otro, son las
el modo de encadena-
heursticas utilizadas para disminuir
los tiempos de clculo.
En suma,
cualquiera que sea el
tipo de razonamiento emplea-
d o r a construccin de un intrprete comporta dos etapas particularmente delicadas: La de-finicin de los mtodos de equiparacin
o seleccin de las reglas candidatas vlidas y la eleccin de la
regla a disparar.
La calidad de estos
dos
elementos a-fecta de
modo determinante la eficacia del motor de inferencias.
La
seleccin de las reglas candidatas necesita la confronta-
cin de cada una de ellas
con el conjunto de
hechos de la base
de hechos. Esta operacin puede llegar a ser muy costosa rpida-
55
mente, puesto que se repite en cada ciclo. Es relativamente sencilla cuando el lenguaje de la base de conocimientos se parece a
la lgica proposicional
(sistema sin variables), y puede volver-
se ms compleja cuando
se trata de un lenguaje de primer orden,
puesto que en este

de
caso se permite la utilizacin de las reglas
variables y de cuantificadores.
por compracin
matching).
se denomina
Esta
operacin de bsqueda
"equiparacin" o
Una regla es candidata
en
el
"cotejo"
(Pattern
encadenamiento hacia
adelante si existe en
la base de hechos un conjunto de tcnicas
validando el conjunto
de sus trminos de
la
parte izquierda o
condiciones, por equiparacin.
Esta operacin caracteriza tambin

cuyo modo de
al motor
resolucin es guiado por
los Sistemas Expertos, se
denominan
de inferencias,
los datos. Muchas veces,
"pattern directed
in-ference
systems", es decir, sistemas de inferencia dirigidos por equiparacin de patrones.
De la buena eleccin de la regla a disparar depende la bondad

de las prestaciones del sistema. Un humano tiene numerosos conocimientos, pero tambin sabe cual es el que debe utilizar en una
situacin dada.
Todava este problema est con -frecuencia mal resuelto en los

Sistemas
Expertos. La solucin adoptada
es habitualmente la de
una estrategia esttica: tomar la regla ms precisa o bien tomar

la regla que
se ha convertido en la ms recientemente aplicable
o, simplemente, tomar la primera encontrada.
56
Una va
ms interesante es el
"metarreglas" , que tambin

cin que
uso
de "metaconocimientos" o
se dan en -forma de reglas de produc-
expresan las estrategias de eleccin entre las reglas.
Este problema de la eleccin de la regla, es evidentemente menos

esencial
cuando la solucin del
problema necesita una explora-
cin de todos los caminos posibles conduciendo a la meta.
II. 4. 3. Ciclo de Base de un Sistema de produccin en

encadenamiento hacia adelante.
La
estrategia de control contiene el conocimiento de control
y no es otra cosa
que un "modelo general
de resolucin de pro-
blemas". Esta estrategia, de acuerdo con distintas consideraciones, con
-frecuencia independientes
encadena los
del dominio
de aplicacin,
ciclos de trabajo comportando cada ciclo de traba-
jo, en su caso ms
general, dos -fases: la
cin de reglas y la de
de Decisin o selec-
Accin o de activacin o deduccin, o de
ejecucin de las reglas elegidas. Cuando esta estrategia se pone

en marcha, la base de datos, tambin llamada base de conocimientos declarativos
o asercionales, y la
base de reglas, conocida
asimismo por base de conocimientos operativos o procedimentales,

contienen
las informaciones
problema a tratar;
representativas del
enunciado del
es decir, la expresin de los hechos compro-
bados o a probar y los conocimientos operativos sobre el dominio

en cuestin.
La detencin del intrprete puede hacerse en cual-
quiera de las dos -fases.
57
1. Fase de decisin
o seleccin de reglas, consta de las si-
guientes etapas:
a) Restriccin: Consiste en explotar, cuando ello es posible,

los
conocimientos generales sobre la
forma
de particionar, en
distintas familias, los hechos y las reglas. La restriccin, determina a que subconjuntos "Rl"
la base de
de la base de reglas y "BD1" de
hechos merecen ser comparados en el instante actual.
La etapa de restriccin
sobre las reglas se
efecta con el fin
de que la etapa de equiparacin sea lo ms rpida posible.
Esta restriccin
La
las
a veces es esttica y efectuada "a priori".
propia estructura del "software"
permite
a veces organizar
reglas segn "espacios de conocimientos" que contienen con-
juntos
de reglas especializadas en
permiten definir
un
dominio. Otros sistemas
de manera dinmica este espacio de trabajo con
ayuda de "metarreg1 as" que tratan sobre las propias reglas y determinan su ejecucin.
b) Equiparacin o cotejo. Una vez finalizada la etapa de restriccin, la estrategia
de control examina la base de datos con
el fin de
seleccionar el conjunto de reglas condidatas a dispa-
rarse; es
decir, aquellas cuya expresin
es
compatible con la
base de datos, por intermedio de mecanismos de equiparacin.
Se dice que una
expresin e se equipara
cuando B_ es una instancia

les el filtrado ha
frente
otra e',
de e. Todas las reglas para las cua-
tenido xito se dice
que
son "vlidas". De
58
este modo, una regla
es "vlida" si la
memoria de trabajo con-
tiene una instancia de su lado izquierdo.
Puede que haya varias instancias de la parte izquierda de las

reglas en la memoria
de trabajo, en cuyo caso, hay que conside-
rar las distintas sustituciones
que instancian correctamente la
parte izquierda de una regla.
En esta etapa el motor de inferencias examina cada una de las

reglas de "Rl", respecto al conjunto de la "BD1" de hechos.
Entonces,
que se juzgan
un subconjunto "R2" del
"Rl"
compatibles con la "BD1".
contiene las reglas
"R2" se denomina "con-
junto con-flicto".
Esta etapa es la que consume ms recursos de computacin.
A medida que
los sistemas de produccin
se
hacen mayores y
ms complejos, cuestiones de eficiencia obligan a construir tanto para la base de Reglas,
como para la base de datos o contex-
to, estructuras de informacin ms complejas.
c) Resolucin de conflictos: Aqu se determinan el subconjunto de reglas "R3" dentro de "R2" que debe dispararse.
En la prctica es
frecuente que en la
operacin
de un gran
sistema de produccin, en cada ciclo, no pueda dispararse ms de

una regla. Entonces es necesario decidir entre ellas para elegir
una de ese conjunto que cumple la parte de condicin, denominado
59
"conjunto conflicto",
ciclo,
para que se dispare.
Este
paso, en cada
denominado "resolucin del conflicto", es donde se efec-
ta la secuenciacin de las acciones, el enfoque de la atencin,

las interrupciones
en donde
y el control de
la inestabilidad; es decir,
se observan los rasgos cognitivos bsicos. Existen d i -
versos enfoques
resolucin del
que se han probado
adecuados
para efectuar la
conflicto, entre los ms empleados estn los si-
guientes que respectivamente seleccionan:
a) La "primera" regla que equipara el contexto. Esta

"primera" se define en trminos de algn orden lineal
explcito de la base de reglas, lo cual no es siempre
deseable.
b) La regla de ms alta "prioridad". Aqu, "prioridad"

viene definida por el programador de acuerdo con las
exigencias y caractersticas de la tarea, como sucede
en el DENDRAL. Es decir, se consideran algunos aspectos
de la situacin total como ms importantes, crendose
producciones de alta prioridad que son privilegiadas.
c) La regla ms especfica. Es decir, aquella que tiene

la parte de condicin actual, o unos requerimientos
ms fuertes, en el sentido de que se tiene una lista
larga de premisas o elementos de situacin restrictivos.
d) La regla que concierne al elemento aadido ms
60
recientemente al contexto.
e) Una nueva regla, o sea una regla que no ha sido

accedida previamente o, al contrario, siempre que
se pueda, aquellas que se han equiparado ms recientemente.
f) Arbitrariamente una regla. Aunque este enfoque parece

que contradice la segunda caracterstica que debe tener
una buena estrategia de control no es as, puesto que
en este caso se refiere a reglas que tengan igual
posibilidad de ser efectivas.
g) Finalmente, y al contrario de lo que sucede en los

casos anteriores, en ste no se efecta ninguna
eleccin, antes bien se exploran
exhaustivamente
todas las reglas aplicables sin hacer distinciones,

en un pseudoparalelismo que se har paralelismo real
con la>llegada de los computadores de la llamada
"Quinta Generacin".
Hay sistemas sofisticados,
que usan
distintas combinaciones
de estos enfoques sencillos de resolucin de conflictos, algunas

de las cuales llegan a ser bastante complicadas, como es el caso
de
los algoritmos de catalogacin
Expertos AM
ticas
utilizados
por los Sistemas
y HEARSAY. Estos enfoques afectan a dos caracters-
importantes de los sistemas de produccin: "la sensibili-
dad", es decir, la capacidad de responder

sible a los cambios
del entorno, y la
lo ms rpidamente po-
"estabilidad", o sea, la
61
-facultad de ejecutar secuencias
de acciones
relativamente lar-
gas.
Generalmente,
para descomponer
se dota al sistema
las reglas candidatas. Como acaba de verse, s-
te puede hacer intervenir

las reglas, o bien
un orden sobre la
parte de accin de
una prioridad sobre el hecho juzgado ms im-
portante o el ms reciente,
neral como:
de un mecanismo particular
eleccin de
o bien, a partir de un criterio ge-
la
ltima
regla
utilizada,
orden a
"priori" sobre el conjunto de reglas en el conjunto, etc.
Tambin es
posible decidir la regla
candidata
partir de
"metarreglas" que definen dinmicamente las prioridades sobre el

conjunto de reglas. Este
se
tipo de seleccin es, sin duda, el que
muestra ms adecuado pues
permite indicar explcitamente el
control de las reglas.
En otros trminos, el mecanismo de inferencia est, el mismo,

descrito
por reglas. Adems, al
ser
las
"metarreg1 as", ellas
mismas, reglas, pueden ser manipuladas directamente por el motor

de inferencias sin necesidad de usar un mecanismo anejo.
2. Fase de accin, activacin o deduccin:
En esta -fase, el motor de inferencias controla, si "R3" no es

vacio, la ejecucin de cada una de las reglas. Esta fase consiste en aplicar
efectivamente la regla elegida
sobre
la base de
62
datos; es decir, activar la parte accin de todas las regias retenidas.
Generalmente,
esta parte se limita a introducir nuevos datos
en la base y a supervisar o modificar otros. Los Sistemas Expertos, que son algo ms que simples sistemas de produccin, permiten, sobre la
veces,
parte "accin" y ms
raramente, aunque tambin a
sobre la parte "condicin",
el empleo de procedimientos
llamados de manera clsica. Si bien estos procedimientos perturban el
modelo terico de los
sistemas
de produccin, permiten
realizar rpidamente tareas anejas como: entradas-salida, clculo matemtico, etc.
Lo ms habitual
es aadir los trminos
de la parte "conclu-
sin" de la regla seleccionada a la base de hechos y se sealiza

dicha regla. Este ciclo se
repite hasta que el
fijado como meta, se aade a
hecho que se ha
la base de hechos, o cesa de efec-
tuarse cuando ya no puede aplicarse ninguna regla.
El
riesgo de este paradigma
estriba en una prdida de
de
razonamiento hacia adelante
enfoque hacia la meta.
La etapa 3 de
resolucin del conflicto es, pues, particularmente crtica. Adems, comporta los dos inconvenientes siguientes:
a) Se disparan
cucin, incluso si
todas las reglas que son susceptibles de ejelas condiciones a las cuales llegan no ofre-
cen ningn inters. Esto .favorece una explosin combinatoria que

redunda en una alta ineficacia.
63
b) Previamente, es necesario cargar la memoria de trabajo con

todas las in-formac iones
tos que se introducen
que se poseen, sin saber si los elemensern tiles o no,
ni si -faltan in-forma-
c iones.
II. 4. 4. Ciclo de base de un Sistema de Produccin
dirigido
por la meta.
En
los sistemas dirigido por el consecuente, la equiparacin
se basa en
por
los consecuentes de las
reglas. Un sistema dirigido
el consecuente tiene habitualmente que "probar" una premisa
mediante inferencia deductiva. Los consecuentes de las reglas se

examinan para encontrar aquellos que podran confirmar la premisa dada.
A partir de este conjunto de reglas, se elige una y se examina para ver si todas las premisas en su antecedente son verdaderas con
relacin a la base
de datos. Si lo
son, se dispara la
regla y se demuestra
la premisa dada; si no el proceso contina
recursivamente en un
intento de deducir la validez de cada pre-
misa en el antecedente de la regla.
Este proceso de
trabajo hacia atrs, a
travs de las reglas
desde los consecuentes a los antecedentes en bsqueda de una cadena causal

miento
que probar la premisa dada, se denomina "encadena-
hacia atrs" o "razonamiento consecuente" o dirigido por
la meta. Es
decir, los sistemas basados
en reglas trabajan por
64
la aplicacin de reglas, indicando el resultado y aplicando nuevas reglas que se basan en la situacin modificada.
Tambin pueden trabajar por

comenzando con
cia una
in-ferencia lgica
directa, bien
la incidencia inicial de una situacin yendo ha-
solucin, o comenzando con hiptesis sobre posibles so-
luciones
y trabajando hacia atrs
para
encontrar
la evidencia
existente, o una . deduccin de la misma que soporta la hiptesis

particular. Es lo que se denomina respectivamente estrategia dirigida por
los datos o encadenamiento hacia adelante y dirigido
por la meta o encadenamiento hacia atrs.
En el encadenamiento
ciclo que se
hacia atrs, o dirigido por la meta, el
dio para el encadenamiento hacia adelante, se con-
vierte en:
Fase 1: Decisin.
a) Restriccin. Igual que en el encadenamiento hacia adelante.

b) Equiparacin. Bsqueda de las reglas cuya conclusin se
corresponde con la submeta actual II.
c) Resolucin del conflicto. Eleccin de una regla entre
estas.
Fase 2: Accin.
Reemplazamiento de la
meta M por la conjuncin de los trmi-
nos condiciones de R como submetas equivalente.
65
El ciclo se detiene cuando la meta inicial ha podido reducirse a submetas
elementales verificadas en la
cuando no puede
foque estriba
base
de hechos, o
dispararse ninguna regla. El riesgo de este enen caer en crculos
viciosos en el razonamiento;
es decir, en situaciones tales que para demostrar A se demuestra

B y para demostrar B se demuestre A.
Siendo
definido un parmetro "meta", el procedimiento de en-
cadenamiento hacia atrs intenta la equiparacin de la parte izquierda de todas las
reglas que concluyen en
esa meta frente a
la memoria de trabajo.
Para celebrar esta equiparacin,
crea "submetas"
que pueden
resolverse bien aplicando recursivamente el procedimiento de encadenamiento hacia

usuario.
atrs, bien, en caso de fracaso, llamando al
En este tipo de
procedimiento de
cir, cuando
encadenamiento,
debe
equiparacin; pues ste debe
modificarse el
ser capaz de de-
examina una regla, cuales son las informaciones que
faltan en la base de conocimientos, para validar o invalidar definitivamente esta regla. Adems, este procedimiento requiere la
gestin de una
pila inicializada con la "meta"; mientras que la
pila no est vacia, se
aplica el ciclo de
base sobre todas las
reglas que acaban en la cumbre de la pila.
Si
el procedimiento de equiparacin
maciones, se
indica que faltan infor-
apilan las "metas" que deben proporcionarlas y re-
cursivamente, se aplica el mismo procedimiento.
66
Este encadenamiento comporta

otro. En
primer lugar, permite
cuestiones
despus
por si
numerosas ventajas
respecto al
tener
que plantee
un
sistema
nicamente cuando tiene necesidad de ello; es decir,
de haber explorado todas las posibilidades de responder

mismo. Adems, limita
miembros izquierdos
el
nmero
de
equiparaciones de
y disminuye la dimensin
del rbol de bs-
queda.
En lo que
respecta al riesgo antes citado de crculos vicio-
sos, que aparecen
en el caso de
que una meta sea
a su vez una
submeta de su propio "rbol" de bsqueda, hay procedimiento para

detectar
dichos celos y eliminar
niendo la
sus
potencia de las inferencias
e-fectos nefastos manteque
contiene dentro del
sistema de reglas de produccin.
II. 4. 5. Tcnicas de equiparacin.
Una
bsqueda inteligente implica elegir
de
entre todas las
reglas que pueden aplicarse en un punto particular, aquellas que

ms verosmilmente conducen
extraen de un
can en un punto
-forma en que se
conjunto completo de reglas aquellas que se aplidado, necesita algn tipo de equiparacin o co-
tejo entre el estado actual

nes de las reglas.
para el xito
a una solucin. La
de la base de datos y las condicio-
El modo de realizar
esto
puede ser crtico
de un Sistema Basado en Reglas. Existen distintos
mtodos para hacer esto:
67
1. Indexac ion.
Una
-forma de seleccionar
las
reglas
aplicables es haciendo
una simple bsqueda a travs de todas ellas, comparando cada una

de las condiciones con el estado actual de la base de datos, extrayendo
todas las que
se
equiparan.
Esta
sencilla solucin
plantea los problemas siguientes:
a) La solucin de problemas, que requieren el uso de gran nmero
de reglas, obligara a examinar cuidadosamente todas ellas
en cada paso de la bsqueda, lo cual sera muy poco eficiente.
b) No siempre es obvio de inmediato el saber si las condiciones de una regla se satisfacen por un estado particular.
El primer
problema, a veces se
lugar de buscar a travs

como un
puede
tratar -fcilmente. En
de las reglas, se usa el estado actual
ndice dentro de las reglas para seleccionar
inmediata-
mente la equiparada.
Existe
generalmente un compromiso entre la -facilidad de es-
cribir reglas, que

alto nivel y
se incrementa por el uso de descripciones de
la sencillez del proceso
de equiparacin, que de-
crece con tales descripciones.
Todo esto no
incluso
significa que la indexacin
cuando las condiciones de
las
no
reglas
pueda ser til

estn descritas
68
justamente como predicados de alto nivel. Por ejemplo, en muchos
sistemas de demostracin de teoremas, las reglas estn
por los predicados
indexadas
que contienen, de modo que todas ellas estn
por dichos predicados, resultando
las reglas
que podran ser aplicables
particular,
indicadas
para
de
ello que todas
demostrar un hecho
pueden ser accesibles rpidamente.
pesar de las
limitaciones que puedan existir, indexar de alguna -forma, es muy

importante para una operacin e-ficiente.
2. Equiparacin de variables.
veces, la dificultad de
seleccionar
reglas aplicables es
peor que el sencillo problema de encontrar una manera de ignorar

el volumen de
ser
reglas e ir inmediatemente
apropiadas. Puede resultar no
particular y un
a aquellas que pueden
trivial
estado del problema dado
examinar
y
una regla
determinar
si las
condiciones de la regla se satis-facen.
Aqu surgen problemas, al igual que con la indexacin, cuando

las condiciones no estn establecidas como descripciones exactas
de
situaciones particulares, sino que
piedades
de complejidad variable que
ms bien, describen prola
situacin debe tener.
Con -frecuencia resulta que descubrir si hay una equiparacin entre una situacin
da, llega
particular y las condiciones de una regla da-
a convertirse en un problema significativo de bsque-
da.
Un tipo
una
sencillo de equiparacin que
puede a veces requerir
ampla bsqueda, surge cuando las condiciones contienen va-
69
r iables.
Cuando se efectan equiparaciones
no literales, pueden obte-
nerse dos tipos de resultados que conviene analizar. El primero,

es que habitualmente
contr
es importante registrar no slo que se en-
una equiparacin entre condiciones
y una descripcin de
estado, sino tambin, qu ligaduras -fueron efectuadas durante el

proceso de equiparacin de modo que esas mismas ligaduras puedan
usarse en la parte de accin de la regla.
El segundo resultado que debe considerarse en equiparacin no

literal, es que
una regla nica puede
problema actual en ms
equiparar
de una manera, lo
que
el estado del
conduce a varios
lados derechos de acciones alternativas. De este modo, es importante tener presente
que el nmero de
estados que pueden gene-
rarse como sucesores de un estado dado, no viene dado exactamente por el nmero
de reglas que pueden
aplicarse, sino ms bien
por el nmero de -formas en que pueden aplicarse las reglas.
3. Equiparacin compleja y aproximada.
Cuando las condiciones de una regla especfica necesitan propiedades que no estn establecidas explcitamente en la descripcin del estado
actual, entonces es preciso un proceso de equi-
paracin ms complejo.
reglas
En este caso, debe usarse un conjunto de
a parte para describir
inferirse de otras.
cmo
algunas propiedades pueden
70
Incluso
si deben
se necesita un proceso de equiparacin ms complejo,

aplicarse reglas, tales que sus condiciones se equipa-
ren aproximadamente a la situacin actual. Esto ocurre en situaciones que implican descripciones -Fsicas del mundo. Es particularmente difcil
tratar con
equiparacin aproximada
porque, a
medida que se incrementa la tolerancia permitida en la equiparacin, tambin se incrementa el nmero de reglas que se equipararn, y de sta -forma se incrementa el tamao del proceso de bsqueda
principal. Sin embargo, la equiparacin aproximada es su-
perior a la exacta en situaciones tales como entendimiento de la

palabra hablada,
donde no se
llega
nunca
una equiparacin
exacta y el proceso de bsqueda no tiene -fin.
Para algunos problemas,
casi toda la accin est en la equi-
paracin de las reglas al estado del problema. Una vez hecho esto, se aplican tan pocas
reglas que el resto
trivial. La mayor virtud
del equiparamiento
en que puede actuar

yor de-fecto es
de la bsqueda es
aproximado estriba
razonablemente casi todo el tiempo y su ma-
la superficialidad a la
que puede conducir
lle-
vando a comportamientos totalmente errneos.
Por si
no fuera bastante complicado
el proceso de equipara-
cin, an est el problema del "marco". Una forma de tratar este

problema, no es almacenando en cada nodo descripciones de estado
completas, sino ms bien almacenando slo los cambios producidos
desde el nodo previo.
cin tendr que
hacia atrs
necesarios.
Si se hace sto,
el proceso de equipara-
modificarse para examinar a
a travs de sus
partir
de un nodo
predecesores, buscando los objetos
71
4. Ordenacin y jerarquizacin.
Otra manera mediante la cual el proceso de equiparacin puede

descargar
al mecanismo de bsqueda,
encontrada de acuerdo
estn equiparando.
racin
es ordenar
con la importancia de
la equiparacin
los objetos que se
Hay varias maneras de hacer sto. La equipa-
con prioridad es particularmente
importante
si slo se
ensaya una de las elecciones.
Otra
-forma de equiparacin con
una -funcin de
la posicin de los
prioridad puede ocurrir cmo

objetos
equiparables
en la
descripcin del estado actual.
La forma exacta de cmo el equiparador

ceso de bsqueda
depende de la estructura
-frecuencia es cierto, que

sico, el
interactua con el prode
ambos.
Pero con
en el proceso de hacer su trabajo b-
equiparador tambin tiene acceso
a la informacin que
puede ser muy til al proceso de bsqueda.

Generalmente
es til para l, comunicar esa informacin. Cuando
el proceso de equiparacin
en un sistama basado en reglas no es
directo, puede necesitar demasiada bsqueda. Los mismos procedimientos de bsqueda que se usan en el nivel ms alto de solucin
de problemas,
son utilizables para emplearlos
equiparacin. Por supuesto, que,

sivo de la
directa.
en el proceso de
eventualmente, este uso recur-
bsqueda debe terminar en un proceso de equiparacin
72
II. 4. 6. Consideraciones sobre la resolucin del conflicto.
El resultado del
glas cuyas
proceso de equiparacin es una lista de re-
partes izquierdas se han
equiparado con la descrip-
cin del estado actual. Junto con cualquier variable, se generaron ligaduras por el proceso de equiparacin. Este es el trabajo
del mtodo de
bsqueda para decidir en qu situacin se aplica-
rn las reglas. Pero
a veces es til
el
incorporar
alguna de
esas decisiones hacindolo dentro del proceso de equiparacin.

Por ejemplo, supngase que alguna de las reglas de un sistema
trata con
situaciones que son casos especiales de las situacio-
nes cubiertas
por otras reglas. A las reglas especiales debera
casi siempre drsele

rales
ms prioridad que a otras reglas ms gene-
aplicables. El propsito de
permitir el
tales
reglas especiales, es
tipo de conocimiento que el experto solucionador de
problemas usa cuando resuelve
problemas directamente,
sin bs-
queda. Si se consideran todas las reglas que se equiparan entonces el aadir tales reglas de propsito especial incrementar el
tamao de la bsqueda antes de disminuirlo. Con el -fin de prevenir sto, se
construye el equiparador de
modo
que rechace las
reglas que son ms generales que otras reglas, que tambin equiparan.
Hay una -forma -fcil de poder decidir que una regla es ms general que otra, aplicando los heursticas siguientes:
a) SI el conjunto de condiciones de una regla contiene

todas las condiciones de otra y alguna ms,
73
ENTONCES la primera regla es ms general que la segunda.
b) SI las condiciones de una regla son las mismas que las

de otra, excepto que en el primer caso estn
especificadas con variables mientras que en el segundo
son constantes,
ENTONCES la primera regla es ms general que la segunda.
La -forma exacta de estos criterios, naturalmente, debe depender de la manera
en la cual se
escriben
las condiciones, pero
generalmente se utilizan reglas como las anteriores.
II. 4. 7. Criterios que dirigen la seleccin de un motor de

inferencias:
Uno
de los principales aspectos
sobre Sistemas
Expertos desarrolla,
que la investigacin actual

est relacionada
con
los
elementos esenciales que un buen motor de inferencia debe tener.
Deberan estar basados en unos eficientes pero simples principios y,
por otro lado, deberan
ser
flexibles y transporta-
bles?.
Deberan iavorecer
conocimiento, en
las formas actuales de representacin del
lugar de
evolucionar a
estructuras complejas
como los de lenguajes orientados a objetos?.
74
Las soluciones propuestas hoy en da, tendran un gran impacto en los desarrollos industriales de los Sistemas Expertos, por
ejemplo en programas
de investigacin como los de la Quinta Ge-
neracin de Ordenadores o Esprit, los cuales muestran el inters

que ciertos paises
e industrias tienen en este tipo de "softwa-
re".
Los criterios
esenciales que
deberan dirigir
la seleccin
podran ser los siguientes:
a)
Modularidad del conocimiento. As,
los datos podran ser
introducidos sin un orden previo.
b) Un
sistema eficiente que permita
seguir varias lneas de
razonamiento.
c) Portabilidad
misma
de las aplicaciones, de
base de conocimientos pueda
tal
manera
que
la
ser utilizada por diferentes
tipos de aplicaciones o el dominio objeto pueda ser
incrementado
sin necesidad de ningn tipo de reprogramacin.
d) Convencionalidad
de la
interfase hombre/mquina
lo cual
significa que cualquiera puede utilizarlo sin dificultad.
e)
Posibilidad de evaluar fcilmente
decir, determinar
que tiempo
un Sistema Experto, es
llevara realmente
su desarrollo
dentro de un cierto dominio.
Si bien
es cierto que no
existen soluciones milagrosas, los
75
-Fabricantes de motores de inferencia hacen n-Fasis en tal o cual

criterio,
pero deberan intentar llegar a un compromiso acepta-
ble entre todos ellos.
Hay que sealar que los motores de in-ferencia e inter-Fases de

usuarios, constituyen lo
perto.
que se llama el ncleo del Sistema Ex-
Estos sistemas solamente necesitan
miento para constituir
una
base de conoci-
un Sistema Experto en el rea de conoci-
miento de la base aadida.
Pero esto se ha demostrado

mera base de
que es una utopa, ya que la pri-
conocimiento para la cual el motor -fue construida,
tiene tal in-fluencia sobre
l, que cuando se
cambia la base de
conocimiento, ste no -Funciona correctamente.
Hasta
ahora, este problema de "impregnacin" limita el prin-
cipio bsico sobre el que se apoyan todos los Sistemas Expertos:

la separacin entre la
rencias. Este es uno
base de conocimiento y el motor de infede los campos de investigacin actual y es
de prever que esta limitacin desaparecer en los prximos aos.
76
II. 5. "Software" y "Hardware".
Los tiles
para el desarrollo de Sistemas Expertos se pueden
clasificar en dos grandes grupos:
- Lenguajes de programacin.
- Entornos de programacin.
II. 5. 1. Lenguajes.
La diferencia principal entre los lenguajes de programacin y

los lenguajes naturales, radica en que los de programacin estn
estrictamente
definidos, mientras
admiten diversos
texto un
que los
lenguajes naturales
significados para la misma "frase": es el con-
elemento de gran importancia para determinar el signi-
ficado correcto.
Los
lenguajes apropiados para el desarrollo de la Inteligen-
cia Artificial
son aquellos que permiten,
al tiempo, una fcil
modificacin de los programas, y la instrumentacin de funciones

potentes, que descarguen a los programadores de tener que pensar
cmo solucionar problemas de bajo nivel, permitindoles as centrarse y dedicarse
a un trabajo creativo sobre los problemas de
alto nivel.
Los programas y
sistemas desarrollados en el campo de la In-
teligencia Artificial suelen ser complejos y voluminosos. De e s te hecho,
pueden deducirse algunas de las capacidades que deben
77
presentar dichos lenguajes, a saber:
a) Manejo de una gran variedad de tipos de datos.
b) Posibilidad de desarrollo modular.
c) Posibilidad de instrumentar estructuras recursivas

y de descomposicin paralela de programas y sistemas.
d) Posibilidad de desarrollo y comunicacin
interactiva
entre la persona y el sistema.
e) Posibilidad de producir un cdigo eficiente, para que

las prestaciones del sistema sean razonables.
Las capacidades a ) , b) y c) son clsicas en lenguajes "tradicionales" de programacin
por lo que no
se
insiste
en ellos;
respecto a las siguientes, tal vez interese hacer algunas precisiones.
Recursividad: Las primeras

dad en un lenguaje,
instrumentaciones de esta capaci-
aparece con LISP. En pocas palabras, la re-
cursividad consiste en la invocacin de un mdulo o la totalidad

del programa, desde s mismos.
Descomposicin paralela: Se estn

cuales
cutarse
creando lenguajes
con los
se pueden designar explcitamente qu tareas pueden ejeen paralelo. E j . : DCAM. Otro enfoque, proporcionado por
78
COMPEL, deja al compilador
la tarea de averiguar qu partes pue-
den ejecutarse en paralelo.
nteractividad! La relacin o interfaz sistema-usuario ha cobrado ltimamente

parte importante
la importancia que merece, llegando a ser una

de las
especificaciones funcionales
de cual-
quier sistema.
La programacin visual, con sus mecanismos: ventanas, iconos,

grficos, etc., agiliza la percepcin y comprensin de las ideas
y datos por los usuarios.
Otro de
introducido
los enfoques', el de los denominados AGENTES, trmino

por Me. Carthy, y creado por Selfridge, corresponde
al de un elemento activo, capaz de hallar las operaciones precisas para lograr una meta que
trase ante
se le propone, y que, si se encon-
alguna situacin no resoluble,
pudiera
mayudar
a la
persona. Bajando de nivel en la definicin de capacidades exigibles en
los lenguajes de Inteligencia Artificial, se pueden ci-
tar :
a) Fcil manejo de listas.
b) Posibilidad de manejar series de tamao desconocido a

pr ior i.
c) Facilidad de equiparacin de patrones, para identificar datos o determinar el control.
d) Facilidad de deduccin automtica y almacenamiento en

bases de conocimiento.
e) Facilidad de construccin de estructuras complejas de

conoc imiento.
-f) Mecanismos con los cuales el programador
indica donde
debe centrarse la atencin del sistema.
g) Estructuras de control que permiten el comportamiento

dirigido por metas, adems del dirigido por datos.
h) Capacidad de mezclar estructuras y procedimientos en

forma ptima para una tarea dada.
La tabla 2.1. muestra una lista de las capacidades citadas

los lenguajes en los
que se hallan presentes.
En
tanto que
fiqura 2.3. muestra las relaciones existentes entre ellos.
LISP
NTER
LISP
PLANNER
KRL
PROLOG
Listas
Descomposic ion
modul a.r
Estructuras -flexibles de control
Interacti vas
E-f ic ienc ia
Equiparacin de
-formas para
datos y control
Deduccin automtica
Estructuracin del
conoc imiento
Centrar atencin
Comportamiento
dirigido por metas
Capacidad de mezclar procedimientos y datos
Tabla 2.1. CARACTERSTICAS DE ALGUNOS LENGUAJES DE I.A.
81
LISP
+ Mecanismos
de construccin
de alto nivel
+ Mecanismos de
deducci n
automtica
+ Mecanismos de
deduce i n
automtica
PROLOG
PLANNER
+ Mecanismo;
para estructurar el conoc imiento
t
KRL
INTERLISP
+ Mecanismos para estructurar
el conocimiento.
Figura 2.3. RELACIONES EXISTENTES ENTRE LENGUAJES DE I.A.
82
II. 5. 1. 1. Generalidades sobre LISP
Instrumentado inicialmente de 1958 a 1960 por Me. Carthy, basndose en la lgica matemtica, sus caractersticas y capacidades le han permitido permanecer prcticamente sin cambios.
Al
ser un lenguaje instrumental,
la
evolucin
para aadir
nuevas -funciones como primitivas y -Facilitar el trabajo de desarrollo es simple;

alto nivel en
por ello, de ser
considerado con lenguaje de
sus primeros aos, ha ido incrementando su poten-
cia hasta llegar
a estar clasificado como
de ultra alto nivel,
en los ltimos.
Lisp
permite usar ventajas y
capacidades de distintos tipos
de programacin:
APLICATIVA: Permite el uso de datos expresados en -forma

declarativa y facilita el manejo de objetos.
Algunas de las caractersticas de los tipos
de lenguaje que aportan programacin aplicativa son:
- Facilidad de lectura y comprensin.
- Ausencia de instrucciones de asignacin.
- Ausencia de efectos secundarios.
- Facilidad de demostracin de teoremas.
ORIENTADA A OBJETOS: En este tipo de programacin, se

considera que un programa es un ejecutor
83
actuando sobre objetos diversos. En el lenguaje orientado a objetos, es posible dividir conceptualmente el ordenador en ordenadores ms pequeos, llamados objetos, cada
uno de los cuales tiene un papel concreto, y
que pueden gestionarse por separado y comunicarse entre s.
Cada objeto consta de estructuras de datos y

algoritmos: sabe que hacer con sus datos, y
para el resto del programa es una caja negra.
Una idea interesante es la programacin hereditaria: en ella se de-finen las caractersticas diferenci ales respecto a algn objeto ya
de-f in ido.
BASADA EN REBLAS: Empleado en los sistemas de produccin.
RECURSIVIDAD.
Lenguaje: Lisp se basa en los postulados siguientes:
1 - Identidad
de programas y datos:
un programa est repre-
sentado por una lista, denominada "-forma".
2 - Uso de los valores lgicos VERDAD(T) y FALSO(NIL)
64
3 - Uso de la
lista vaca: ( ) .
Por razones histricas, NIL
puede ser:
- Un sistema cualquiera
- La lista vaca.
- El valor "FALSO"
4 - Identificacin
direccionadores:
de listas: Una lista es un subconjunto de
(A B O
se representan por
NIL
Los tipos de datos que trata son: TOMOS y LISTAS.
El postulado
importante por
1 citado, que identi-fica
programas y datos, es
la gran -flexibilidad y potencia que ello permite
en la construccin de entornos de programacin.
Resumiendo las caractersticas expuestas, con las palabras de

su creador, LISP:
- Trabaja ms con expresiones simblos que con nmeros.

- Representa las expresiones smbolos con listas.
- Usa un nico tipo de smbolos - expresiones para todos
los datos y los programas.
- Se basa en un constructor: COS y dos selectores CAR y
CDR, que se expresan como -funciones.
- Posibilidad de lograr -funciones complejas por
composicin de -funciones ms simples.
- Usa expresiones condicionales recursivas.
85
- Usa expresiones lambda para dar nombre a funciones.
- Almacena informacin en la lista de tomos.
- Representa los programas como datos.
- Uso del garbage col lector para borrar elementos no
utilizables.
- Usa sentencias LISP como lenguaje de control en entornos interactivos.
Entre los inconvenientes del LISP, aparece clara la profusin

de parntesis, los problemas de prueba y verificacin de programas, al poder usarse
los mismos como datos
la existencia de
una variedad de dialectos que dificultan la transportabi 1idad.
Por
ltimo, los sistemas desarrollados
en mquinas
en LISP y ejecutados
o entornos de uso general, son ineficientes: exigen
equipos espec i-f icos.
II. 5. 1. 2. Dialectos del LISP.
Se est a la espera de un estndar, barajndose como cadidato

el "COMMONLISP". Mientras tanto,
das por
hay varias versiones, manteni-
constructores ms o menos importantes. Entre ellos, me-
recen destacar
INTERLISP-D y Z-LISP, siendo
los ms potentes.
Otros lenguajes prximos a LISP, son:
SCHEME, T, NIL, POPLOS, LISLOG y PSL.
este
ltimo un de
86
Las dos -familias principales son INTERLISP y MACLISP.
MACLISP presta gran atencin a la mejora de e-ficiencia, mientras que INTERLISP se
centra ms en la relacin con el usuario,
presentando posibilidades adicionales.
- Variedad de tipos de datos.

- Pila de tipo rbol.
- Herramientas para -facilitar la programacin
(Do Ulhat I
Mean).
- Editor dirigido por la sintaxis.
- Ayudas para deteccin y correccin de errores.
- Sistema de extensin sintctica.
- Sistema de asistencia al programador.
- Sistema de ayuda a la gestin de entrada/salida que
permite al usuario organizar el conjunto de funciones
de su programa.
Ambos, MACLISP e INTERLISP tienen
- Ventanas
- Sabores (tipos abstractos de datos)
- Cierres lexicales, que son un so-fisticado concepto de
estructuras de control y alcance.
- Paquetes de ayuda para construir grandes sistemas.
- Posibilidad de crear procesos paralelos.
87
II. 5. 1. 3. Generalidades sobre PROLOG:
Es un lenguaje descriptivo: se indica qu resultado se intenta lograr, no cmo

el
llegar al resultado; es decir, no se muestra
-flujo de control. Esta
permite
caracterstica
su implantacin en sistemas
basado en
la programacin lgica de
de
es importante porque
proceso paralelo. Esta
Kowalski y desarrollado en
la Universidad de Marsella.
Maneja relaciones, no -funciones.
Las sentencias son declara-
ciones -formales sobre hechos y relaciones entre objetos.
Dos de
las caractersticas ms importantes
capacidad de equiparacin
de patrones y sus
de PROLOG son su
bases de datos in-
ternas y relacinales.
Al compararlo con el
LISP es di-ficil de-finir cual de los dos
lenguajes es ms apropiado para estos entornos: LISP es muy -flexible, mientras PROLOG es muy estricto.
Como
principales ventajas de PROLOG
pueden
citarse los si-
guientes:
- Instrumentacin en el propio lenguaje de un mecanismo

de bsqueda con retroceso por las reglas.
- No presupone que se ejecute en una mquina secuencial.
- Sintaxis y semntica muy simples.
88
Como
inconvenciente principal, est la ineficacia de las es-
trategias de bsqueda, que pueden llevarle a enormes consumos de

mquina para responder a consultas triviales.
II- 5. 1. 4. PLANNER y CONNIVER:
PLANNER
-fue desarrollado por Hewitt,
en
el MIT, construido
sobre MACLISP, para servir de soporte para razonamiento en solucin de problemas. Consta de dos tipos de sentencias:
Aserciones, que establecen hechos conocidos.

Ej.:
(PARTE BRAZO PERSONA)
Teoremas, que de-Finen como in-Ferir nuevos hechos, desde otros

conocidos. Hay tres tipos de teoremas:
CONSECUENTES: Describen razonamientos dirigidos por

metas.
ANTECEDENTES: Describen razonamientos dirigidos por

los datos.
DE BORRADO: Eliminan aserciones de la base de datos.
PLANNER usa un mecanismo llamado "invocacin dirigida por patrones" de -Forma que el proceso de bsqueda est orientado a sa-
89
tisfacer una meta: una -funcin determina una meta, para cuya obtencin el propio sistema decide qu -funciones debe aplicar.
PLANNER completo no ha sido instrumentado, pero s un subconjunto llamado MICROPLANNER.
Una
que la
de las principales dificultades
que
impone PLANNER, es
estructura de control de tipo "retroceso" es automtico,
por lo que,
al no poder el
programador controlarle, puede oca-
sionar problemas de ineficacia.
Para
evitar ese problema, Sussrnan y Me Dermott desarrollaron
CONNIVER, lenguaje en el que ese control manual es posible.
II. 5. 1. 5. KRL: Knowledge Representation Language.
Construido
sobre INTERLISP,
conocimiento en
facilita la
representacin del
estructuras de marcos. Su diseo, hecho por Bo-
brow, se basa en una serie de suposiciones.
- El conocimiento debera organizarse sobre entidades conceptuales, con descripciones
y procedimientos
asociados.Es decir,
la definicin de entidades conteniendo informacin declarativa y

procedimental. El conocimiento procedimental se controla mediante una "ayuda" que puede ser programada por el usuario.
La llamada a
procedimientos depende de los hechos en que es-
tn implicadas las entidades.
90
Una descripcin debe ser capaz de representar
conocimiento
parcial sobre una entidad y acomodar descriptores mltiples, que

permitan de-finir la entidad desde varios puntos de vista.
- Un mtodo
de descripcin es la
comparacin con otra enti-
dad.
- El
razonamiento est dominado por
un
proceso de reconoci-
miento en el que se comparan nuevos objetos con prototipos existentes.
Se usa in-formacin contextual
para controlar
las inferen-
c ias.
- Se pueden enlazar descripciones.
- Debe existir un conjunto -flexible de herramientas.
Cada entidad se
representa en KRL como una UNIDAD, que pueda
representar un concepto abstracto o un elemento especfico de su

concepto.
II. 5. 2. Entornos de programacin en Inteligencia Artificial
Un
entorno de programacin es
encaminadas a
facilitar: el
un
conjunto de herramientas,
diseo, la
construccin, edicin,
91
verificacin,
exhibicin
que una buen
depuracin,
a-fine,
ensamblaje,
o muestra, y mantenimiento
actualizacin,
de programacin; de modo
entorno de programacin hace -fcil tanto el traba-
jo, como mejorar el ya hecho.
En el caso ms general debe disponer de:
sar de
Especificacin del problema, que permite al usuario expre-forma no ambigua las
caractersticas
del
problema que
trata de resolver, para lo cual necesita un "Lenguaje de Especificacin "
- Verificacin y control de la especificacin: Probar la consistencia,
integridad, desarrollar
prototipos y
comprobar
el
comportamiento de la especificacin.
- Construccin
del programa: Ayuda en diseo del algoritmo y
su compatibilidad con la especificacin pudiendo existir bibliotecas de mdulos comunes.
Verificacin del programa: Ayuda a la verificacin funcio-
nal y generadores de casos de prueba.
- Deteccin de errores
res de grupos de
de ejecucin: Trazadores, constructo-
datos de control y evaluadores de la compleji-
dad de mdulos.
- Mantenimiento de programas:
ras:
Correccin, evolucin
control de versiones, integracin
de
y mejo-
mdulos, control de
92
coherencia, etc.
Edicin y documentacin: Editores
dirigidos por la sinta-
xis, editores grficos y generadores de documentacin.
- Gestin y direccin de proyectos.
Como se
fin
ve, todas estas clases
de
herramientas tienen como
la asistencia al programador para obtener programas fiables
y eficaces.
Cualquier programa de Inteligencia
Artificial tiene
dos as-
pectos importantes:
- Marco de representacin del conocimiento.

- Mtodos de inferencia y solucin de problemas.
La bsqueda
heurstica, basada en un entendimiento de la es-
tructura del dominio
del problema, forma el
ncleo de los pro-
gramas de Inteligencia Artificial.
Las herramientas tradicionales son

truccin de
inadecuadas para la cons-
los sistemas de Inteligencia Artificial, por lo que
se ha desarrollado entornos especficos, basados en LISP.
Estos entornos
contienen ayudas a la
equiparacin, a la re-
presentacin de conocimientos, a bsqueda e inferencias, etc.
93
La
programacin experimental exploratoria, con la que se van
concretando las especificaciones de un sistema, es muy til para

los casos en que:
- El sistema es
muy complejo para tratar de escribir una es-
pecificacin completa.
- Las necesidades a cubrir se conocen vagamente o cambian
ra-
p idamente.
- No hay un acervo de tcnicas establecidas para

sistemas del tipo
deseado, lo que, en
el
instrumentar
caso de Inteligencia
Arti-ficial ha obligado a desarrollar tcnicas como:
- Examen dinmico preferentemente.

- Programacin orientada a objetos.
- Gestin dinmica de memoria.
- Fabricacin rpida de prototipos.
- Programacin
interactiva, incluyendo analizadores
de programas.
Una evolucin de los entornos la constituyen las herramientas

comerciales para la Ingeniera del Conocimiento cuyos exponentes
ms
conocidos y ampliamente usados
son:
ART, KNOWLEDGE CRAFT,
KEE y LOOPS (CAR86) que por razones obvias de espacio no se consideran ni ahora ni aqu.
94
II. 5. 3. Inventario de "hardware" y soporte de la

Inteligencia Artificial.
El
presentar de -forma extensa
todo el "hardware" existente,
hoy y en un -futuro prximo, para Inteligencia Arti-ficial rebasara las disponibilidades
de espacio y tiempo que aqu se tiene,
y que se presentan en la figura 2.4. Sin embargo, se van a estudiar, por las implicaciones que presentan en las etapas de eleccin de la herramienta en la segunda fase de la metodologa propuesta, las mquinas LISP existentes actualmente, las PROLOG que
estn a punto de comercializarse y, por ser la lnea de investigacin ms prometedora y espectacular, las mquinas neuromimticas. Sin embargo, este mismo ao 1987 se ha puesto en el mercado
la "Connection
Machine" que es realmente la primera mquina ma-
sivamente paralela.
95
ARQUITECTURAS DE COMPUTADORAS
PARA INTELIGENCIA ARTIFICIAL.
MAQUINAS BASADAS EN LENGUAJES
i
MAQU I NAS LISP
MAQUINA
PROLOG
PIM
PIE
PLM(AQUARIUS)
TAMURA MACHINE
SPUR
SYMBOLICS
LAMBDA
ALPHA
XEROX 1100
EXPLORER TI
TEKTRONIK 4400
A,
MAQUINAS DE
PROGRAMACIN
FUNCIONAL
REDLFLOW
ALICE
C-LISP MACHINE
ZAPP
FFP
DFM
MAQUINAS DE I.A. BASADAS EN EL

CONOCIMIENTO
I
REDES
SEMNTICAS
BASADAS
EN REGLAS
NETL
CONNECTION
MACHINE
THISTLE
SNAP
DADO
PSM
NOW-VON
BASADAS
EN OBJETOS
SOAR
APX432
DRAGN
FAIM-1
AI-32
REDES
NEURALES
BDLTZMANN
CIRCUITOS
NEURALES
MAQUINAS
NEUROMIMETICAS
MAQUINAS INTERFASES INTELIGENTES

PARA SISTEMAS ORIENTADOS A LA I.A.
JCII
RECONOCIMIENTO
DEL HABLA
JCII
RECONOCIMIENTO
DE FORMAS PROCESO
DE IMGENES
VISION
COMPUTACIONAL
HARPY
HEARSAY-II
DIALOG SYSTEMS
1800
NEC DP-100
IBM NATURALTASK
CYTOCOMPUTER
PIPE
WARF
BUTTERFLY
PYRAMIDE
TOSPICS
PUMPS
ZMOB
VICOM-VME
Figura 2.4. TAXONOMA DE MAQUINAS DE INTELIGENCIA ARTIFICIAL
96
Proceden de muchos entornos: del clculo cientfico, como los
VAX o el DEC-20, de
la Ofimtica como los sistemas XEROX a par-
tir de la B010.
La explotacin
de una base de
conocimiento supone un escaso
uso de UCP, y un uso intensivo de la base en s.
La necesidad
obliga a
SYMBOLICS
de gestionar
arquitecturas y
la memoria
en
tiempos muy cortos
optimizaciones especficas,
3600 y la LMI-LAI1BDA,
como
la
principalmente dedicados a los
tratamientos simblicos.
Adems de una gestin

portante la ayuda a
rrollo de
porte
potente y e-ficaz de la memoria, es im-
la programacin, lo que ha llevado al desa-
estaciones de trabajo, -formadas
por maquinaria y so-
lgico adecuado, que instrumenten ayudas como las citadas
en puntos anteriores.
La especificidad de las mquinas y del soporte lgico aadido

hacen que
estas estaciones tengan un
tendencia de
coste
elevado, aunque la
disminucin del mismo, tan importante en la infor-
mtica tradicional, tambin se hace sentir.
La Inteligencia Artificial
encuentra muchas
limitaciones en
las mquinas con estructura de von Newmann. Precisan gran cantidad de memoria virtual y la capacidad de tratar informacin simblica.
La idea de unas mquinas especficas en la Inteligencia Arti-
97
ficial ha llevado a dos enfoques distintos.
Mquinas LISP: Instrumentan

procesamiento
directamente las
operaciones de
de listas y gestin de memoria proporcionadas por
los intrpretes
de LISP. Emplean pantallas
de muy alta resolu-
cin, con capacidad de ventanas dinmicas.
Mquinas Paralelas: Permiten agilizar los procesos de bsqueda compleja, a travs
de un alto grado
de
paralelismo
en los
procesos.
II. 5. 3. 1. Mquinas LISP.
Proceden a implantar como
-funciones -fsicas o microprogradas
algunas de las -facilidadas soportadas por el lenguaje como:
- Manipulacin de datos con descripcin de tipo

- Recursividad.
- Gestin de datos simblicos: celdas y objetivos.
- Gestin de proceso paralelo: mu ti proceso.
- Algoritmos especficos.
- Interactividad visual.
- Programacin dirigida por los datos.
En el
por una
plano material, la implantacin

gestin de direcciones de
mquina que
del
LISP, se traduce
objetos muy sofisticada. Una
no ofrezca esa facilidad, har que las prestaciones
98
del LIBP sean deficientes. Esta consideracin, para muchos esencial, llev a de-finir las mquinas de tratamiento simblico como
aquellas que no manipulan valores, sino direcciones.
La idea de una mquina especialmente construida para ejecutar

mejor el LISP naci en el MIT, en donde un proyecto dirigido por
Greenblatt concluy cableando un compilador de LISP. Los programas objeto obtenidos con
la ayuda de ste, se ejecutaban a con-
tinuacin sobre un DEC PDP-10.
Del compilador cableado
a la mquina LISP,
un paso que se dio entre 1975

direccin
no haba ms que
y 1980 tambin en
el MIT bajo la
de Minsky. Este proyecto -finaliz con la construccin
del prototipo CADR.
En 1979, el grupo
costar
del MIT estimaba que su mquina LISP poda
B0.000 dlares en produccin
otros dos
grupos separados del MIT:
comercial. Por esas -fechas

LISP Machine, Inc , -fundado
por Greenblatt y Simbolics, INC, presidida por No-fskel y la casa

XER0X-E0S,
crearon y empezaron a
comercializar sus propias m-
quinas.
a) LISP Machine, Inc, ubicada en Culver City

so en
el mercado
la mquina llamada LAMBDA
(Cal i-f orn i a) pu-
con
un
aproximadamente 55.000 dlares.
El sistema LAMBDA consta de tres microprocesadores

d i -f erentes:
precio de
99
1. El procesador LISP, con palabra de 32 bits y un espacio de direccionamiento virtual de 24 bits operando
con un ciclo de 20 mHz.
Hay ms de 200 -funciones microcodificadas.
2. Un segundo procesador opcional basado en el microprocesador MC68000, destinado a los que quieran realizar
con esta mquina trabajos tradicionales. Bu entorno de
"softaware" es el Unix de Berkeley; actualmente soporta EMACS, C, PASCAL, FORTRAN 77.
3. Un tercer procesador, basado en el microprocesador

8088. Denominado unidad de diagnstico, no slo p r o
porciona acceso a todos los componentes del sistema
sino que los con-figura dinmicamente.
b)
SYMBOLICS, Inc. Esta
empresa
ubicada
en
Cambridge Ma,
o-frece el 3600, a un precio de 78.000 dlares para la configuracin bsica.
Este sistema incluye un

procesador
microprocesador MC6B00O,
usado como
"-front-end" y una unidad opcional, de alta velocidad,
aritmtica y lgica de coma -flotante.
La primera mquina SYMBOLICS, la LM2, estaba construida sobre

una CPU de
32 bits, con un
espacio de direccionamiento virtual
de 24 bits. Ambas mquinas soportan el Z-LISP.
100
El mdulo 3600, emplea una arquitectura de 36 bits, y utiliza

un espacio virtual de direcciones de 28 bits.
c)
XER0X-E0S. Situada
en Pasadena
(California),
introduce
tres nuevas mquinas, la de bajo coste, modelo 1108, llamado

"Dandelion", el
procesador de
prestacin 1132 conocido

de nombre "Dolphine".
oscila entre los
del 1132.
informacin cientfica
de
alta
como "Dorado" y la de rango medio 1100
El rango de precios
30.000 dlares del 1108
Los tres modelos incluyen
de los tres sistemas

a los 179.000 dlares
INTERLISP-D
y los modelos
mayores pueden tambin incluir el SMALLTALK-80.
El espacio de
madamente 2
direcciones virtuales de la 1108 es de aproxi-
millones, de
la 1100
es 22 bits y
de la
1132 24
bits.
d) Texas Instrument, desarroll

rrollada en colaboracin
una mquina LAMBDA
su mquina "Explorer", desa-
tcnica con LMI. De
hecho se trata de
simplificada, que en el catlogo de LMI apa-
rece como LAMBDA-E.
Las caractersticas ms importantes son:
1. Procesador LISP de 32 bits microprogramado; con 16k

por 56 bits de memoria de control actual izab1e. Tiene
un ciclo de microinstruccin de 142 nanosegundos,
equivalente a 7 MHz de reloj. Su espacio de memoria
virtual es de 12B Megabytes.
101
2. Un Nu-Bus avanzado de 32 bits, con una arquitectura de

procesador
independiente, con soporte de procesador
mltiple y un V a t i o " de transferencia de 37,5 megabytes por segundo.
3. Una memoria principal de 2 megabytes ampliable a 16

megabytes, con un tiempo de acceso menor de 300 nanosegundos y una memoria auxiliar formada por un disco
Winchester de 112 a 140 megabytes de capacidad, con 30
milisengudos de tiempo medio de acceso y 5 megabytes
por segundo de "ratio" de transferencia.
e) La Compagnie
General de Electrique y CNET en Francia, de-
sarrollaron en Toulouse la mquina MAIA.
Se caracteriza el "Hardware" por los siguientes elementos:
1. Unidad de clculo simblico, que extrae previamente

las instrucciones. Se basa en palabras de 40 bits y
est realizada con tecnologa ITL e IliOX.
2. La memoria principal que maneja palabras de 40 bits.

Un descriptor de 8 bits y 32 bits de valor o direccin. Teniendo de 1 a 4 megapalabras en tecnologa
de 256 K.
3. El procesador de memoria virtual maneja un disco de
102
alta velocidad.
4. La pantalla grfica esta orientada al bit.
5. El "bus" estndar VME de 16 bits permite conexiones de

muchos dispositivos peri-fricos
Como "software" bsico tendra el C0MM0N-LISP estndar.
i>
La primera mquina
LIBP -fabricada en el
Japn ha sido la
mquina ALPHA, desarrollada por FUJITSU. Esta mquina es un prototipo de
procesador LISP para un computador de propsito gene-
ral .
Tambin en Japn, el
laboratorio electrotcnico del gobierno
japons (ETL) ha terminado la -fabricacin de una mquina LISP de

aproximadamente la misma velocidad que la SYMBOLICS 3600. Utiliza el procesador PULCE -fabricado por Toshiba en 1978. Este es el
primer paso para
el desarrollo de una mquina LISP dirigida por
datos, denominada EM-3 para 0-fmtica, procesamiento de lenguaje

natural,
Sistemas Basados en el Conocimiento y otras aplicacio-
nes interactivas.
El trabajo actual est programado hacia un simulador

re" de
procesador
paralelo
usando
ocho
procesadores
"hardwanicos
68000. En su -forma -final, este sistema tendr de 80 a 100 procesadores de muy alta escala de integracin de un tipo desconocido
que el ETL espera disear. El principal
de esta
mquina, ser probablemente un
lenguaje de programacin
lenguaje
como LISP con
103
caractersticas de
PROLOG tales
como invocacin
de
patrones,
"vuelta atrs" y equiparacin de patrones.
Otro
grupo japons encabezado por Yasushi Hibrino del Nippon
Telegraph and Telephone est construyendo una mquina LI9P, como

parte del proyecto NUE.
pero ahora
Se inici en 1981 como un proyecto LISP
se ha convertido en
el que se desarrollan
un proyecto "mu ti lenguaje", en
lenguajes proced imentales, -funciones -fun-
cionales lgicas y dedicadas a objetos, con la sintaxis del LISP

y la semntica del
SMALLTALK. El nombre
propio LISP y otros
lenguajes como PROLOG y
de la mquina NUE
ser ELIS. Su velocidad
en modo interpretacin ser similar a la mquina ALPHA. Tiene un

bus de 32 bits. Podr direccionar en total 128 megabytes, ya que
cada direccin accede a una
celda de memoria de
8 bits, con lo
que el espacio de direcciones es equivalente a 27 bits de direcc iones.
g) El
Imperial College de Londres est desarrollando un com-
putador para un lenguaje aplicativo idealizado. Ser una mquina

de
procesamiento paralelo diseado para PROLOG, con una versin
paralela de
LISP y el lenguaje de Quinta Generacin declarativo
propio del College, HOPE.
El prototipo ALICE tendr 16 procesadores y 16 mdulos de memoria
y un conmutador para
concectar
cualquier procesador con
cualquier memoria.
e) En EE.UU. se investigan arquitecturas avanzadas paraleleas
104 .
de
altas prestaciones, as se puede destacar el mutiprocesador
experimental CDNCERT, construido en el MIT por el grupo dirigido

por Halstead,
que combinar 32 procesadores
68000. Como uno de
sus lenguajes tendr un MULTI-LISP, que es una versin multiprocesador del LISP que est siendo desarrollada como una parte del
proyecto.
Otro proyecto
que se desarrolla en
el MIT, planea construir
una mquina usando 64 procesadores SYMBOLICS 3600.
II. 5. 4. La Quinta Generacin.
Los promotores de
la idea de la mquina de Quinta Generacin
fueron el profesor Thoro

el
Moto Oka, de la Universidad de Tokyo y
Dr. Fuchi del Laboratorio
MITI sobre su
idea, de que Gra
Electrnico,
plausible
que convencieron al
construir una mqui-
na, lo cual lleg a ser un proyecto gubernamental.
Tras trabajos
de investigacin
(FEI83).
y planificacin,
surgi
la
idea clave: un computador con capacidad de proceso paralelo, con

lenguaje de mquina
basado en clusulas de
Horn
de
lgica de
predicados, e interfaz con una base de datos.
Serian mquinas de inferencia, capaces de razonar a travs de

grandes cantidades de datos y conocimiento.
105
El proyecto de desarrollo se compone de tres -fases:
- Establecimiento de las tecnologas -fsicas y de soporte

1g ico.
- Produccin de subsistemas de inferencia y la base de
conocimiento.
- Integracin de subsistemas para producir un prototipo.
La -fase primera,
dicada al desarrollo
una base de
de duracin estimada en tres aos, est dede un puesto de
trabajo
para PROLOG, con
conocimiento comparable a la de los actuales Siste-
mas Expertos, y una
capacidad de proceso de
un milln de infe-
rencias lgicas por segundo.
La -fase segunda,
de cuatro aos, estara dedicada a la expe-
rimentacin de ingeniera,
creando prototipos,
experimentos sobre aplicaciones
continuando los
relevantes e inicindolos sobre
integracin de sistemas.
La ltima, de otros tres aos, con -fecha estimada de terminacin para principios de los 90, tiene como meta llegar a un computador con una potencia
de inferencia de 1 a 1.000 millones de
inferencias lgicas por segundo

to capaz de manejar
(LIPS) y una base de conocimien-
decenas de miles de
reglas y centenares de
millones de objetos.
El proyecto
sorcio
de Quinta Generacin est
de ocho firmas privadas
dos
realizado por un conlaboratorios estatales,
106
contando con la ayuda econmica decidida del [ilTI, cuyo montante
se calcula en unos
200 millones de dlares
nuevo Instituto de la Tecnologa
Las rea
agrupados
en el
(ICOT)
de trabajo de-finidas- son:
- Mecanismo de proceso paralelo.

- Lenguaje de ncleo e inferencias de ms alto nivel.
- Proceso de lenguajes naturales.
- Sistemas de consulta.
- Teora Bsica.
Este
proyecto ha llamado la
del mundo
atencin
de los investigadores
entero, levantando, sobre todo en USA, algunas criti-
cas sobre la
viabilidad del mismo, al
mismo
tiempo que apoyos
dec id idos.
II. 5. 4. 1. La Arquitectura de la Quinta Generacin.
El ncleo
del proyecto de Quinta Generacin ser el desarro-
llo del solucionador de problemas y de la mquina de inferencia.

Para ello se elegi PROLOG porque se pensaba que era. el
que o-freca posibilidades
de proceso en paralelo
lenguaje
y el diseo y
-fabricacin de una mquina de inferencia totalmente paralela
era
la meta ltima de la investigacin sobre mquinas de inferencia.
Con el fin de
alcanzar esta metas, se defini un programa de
investigacin con los dos objetivos siguientes:
107
1. Uno a corto plazo, que consiste 'en el desarrollo de la

denominada mquina de inferencia personal
(PSI) capaz
de ejecutar de 20 a 30 KLIPS (inferencias lgicas por

segundo), para posteriormente llegar a manejar de 100
KLIPS a 1 MLIPS.
2. A largo plazo, dirigido al desarrollo de una mquina

de inferencia completamente paralela, cuya capacidad
mxima deber ser del orden de 100 MLIPS a 1 GLIPS,
donde 1 LIPS equivale aproximadamente a 10 - 10 instrucciones por segundo de un computador tradicional.
Estos computadores
nivel, siendo
futuros debern
de alto
adems amistosas y familiares a sus usuarios. Es-
tos sistemas denominados

sing
soportar lgica
"KIPS"
(Knowledge
Systems), tendrn bases de
Information Proces-
conocimiento y resolvern pro-
blemas de una manera similar a como lo hacen los humanos.
Para ello, los computadores
actuales, diseados para cmputo
numrico, tendrn que evolucionar

que puedan
para convertirse
acceder al significado de
en mquinas
la informacin y entender
los problemas que tengan que resolver.
La nueva
ras y
como
de
generacin de computadores se basar en nuevas teo-
tecnologas, y ser capaz de proporcionar funciones tales

dilogo inteligente y mecanismos
de inferencia para bases
conocimiento. Estas funciones pueden dividirse en tres cate-
IOS
gorias:
1- Funciones de inferencia y solucin de problemas.

2. Funciones de gestin basadas en el conocimiento.
3. Funciones de nter-faz inteligente.
Las primeras se corresponden a las cuatro operaciones aritmticas bsicas,
tanto como a las funciones de control necesarias
para efectuar operaciones aritmticas.

estas
-funciones estar provisto del mecanismo "hardware" de in-
ferencia, el
los
El sistema que realizar
mecanismo de
control, el
procesamiento paralelo,
programas lgicos desarrollados sobre
sistema de
estas
mquinas y el
"software" para clculo de predicados de alto orden.
La interfaz
entre "software" y "hardware"
ser un lenguaje que
incluir PROLOG.
La mquina de inferencia que procese los lenguajes de programacin lgica
estar equipada con mecanismos
inferencia construidos dentro del

bin usar
proceso
de
alto poder de
"hardware". Esta mquina tam-
tcnicas "hardware" orientadas a flujo de da^tos para
en paralelo, as mismo
deber soportar mecanismos para
tipos de datos abstractos.
Las funciones de gestin de la base de conocimiento sern incrementadas en funciones para procesar datos semnticos. Se utilizar como modelo bsico
relacional. La mquina base
como una combinacin
y una
de datos el modelo
del conocimiento
de
base de datos
estar organizada
de una mquina de base de datos relacional
mquina de procesamiento en paralelo para operaciones al-
109
gebricas
relacinales. Esta mquina se integrar en el -futuro,
dentro de la
guaje
mquina de in-ferencia. Ambas mquinas usan un len-
de programacin -funcional como lenguaje ncleo comn, que
es a su vez el lenguaje comn del sistema global de Quinta Generacin.
El "software"
se escribir en este
lenguaje
ncleo, que es
directamente ejecutado por el "hardware".
La
-funcin de nter-fase inteligente
las -funciones
de entrada/salida
de los
que puede comparase con

computadores actuales,
constar de una coleccin de sistemas que procesen, reconozcan y

sinteticen muchos tipos distintos
de informacin de entrada/sa-
lida, tal como, caracteres, voces, -figuras e imgenes.
La
figura 2.5. esquematiza el
concepto
re-software" de la Quinta Generacin.
de sistema "hardwa-
110
PERSONAS
i
INTERFAZ INTELIGENTE
SISTEMA EN
SOPORTE
SISTEMA DE GESTIN
DE LA BASE DE
CONOCIMIENTO
SISTEMA DE
PROGRAMACIN
LGICO
4
LENGUAJE DE PROGRAMACIN LGICA
LENGUAJE DE REPRESENTACIN DEL
CONOCIMIENTO
SISTEMAS
MAQUINA DE
BASE DEL
CONOCIMIENTO
EN
MAQUINA DE
INFERENCIA Y
SOLUCIONADOR
DE PROBLEMAS
SOPORTE
FSICO
MAQUINA DE
BASE DE
DATOS
MAQUINA
CALCULO
NUMRICO
MAQUINA DE
MANIPULACIN
DE SMBOLOS
I .
'
, . i . ,
.,.
MI
Figura 2.5. ESQUEMA DE MAQUINA DE QUINTA GENERACIN
111
II. 5. 5. Modelos de mquinas de inferencia paralela.
Los ms conocidos son:
a) Mutiproceso, que usa estructuras convencionales para instrumentar el

clsicas de
proceso de
inferencias, implantable
mutiproceso.
Los
procesos de
crearse y destruirse dinmicamente,
en
mquinas
inferencia
comunicndose a
pueden
travs del
algoritmo de pase de mensajes.
b) Flujo de datos. En este modelo, los programas lgicos tienen que trasladarse
a grafos de flujo
de datos, ejecutables en
una mquina especfica.
Se prevn
dos lneas de investigacin. La primera, para mos-
trar la posibilidad
un alto
de las arquitecturas de
grado de paralelismo. La
flujo de datos con
segunda, para encontrar algo-
ritmos que permitan aplicaciones eficientes de programas lgicos

en grafos de flujos de datos.
c) Funcional. En este modelo, los programas lgicos se

trasladarn en una forma intermedia que puede ejecutarse mediante algn lenguaje de programacin funcional. El modelo se encontrar
en las relaciones de
La salida de
"entrada/salida" de cada operacin.
una funcin slo est
lo que significa
paralelismo de
las expresiones.
que la funcin no
este modelo viene de
determinada por la entrada,

tiene efectos laterales. El
la
evaluacin paralela de
112
d)
Lgico. Este modelo ofrecer
directa de programacin
la posibilidad de ejecucin
lgica.
II. 5. 6. Mquinas Neurommticas.
En diciembre
de 1983 se reunieron bilogos e informticos en
Francia para explorar las perspectivas que abren los esquemas de

organizacin del sistema nervioso
central para la investigacin
de arquitecturas de computadoras.
En esa
reunin, Vidal del Instituto de investigacin del ce-
rebro, "BRI",
de la Universidad de
(UCLA) describi
lo que convino en
estructura neuromimtica", que slo

rio. Tales
un
California
llamar
en
los Angeles
"Computadores de la
existe en
estado embriona-
mquinas, se presentarn en forma de red comportando
gran nmero de procesadores elementales segn una topografa
regular y densa. Caractersticas de estas mquinas son una cierta capacidad de auto organizacin, entendindose por tal el proceso
de conexin entre procesadores
definen los
elementales
objetos virtuales sobre los
cuales
o clulas que
se
realiza el
tratamiento, y aprendizaje.
En
esta misma lnea, la
Comunidad Econmica Europea, reuni
en una comisin de espertos en Fsica, Qumica, Biologa, Neurologa, etc.
para estudiar la posibilidad de construir.un compu-
tador "neuromimtico".
Esto dio origen al proyecto BRAIN que ya
se ha iniciado y en el cual participa la Facultad de Informtica
113
de la U.P.M.
La arquitectura fsica de estas mquinas de estructura neuromimtica se basa en elementos lgicos, localmente programables y
reconfigurables, denominados UCLM,
siglas de "Universal Connec-
tion Lgic Modules".
La funcin de
lo tanto, hace
dizaje
transferencia de las UCLM
posible la introduccin de una funcin de apren-
al nivel
del material. La UCLM
cierto nmero de circuitos

organizados
componen las
es ajustable y, por
estn
formadas
elementales "idnticos"
como estructuras
arborescentes. Las
por un
a "clulas"
"clulas" que
UCLM son generadoras de funciones con dos entradas
lgicamente completas.
114
CAPITULO III. PROBLEMTICA ACTUAL EN LA CONSTRUCCIN DE LOS

SISTEMAS EXPERTOS.
III. 1. General i dades.
Tres son los aspectos bsicos
a tener en cuenta a la hora de
plantearse el desarrollo de un Sistema Experto.
- Seleccin de la
aplicacin en la que
va
utilizarse el
Sistema Experto.
Utilizacin de nuevas tcnicas,
de Datos,
para la resolucin de
no utilizadas por Proceso
problemas y representacin del
conoc imiento.
- Seleccin de "hardware" y "software" a utilizar.
III. 2. Seleccin de la aplicacin.
Para determinar la efectividad de la tecnologa de los Sistemas
Expertos, es nesario identificar
aplicacin
previamente
las reas de
y en ellas aquellas operaciones especficas que cum-
plen las condiciones de necesidad y oportunidad para ser resueltas con tecnologas de Inteligencia Artificial.
115
Una aplicacin no es candidata a ser resuelta con esta tecnologa por el

ser
mero hecho de ser difcil. Muchos problemas pueden
mejor resueltos utilizando la
tecnologa
existente
y con
tcnicas tradicionales a un menor costo de desarrollo, implantacin y mantenimiento.
En orden
dades
a identificar las oportunidades dentro de las Enti-
Financieras para utilizar los
guientes consideraciones podran
Sistemas Expertos, las si-
ser utilizadas como criterios:
(CHAP86)
a) - Apiicabi1idad.
El rea
un Experto
de aplicacin debe requerir realmente la presencia de

con conocimiento e intuicin dentro del campo consi-
derado.
b) - Viabilidad.
El
conocimiento y experiencia requeridos deben poder ser re-
presentados con,un nmero finito de reglas.
c) - Costo.
Verificar cual es la solucin en la que la relacin costo/beneficio es ms efectiva, tanto a corto como a largo plazo.
d) - Beneficios indirectos.
El uso
de esta tecnologa servir
misma, dando
como
introduccin
de la
lugar a nuevos productos o servicios financieros o
116
mejorando los existentes, proporcionando una ventaja competitiva
a la Entidad Financiera, as como imagen.
e) - Control.
El uso del Sistema Experto proporcionar una oportunidad
ni-
ca para incrementar el nivel de control sobre un proceso y, consecuentemente,
evitar prdidas a la
Entidad Financiera o inte-
rrupcin en el servicio a sus clientes.
Junto a estos criterios cuantitativos, existen otros cualitativos, tales como:
i)
Solucin de un problema
que
excede
las posibilidades
tcnicas de Proceso de Datos.
g) - Preservar experiencia profesional. Puede tener importancia como poltica social
de la empresa en caso de jubilacin de
personal experto como motivacin del mismo, y prolongacin de su
carrera
h) puntos
profesional.
Distribuir
la experiencia de
alejados, cubriendo de alguna
unos
pocos, llevndola a
manera
los
problemas de
formacin masiva del personal.
i) -
Fusionar -fuentes de conocimiento
dispersa por la Enti-
dad.
j) - Convertir el conocimiento existente sobre un rea determinada en un producto estratgico.
117
III. 3. Empleo de nuevas tcnicas no utilizadas por Proceso

de Datos, para la resolucin de problemas y
representacin del conocimiento.
Las
de
tcnicas de razonamiento de la Inteligencia Artificial y
resolucin de problemas permiten
conclusiones que no -fueron
al Sistema Experto obtener
explcitamente programadas dentro de
l. Esto contrasta con Proceso de Datos tradicional, que solicita datos ciertos, utiliza mtodos de clculo numrico algortmicos
perfectamente definidos y, que cuando se utilizan correcta-
mente, producen respuestas correctas y determinadas.
Los
Sistemas Expertos utilizan informacin
enteramente
mtodos de
que puede no ser
consistente o completa. La manipulacin a travs de

razonamiento simblico,
numrico, producen
tiles. Conforme
respuestas
sin utilizar
satisfactorias
ningn modulo
y aproximaciones
ms completo y correcto es el conocimiento al-
macenado, mejores sern las salidas proporcionadas por el Sistema.
Evidentemente, todo
sto determina un ciclo
de
vida
de un
Sistema Experto que difiere sensiblemente del que corresponde al

desarrollo de un Sistema Informtico tradicional.
Por otro
lado, las tcnicas y
elementos utilizados son dis-
tintos de los de programacin tradicional, aunque tambin pueden

ser aplicados estos ltimos.
1 IB
Algunas de
las tcnicas que hacen posible las inferencias de
un Sistema Experto son las de adquisicin del conocimiento, heursticas y mtodos de representacin del conocimiento.
a)
Se entiende por adquisicin
de extraer y
utilizado
del conocimiento, el proceso
formalizar el conocimiento de
en el Sistema Experto.
Ejemplos
un experto para ser

de conocimiento son
las descripciones de objetos, identificacin de relaciones y explicacin de procedimientos. Los llamados Ingenieros del Conocimiento son
los especializados en estas
tcnicas.
Ayudan a los
expertos a
articular su experiencia y reglas prcticas para de-
cidir cual
es la mejor estructura
para que estos conocimientos
puedan ser utilizados por el Sistema.
Hasta el
momento, no existe ningn
mtodo automtico de ha-
cerlo, a excepcin de algunas ayudas para construir Sistemas Expertos muy sencillos
que son capaces de extraer reglas a partir
de ejemplos. Sin embargo, pasar mucho tiempo antes de que estos

mtodos
automticos puedan llegar a reemplazar a los Ingenieros
del Conocimiento, y stos tendrn que adquirir el conocimiento a

partir de los expertos.
Aunque
el conocimiento puede proceder
de
muchas y variadas
fuentes, la dominante para construir los Sistemas Expertos es el

experto en el dominio. El Ingeniero del Conocimiento obtiene este conocimiento a
travs de una serie
prolongada
e intensa de
entrevistas sistemticas que pueden durar muchos meses.
1 19
El Ingeniero del Conocimiento debe trabajar con el experto en

el contexto
e-fectivo
de la solucin de
problemas
particulares. Es poco
preguntar al experto directamente acerca de que reglas
o mtodos usa para resolver un tipo de problema particular en el

domin io.
Waterman
(HAY83) resume
los expertos establecen sus

muy
estas circunstancias
sealando que
conclusiones, razonando en trminos
generales, difcilmente utilizables por una mquina. El ex-
perto raramente razona a niveles bsicos; hace juicios complejos

sin seguir paso a paso un razonamiento.
Es
posible incluso que desconozca los pasos individuales que
hay que seguir para alcanzar la solucin.
En posteriores explicaciones de sus conclusiones, slo explicara los pasos principales, dejando de lado los que a l le parecen obvios, pero
sin los cuales, el Sistema no podra funcio-
nar .
Este
aspecto se ha denominado
"paradoja de la experiencia",
que puede enunciarse como sigue:
"Los
expertos ms competentes son
conocimiento
pues
que usan en resolver
los problemas. Incluso peor,
estudios recientes han demostrado
intentan explicar como alcanzar
incapaces de describir el
que cuando los expertos
una conclusin,
con -frecuencia
construyen lneas de razonamiento que se parecen poco a su acti-
120
vidad real para solucionar sus problemas".
En
efecto, tiene dos implicaciones importantes para la cons-
truccin de Sistemas Expertos: la primera sugiere que los expertos necesitan ayuda externa para clasificar y explicar su pensamiento y dar
solucin a los problemas. Esto puede traducirse en
una primera heurstica:
Los dos
i No sea Vd. su propio experto!.
roles de Ingeniero del
pues imprescindibles,
ya que
Conocimiento
difcilmente pueden
y Experto, son
ser asumidos
ambos papeles por la misma persona.
La paradoja de la experiencia sugiere una segunda heurstica,

dirigida al Ingeniero
del Conocimiento:
i No crea todo lo que le
dicen los expertos!.
Los Ingenieros del Conocimiento debern desarrollar

de trabajo basadas en
hiptesis
lo que dicen los expertos y verificar su
consistencia, proponindole a los
expertos que resuelvan nuevos
problemas que necesiten el conocimiento sintetizado.
El
conocimiento del experto se encuentra concentrado y redu-
cido a una forma mnima
y eficiente, que lo hace ms difcil de
extractar. Cuando los expertos resuelven problemas en su rea de

experiencia, reconocen nuevas situaciones como instancias de cosas
con las cuales ya
estn fami1 iarizados.Sin embargo, cuando
los
expertos se enfrentan con
situaciones nuevas, se comportan
como novatos inteligentes. Tienden

les
y pasos deductivos que
a aplicar principios genera-
proporcionan enlaces causales entre
121
varias etapas
de una secuencia de soluciones de problemas. Este
comportamiento
sugiere un mtodo de
contraste
de soluciones a
problemas, mediante la propuesta de situaciones nuevas al experto, tal vez sugeridas
por otro experto y
anotar el proceso que
sigue el experto para resolver el problema. Es lo que se denomina el
mtodo del protocolo. Una alternativa consiste en presen-
tar a un novato inteligente, un problema estndar para ganar experiencia en la actividad real de la solucin del problema.
b) Heur stica:
dido
Son reglas prcticas que un experto ha apren-
o descubierto, concernientes a
se incluyen
en un Sistema
guiar el proceso a
Experto,
un rea
aquellas
particular. Cuando
reglas
ayudan a
travs de masas de datos. Estas reglas hacen
la bsqueda de soluciones, ms eficiente.
c) Una representacin del conocimiento es una estructura -formalizada y un conjunto de operaciones que comprenden
cin,
que se
relaciones y procedimientos utilizados

incorporan al Sistema Experto.
por
la descripun experto y
Este conocimiento se re-
presenta en lo que se llama base de conocimientos.
Cada tipo de
conocimiento y usos de los mismos aceptan mejor
unas u otras -Formas de representacin.
122
III. 4. Seleccin de "Hardware" y "Software" a utilizar y
evaluacin del mismo.
La seleccin
se
de la herramienta adecuada es difcil porque no
sabe cuales son las
caractersticas
necesarias para clases
especficas de problemas.
Durante aos las herramientas
utilizadas se
haban obtenido
de Sistemas Expertos ya construidos a los que se les habra despojado
del conocimiento, que contenan. A estos sistemas vacia-
dos de su conocimiento
se les denomin, como
ya
se ha citado,
"conchas".
Hoy, incorporan nuevas formas

el conocimiento,
y posibilidades de representar
lo que las hace ms adecuadas para representar
distintos tipos de problemas.
Hay seis puntos bsicos que deben tenerse en cuenta a la hora

de seleccionar una herramienta, a saber:
- Poder de desarrollo.
El
desarrollo de un Sistema Experto requiere tiempo, dinero,
personal' "hardware" y "software" adecuados.
La eleccin de un lenguaje de programacin tipo LISP o PROLOG

o un
lenguaje de Ingeniera del
Conocimiento tipo KEE, LOOPS,
ART o KNOWLEDGE CRAFT depender de las necesidades del problema.

El primer tipo de eleccin
tema Experto que
nos llevar a la creacin de un Sis-
se ajustar ms a
la solucin buscada, aunque
123
los costes sern ms

truir su base
altos dado que el tcnico tendr que cons-
de conocimientos e implantar un motor de inferen-
cia. Con los del segundo tipo de lenguajes, el desarrollo es ms

fcil pero es posible
que el Sistema obtenido
no
sea tan efi-
ciente como el anterior.
- Soporte de -facilidades de programacin.

Si el tiempo
existencia
es un -factor importante
de -facilidades tales como
en
el
desarrollo, la
la depuracin,
ayudas
editores de bases de conocimiento, -facilidades de Entrada/Salida

y
mecanismos de explicacin de
razonamiento, sern decisivas a
la hora de seleccionar dicha herramienta.
- Fiabi1idad.
Evidentemente, si la herramienta
no es
-fiable, difcilmente
podr utilizarse en produccin.
Una herramienta
de este tipo en
una investigacin o experi-
mento, puede causar problemas sin que esto tenga ms trascendencia. En cambio debe
estar totalmente probada a la hora de abor-
dar un desarrollo, por lo que debern verificarse cuantos Sistemas Expertos se han
construido con ella y conocer la opinin de
los usuarios de ella y sus paquetes de utilidad.
- Mantenimiento.
Deben ser analizadas tanto
para el
mantenimiento de
ella, como los
las facilidades
Sistemas Expertos
de la propia herramienta
que proporcionan
desarrollados
con
y su evolucin futura.
124
Si el
mantenimiento de la herramienta
no
est
claro en sus procedimientos, no es aconsejable la
garantizado ni
utilizacin de
la misma.
- Caractersticas de la tarea a desarrollar.

En el caso
raleza del
rramienta a
de la construccin de Sistemas Expertos, la natu-
problema, de alguna manera
puede condicionar
elegir. Podra decirse como
la he-
sugerencia que hay que
seleccionar una herramienta que tenga las caractersticas determinadas por el problema y su aplicacin.
La bibl iogra-f a trata exhaustivamente
la equiparacin de ta-
reas a herramientas, teniendo en cuenta:
Caractersticas del problema, en
cuanto
a datos, conoci-
mientos usados, espacio de bsqueda y estructura del problema.
- Caractersticas
de la aplicacin, entre
las
que cabe in-
cluir la solucin al problema, entrenamiento y modelizacin predictiva, interaccin
con los usuarios y
tipo
de usuario -final
esperado.
- Caractersticas de la solucin, entre las que se encuentran

las tcnicas de organizacin,
representacin del conocimiento y
bsquedas usadas para resolver el problema.
- Caractersticas del sistema,
que incluyen inter-fases espe-
ciales con los usuarios y manejo del sistema por parte de stos,
as como -formas para aadir nuevos datos y conocimientos.
125
- Caractersticas de la herramienta, que incluyen cosas tales

como:
manejo de reglas, mod i -f icac i nes
va marcos, redes semnticas,
de las mismas, herencia
mecanismos de explicacin, arqui-
tectura de pizarra y combinaciones de certidumbres.
Una indicacin de que

herramienta
se ha hecho una
para una aplicacin, es
decir, a medida
que los problemas se
buena eleccin de una
su degradacin gradual. Es
hacen
ms di-fciles, las
prestaciones de la herramienta se degradan lentamente. El criterio
de degradacin de las prestaciones, proporcionan una medida
de la adecuacin de la herramienta, pero slo despus de que sta ha sido ampliamente usada en el dominio del problema.
Es importante sealar que es posible que la mejor

para desarrollar un
producir la
Sistema Experto puede no
versin -final del mismo.
El
herramienta
ser la mejor para
entorno de desarrollo
debera tener una abundante panoplia de herramientas de soporte,

que
deben proporcionar
suficiente potencia
computacional para
sostener el es-fuerzo de desarrollo a largo plazo, y deben ser lo

bastante -flexibles
como para
permitir la
distintas tcnicas de representacin
experimentacin
con
del conocimiento. Por otra
parte deben proporcionar unas buenas inter-fases de usuario y ser

rpidas y eficientes.
126
III. 5. Problemtica.
Teniendo en cuenta los aspectos bsicos en la construccin de

un
Sistema Experto, cada Ingeniero
del
Conocimiento
usaba su
propio procedimiento de diseo y construccin de Sistema Experto

que, aunque, contemplaban esos tres aspectos bsicos, eran absolutamente "ad
hoc". El decir
que,
en
esta
tecnologa, "cada
maestrillo tiene su librillo" no es ms que dar testimonio de un

hecho.
Esta carencia de mtodo, ms an, pues ni siquiera exista un

verdadero "manual
rrollo y
de
de procedimiento" haca que la labor de desa-
construccin de Sistemas Expertos
-fuera ms una labor
artesana individual que un trabajo de verdadera
ingeniera,
tal y como pretende denominarse esta tecnologa de la ingeniera

del conocimiento.
Por esta razn,

quiere usar
mientos,
(HAY83),
un nombre menos pretencioso
que,
teniendo
(HAR84),
la construccin de
ingenier a.
esta Tesis presenta una metodologa, o si se
en
cuenta
los
un
manual de procediintentos
anteriores
(CAR86), etc., llenen esa laguna de modo que,

Sistemas Expertos sea cada
vez una labor de
127
CAPITULO IV. METODOLOGA PARA LA CONSTRUCCIN DE SISTEMAS

EXPERTOS.
IV.1. Introduccin a la Metodologa.
Deca Nietzsche
que "la riqueza ms
dos". En este sentido,

tecnologa
preciosa
son los mto-
y para paliar una carencia notoria en la
de la Ingeniera del
Conocimiento,
se presenta una
metodologa para construir Sistemas Expertos.
Entendemos
todo, es
por Metodologa la aplicacin coherente de un m-
decir, conjunto de operaciones ordenadas con objeto de
alcanzar un resultado.
As pues, con la metodologa que aqu se
presenta, se pretende de-finir, de una manera ordenada, las -fases

y etapas que
debe cubrir un Ingeniero
del Conocimiento, con el
objeto de construir un Sistema Experto.
Lo
primero que contempla esta metodologa es considerar como
principio bsico
y a modo de "metametodologa" los cuatro prin-
cipios o reglas cartesianas
(DES77) siguientes:
13 "Regla de la Evidencia". No aceptar nunca como verdadero lo que con toda evidencia
(en el sentido galileano
del trmino, es decir, aquello que se puede combatir y

nunca refutar), no se reconociese como tal. En este
sentido, se evitar cuidadosamente la precipitacin y
los prejuicios, no dando cabida en los juicios sino a
128
aquellos que se presenten al espritu en forma tan

clara y distinta que no sea admisible la ms mnima
duda". Nosotros lo denominamos estudio crtico de la
ex istenc ia.
"Regla del Anlisis. Dividir cada una de las dificultades que se hallasen en el camino en tantas partes como
sea posible y requiera su ms fcil solucin". Esta es
la plasmacin del principio cesariano, tan usado en
Inteligencia Artificial, del "divide y vencers".
"Regla de la Sntesis. Ordenar los conocimientos, empezando por los ms sencillos y fciles, para elevarse,
poco a poco y como por grados, hasta los ms complejos
estableciendo tambin cierto orden en los que naturalmente no lo tienen". Esta regla no expresa ni ms ni
menos que el principio de incrementabi 1idad en el diseo y construccin de los Sistemas Expertos.
"Regla de la Prueba. Hacer siempre enumeraciones tan

complejas y revistas tan generales que se pueda tener
la seguridad de no haber omitido nada". La enumeracin
verifica el anlisis, la revisin la sntesis. Este
criterio de sistematicidad evita el dejar fuera cosas
relevantes y el incorporar cosas no pertinentes o indeseables, con lo que, en el primer caso, se mejora la
eficiencia y, en el segundo, no se pier'de la eficacia.
129
Adems con la primera
regla se ha intentado, y a nuestro pa-
recer, conseguido evitar la hetereogeneidad de lo que procedente

de otros autores se
incorpora a la metodologa. De este modo, y
aunque la metodologa est construida a partir de las aportaciones de
diversos autores, estn tan integradas en nuestra propia
aportacin que
en conjunto parece como
si todo estuviera hecho
por una sola persona.
Se
distinguirn en el desarrollo
grandes -fases, que se articularn
de esta Metodologa cuatro
a su vez en una serie de eta-
pas y pasos que se irn describiendo a continuacin.
Sin embargo,
hay que sealar, que esta metodologa es -flexi-
ble de modo que siempre que el problema sea adecuado y est perfectamente documentado,
es posible saltar algn
paso o etapa e
incluso, aunque muy excepcionalmente, alguna -fase. Es decir, esta metodologa se

que como una
presenta ms como una -facultad que se admite,
condicin que se imponga.
En
otros trminos, hay
que verla ms como gua que como "cors".
Las cuatro
-fases que se considerarn para la construccin de
un Sistema Experto, son las siguientes:
Fase 1 - Determinacin de necesidades, valoracin del Proyecto y

capacidades a obtener.
Fase 2 - Diseo de la Ingeniera del Conocimiento y construccin

del Prototipo.
130
Fase 3 -
Construccin de la versin
en
Produccin del Sistema
Experto.
Fase 4 -
Comprobacin de las Capacidades
del Sistema Experto e
integracin del mismo con los Sistemas existentes en Produccin.
IV. 2. Fase I; Determinacin de necesidades y valoracin del

proyecto.
En esta -fase hay que dar respuesta a tres condiciones bsicas

para el desarrollo posterior del Sistema Experto:
IV. 2. 1. Seleccin de la
aplicacin sobre la que se va a desa-
rrollar el Sistema Experto dentro de un dominio dado.
IV. 2. 2.
Determinacin de las necesidades que deben ser satis-
fechas con dicho sistema y evaluacin de los recursos necesarios

para su desarrollo.
IV. 2. 3. Aceptacin
por la Direccin de
la Empresa y usuarios
del proyecto.
IV. 2. 1. Seleccin de la aplicacin:
Es muy
difcil descubrir de una
rsticas que de-finen
manera general las caracte-
el que la creacin
de
un Sistema Experto
131
sea lo ms adecuado
para la resolucin de un problema dado. Sin
embargo, este es el primer problema que se plantea una organizacin a la hora de iniciar el desarrollo de un Sistema Experto.
Aunque es
di-fcil dar una respuesta general a este problema,
es posible dar unas pautas, deducidas de la experiencia alcanzada en
los desarrollos de distintos Sistemas Expertos por diver-
sos autores. (DAV82)
En este
(HAYB3).
sentido, slo debe considerarse la tecnologa de los
Sistemas Expertos si el desarrollo del mismo es posible, se justifica y es apropiado.
a) Que sea posible en cuanto a los expertos:

El primer
rea,
requisito es que existan verdaderos expertos en el
del problema a resolver. Si no existe una fuente de conoci-
miento y experiencia, el desarrollo -fracasar.
Sin embargo, no
es -fcil encontrar un
dispuesto a colaborar
buen experto que est
en la construcin y desarrollo de un Sis-
tema Experto. El miedo a contar sus conocimientos y experiencias

adquirida y
jo,
perder su "indispensabilidad" y su puesto de traba-
irn -frenando su voluntaria aportacin. Es indispensable la
colaboracin de la Direccian
conocimiento de
de la que depende el experto y el
este hecho para motivar
al experto y conseguir
su total colaboracin.
El conocimiento del experto, por otro lado, es caro. Generalmente el experto
idneo es aquel que
ms necesita la organiza-
132
cin. La
que
un
asignacin de las personas adecuadas durante el tiempo
sea necesario para construir
el Sistema Experto representa
costo tangible y considerable; sin embargo, es prerrequisito
indispensable para el xito. No es suficiente, sin embargo, disponer de los expertos adecuados,si stos no son capaces de articular y explicar
mas. Poco
los mtodos que usan para resolver los proble-
podrn hacer los Ingenieros
del Conocimiento en este
caso.
Adems los
expertos deben
las soluciones en el
coincidir generalmente
acerca
de
dominio del problema. En otro caso, la va-
lidacin de las prestaciones
del Sistema
Experto desarrollado,
sera una misin imposible.
An existe un aspecto
de las relaciones
miento .
importante a tener en
entre el Experto y
Los estudios del -fisilogo
ritmos alfa de las
el
cuenta, y es el
Ingeniero del Conoci-
Walter
personas y la agrupacin
(WAL75)
sobre los
de sta en clases,
nos proporcionarn informacin sobre la tipologa al respecto:
"M"
lo componen personas cuyos procesos de pensamiento discu-
rren casi
por completo en trminos
de
imaginacin visual. Las
personas de este tipo actan de forma rpida y precisa cuando la

solucin est a
su alcance a travs
pero si se enfrentan
a un problema de
de
la imaginacin visual,
naturaleza abstracta o a
una imagen demasiado complicada, se atascan o confunden.
"P"
propensos a la imaginacin auditiva, cinestsica o tctil
ms que visual, que piensan en trminos abstractos o bien en sonidos y movimientos, pueden llegar a intuir el camino para salir
de un laberinto imaginario.
"R" son aquellas
personas que en su pensar cotidiano, no uti-
lizan regularmente imgenes,

sea
sin embargo,
necesario, construcciones
pueden
evocar,cuando
visuales satisfactorias.
Es
el
grupo ms verstil y abundante y sus caractersticas se enmarcan

entre los "P" y los "M".
De lo anterior se puede deducir que una combinacin de experto "M" e ingeniero del conocimiento "P" o viceversa, dificilmente podrn
entenderse y hacer explcito
el conocimiento del ex-
perto.
Esta
teora, an no suficientemente
los aos que lleva
planteada y aunque sea
"priori",
s debe hacer meditar
que deben
tener experto e ingeniero
desde los primeros
contrastada
a pesar de
difcil de aplicar a
respecto a las caractersticas

y
analizar sus relaciones
contactos, con objeto de
que
no pierdan el
tiempo en situaciones dificilmente resolubles.
b) Que sea posible en cuanto al problema:

En primer
lugar, la tarea debe requerir conocimiento y expe-
riencia. Si esta experiencia solamente puede adquirirse a travs

de la prctica,
el Sistema Experto no
funcionar,
lo
cual no
quiere decir que no pueda existir una mezcla de ambas, habilidades fsicas y cognoscitivas, en que la primera se trate a travs
de tcnicas ms convencionales y la segunda mediante la Ingenie-
134
ra del Conocimiento.
La tarea
no debe ser extremadamente difcil, de aqui deduci-
mos que el experto no puede ensearla ya que la experiencia slo

puede alcanzarse a
travs de la prctica,
el proceso puede ser
demasiado difcil para ser desarrollado en un Sistema Experto.
Asimismo, si el
problema, sin
experto tarda das o
que ste pueda ser
pequeas, cortas o
un problema
semanas en resolver el
descompuesto en subtareas ms
relativamente independientes,
tampoco sera
candidato a ser resuelto mediante un Sistema Exper-
to.
La tarea debe pertenecer

miento existente
a un dominio en
el cual el conoci-
para resolverla es preciso y est bien estruc-
turado.
Si la tarea
su-ficiente
adecuada
-fuese tan novedosa o
no
existe el conocimiento
del dominio para resolver el problema, tampoco sera

la utilizacin de la
Ingeniera del Conocimiento como
herramienta para resolverlo. La necesidad de utilizar el "sentido comn"
en su resolucin, tambin constituye un obstculo di-
fcil de superar por el Sistema Experto.
La figura 4.1., puede presentarse, como resumen de las caractersticas que

ble
un
(CARB6).
debe tener el dominio para considerar como posi-
desarrollo
d-pl
Sistema
Experto,
se
puede
sealar:
Existen verdaderos
expertos
Los expertos coinciden en las soluc iones
Los expertos pueden explicar stas

mtodos
La tarea requiere
habilidad cognoscitiva
DESARROLLO
POSIBLE
DEL S.E.
La tarea no es
demasiado difcil
La tarea est b ien

es tructurada y se
en tiende b ien
La tarea no requiere sentido comn

Figura 4.1. POSIBILIDAD DE CONSTRUCCIN DE UN SISTEMA
EXPERTO
136
El hecho
para una
su
de que sea posible
desarrollar
un Sistema Experto
tarea en particular, no signi-fica que est
desarrollo. Entre los criterios
que
justificado
pueden utilizarse para
justificar su desarrollo se pueden sealar los siguientes:
- El Experto debe tomar sus decisiones en un entorno peligroso
u hostil, tal como plantas nucleares, estaciones espaciales,
etc. En estas condiciones,
sera demasiado
arriesgado mantener
un experto humano en dichos ambientes.
- Los
alta y su
Expertos escasean y, por
consiguiente,
su demanda es
coste muy elevado. Este punto es especialmente impor-
tante en el caso de las instituciones financieras, que requieren

de asesores en
distintas reas en las
texto, el Sistema
sucursales. En este con-
Experto puede ser una forma efectiva y barata
de tratar el problema. En muchos casos puede ser la nica alternativa,
teniendo en cuenta consideraciones de eficiencia y ren-
tabilidad. Bajo este prisma pueden ser considerados los Sistemas

Expertos como distribuidores del conocimiento y la experiencia.
- Prdida del
presa
conocimiento y experiencia en reas de una em-
como consecuencia de cambios
las jubilaciones pueden
del
personal; por ejemplo,
provocar transtornos importantes debido
a la experiencia que el personal experto se lleva consigo cuando

esos cambios
se producen. El desarrollo de Sistemas Expertos en
esas reas puede constribuir a preservar el conocimiento y experiencia institucional.
137
- La inversin en el desarrollo de un Sistema Experto tambin

puede estar justi-ficada cuando se espera una alta tasa de retorno de la inversin realizada en dicho desarrollo.
Como resumen de
chos puntos.
(CAR86)
todo lo anterior, la
-figura 4.2. recoge di-
138
Necesi dad de ex perienca en en tornos hostles.
Escasez de experiencia
humana.
Necesi dad de exp er ienc ia en diversos lugares.
DESARROLLO JUSTIFICADO DEL S.

EXPERTO.
Prdida de experiencia
humana.
Alta tasa de recuperacin de la inversin.
Figura 4.2. JUSTIFICACIN DE LA CONSTRUCCIN DE UN SISTEMA

EXPERTO.
139
No bastan las condiciones

que el Sistema
anteriores para
Experto debe ser adecuado
blema que se plantea.
desarrollarlo, ya
para resolver el pro-
En este punto, los -factores claves a con-
siderar son los siguientes:
a) Relativos a la naturaleza del problema.

Para que
el Sistema Experto sea
adecuado,
tener ciertas cualidades intrnsecas.
el problema debe
Solamente si la producti-
vidad de un trabajo depende de un conocimiento que es subjetivo,

cambiante, simblico, dependiente de los juicios particulares de
distintas personas
o bien
heurstico, entonces
ser apropiado
desarrollar un Sistema Experto. Mientras que el conocimiento necesario para desarrollar la tarea sea estable, numrico y de -fcil agregacin, los procedimientos
algortmicos sern
la mejor
manera de resolver el problema.
b) Relativos a la complejidad de la tarea a tratar.

El problema a
tratar debe ser importante
tal manera que para

alcanzar
en
el dominio, de
su solucin se requiere un experto que para
tal conceptuacin haya necesitado
aos
de
estudio o
prcticas.
c) Relativos al alcance del problema.

En
este sentido, el problema
acotado como para
que sea manejable y
para que tenga inters

manejabilidad y
debera ser lo su-f ic ientemente

lo
bastante amplio como
prctico. Lamentablemente,
practicidad dependen
del dominio
conceptos de
del problema
140
particular.
Sin embargo,
elegir el alcance idneo
xito del Sistema Experto.

ligrosos en el
es
esencial
para el
Sin duda, uno de los errores ms pe-
desarrollo de un Sistema
problema que sea demasiado
Experto
amplio o general, de
es
elegir un
modo que no se
pueda manejar adecuadamente.
Como resumen de lo anterior, la -figura 4.3. recoge los -factores
que permiten valorar
(CARB6)
la
adecuacin
del
Sistema Experto,
141
La tarea req uiere

el tratamien to de
s mbolos
Naturaleza
La tarea requiere
so luciones heur sticas.
Complej idad
La tarea no es
demasiado -fcil
DESARROLLO
ADECUADO
La tarea tiene
valor prctico.
Alcance
La tarea es de
tamao manejable.
Figura 4.3. ADECUACIN DEL DESARROLLO DE UN SISTEMA

EXPERTO.
142
IV. 2. 2. Determinacin de necesidades y plan de evolucin
del Sistema Experto.
Una vez
seleccionada la aplicacin hay que analizar en deta-
lle algunos
aspectos tanto
determinados
organizativos como
recursos humanos a utilizar
funcionales, de
y plazos estimados de
entrada en produccin del Sistema Experto, as como costos y beneficios esperados.
As mismo
Experto,
debe definirse un plan
definiendo en que momento
cin juega un
papel esencial en el
de
evaluacin del Sistema
debe realizarse. La evaluadesarrollo
y aceptacin de
todo Sistema Experto.
IV. 2. 2. 1. Mentalizacion de los usuarios.
La introduccin de la tecnologa en cualquier organizacin es

un proceso lento, laborioso y lleno de incomprensin.
Para que una
tecnologa tenga xito slo
se necesita que se
cumplan los tres requisitos siguientes:
a) Que cubran una necesidad sentida.

En estos
puesto de
de
momentos en que la
informtica
tradicional
ya ha
manifiesto sus limitaciones en cuanto a ciertos tipos
problemas, es urgente la utilizacin de herramientas capaces
de resolver problemas de
naturaleza no deteminstica,no suscep-
tibles de un tratamiento convencional. Es este sentido, los Sis-
143
temas Expertos pueden ser la herramienta necesaria.
b) Que exista un conjunto de personas que conozcan o sean

capaces de asimilar la tecnologa.
Este es uno de
construccin de
los problemas mayores con

Sistemas Expertos.
miento no abundan,
que se enfrenta la
Los Ingenieros
y en todas partes
se
del Conoci-
estn tomando medidas
para superar esta situacin.
c) Que se destinen recursos econmicos suficientes para

desarrollar la.
La importancia de
esta tecnologa estriba en
que
lo que se
trata con ella es el conocimiento.
El Dr. Bell en
su libro "El marco
dustriales", afirma
el conocimiento
de las sociedades postin-
que el recurso estratgico de las mismas es
y su principio axial, la codificacin del cono-
cimiento terico. La
nica manera hoy conocida de llevar a cabo
dicha codificacin es a travs de los Sistemas Expertos.
Si a esto le unimos
el papel cada vez ms importante del co-
nocimiento en la evolucin y desarrollo de las Empresas, no debe

ser difcil concienciar a los responsables de que deben asimilar
y extraer frutos de esta tecnologa.
144
IV. 2. 2. 2. Formacin de los Ingenieros del Conocimiento.
La formacin de
los tcnicos del conocimiento
problemas ms graves
con los que se
es uno de los
encuentra el desarrollo de
esta tecnologa.
El camino seguido hasta la -fecha ha sido la formacin de tcnicos informticos, en algunas tcnicas de la Inteligencia Artificial, as como en lenguajes de programacin y entornos de trabajo.
El problema ha sido relegado a un segundo trmino y resuelto,

bien a travs del
propio experto, que se
convierte en un Inge-
niero del Conocimiento, implantando su propio conocimiento sobre

un computador o asistiendo al usuario principalmente a travs de
mens o utilizando
cimiento
a un tcnico informtico con un somero cono-
de las nuevas tcnicas de programacin, pero ignorando
en cualquier
caso la complejidad de
la adquisicin del conoci-
miento. Preguntas tales como: Por donde empezar?, que informacin
debera obtenerse primero?, que tcnicas de entrevistas y
Psicologa
deberan utilizarse en cada caso?, permanecen la ma-
yor parte de las veces sin respuesta.
Generalmente
se argumenta que este
tipo
de conocimiento se
adquiere con la experiencia o bien ya lo poseen dichos tcnicos.

Sin embargo, los problemas reales de la construccin de Sistemas
Expertos son los
que se derivan de la adquisicin y representa-
cin del conocimiento. El problema real parece estar en el pobre

conocimiento que
se tiene acerca de dichos procesos. El nfasis
145
en la construccin se ha puesto siempre en los aspectos tcnicos

y en cmo representar el conocimiento una vez que ya se ha obtenido.
Cmo desarrollar en los Ingeniero del Conocimiento el conocimiento sobre las relaciones interpersonales y los mecanismos que
rigen la toma de decisiones
y el conocimiento es uno de los as-
pectos cruciales de esta -formacin.
La funcin bsica
un experto de tal
y costos derivados
Conocimiento.
es la tarea de
extraer el conocimiento de
manera, que se reduzcan al mximo los riesgos

de la construccin del
El conocimiento tiene que
Sistema Basado en el
ser pues completo, ac-
tualizado y contener la esencia de la experiencia. Todo ello requiere que el Ingeniero del Conocimiento conozca tcnicas de resolucin de problemas, teoria sobre modelos de razonamiento, inconsistencias verbales en la expresin del conocimiento as como
imprecisiones de la memoria. Tambin requiere tener desarrollada
la capacidad de observacin y determinar si el experto realmente
trabaja mientras est siendo observado.
Uno de los
ms importantes -factores para
niero del Conocimiento
es su dominio de
el xito del Inge-
las tcnicas de entre-
vistas y relaciones interpersonales.
Asimismo
ayudar al Ingeniero, su conocimiento acerca de los
aspectos sociales de la interaccin entre el Ingeniero del Conocimiento, su
ayudante, el experto y todos aquellos que partici-
146
pan en el proyecto, en
lo que se ha
llamado "comunidad para la
adquisicin del conocimiento".
La
-formacin, pues, de un
Ingeniero
del Conocimiento tiene
que
estructurarse en dos tipos de disciplinas: Las relacionadas
con
la Psicologa
y Ciencias Sociales y
las
relativas
a las
Ciencias de la Computacin.
Estos planes de -formacin debern pues contemplar:
- Psicologa del propio Ingeniero.

- El Experto y su psicologa.
- Su In-formac i n .
- El conocimiento.
- Los datos.
-
La
-formacin
El
"Hardware"
El
"So-ftware"
la
representacin
del
conocimiento.
Todo ello requiere estar preparado en las siguientes reas:
- Conocimientos interpersonales.
El
las
Ingeniero del Conocimiento debe
comprender el proceso de
entrevistas para controlar y modificar
las relaciones entre
el experto y el Ingeniero.
- La entrevista y sus tcnicas.

Una entrevista es
comunicacin entre el
la -forma habitual de iniciar el proceso de

Experto y el Ingeniero.
La
tarea de ex-
147
traer
el conocimiento es comunicar
quier barrera
real que aparezca en
informacin,
as que cual-
la entrevista puede reducir
el valor de la informacin conseguida.
Existen
distintas tcnicas que se han desarrollado para per-
mitir una ms eficiente y rica adquisicin del conocimiento. Estas tcnicas

manera que
se utilizan para estructurar las preguntas, de tal

la informacin especifica se obtenga sin ningn tipo
de tensiones y deberan usarse en distintas fases de la adquisicin del conocimiento.
As, tcnicas como anlisis de protocolos, escalados multidimensionales
o clasificacin de conceptos
deben ser conocidas y
dominadas por estos tcnicos.
Es esencial conocer
habilidad para
ella,
la dinmica de la entrevista, y tener la
analizar los procesos que tienen lugar dentro de
mientras se participa en
ellos.
Solamente conociendo la
dinmica de la entrevista, el tcnico podr comprender los lmites entre los que se tiene
que mover, as como lo que se quiere
decir, ms que lo qu se dice.
- Aspectos psicolgicos relacionados con el proceso de adquisicin del conocimiento tales como:
1. Memoria: La informacin almacenada en la memoria tiene

una organizacin, la cual es nica para la experiencia
personal de cada individuo. Las sutilidades de esta or-
14B
ganizacin afectarn a la comunicacin entre experto e

ingeniero. Los procesos que subyacen en la memoria, los
recuerdos, el reconocimiento y el aprendizaje son distintos. El conocimiento acerca
de los procesos normales
de pensamiento y la susceptibilidad de la memoria para

recordar
u olvidar deben ser conocidos por el Ingeniero
del Conocimiento.
2. Organizacin del conocimiento: Las personas tienden a

agrupar su conocimiento en unidades organizadas
(CHUNKS), cada una de las cuales est relacionada e interactiva sobre las dems. Es a menudo difcil para el
experto dividir estas unidades en otras ms pequeas y
explcitas y explicar cada parte y sus funciones al Ingen iero.
Los expertos tienen distintas maneras de organizar su

conocimiento; algunos pueden preferir una imagen basada
en la organizacin. El Ingeniero debera ser flexible y
buscar la tcnica apropiada para resolver esta dificultad.
- Proceso de la Informacin.
En una
la
situacin dada, la informacin
misma para un observador
informacin es
do. Esto
recibida del medio es
que para otro. La
forma en que la
procesada es lo que determina el mensaje recibi-
es esencialmente un proceso
individual que depende de
la personalidad del ingeniero en cuestin. La percepcin del ingeniero
evaluar la informacin recibida
de
una nica manera.
149
Podra ser rechazada si est en oposicin a la idea aceptada por

si ingeniero, o podra seleccionar
in-formacin a la que es -Fcil
acceder, aceptar ciertas opiniones y rechazar
otras o probar es-
ta in-formacin en reas inaprop iadas.
- Resolucin de problemas.
Es esencial que el ingeniero tenga toda la in-formacin requerida en orden a convertirla en conocimiento. Esto es aplicable a
saber como
te, sin
porque ha
rando?.
el experto toma sus decisiones. Las toma rpidamen-
tener todos ios elementos necesarios? Puede hacer sto

interiorizado alguna informacin o bien la est ignoEstas y otras consideraciones
hechas por el Ingeniero,

nicas de resolucin de
similares tienen que ser
por lo qu el conocimiento de las tcproblemas le dar
luz
acerca
de las es-
trategias utilizadas por el experto.
- Dinmica de grupos.
La llamada
comunidad para
la adquisicin
del conocimiento,
est unida por un inters comn y una tarea que es como en cualquier comunidad, controlada
por ciertas
consideraciones
acerca
de la consecucin del objetivo. Ya que el proceso de adquisicin

de in-formacin
del experto en un
aos, es esencial que

mantenga a travs
proyecto
largo, podra durar
el inters del experto y su motivacin se
de aquel perodo. Un experto que encuentre el
proceso total cansado y desagradable mostrar su estado de nimo

-3 travs de
sus respuestas. Ello requiere
Conocimiento planifique por adelantado
que el Ingeniero del
las tcnicas
a utilizar
de tal manera que el conjunto resulte aceptable por el experto.
150
En cuanto a
las materias tcnicas que deberan ser objeto de
Formacin, hay que sealar:
- Programacin
lgica y programacin heurstica.
- Lenguajes de base como LISP y PROLOG.

- "Hardware" a utilizar en el desarrollo y en la
explotacin del Sistema Experto.
- Entornos de programacin como KEE, LOOPS, KNOWLEDGE
CRAFT o ART.
Todo ello
configura unas necesidades en los planes de Forma-
cin de los Ingenieros del Conocimiento que deben ser investigados y
configurados en unos Planes de Estudio adecuados urgente-
mente,
IV. 2. 2. 3. Ubicacin idnea del Sistema Experto.
No existe
la -frmula mgica que
permita determinar el lugar
idneo dentro de la Organizacin para ubicar el Sistema Experto.
Como
criterios para determinar la ubicacin ms adecuada po-
demos sealar:
- Existencias de unos pocos profesionales claves, cuya misin

es asesorar al resto de la Organizacin. La distribucin del conocimiento, colocando los Sistemas
donde es
Expertos en aquellos lugares
necesario el asesoramiento es
una
posicin
clara de
151
ub icae i n.
- Cuando la realizacin de una tarea requiere un equipo grande de personas porque ninguna posee el conocimiento completo como para resolverla. El Sistema Experto puede actuar como coordinador e integrador de todos esos conocimientos.
- Cuando la productividad se encuentra muy degradada debido a

que una tarea
demanda un anlisis completo
de un conjunto com-
plejo de condiciones y el especialista encargado de dicho anlisis requiere con -frecuencia re-frescar sus conocimientos. En este
caso, el
Sistema Experto debe servir
como memoria auxiliar del
Experto. Como una consecuencia de este punto se puede sealar el

papel de los Sistemas Expertos como memoria institucional de una
organ i zac i n.
- En
aquellas tareas donde exista un gran discrepancia entre
especialistas.
Aqu normalmente la existencia de un Sistema Ex-
perto, obliga a soluciones intermedias.
- Cuando
los objetivos de la organizacin se encuentran com-
prometidos debido a la escasez de recursos humanos o bien cuando

la
competencia ha obtenido ventajas
tareas estratgicas,
debido
son realizadas de una
a que determinadas
manera
mejor o ms
consi stente.
Ser tambin recomendable su utilizacin all donde exista
un trabajo de
calidad que requiera una gran variedad de conoci-
152
miento que excede cualquier exigencia razonable de entrenamiento
y -formacin permanente de las personas, o cuando exige demasiada
gente experta existente o de nueva contratacin.
- Cuando existe
zacin
una incapacidad real por parte de la organi-
para aplicar efectivamente el conocimiento que existe en
ella, ya que
las personas ms cualificadas, se dedican a resol-
ver problemas bsicos.
IV. 2 . 2 . 4. Determinacin de recursos humanos y plazos de desarrollo.
En el
momento actual es difcil evaluar los recursos necesa-
rios para el desarrollo de un Sistema Experto, debido a falta de

experiencia en el uso de la tecnologa.
De los
proyectos realizados hasta la
que el desarrollo
fecha se puede sealar
de estos Sistemas no es intensivo en recursos
humanos, pero han requerido
profesionales cualificados en equi-
pos de proyectos reducidos.
Como datos orientativos al respecto, se puede sealar:
Proyectos de dificultad moderada:

- Equipo de proyecto: 2- 4- personas.
- Duracin: 8 meses - 1 ao.
- Recursos consumidos: 1 , 5 - 4
aos/hombre.
153
Proyectos di-fciles:
- Equipo de proyecto: 3 - 5
personas.
- Duracin: 1- 3 aos.
- Recursos consumidos: 3 - 1 5
aos/hombre.
Proyectos de gran complejidad:

- Equipo de proyecto: 4 - 6
- Duracin: 3 - 5
personas.
aos.
- Recursos consumidos: 12 - 30 aos/hombre.
Los per-fles y
dedicacin de tcnicos a
un proyecto de este
tipo puede ser:
_ Ingeniero de Conocimiento Snior - 257. de dedicacin.

Su -funcin principal es la supervisin y asesor amiento al Ingeniero del
Conocimiento jnior en cuanto a la determinacin de
la complejidad y amplitud
del dominio, as como
en cuanto a la
-forma de representacin ms adecuada del conocimiento en un problema
y validacin del Sistema
Arquitectura del Sistema
Experto construido. Disear la
con vistas a su
integracin en el en-
torno operativo de la Organizacin.
- Ingeniero del Conocimiento Jnior - 1007. de dedicacin.

Su misin
es la extraccin del
conocimiento del experto as
como la de-finicin y construccin de las bases del conocimiento.

Realizar el cuaderno
de pruebas del Sistema
verificar su correcta realizacin.
con
el Experto y
154
- Programador de Inteligencia Artificial - 1007.
ded icac ion.
Desarrollar la programacin
del prototipo
necesaria para
la construccin
as como las pruebas, integracin en otros siste-
mas y documentacin del mismo.
- Experto en el dominio - 757. dedicacin.

En realidad es el autntico protagonista del desarrollo. Participar desde
su concepcin hasta la validacin de las pruebas
del Sistema Experto.
IV. 2. 2. 5. Plan de evaluacin:
(HAY83)
Las tcnicas actuales de evaluacin de estos Sistemas son escasas y primitivas. Ciertamente muchos criterios como la exactitud,
e-ficiencia o facilidad
de
uso,
utilizados
para evaluar
otros Sistemas tambin son aplicables a los Sistemas Expertos.
Pero los Sistemas Expertos son los nicos que contienen experiencia humana
y, por consiguiente, deben ser evaluados con re-
lacin- al desempeo de la -funcin por el Experto.
En este
contexto, no est siempre
correcta para un
claro cuando una solucin
Sistema Experto coincide con
lo
que dara un
Experto humano o bien representa la solucin ideal. Nadie conoce

cmo
evaluar la experiencia humana adecuadamente, as que menos
an cmo evaluar un Sistema Experto que intenta reproducir aquella experiencia.
155
En este entorno pues, el proceso de evaluacin es ms un arte

que
una ciencia, pero es
absolutamente necesario realizarlo, y
slo pueden darse algunas recomendaciones al respecto.
- El diseo del Sistema debe contemplar el plan de evaluacin

del mismo.
Es absolutamente necesario que el diseo de la evaluacin del

objetivo a cumplir
el Sistema, no
por el sistema se realice antes de construir
despus. El diseo de
las evaluaciones ayudan a
recapacitar sobre los -fines especficos del Sistema y sobre cmo

medir los objetivos
que deben ser alcanzados por el Sistema Ex-
perto para determinar cuando estos -fines han sido alcanzados.
Es muy importante para los Ingenieros del Conocimiento, tener

muy claro la naturaleza de los motivos para construir un Sistema
Experto. Los objetivos -finales a conseguir por el Sistema, deberan ir acompaados de una definicin explcita de cmo se medir el xito del
programa y cmo se
evaluarn
los posibles fa-
llos. Los puntos de evaluacin, deben realizarse durante distintos momentos del desarrollo e implantacin del Sistema Experto y
estar
contenidos dentro del plan general. Deberan ser formula-
dos en el momento en que se
disea el Sistema y se deben ir ex-
tendiendo de una manera informal desde los primeros momentos del

desarrollo hasta una formalizacin total durante las pruebas del
Si stems.
156
- Involucrar a los potenciales usuarios en el diseo del Sistema.
'
La cuestin clave es se utilizar el Sistema?. Esta pregunta no debera

durante cada
ser olvidada hasta la evaluacin -final, y hacerse

-fase del desarrollo. El
prestar un servicio
Sistema Experto tiene que
del cual existe una necesidad real. No ser
su-ficiente producir buenas respuestas; el Sistema debe ser til.
Para crear un
Sistema que sea aceptado por los usuarios, los
Ingenieros del Conocimiento deben -familiarizarse con las necesidades de
los usuarios as como
diarios, y
con
la
terminologa, trabajos
preocupaciones de los mismos.
Para poner un Sistema
con xito en produccin, debe encajar perfectamente en las necesidades y hbitos de los usuarios. La nueva herramienta debe imponer
pocos nuevos requerimientos y
demandar poca -formacin en
uso e interpretacin.
- Ser precavidos en la interpretacin de los resultados de la

evaluac i n.
Los
procedimientos de evaluacin a menudo -fallan al intentar
captar la
criticar
amplitud y pro-fundidad del
Sistema Experto. Es -fcil
a los Sistemas porque de-fraudan las expectativas depo-
sitadas en ellos. Por
otro lado, se puede
caer
en
el extremo
opuesto, es decir, generalizar sin -fundamento. Muchas dificultades se
pueden evitar mediante la
de evaluacin.
puntual izacin de los mtodos
157
La siguiente lista puede ayudar a los diseadores a construir

un plan y no dejar mingn punto sin atar.
1. Especificar a quien va dirigida la evaluacin.
Este punto influye grandemente en el diseo de la

evaluacin. Claramente, las evaluaciones in-formales
pueden ser suficiente para los diseadores y expertos
colaboradores, pero no son suficientes para los -financieros o directivos.
2. De-finir con precisin lo que se quiere evaluar.
Aislar aquellos aspectos del Sistema que estn siendo

verificados. Es la calidad de la toma de decisiones y
asesoramiento, la exactitud de los mecanismos de razonamiento, la calidad del dilogo hombre-mquina, la
eficacia del Sistema, la relacin costo/beneficio o
cualquier otro punto?.
3. Seleccionar un estndar apropiado con el cual comparar

el rendimiento del Sistema Experto.
4. Definir estndares realistas de rendimiento; puede ser

poco realista, por ejemplo, esperar mejores rendimientos de un Sistema Experto que los que d un experto
humano.
158
5. Especificar quien evaluar los resultados. Podran ser

expertos humanos o usuarios -finales, podran ser individuos o grupos de individuos evaluando por consenso.
6. Eliminar potenciales predisposiciones, por ejemplo,

evitar presentar los resultados en -forma de listados de
ordenador, que puedan ser juzgados negativamente por
alguien no predispuesto a utilizar
la tecnologa.
7. Especificar claramente las pruebas a ser realizadas,

preseleccionadas en orden a su dificultad.
Por muchas razones
se ha dedicado mucho ms esfuerzo a cons-
truir Sistemas Expertos que a medir sus rendimientos. Sin embargo, este es un aspecto vital para el xito del Sistema Experto.
IV. 2. 2. 6. Balance econmico del Sistema Experto.
Este apartado
debe incluir los costos y los beneficios espe-
rados del Sistema Experto.
Distinguiremos tres aspectos:
a) Inversiones: Cualquier
nuevo Sistema
constituye general-
mente una inversin, en el que los utilizadores deben

su coste.
justificar
159
Las inversiones necesarias para desarrollar un Sistema Experto las podemos clasificar dentro de los siguientes conceptos:
"Hardware":
Mquinas para desarrollo y mquinas para ejecucin, miniordenadores, etc,
"Software":
Herramientas para construccin del Sistema Experto.
Personal:
- Ingenieros del Conocimiento, programadores y dedicacin del Experto o Expertos.
- Formacin de los utilizadores del Sistema y personal
de desarrollo.
- Otros gastos.
- Gastos posibles de comunicaciones
(lneas, conxiones,
etc. )
- Seguridad: lneas suplementarias, material de respaldo,
etc.
b) Gastos de Funcionamiento.
Costo para los utilizadores:

- Gastos de personal teniendo en cuenta las mod i -f icac iones
posibles aportadas al Sistema.
- Gastos diversos
(muebles, seguros, etc.)
160
Costos informticos:
Se evaluarn los gastos de explotacin, mantenimiento y equipamiento.
No omitir:
- Costos unidos al -funcionamiento en paralelo si el
Sistema Experto sustituye a algn sistema tradicional
o mquinas.
- Costos ligados a la seguridad
(salvaguardias, proce-
dimientos degradados).
c) Economas esperadas:
Hay que estimar los ahorros esperados como consecuencia de la

implantacin del Sistema Experto.
- Ahorros sobre los costos de -funcionamiento, administrativos e in-formticos.

- Disminucin de los gastos de personal.
- Economas resultantes de la explotacin del Sistema
Experto.
Con
estas cifras se efectuar
un balance proyectado durante
el periodo de desarrollo ms la duracin de la

implantacin del Sistema Experto.
Adems, a la hora de analizar este balance, deber tenerse en

cuenta los siguientes puntos:
161
La introduccin de cualquier
nueva
tecnologa incurre en
unos gastos superiores de di-fusin de la misma, si se quiere que

la misma se expanda por la Organizacin.
- En el caso
de los Sistemas Expertos al analizar los costos
de -funcionamiento, hay que tener en cuenta los e-fectos de un mal

-funcionamiento de los mismos.
Los Sistemas Expertos ayudan a la toma de decisiones. Una mala decisin
puede tener unos e-fectos
catastrficos para la Em-
presa. De ah la
necesidad de considerar
la necesidad de un pe-
riodo de pruebas
exhaustivo y el inicio
de estos proyectos con
Sistemas Expertos ayudantes
y en puntos no crticos para la Em-
presa.
- Al analizar los beneficios obtenidos hay que considerar que

muchos de
ellos son intangibles y
cuencia de la utilizacin
contramos ante
otros inspirados como conse-
intensiva del conocimiento. No nos en-
una tecnologa que tenga como objetivo la reduc-
cin de costos administrativos, sino que trata de hacer ms productiva las tareas del personal ms experto de la Organizacin.
IV. 2. 3. Aceptacin por la Direccin y usuarios del Sistema

Experto.
El requisito -final
aceptacin del plan
para dar por terminada
esta
-fase
es la
del proyecto por los responsables de la Em-
162
presa, y no basta
con que lo aprueben
los directivos, sino que
son los usuarios quienes deben propiciar aquella aceptacin.
IV. 2. 3. 1. Aceptacin por parte de los usuarios.
La
resistencia de los potenciales usuarios -finales a emplear
Sistemas Expertos parece basarse en las siguientes consideraciones:
- Los
la
profesionales y los mandos
intermedios creen que, con
incorporacin de los Sistemas Expertos, sus conocimientos ya
no sern
necesarios y, por consiguiente,
sus
empleos estn en
peligro.
- Otros usuarios potenciales piensan que la parte interesante

de las tareas
Expertos,
que realizan le sern encomendadas a los Sistemas
dejndoles para ellos la
parte
menos gratificante e
intrascendente.
- Finalmente, estn aquellos que ni valoran ni estiman lo que

hacen, encontrando que,
con el uso de los Sistemas Expertos, se
pondr en evidencia lo trivial de su trabajo y, por lo tanto, la

organizacin se dar cuenta de lo supr-fluos que son.
La seleccin adecuada de reas y situaciones donde introducir

un Sistema Experto, ayuda a reducir,y/o, eliminar la reluctancia
en admitir los Sistemas Expertos por los expertos y usuarios -finales. En este sentido, ya se han comentado los posibles lugares
163
para su ubicacin.
IV. 2. 3. 2. Aceptacin por los responsables.
Hay que
demostrar la posibilidad del
sistema propuesto y de
que las
ideas que contiene trabajan. Esta aceptacin es relati-
vamente
-fcil cuando los responsables
ya tienen otros Sistemas
Expertos trabajando bien en su organizacin, pero es ciertamente

difcil cuando se
trata de la primera aplicacin. En este caso,
es conveniente para conseguir
la aceptacin de los responsables,
el seguir las tres reglas heursticas siguientes:
1. Seleccionar algo sencillo y bien entendido, pero no

trivial y que sea lo bastante significativo como para
que el Sistema Experto tenga un valor evidente. Con
seguridad, el sistema se har ms complejo de lo que se
haba creido inicialmente.
2. Elegir algo que los usuarios finales no vean como una

amenaza.
3. Usar un enfoque evolutivo. Como primer Sistema Experto

se debe construir un sistema ayudante; es decir, uno
que ayude al usuario en los aspectos ms rutinarios de
las decisiones. Para, a continuacin, construir un sistema tipo colega y, finalmente, enfrentarse a la construccin de un verdadero experto.
164
IV. 3 . Fase II. Diseo de la Ingeniera del Conocimiento y
Construccin del Prototipo.
Distinguiremos en esta -fase, cuatro etapas de desarrollo.
IV. 3.1. - Adquisicin del conocimiento por el Ingeniero del

Conoc imiento.
IV. 3.2. - Representacin del Conocimiento.
IV. 3.3. - Desarrollo de un prototipo.
IV. 3.4. - Uso y mejora del prototipo.
Estas cuatro etapas no

el tiempo,
en
estn diferenciadas
perfectamente en
sino que se producen interaccionando unas con otras,
un proceso incremental. A
efectos metodolgicos, se indican
las mltiples actividades que se producen durante esta fase, sin

que ello presuponga una secuenci alidad en las mismas.
IV. 3. 1. - Adquisicin del conocimiento por el Ingeniero del

Conoc imiento.
A menudo se seala
cin
que el cuello de
de Sistemas Expertos es
especialmente
la
botella de la construc-
adquisicin del conocimiento,
cuando este conocimiento hay
que obtenerlo de un
165
experto humano.
Las tcnicas actuales de
obtencin del conocimiento difieren
sensiblemente de la mera entrevista con el experto, as como del

intento de codificar
la informacin obtenida en reglas empricas
con un formato preestablecido.
Normalmente las
definiciones en
la utilizacin
de tcnicas
inadecuadas se ponen de manifiesto en la fase de refino del prototipo, en la que se compara su comportamiento con el del experto humano
trabajando sobre el mismo
cias que se
producen obligan a modificaciones y adiciones a las
reglas. Esta ltima etapa es

la lentitud de la
cultad del
problema, y las discrepan-
la que da lugar a quejas acerca de
captura del conocimiento as como de la difi-
experto humano para expresar
forma requerida
su
conocimiento en la
(Me DERB2).
Las limitaciones de las
tcnicas actualmente
utilizadas son
debidas bsicamente a dos factores.
En primer
lugar, la experiencia en un dominio dado comprende
conocimientos de varias clases, el cual no puede ser representado totalmente en forma de reglas empricas.
En
segundo lugar, no todas
pueden ser
les.
aquellas
clases de conocimiento
extraidas del experto en base a entrevistas informa-
166
Existe una
distintos
serie de tcnicas que
permiten
la
obtencin de
tipos de conocimiento, el problema consiste en deter-
minar que tcnica es la apropiada para cada uno de ellos.
Esto no signi-fica
para
determinar
que sea necesario un estudio a gran escala
las tcnicas apropiadas para obtener el conoci-
miento, o utilizarlas todas para probar sus fortalezas o debilidades. La mejor manera de enfocar el problema es reconocer desde
el comienzo que, aun en un dominio simple de experiencia, el conocimiento
del experto es de distintas clases. Estas diferentes
clases de conocimiento requerirn
diferentes tcnicas
para ex-
traerlo lo ms eficientemente posible.
El problema pues
se transforma de buscar la mejor tcnica, a
utilizar un conjunto de tcnicas y determinar cual es la mejor a

emplear con cada tipo de conocimiento.
El
proceso de adquisicin del conocimiento requiere la apli-
cacin
de
de unas metodologas que utilizando tcnicas del dominio
la Psicologa, permitan extraer el conocimiento del experto,
as como
su experiencia en el
dominio
concerniente al Sistema
Experto a construir.
Tres pues son los puntos que tienen que ser considerados a la
hora de iniciar esta actividad.
- Metodologas de adquisicin del conocimiento.

- Tipos de conocimiento.
- Tcnicas psicolgicas utilizables.
167
IV. 3. 1. 1. Metodologas de adquisicin del conocimiento.
Podemos distinguir dos grandes
grupos: mtodos
intuitivos y
mtodos de observacin o experimentales.

I
I
Los mtodos intuitivos con-fian en la introspeccin del experto acerca del
dominio. Estos mtodos pueden resumirse de la si-
guiente manera.
"En algn caso, el Ingeniero del Conocimiento, estudia la literatura existente

para
sobre el tema e
interacta con los expertos
-familiarizarse con sus principales
problemas, llegando a convertirse
mtodos de solucin de
en un seudo-experto. Actuando
de esta manera, el investigador desarrolla una representacin de

la experiencia que
luego es verificada -frente
la opinin de
otros expertos y, eventualmente, incorporada en un programa".
Un
segundo mtodo intuitivo de catalogacin sucede cuando un
autntico experto acta como un constructor de teorias acerca de

su propio comportamiento.
trospeccin,
cimiento
Aqu el individuo, a travs de la in-
intenta identi-ficar las bases para su propio cono-
y habilidad y luego
incorporarlas
directamente en un
sistema in-formatico.
Los
mtodos de observacin o experimentales estn basados en
observar cmo
resuelve el experto los
problemas reales, no in-
168
ter-firiendo en la actividad
diera influenciar
del mismo, de tal manera que se pu-
el en-foque del experto
para resolver el pro-
blema.
Estos mtodos pueden resumirse as:

"La utilizacin
pensamiento en
de un en-foque comn
voz alta para probar
en
usar
protocolos de
los mecanismos de solucin
de problemas usados por los expertos.
Tales protocolos pueden proporcionar

la organizacin de
nocimiento real
la informacin acerca de
la base del conocimiento del experto, el co-
que contiene y las
estructuras
de control em-
pleadas para aplicar selectivamente ese conocimiento.
Los mtodos de
de re-fino en
observacin son a veces seguidos por una -fase
la cual los expertos
modelos preliminares desarrollados
hacen
comentarios sobre los
para describir
su comporta-
miento" .
Ambas metodologas tiene distintos tipos de problemas, de los

que debe ser consciente el Ingeniero del Conocimiento.
En los
peccin,
das en
mtodos intuitivos, al utilizar el experto la introstiene dificultades en exponer las tcnicas reales usa-
resolver los problemas. El conocimiento puede estar bien
recogido y,
sin embargo, las lneas
de
razonamiento pueden no
reflejar verdaderamente su comportamiento.
En el
mtodo experimental, el problema
surge de las enormes
169
lagunas que
miento del
puede
pueden aparecer
al aplicar
realmente expresado.
tener gran dificultad en
aunque entreviste al
nado con
rellenar
esos
del Conocimiento
huecos, incluso
experto despus de que la sesin ha termiya restringida. Si se
ser ms explcito, durante
de resolucin del problema,
lneas posibles
experto ms conoci-
El Ingeniero
una transcripcin del protocolo
obliga al experto a
sesin
el
el
o despus de la
experto puede construir
de razonamiento que pueden no reflejar las tc-
nicas reales empleadas en la solucin de problemas.
El Ingeniero del Conocimiento
utilizar ambos enfoques meto-
dolgicos, apoyndose en las tcnicas de Psicologa que se vern

a continuacin, todo ello en base al tipo de conocimiento utilizado por el experto.
IV. 3. 1. 2. Tipos de conocimiento.
La clasificacin
del conocimiento en base a un principio ge-
neral es una difcil y ambiciosa tarea que han eludido los filsofos durante miles
gido dado,
de aos. Sin embargo en un dominio restrin-
no es muy complicado
intentar
la identificacin de
unas categoras amplias. As podramos distinguir
las siguientes
clases:
a) - Conocimiento de conceptos y relaciones.

En un
esquema similar a
un
glosario,
se
describiran
principales entidades y sus relaciones en ese dominio.
las
170
b) Conocimiento de procedimientos rutinarios:

Corresponden a tcnicas estandard
y procedimientos de traba-
jo. Algunos de estos conocimientos podran no estar en manuales,

sino constituir una parte importante del conocimiento del experto.
c) - Hechos y heursticas:
Correspondera
a hechos en particular, as como reglas prc-
ticas utilizadas en la realizacin de tareas.
d) - Conocimiento c 1 asi-f icator io:

Mediante el cual
se hace una distincin
muy -fina entre dis-
tintos conceptos similares.
Estas categoras segn indican

no son la nica
Wielinga y
manera de clasi-Ficar el
Breuker
(WIEL84),
conocimiento ni la me-
jor, pero esto no es substancial. El aspecto importante es reconocer la
existencia de distintos tipos
de conocimiento que re-
quieren distintas tcnicas de extraccin del mismo del experto.
IV. 3. 1. 3. Tcnicas psicolgicas utilizadas.
Las principales tcnicas a aplicar son las siguientes:
- Entrevistas.
- Anlisis de protocolo.
171
- Escala mutidimensional.
- Clasificacin de conceptos.
Vamos a ver brevemente cada una de ellas:
a) Entrevistas:
La entrevista
es el ms familiar
mtodo
de adquisicin del
conocimiento. De una manera muy simple rpidamente se genera una

gran cantidad
de conocimiento sobre la terminologa y los prin-
cipales componentes del dominio.

Esto juega
un importante papel en
los primeros estudios del
proceso de adquisicin del conocimiento en orden a conseguir algunos
conceptos bsicos y establecer una informacin como marco
para lo que vendr posteriormente. Las entevistas pueden estructurarse en varios grados
sencillas es pedir
y de distintas maneras. Una de las ms
al experto que prepare una exposicin de una
hora de duracin acerca de los principales temas e ideas concernientes
al dominio.
puede proporcionar
Posteriormente una
entrevista sistemtica
informacin sobre aspectos relevantes con ma-
yor profundidad.
Entre
citar
las tcnicas a utilizar
las
listas
generalizadas
en estas entrevistas, podemos

(DBB53),
incidentes
(FLA55) o procedimientos para memorias autobiogrficas
Las
entrevistas tienen
serias limitaciones.
crticos
(BAH82).
Estas aparecen
cuando son utilizadas para el refino de las versiones prelimina-
172
res del Sistema Experto, en un intento de extraer la experiencia
esencial que diferencia
al experto humano de un programa con un
rendimiento inferior.
Un aspecto
de reglas,un
Esto no
de este problema es intentar representar en forma

conocimiento que no es tratable con esas tcnicas.
es un mero problema de representacin del conocimiento,
sino que tiene implicaciones en la adquisicin del mismo.
Aunque el experto posee claramente el conocimiento, este puede no ser
directamente comunicable en una entrevista y debe ser
inferido utilizando otras tcnicas.
b) Anlisis de protocolo.
Esta tcnica dirigida directamente a producir modelos de sistemas para la
Simn
En
solucin de problemas fue
por Newell y
(NEW72) y, ms recientemente, por Ericson y Simn
(ERI84).
el mtodo clsico, el comportamiento del experto mientras
trabaja en la
colo
descrita
resolucin del problema, es grabado y este proto-
es transcrito y analizado,
para finalmente convertirlo en
un conjunto de reglas de produccin que transforman un estado en

el siguiente. Este mtodo ha sido utilizado por el sector industrial por Baimbridge
adquisicin del
(BAI79), y como parte de una metodologa de
conocimiento
(BREU83). Su mrito est en que va
ms all de lo que un experto puede explcitamente contar en una

situacin
acerca
del
de solucin de un
problema para permitir
conocimiento que est utilizando,
ser verbal izado conscientemente.
inferencias
pero que no puede
173
Reconstruyendo la solucin, utilizando

produccin
delado.
sistemas de reglas de
inferidas, el conocimiento del experto puede ser mo-
Este mtodo es particularmente til para extraer
macin sobre
procedimientos que el experto
infor-
utiliza en la solu-
cin de problemas, pero que no puede explicar.
Intimamente
relacionado con el anlisis de protocolo est el
anlisis de tareas, el
protocolo.
cual se aplica antes
que el anlisis de
En esta tcnica se determinar previamente las limi-
taciones impuestas por la naturaleza de la tarea.
Cuando al resolver un problema de logstica se analiza un tema, el protocolo
sugiere que la determinacin
guidos se alcanzaron por

la solucin. Sin
problema tena
estaba de hecho
de los pasos se-
azar y solamente por suerte se lleg a
embargo, un anlisis de
tareas
una -fuerte estructura subyacente

respaldado por esta propiedad
mostr que el
y
que el tema
para llegar a la
soluc i n.
Habiendo identificado las limitaciones
impuestas a la tarea,
su comportamiento puede ser mucho ms predecible.
Una variante del mtodo
clsico, no involucrando
inferencias
reconstructivas, ha sido utilizado con xito por liyers, Fox, Pegram y
Greaves. (MYEB3). Su mtodo consiste en tomar transcrip-
ciones de protocolo grabadas en un magnetfono y poner al descubierto mediante un editor de textos lo ms destacable de su con-
174
tenido.
Este contenido es codificado
reglas.
Este mtodo consume menos tiempo y produce rendimientos
aceptables para
directamente
un prototipo inicial, y
en -forma de
puede ser utilizado en
lugar de las entrevistas o como complemento de las mismas.
Los protocolos pueden
ser utilizados concurrentemente, tanto
en experimentacin como en tareas del mundo real. Estos protocolos pueden proporcionar heursticas tiles o hechos mediante los
cuales el Ingeniero del Conocimiento puede utilizar
como conocimiento o
indirectamente como
directamente
meta-conocimiento. Las
puntual izaciones de los expertos pueden proporcionar

que puede hacer mucho ms -fcil las subsiguientes
nes y
pueden proporcionar datos clave
informacin
interpretacio-
sobre el pensamiento del
experto que podran no haber emergido durante las entrevistas.
c) Escalado mutidimensional.
Unas ciertas tcnicas de
utilizadas
escalado mutidimensiona1
han sido
en Psicologa para mostrar como un conjunto particu-
lar de conceptos estn
estructurados. Dichas tcnicas identifi-
can similitudes entre objetos y los agrupa conceptualmente.
As los mtodos
"Construccin
desarrollados a partir de
Personal"
(KEL55),
(FRAN77),
la
teora
(SHAWB1)
de la
parecen
apropiadas cuando se trata de adquirir el conocimiento de un experto,
y existen un cierto
nmero de conceptos
relacionados, no identificables
fcilmente por
intrinsicamente
principiantes y
para los cuales, la experiencia consiste en estar capacitado para distinguirlos.
175
Es
posible que no exista
describir
un
vocabulario especializado para
tan sutiles distinciones y relaciones. En tales casos
estos mtodos pueden ser
ms tiles que el
mtodo de la entre-
vista.
El
mtodo produce un conjunto
espacio
que contiene los
(clustering) de aquellas
de
objetos
del
dimensiones de-finiendo el
dominio.
La agrupacin
dimensiones proporciona
la estructura
que diferencia aquellos objetos del dominio, de otros.
Este mtodo ha
sido utilizado en el
en la
subrea de los distintos
mial,
Poisson, normal, e t c . ) , preguntando
rencias
tipos
campo de la Estadstica
de distribuciones (binoal experto las dife-
entre quince de tales distribuciones. El mtodo produce
primero las
distinciones que podan esperarse
y que se encuen-
tran en un libro de texto.
Sin embargo, se obtienen criterios ms subjetivos, basados en

la experiencia,
tales corno "til en modelos de test estadstico
comn".
Un anlisis jerrquico del agrupamiento aplicado a los datos,

produce -familias conocidas
que se producan en
de distribuciones. Las discrepancias
algunos casos reflejaban el hecho de que el
experto a pesar de todo era capaz de distinguir una distribucin

de otra.
176
d) Clasificacin de conceptos:
Aparte del conocimiento detallado que los expertos poseen sobre reas especializadas, igualmente tienen un conocimiento global estructurado acerca
del dominio. Esta meta-conocimiento ser
muy ltil cuando hay que organizar una gran cantidad de informacin .
Un conocido
paradigma de la Psicologa cognitiva dice que la
clasificacin de
para
conceptos
(CHI81) es una tcnica de gran ayuda
conseguir el conocimiento de la organizacin. Una sencilla
versin de esta
tcnica es obtener un conjunto de conceptos que
cubran ampliamente el dominio.
Pueden ser obtenidos

El paso siguiente es
a partir de un simple glosario o texto.
transferir cada concepto a una ficha y pe-
dir al experto que clasifique las fichas en una serie de grupos,

describiendo que
tiene cada grupo en
comn.
Los grupos pueden
entonces ser comparados para formar una jerarqua.
El mtodo es aplicable cuando hay un gran nmero de conceptos

a lo
largo del dominio, que
requieren
una estructuracin para
hacerlos manejables.
La tabla 4.1.
distintos
su captura.
nos puede proporcionar una
tipos de conocimiento y
gua acerca de los
las tcnicas aplicables para
177
Tipo de conocimiento
Tcnica posible a
uti1 i zar
Conceptos y relaciones
Lectura o estudio de documentos.

Tcnicas de escalado multivariante.
Procedimientos de
rutina.
Anlisis de protocolo
Anlisis de tareas
Hechos y heursticas
Protocolos incidentales.
Entrevistas estructuradas.
Tcnicas de prueba de memoria.
Conocimiento clasif icator io.
Cl asi-f icac i n de temas.

Escalado mutidimensional.
Tabla 4.1. RELACIN ENTRE TIPOS DE CONOCIMIENTO Y TCNICAS

APLICABLES.
178
IV. 3. 1. 4. Metodologas de trabajo del Ingeniero del

Conoc imiento.
Adems de las tcnicas ya mencionadas, el Ingeniero del Conocimiento utilizar distintas
estrategias, cambiando de tcnicas
durante la entrevista. Los mtodos de trabajo ms utilizados son

los siguientes:
- Observacin al lado del experto.

El Ingeniero del Conocimiento
casos
reales sobre su trabajo.
una visin acerca

-facilidad de
de
observa al experto resolviendo

Esta observacin le proporciona
la complejidad del problema
el tipo de
inter-fase necesaria para que el experto utilice el
producto -final.
Esta tcnica es til
en los primeros contactos
con el experto.
- Diseccin del problema:

El Ingeniero del Conocimiento escoge un conjunto de problemas
representativos
e informalmente los discute
objetivo es determinar
nocimiento
hiptesis
con el experto. El
de que manera el experto organiza el co-
acerca de cada problema,

y maneja el conocimiento
representa los conceptos e

y los datos inconsistentes,
exactos o imprecisos relativos al problema.
Cuestiones tales como:
Di-fiere el problema de ios tpicos del dominio?

Qu tipo de datos necesita el problema?
179
Qu tipos de soluciones son adecuadas para el problema?
Puede el problema reducirse a subproblemas no interactivos?
Qu clases de conocimientos se necesitan para solucionar
el problema?
Cul es la explicacin o just i -f icac i n a una solucin del
problema?
Durante esta
discusin, el
experto puede
trminos,
conceptos y relaciones. Cuando
niero del
Conocimiento le pregunta al
nuevas construcciones
tos y
introducir nuevos
esto sucede, el Inge-
Experto
que de-fina esas
y las relaciones con el cuerpo de concep-
relaciones existentes. Esto puede requerir el rede-finir o
combinar los
conceptos existentes en la base de conocimiento en
desarrollo.
- Descripcin del problema:

En este caso, el Ingeniero del Conocimiento le pide al Experto que describa un problema tpico para cada categora importante de respuestas
que pueden surgir. Esto ayuda al Ingeniero del
Conocimiento a de-finir problemas
prototipo para
cada categora
de respuestas.
Este
ejercicio puede sugerir nuevas ideas para organizar je-
rrquicamente el conocimiento del
Sistema Experto. Este en-foque
es til en problemas de diagnstico mdico, mecnico y otros varios.
- Anlisis del problema:
181
miento". Este documento debe subrayar los diferentes estadios en
el
diseo,las dependiencias entre estadios y una detallada tra-
duccin
de los distintos elementos
de
reglas, procedimientos, restricciones,

jugar un
que
conocimiento; es decir:
etc. Este documento debe
papel crucial para de-finir y verificar el conocimiento
eventualmente se incorpore al sistema, su circulacin entre
los expertos permite evitar omisiones y corregir errores. A continuacin,
el o los Ingeniero(s)
experimentalmente este documento
del
Conocimiento pueden usar
para resolver nuevos problemas
de diseo, siguindolo estrictamente. Esto, adems, puede ayudar

a hacer explcito algn conocimiento aplicado implcitamente por
los experto.
En esta -fase, l o los Ingeniero(s) del Conocimiento y el experto
deciden qu conceptos, relaciones y mecanismos de control
son necesarios para describir
los problemas a resolver en el do-
minio. Tambin se examinan, subtareas, estrategias y restricciones relacionadas

este perodo,
con la actividad de
habitualmente se
signi-fica justamente
bera
solucin del problema. En
trata la
Esto
considerar el nivel de detalle con que de-
representarse el conocimiento. El
Conocimiento
"granularidad".
o los Ingeniero(s) del
normalmente elegirn el nivel
de detalle ms abs-
tracto o de "gran grueso", que an proporcione la discriminacin

adecuada entre conceptos clave.
En este punto es adecuado un consejo y es que los constructores deben evitar intentar producir un anlisis completo del problema antes de comenzar la implantacin del programa. De la primera implantacin,
se aprenden muchas cosas que "darn -forma" y
180
En este enfoque, el Ingeniero del Conocimiento le pide al Experto que
resuelva una serie de
miento del experto
problemas, probando el razona-
a medida que se
resuelven los mismos. Mien-
tras el experto los resuelve, el Ingeniero del Conocimiento proporciona

to.
informacin adicional o datos requeridos por el exper-
El experto debe resolver
problemas reales, describiendo el
proceso de solucin en voz alta y dando tantos pasos intermedios

como
sea posible. El Ingeniero
paso para
determinar
la razn fundamental
ellos, incluyendo hiptesis a

gias que se estn
del Conocimiento cuestiona cada
tener en
usando para generar
que existe detrs de
consideracin, estratelas hiptesis y metas que
guan la seleccin de la estrategia.
El
Ingeniero del Conocimiento puede
profundidad
ordenar
una
prueba en
del razonamiento del experto, partiendo de una con-
clusin particular y
viendo cmo el experto
lleg a dicha con-
clusin.
Una vez
nas
que el Ingeniero del Conocimiento ha formulado algu-
reglas especializadas
puede
relativas a
revisarlas para hacerlas tan
sin destruir su
problemas particulares,
generales
capacidad de contribucin a
como sea posible

una solucin en el
contexto de otros problemas. Para este proceso puede ser necesaria la asistencia del Experto.
Las sesiones iniciales para

conducen a la
la adquisicin
creacin de un "documento
de
del conocimiento
diseo del conoci-
182
dirigirn el proceso de conceptual izacin.
IV. 3. 2. Representacin del Conocimiento.
Esta etapa, implica el expresar los conceptos clave y las relaciones
en una manera -formal,
sugerido por
De este
tener
Ingeniero(s)
algunas ideas acerca de
la solucin
foque basado
el
perodo de normaliza-
el problema parece que conducir a un en-
en reglas, l o
deben seleccionar
del Conocimiento deberan
las herramientas apropiadas para
del problema al comenzar
cin. Por ejemplo, si
los Ingeniero(s) del Conocimiento
un sistema tipo DPS5 o ROSIE como herramienta
el conocimiento en -forma de reglas "SI-ENTONCES". Si
parece ms adecuado un
niero(s)
dentro del marco
un lenguaje de construccin de un Sistema Experto.
modo, l o los
y expresar
hab i tual mente
enfoque basado en marcos, l o los Inge-
del Conocimiento deben seleccionar un sistema tipo KEE
y trabajar con
dominio como
el experto para expresar
el
conocimiento en el
una gran red. Si, finalmente, el problema presumi-
blemente llevar a un enfoque de objetos y, o, mixto como combinacin de objetos, reglas y marcos, el LDOPS, por su potencial y
flexibilidad, parece el ms adecuado.
En esta fase, es
necesario ser muy objetivos
hechos reales quienes
dicten la herramienta a
y que sean los

elegir
y no las
preferencias o ideas preconcebidas de cada Ingeniero del Conocimiento. Durante esta fase, l o los Ingeniero(s) del Conocimiento "vuelcan"
el conocimiento formalizado en un programa de com-
183
putador que trabaja. Construir un programa requiere:
- Contenido, que procede del dominio del conocimiento que

se hizo explcito durante la f ormal i zac i n , es decir,
las estructuras de datos, las reglas de inferencia y las
estrategias de control necesarias para resolver problemas.
- Forma, que est condicionada y se especifica mediante la

herramienta elegida para desarrollar el sistema.
- Integracin, que implica combinar y reorganizar distinto elementos de conocimiento para eliminar
equiparaciones
globales equivocadas, entre estructuras de datos y reglas

o estructuras de control.
La
implantacin debera proceder rpidamente dado que una de
las razones
para implantar el prototipo inicial es verificar la
efectividad de
meras fases
las decisiones de diseo hechas durante las pri-
del desarrollo. Esto significa
probabilidad de
que existe una alta
que el cdigo inicial ser revisado o desechado
durante el desarrollo.
En esta
etapa de implantacin, se
las interfases con
y que consumen ms
un Sistema Experto, en
que esa interfase
el desarrollo de
el usuario. Este desarrollo
trabajos ms importantes
rrollo de
efecta
se equipare y, a
uno
de los
tiempo en el desa-
particular,
poder
es
cuando se quiere
ser, mejore aquellas
con las que estn acostumbrados a tratar los usuarios.
184
En un Sistema Experto podra esperarse que la mayora del espacio de memoria

mientos o bien al
estuviera dedicado bien a
la
base de conoci-
motor de in-ferencia. Sin embargo, y por poner
un ejemplo, tal como muestra la tabla 4.2., en el Sistema Experto Dipmeter Advisor, para
prospecciones petrol -f eras,
de
de conocimiento ocupan conjuntamente,
in-ferencias y la base
el motor
slo el 307. de capacidad de la memoria, en tanto que la inter-fase de usuario necesita del
427. de la misma. Esto muestra la im-
portancia de las inter-fases,
a las que se ha dedicado mucho es-
fuerzo de desarrollo.
PARTE DEL SISTEMA EXPERTO
Motor de In-ferencias
Base de Conocimientos
nter-fase de Usuario
Deteccin de Caractersticas
Entorno de soporte
7. DE MEMORIA OCUPADA
8
22
42
13
15
Tabla 4.2. PORCENTAJES DE OCUPACIN DE MEMORIA EN EL DIPMETER

ADVISOR.
185
ENTRADAS
DIRECTIVOS
-Identificacin de
problemas a resolver
-Aprobacin del
proyecto
EXPERTOS
-Descripcin de tareas
-Explicacin del razonamiento
-Identificacin de
ejecuciones con xito
-Respuestas y solucin
USUARIOS
-Hechos y relaciones (conoc idos(as)
-Consejos
INGENIERO DEL CONOCIMIENTO

Plantea
problemas y
cuestiones
Co noce las ventajas e inconven i entes

de las herr amientas.
Ap rend = sob re la tarea de d irecti vos,
ex pert D S y usuar ios.
-i
SALIDAS
-Selecc in de un buen domin i o y tarea.
-Anal iza necesid ades de represen tac i n
y estra tegias d e con trol, rec las del
pulgar, heur st icas y reglas de 1
domin io.
-Constru ye los d i st intos proto ti pos.
-Desarro 1 la el sistema complet o.
-Lo inte gra y lo mant iene.
Figura 4.4. RELACIONES Y ACTIVIDADES DEL INGENIERO DEL

CONOCIMIENTO.
186
IV. 3. 3. Desarrollo de un prototipo.
En
trminos de so-f ist icac i n y utilidad, los Sistemas Exper-
tos evolucionan de -forma

mientas de construccin de
sistema experimental, de
te, no comprobado
muy similar a cmo lo hacen las herralos mismos. Es decir, pasa de ser un
propsito especial, lento, insuficien-
ni verificado, a ser un sistema de investiga-
cin que, aunque pueda an
ser lento y poco e-ficiente, ya es de
propsito ms general, est verificado, para -finalmente alcanzar

el
grado de sistema comercial,
rpido y
"pulido", de propsito general,
e-ficiente. Sin embargo, esta
concierne a los
clasificacin
Sistemas Expertos se hace
un
poco
en lo que
ms amplia
aunque se mantenga la misma filosofa. En este sentido, los Sistemas Expertos

mostracin al
evolucionan desde el estado

de sistema comercial, pasando
de prototipo de depor los estados de
prototipo de investigacin en el campo de que se trate y de produccin.
En la construccin
de los Sistemas Expertos,
no se ponen de
manifiesto muchos problemas hasta que se ha producido la implantacin real,

cia de lo que
va construccin del prototipo, ya que, a diferensucede en los proyectos
clsicos,
no se conocen
las especificaciones exactas de lo que puede hacerse y como realizarlo. La
construccin del
prototipo, permite
aclarar estas
cuestiones en un proceso incremental.
El Ingeniero debera trabajar en el ncleo del problema usando uno o varios ejemplos tpicos como objetivo de su trabajo,as
187
como experimentar
de
con las inter-fases de
creacin de los distintos
usuario. De los ciclos
prototipos,
deberan salir
ideas
tiles en lo que concierne a paquetes, herramientas e inter-fases

para la realizacin del sistema definitivo.
- Prototipo de demostracin.
La mayora
queo
de los Sistemas Expertos, comienzan siendo un pe-
programa de.demostracin de su viabilidad, llamado proto-
tipo de
demostracin, que maneja
eventualmente
una
parte
tendr que resolver. Este
del
prototipo
problema que
se
usa con
frecuencia de dos maneras: en primer lugar, para convencer a las

potenciales -fuentes de -financiacin de que la tecnologa de Sistema
Experto puede efectivamente ser
aplicada
al
problema en
cuestin; y, en segundo trmino, para verificar las ideas

de la
acerca
definicin del problema, alcance y representacin para el
dominio.
Un prototipo tpico de
demostracin puede contener de
50 a 100 reglas, actuando adecuadamente sobre uno o dos casos de

prueba y que para su desarrollo exige slo de unos meses.
- Prototipo de investigacin.
Muchos Sistemas Expertos, evolucionan hasta alcanzar el estado de ser un
tamao
prototipo de investigacin, que
medio capaz de exhibir
es un programa de
prestaciones aceptables sobre un
nmero amplio de casos prueba. Estos sistemas tienden a ser -frgiles;
es decir, pueden -fracasar estrepitosamente cuando se les
plantean problemas
que caen cerca de
los lmites de separacin
de los problemas que a "priori", pueden manejar. Adems, y debido a
que carecen de la
verificacin su-ficiente, tambin pueden
188
-Fracasar en algunos de los problemas que caen dentro de su campo
de accin. Un prototipo de investigacin tpico basado en reglas
puede contener 200 reglas o ms, ejecutar bien un gran nmero de
casos prueba y su desarrollo puede exigir de uno a dos aos.
- Prototipo de campo.
Algunos Sistemas Expertos, alcanzan
este estadio. Estos sis-
temas, son de tamao medio-largo que han sido revisados mediante

verificacin en la solucin de problemas reales entre la comunidad de
usuarios. Son
prestaciones, estn
cuenta de
moderadamente -fiables,
dotados
de
presentan
inter-fases "amistosas"
buenas
y
dan
las necesidades de los usuarios -Finales. Un prototipo
de campo tpico,
basado en reglas, puede
contener unas 500 re-
glas, trabaja muy bien sobre muchos casos prueba y su desarrollo

puede necesitar de 2 a 3 aos.
- Prototipo de produccin.
Pocos Sistemas
Expertos han
alcanzado este
estadio.
Estos
sistemas son grandes programas que han sido exhaustivamente probados en el campo y que verosimilmente han sido reimplantados en
un lenguaje
con el -fin
ms e-ficiente y transportable que el de desarrollo,

de incrementar su velocidad
reducir los requeri-
mientos de memoria principal. Un prototipo de produccin, basado

en reglas, puede contener ms de 500 reglas, proporciona una toma de decisin
exacta, rpida y e-ficiente y su desarrollo puede
exigir entre 3 y 5 aos.
- Sistemas comerciales.
Hasta
el presente, slo contados
Sistemas Expertos, han al-
1B9
canzado
este estadio, son prototipos de produccin usados sobre
una base
comercial regular; uno de los ejemplos mejor conocidos
XCON, contiene unas 3DDD
reglas, alcanza conclusiones correctas
entre el 9D y el 95 por cien de las veces y necesit ms de seis

aos para su desarrollo.
El
desarrollo de un prototipo incluye las siguientes activi-
dades:
IV. 3. 3. 1. Especificacin de los criterios de rendimiento

del prototipo.
En el proceso de determinar exactamente lo que el experto hace, el Ingeniero del Conocimiento comenzar por definir los criterios de evaluacin
por lo cuales el
prototipo ser juzgado y
que debern ser especificados en trminos inequvocos. Quizs se

puede esperar que el prototipo alcance los mismos resultados que
el experto alcanz en los
las
casos de prueba, o
bien que llegue a
mismas conclusiones que otros expertos alcanzaron sobre ca-
sos generales. En cualquier caso los criterios deben ser especificados de tal manera, que la prueba permita conocer al Ingeniero que ha terminado su trabajo. Al mismo tiempo, formulando unos
criterios especficos, el Ingeniero
atencin en
del Conocimiento
las condiciones iniciales y
que el Sistema deber proporcionar.
en
fijar su
el resultado final
170
IV. 3. 3. 2. Seleccin de la herramienta para construir el

prototipo.
Tan pronto como el Ingeniero del Conocimiento haya comprendido la estructura del conocimiento utilizada por el experto y las
estrategias de inferencias
cual es
empleadas para munipularlo, decidir
la mejor herramienta para
construir
el prototipo. Tal
vez el resultado ms importante de la construccin del prototipo

es el verificar la adecuacin de la herramienta elegida.
Para
elegir una tecnologa concreta de implantacin del pro-
totipo hay que

letos
tener en cuenta la existencia de sistemas esque-
o esenciales, llamados "shell". Adems hay que considerar
otros -factores tales como entornos de programacin y la disponibilidad
de ayuda de consulta
sobre las distintas herramientas.
Cuando se usa un entorno de programacin comercialmente disponible, es
aconsejable in-formarse acerca de
que
tipo de Sistemas
Expertos se han construido con esas herramientas, niveles de soporte disponibles para construir el primer sistema y el grado de
satis-faccin de los
usuarios con ellas y con los sistemas cons-
truidos.
IV. 3. 3. 3. Desarrollo de la versin inicial del prototipo.
Despus de elegir la herramienta, el Ingeniero comienza a desarrollar
una versin del prototipo
del
Sistema
Experto, tan
pronto cmo el primer caso sometido a estudio est razonablemente bien comprendido. Los casos subsiguientes son verificados por
191
el Ingeniero y el experto observando el mecanismo de razonamiento del Sistema

se
y discutiendo porqu las reglas no trabajan como
esperaba. Consecuentemente, la base de conocimiento es revi-
sada de acuerdo con

heursticas
las ideas que se
del mismo,
y estrategias de inferencias. A menudo el
seleccionar una herramienta adecuada

y el prototipo
sin embargo, no
Experto,
acsrca
tienen
Ingeniero
para resolver el problema
ser satis-Factor i o al menos
a un nivel general,
se llegar a la configuracin -final del Sistema
sino simplemente se establece
representacin del
conocimiento y
que
la herramienta, la
la estrategia
de inferencia
son adecuadas para esa tarea.
IV. 3. 3. 4. Verificacin del prototipo con casos de estudio.
Una vez
que el Ingeniero del
prototipo, l y
el experto trabajarn
ciona dicho prototipo

pruebas tienen
ha construido el
juntos para ver cmo -fun-
con una serie de
casos de estudio. Estas
dos objetivos. Permiten por un lado al
del Conocimiento determinar si

representar
Conocimiento
los -formalismos
el conocimiento del experto
Ingeniero
utilizados para
son adecuados para las
tareas representadas en los distinto casos. Tambin permitir el

experto ver
se le ha
cmo un Sistema Experto
utiliza la informacin que
proporcionado. Tomando parte en las pruebas del Siste-
ma, el experto se sentir ms comprometido con el proceso de adquisicin
del conocimiento.
crtica, a causa de
Esta actividad
que en la siguiente
es particularmente
fase del desarrollo el
experto deber interactuar con el Sistema para verificar su rendimiento.
192
IV. 3. 4. Uso y mejora del prototipo.
El
experto, espec i-f icamente, evala el
Ingeniero
del Conocimiento a la
prototipo y ayuda al
eventual aunque probable revi-
sin. Tan pronto como el prototipo ejecute algunos ejemplos, debera
verificarse sobre muchos problemas para evaluar sus pres-
taciones
problemas
y utilidad. Esta evaluacin puede poner al descubierto

con el esquema de
representacin, tales como: olvido
de conceptos y relaciones, conocimiento representado en el nivel

errneo
de detalle o mecanismo
de
control
inmanejables. Tales
problemas pueden -forzar a los constructores a "reciclar" el sistema a travs de las distintas -fases de desarrollo, re-formulando
los conceptos, re-finando las reglas de inferencia y revisando el
-flujo de control.
Evaluar las prestaciones del sistema prototipo significa preguntar cosas tales como:
- El sistema generalmente toma decisiones que los

expertos estn de acuerdo en que son adecuadas?
- Las reglas de inferencia son correctas, consistentes
y completas?
- Permite la estrategia de control considerar al
sistema los elementos en el orden natural que prefieren
los expertos?
Por otra parte, las preguntas que el sistema plantea al usua-
193
rio de una
-forma "estpida" o no
natural
reducen la con-fianza
del usuario en el sistema. En consecuencia.
- Las explicaciones del sistema deben ser adecuadas para

describir cmo y porqu se han alcanzado las
conclusiones.
- Los problemas de prueba deben cubrir el dominio
manejando casos arquetpicos, probando las limitaciones
de los casos difciles esperados.
Al evaluar
cuestiones
la utilidad del
sistema,
surge
un
conjunto de
di-ferentes, entre las que cabe destacar, las siguien-
tes:
- Ayuda la solucin del problema al usuario de una

manera sign i-f icati va?
- Las conclusiones del sistema estn adecuadamente
organizadas, ordenadas y presentadas al nivel de detalle
correcto?
- Es el sistema lo suficientemente rpido como para
satis-facer al usuario?
- Es la inter-fase lo suficientemente amistosa?
El Sistema Experto debe re-finarse y verificarse en un entorno

de laboratorio
antes de que pueda "liberarse" para su comproba-
cin en el campo. Sin embargo, cuando es verificado por la comunidad
de usuarios, sobre problemas reales, surgirn nuevas com-
plicaciones
que llevarn algn tiempo corregir. Los usuarios en
174
el campo exigen algo que sea rpido, -fiable, fcil de usar y entender y que
sus fallos sean recuperables.
De
este
modo, los
Sistemas Expertos necesitan una amplia verificacin de campo antes de que estn listos para un uso comercial.
La figura 4.5.
y las
(CHAV83), presenta de forma resumida esta fase
relaciones interactivas entre las etapas que componen di-
cha fase de construccin del prototipo.
Carcter ic i n de los Requeaspectos

rimiento.
importantes del
1>
problema
IDENTIFICACIN
T
Conceptos
necesarios
para producir una
soluc i n
Conceptos.
CONCEPTUAL IZACIN
Representacin formal
del conocimiento.
Estructura
p,
FORMAL IZACIN
f
Re glas que
en globarn
el conoc imien to
IMPLEMENTACION
Reg1 as
Validac i n
de las reglas
{>
VERIFICACIN
Figura 4.5. ETAPAS PARA LA CONSTRUCCIN DE UN PROTOTIPO
195
IV. 4. Fase III. Construccin de la
versin en produccin.
Comprende las siguientes etapas:
IV. 4. 1.- Desarrollo del diseo detallado para el Sistema

Experto
inal.
IV. 4. 2.- Implantacin del ncleo del Sistema Experto.
IV. 4. 3.- Expansin de la base de conocimientos.
IV. 4. 4.- Adecuacin de la inter-fase de usuario.
IV. 4. 5.- Monitorizacin de las prestaciones y evaluacin

del rendimiento del sistema desarrollado.
IV. 4. 6.- Mantenimiento de la base de conocimiento.
IV. 4. 1. Desarrollo del diseo detallado para el Sistema

Experto -final.
Cuando el prototipo
experto
est -funcionando
y el Ingeniero del
de de-finir que
satisfactoriamente, el
Conocimiento estarn en disposicin
ser necesario para el
desarrollo del Sistema a
eleccin original de objetos
y atributos hubiera sido
gran escala.
Si la
196
errnea deber ser modificada.
Se
reglas
pueden realizar estimaciones acerca

necesarias para crear
criterios
el
Sistema
del
nmero total de
Experto completo. Los
de rendimiento pueden ser establecidos con mayor pre-
cisin. Toda esta informacin junto con un plan detallado y presupuestos deben
incluirse en el documento
de diseo que guiar
el desarrollo del Sistema completo.
En
esta fase las tcnicas
de
ingeniera
del conocimiento,
pueden ser de gran ayuda para una mejor realizacin de la
misma.
IV. 4. 2. Implantacin del ncleo del Sistema Experto.
Una vez que todo el mundo se encuentra satisfecho del funcionamiento de la ltima versin del prototipo, al realizar las tareas encomendadas de acuerdo
posicin de
con lo deseado, ya se est en dis-
ampliar el prototipo hasta conseguir un Sistema Ex-
perto completo o el sistema en fase de produccin. De poco tiempo a esta parte, se

mejor "olvidarse"
est en condiciones de afirmar que es mucho

del prototipo. Esto es
as porque ya existen
herramientas de Ingeniera del Conocimiento que soportan y facilitan la realizacin rpida del prototipo a un bajo coste de esfuerzo y consumo
de tiempo. Por otra
junto a la creacin
lieve la necesidad
parte,
es
frecuente que
de los distintos prototipos se ponga de rede replantearse el diseo
bsico de la base
de conocimiento y, a veces, de todo el desarrollo.
197
Con esto
no quiere decirse que necesariamente haya que aban-
donar un prototipo determinado,

tante probable
lista exacta
tran incluidos
que reajustar
que de alguna manera,
tenga que modificarse, la
de objetos, atributos y
relaciones que se encuen-
en el sistema. Tambin puede ser necesario tener

las relaciones
que modificarse la
y las
lo que se indica es que es bas-
jerrquicas. Asimismo, puede tener
manera exacta en que se maneja la inferencia
heursticas, segn se van
dando cuenta los constructores
de cmo representar de una forma mejor tanto el conocimiento del

experto como las estrategias de resolucin del problema.
Finalmente, y aunque el
prototipo tenga xito, eventualmente
necesitan ser modificadas las

reglas
y los hechos que
representaciones iniciales de las
se han realizado en
la etapa de cons-
truccin del prototipo.
IV. 4. 3. Expansin de la base de conocimientos.
Tal vez sea este el trabajo principal que hay que realizar en
la construccin de
un sistema completo. Para ampliar la base de
conocimientos hay que aadirle un gran nmero de casos heursticos
que generalmente suelen incrementar
tema, puesto que

modos de tratar y
la profundidad del sis-
le proporcionarn un mayor
nmero de reglas y
manejar los aspectos ms
tiles de los casos
particulares. Al mismo tiempo, el equipo de desarrollo puede decidir
incrementar
la profundidad del sistema mediante la incor-
poracin de nuevas reglas que manejan subproblemas adicionales u
198
otros aspectos no
contemplados antes de los trabajos de los ex-
pertos.
IV. 4. 4. Adecuacin de la inter-fase de usuario.
Una vez que llega a establecerse la estructura bsica del Sistema Experto, el Ingeniero del Conocimiento debe adecuar la internase desarrollada durante la creacin del prototipo a las caractersticas especificas del usuario final. Mediante esta inter-fase es como
realmente el Sistema Experto va a enviar
al usuario y, eventualmente, recabar
informacin
informacin de ste. En es-
te sentido, debe aplicarse una atencin considerable a la introduccin de frases y explicaciones que puedan hacer mucho ms fcil al usuario el
seguir la lgica del
Sistema
Experto, y, al
mismo tiempo, el sistema debe hacer que le resulte fcil y natural al usuario
el preguntar y obtener cualquier detalle que de-
see del sistema. Como ya se ha dicho, el uso de representaciones

grficas es de
que permitan
gran ayuda y utilidad, del mismo modo, pantallas

al usuario seguir el
proceso
de razonamiento del
sistema, pueden resultar claves para el xito del mismo.
IV. 4. 5. ("Ion i tor i zac i n de las prestaciones y evaluacin

del rendimiento del sistema desarrollado.
La
interfase debe permitir al experto introducir diferentes ca-
sos para verificar
los razonamientos del sistema y recorrBr
paso
199
a
paso un caso
determinado,
investigando
porque
se disparan
ciertas reglas o no, identificando aquellos puntos en los que se

necesitan conocimientos
especficos
adicionales
para alcanzar
conclusiones adecuadas.
A estas alturas
del proceso de desarrollo
expertos han aprendido ya

introduccin de
la mayora de los
lo suficiente en lo que respecta a la
reglas como para insertar ellos mismos las nue-
vas que se produzcan.
De este modo, da comienzo el traspaso del
control del sistema, del Ingeniero del Conocimiento a los expertos, para que stos se encarguen de pulir, elaborar y ultimar el
mantenimiento del sistema sin necesidad del soporte de aquel.
Cuando los constructores del

chos del
sistema se
funcionamiento del mismo, ste
encuentran satisfe-
debe
ser comprobado y
sometido a pruebas para verificar que cumple todos y cada uno de

los criterios de rendimiento y prestaciones acordados en la etapa de creacin del
prototipo. Este es el momento para que otras
personas, expertos o no prueben el sistema y le presenten nuevos

casos, vean su forma de actuar y hagan crticas al mismo.
IV. 4. 6. Mantenimiento de la base de conocimiento.
Despus de que
el sistema completo ha
pasado todos los con-
troles, debe establecerse un plan para un proyecto de "software"

ms
amplio. Este plan debe
proporcionar medios para verificar,
desarrollar, transferir y mantener la base de conocimiento. Debe

instrumentarse un proceso de
organizacin que permita optimizar
200
las inter-fases
de usuario y extender
la
base
de conocimiento
cuando se encuentren problemas.
IV. 5. Fase IV. Comprobacin del Sistema e integracin del
mismo en Produccin.
Sealaremos las etapas siguientes.
IV. 5. 1. - Integracin a la escala -final.

IV. 5. 2. - Uso regular y evaluacin del Sistema Experto.
IV. 5. 3. - Mantenimiento y mejora del Sistema.
IV. 5. 1. Integracin a la escala -final.
No basta
correctamente
con construir un buen
Sistema Experto que -funcione
de -forma aislada, dado que una organizacin, como
cualquier sistema, tiene que contemplarse y tratarse como un todo. En consecuencia, es necesario integrar el Sistema Experto en
el entorno de trabajo en el que continuar operando. Mediante la
integracin,
el
no se trata de
efectuar cambios si gn i -f i cativos en
Sistema Experto, sino de incluir aquellos procedimientos que
sean necesarios para hacer que el Sistema Experto -funcione coordinadamente con los sistemas existentes, expertos o convenciona-
201
les, dentro
de una organizacin. Si,
integracin,
el mismo,
como consecuencia de esta
se viera que son necesarios cambios importantes en
entonces uno simplemente debe
nuevo, raramente a la Fase

decir, en la
limitarse
I, y habitualmente a
a volver de
la Fase II. Es
etapa de integracin hay que implantar los enlaces
de desarrollo entre el
ra. Entre las
Sistema Experto y el entorno en que ope-
actividades a realizar en
esta
etapa pueden in-
cluirse las siguientes:
IV. 5. 1. 1. Organizacin de la transferencia de tecnologa.
Cuando el
Sistema Experto se encuentre listo para su -funcio-
namiento integrado, el Ingeniero del Conocimiento debe asegurarse de que tanto los
sistemas que vayan
den
expertos como los usuarios y el personal de

a utilizar y mantener el sistema, lo entien-
realmente. Una vez e-fectuada esta transferencia de informa-
cin
y saber hacer tecnolgico,
puede abandonar el
el
Ingeniero del Conocimiento
proyecto dejando el Sistema
en manos de sus
usuar ios.
Obviamente, cada entorno organizativo plantear una problematica diferente

sonal de la
para las personas encargadas de preparar el per-
organizacin para que acepten y utilicen un Sistema
Experto. La experiencia habida hasta la fecha parece indicar que

los
expertos se encuentran dispuestos
Sistema, una
vez que se convencen
consejos realmente
pertos para
a aceptar rpidamente el
de que puede proporcionarles
tiles. Sin embargo, convencer
a los no ex-
que acepten el sistema conlleva todos los problemas
202
y retos asociados con la introduccin de cualquier nuevo sistema

tecnolgico
dentro del entorno de una organizacin. Alcanzar el
xito en este punto
depende del cuidado con
que
se realice la
planificacin de esta tarea, las cantidades y amplitud de la comunicacin
entre las diferentes partes
adecuadas oportunidades concedidas a

dialogar y llegar a
tcnico una vez
fin, todo
de la organizacin, las
las partes
afectadas para
acuerdos sobre el cambio y sobre el soporte
que el sistema est instalado y funcionando. En
lo sealado en las
cuestiones indirectas tratadas en
la FASE I.
IV. 5. 1. 2. Establecimiento de interfases del Sistema

Experto con distintos sistemas "software" y
"hardware" u otros.
Es este otro
de los objetivos a
cumplimentar en la integra-
cin. Un Sistema Experto puede necesitar adquirir

instrumentos de
cesitar acceder
gir datos
informacin de
medida u otros sistemas "hardware", o puede nea sistemas
de bases de datos o an, pueden exi-
e informaciones de las
necesario construir
personas. En consecuencia, es
los elementos que permitan estas transferen-
cias de informacin. Tambin pueden incluirse como objetivos los

de perfeccionamiento de factores
dependientes del tiempo dentro
del sistema, para conseguir que funcione de una forma ms rpida

y eficiente,
"hardware", si
o que se mejoren
las
el sistema tiene que
proceso no generalizados.
caractersticas fsicas del

funcionar
en ambientes de
203
Muy relacionado con la integracin est la "trasportabi 1idad"

del cdigo generado
en el desarrollo del
Sistema Experto, a un
cdigo de produccin.
IV. 5. 2. Uso regular y evaluacin del Sistema Experto.
Una vez integrado el Sistema Experto dentro de un sistema ms

amplio,
hay que intentar mejorar
global, que
del
sin duda se vern
las
prestaciones del sistema
perturbadas
por la introduccin
Sistema Experto. Cuestiones tales como tiempos de respuesta
y -facilidad
transacc ional son aqu pertinentes
de tal modo que
mientras no se les de una respuesta adecuada no es posible decir

que el Sistema est en produccin.
Dentro de
este apartado, tambin hay
que considerar el per-
feccionamiento de las interfases para -facilitar el -funcionamiento y el manejo del sistema global por los usuarios -finales.
IV. 5. 3. Mantenimiento y mejora del Sistema Experto.
Supone por una

del mismo, y,
parte -formar el personal
que va a encargarse
por otra, -f 1 ex ib i 1 i zar el Sistema para su adapta-
cin a entornos dinmicos.
Cuando se traduce
un sistema a otro lenguaje distinto del de
desarrollo, para -facilitar su
velocidad y transpor tab i 1 idad, se
sacrifica la -flexibilidad del Sistema. Esto puede resultar acep-
204
table si el Sistema ha capturado todo el conocimiento dentro del

dominio de trabajo, y si el conocimiento no se va a modi-ficar en
un -futuro inmediato.
Si, por el contrario,
se
ha
diseado un
Sistema Experto precisamente porque se est modificando el dominio de trabajo, se
querr mantener el Sistema
en su entorno de
desarrollo que proporciona una actividad de mantenimiento continua. Adems,

y, en
es muy probable que
el Sistema Experto evolucione
consecuencia, ser necesario mejorarlo y adaptarlo a esta
evoluc i n.
Toda la
4.6.
metodologa aparece de -forma
resumida
en la -figura
205
Tareas y problemas
Tcnicas y mtodos
de la I,A.
IDENTIFICACIN
DE LA APLICACIN
Y CONCEPCIN DE
LA SOLUCIN.
Desconoc i miento
1
Esceptc i smo
DESARROLLO DEL
PROTOTIPO DE
DEMOSTRACIN
Carencia de
herramientas y
espec i al i stas
I
Inercia de las
estructuras
organizativas
I
Herramientas de
ingeniera del
conoc imi ento
EJECUCIN DE LA
CONSTRUCCIN DEL
SISTEMA COMPLETO
ACTUACIN PARA
ALCANZAR LA
INTEGRACIN DEL
NUEVO SISTEMA
Especificaciones
_J
Fondos
1
Hardware y
Software
adecuados
1
<*-
Formacin para
lograr una buena
trans-f erenc i a
de tecnologa.
Inercia cultural
->
LOGROS DE TRANSFORMACIN ALCANZADOS EN LA ASIMILACIN Y USO

DE LA NUEVA
TECNOLOGA
Figura 4.6. METODOLOGA PARA EL DISERO Y CONSTRUCCIN DE

SISTEMAS EXPERTOS.
206
CAPITULO V. RESULTADOS, CONCLUSIONES Y FUTURAS LINEAS DE
INVESTIGACIN.
V. 1. Introduce i n.
An cuando un plazo de
ao y medio es escaso tiempo para es-
tablecer unos resultados concluyentes sobre la utilizacin de la

metodologa propuesta, si se pueden dar algunos que, aunque provisionales, no por ello son menos relevantes y significativos.
En primer lugar, indicar que el uso de esta metodologa, puso

al descubierto el e-fecto QWERTY existente en la tecnologa de la
Ingeniera del Conocimiento. La primera hilera de las teclas alfabticas de las mquinas de escribir dice QWERTY. Esta disposicin slo tiene justificacin histrica: fue introducida en respuesta al problema
era
minimizar
aparecan con
cundo
de que las teclas
el problema de colisin
frecuencia en
separando las teclas que
secuencia inmediata.
Sin embargo,
aos despus la tecnologa elimin este problema, QWERTY
subsisti. Esto es una

primer
solan atascarse. La idea
prueba palpable de la tendencia a que el
producto utilizable de una
tecnologa
o metodologa se
afianza, en detrimento de opciones ms avanzadas.
Una
punto
vez identificado este efecto,
pudo
superarse
hasta el
de que siguiendo estrictamente el criterio establecido en
la Fase II de
seleccin de la representacin, contra lo que ve-
na siendo habitual, no se propone como representacin del conocimiento las
reglas, sino los marcos,
dejando
las reglas para
207
representar el metaconocimiento, heursticas y control.
A continuacin',
suficientemente
hay que resaltar que
general como para aplicarse
riados como: -finanzas, seguros,

nal, de-fensa,
usndose.
a dominios tan va-
educacin, seleccin
industria, etc., en donde
de perso-
est en estos momentos
Pero al tiempo, es lo su-f i c ientemente especfica como
para que, dentro

table en
esta metodologa es lo
de esos dominios, pueda usarse con xito acep-
labores concretas como puede
ser, por ejemplo, dentro
de las -finanzas, tanto a la concesin de crditos, como a ayudar

al pequeo inversionista, o a gestin de cartera, etc. Es decir,
que es
lo suficientemente robusta como
aplicarse
con
xito a
distintos dominios, y lo suficientemente flexibles para que, sin

excesivos cambios,
sin tambin
puede
en cada tarea concreta
sea
no slo eficaz,
bastante eficiente. La prueba
ms
exigente
ser sometida cualquier metodologa
no
a que
consiste tanto en
ver lo bien que se ajustan sus caractersticas a las necesidades

previstas, sino
en qu medida funciona
cuando
se quiere hacer
algo para lo que no estaba previsto.
Tambin es significativo
miento de
el hecho de que se mejore el segui-
los proyectos por el
Ingeniero del Conocimiento "s-
nior". En un perodo del uso de la tecnologa como el actual, en

donde la carencia de
Ingenieros del Conocimiento experimentados
es notoria,
sobre todo en nuestro
incrementar
las "prestaciones" de los existentes es de conside-
rable
valor.
En
efecto,
IV.2.2.4., la dedicacin de
como
pas,
se
cualquier esfuerzo en
muestra
un Ingenierio
en
el
apartado
del Conocimiento"se-
208
nior" a un proyecto
es de aproximadamente un
tericamente al menos, cada

mentado
para
Ingeniero del
podra llevar cuatro proyectos
257.,
por
lo que
Conocimiento experi-
al
tiempo. Pero claro,
estos ingenieros sera imposible realizar su tarea adecua-
damente, si cada proyecto emplease un mtodo distinto, con di-ferentes -fases, etapas, criterios, etc. Sin embargo, usando la metodologa slo como un
"manual de
procedimientos" documentado,
le permitir, con poco es-fuerzo, ponerse al tanto en cada momento de la situacin de cada proyecto. Y si bien es cierto que ese
ponerse al tanto
requiere tiempo y, por lo tanto, llevar cuatro
proyectos simultneamente
se tiene
no es posible, si,
hasta el momento, se
distintos al tiempo y
pueden
por los datos que
gestionar tres proyectos
seis de la misma tarea para distintas en-
tidades.
Asimismo, el uso de la metodologa puso en evidencia la necesidad de usar sistemas

muy similar
ncleo, para el desarrollo de la misma o
tarea, por distintas instituciones. Al revs de los
sistemas "concha"
que, como su nombre indica resultaron ser au-
tnticos esqueletos externos que a modo de coraza impedan cualquier versatibi1idad,
al usar un ncleo (MAT86) que contenga lo
que es comn a una clase de tareas y permita que cada tarea concreta pueda ajustarlo a sus particulares necesidades se est pasando de una labor
"ad hoc" y artesanal,
que es justamente de lo que
otra de ingeniera
se trata de conseguir con el uso de
esta tecnologa.
Finalmente, cabe resaltar, tal y como se muestra en el anexo,

la comprobacin
de la total transportabi 1idad
que exige el uso
209
de la metodologa. En e-fecto, es casi un axioma aceptado por toda la comunidad

mienta sobre
de la Ingeniera del Conocimiento que la herra-
la que se desarrolla
un Sistema Experto, general-
mente una mquina LISP con una herramienta de Ingeniera del Conocimiento
(ART, K E E ) ,
micas y tcnicas,
mente
BOL,
no debe ser la misma, por razones econ-
que la que lo soporte en produccin, general-
un computador personal con

PASCAL, FORTRAN). En
un lenguaje convencional
consecuencia,
el
aplicar
(CO-
el punto
IV.5.2., es -fundamental. Pues bien, al hacer explcito el mtodo

tanto el problema
lidad ahorra a
de la integracin como el de la
los usuarios del mismo
muchos
transportabi -
problemas, en el
momento de-finitivo de la implantacin del Sistema Experto.
V. 2. Conclusiones.
La primera conclusin que

todologa
se puede extraer del uso de la me-
es que, par a-fraseando a
Descartes
(DES77), el mtodo
es necesario para la investigacin y desarrollo e-ficiente de los

Sistemas Expertos. Pero
siempre que ste se tome como una regla
heurstica creativa, -flexible y adaptable y que incluso en algn

caso pudiera no ser el idneo.
constante evolucin,
verdad
De cara a un mundo -flexible y en
y a veces revolucin,
donde
lo
nico de
permanente es el cambio, principalmente producido por el
progreso tecnolgico,
rgida incluso
en los
principios est -fuera de lugar. La afirmacin de Detoew-f
(KAU67)
es reveladora
cualquier actitud
al respecto: "Una sociedad
no
marcha de acuerdo
con reglas establecidas rgidamente de una vez para siempre; an-
210
tes al contrario,
es una creacin incesante. Si el mundo marcha
mal, es que Dios, despus que lo hubiera creado y -fijado sus leyes, ha creido que podra descansar".
En un mundo
en que la revisin
miento es un proceso
sistemtica
tan continuo y acelerado
de todo conocique
una vez ms
hace cierta la afirmacin de Napolen de que "nada hay definitivo, sobre todo
despus de la victoria",
pretender
cualquier otra
metodologa sea la definitiva
que
esta o
es, adems de una
ucrona, una estupidez. Sin embargo, el hecho de haber rellenado

una laguna, en el
tiempo y el espacio,
sistemas expertos es
lo
su mayor gloria y
antes posible, porque surgieron
en
la
construccin de
el de volverse obsoleta
otras metodologas ms per-
fectas y avanzadas, a poder ser incorporando la presente, su honrosa servidumbre.
La segunda conclusin que
se puede obtener a la vista de los
resultados es que el uso de la metodologa mejora las prestaciones, tanto en el diseo y desarrollo como en la ejecucin de los
Sistemas Expertos.
y que, adems, su
uso
permite aumentar
los
conocimientos que se tienen sobre la misma de modo que su empleo

habitual provoca su perfeccionamiento
te,
el empleo de la
continuado. Por otra par-
metodologa incrementa las potencialidades
de los Ingenieros del Conocimiento, al trabajar stos homogneamente, de
modo que adems de
facilitarle el conseguir notorios
xitos, les impide cometer crasos y, a veces, irreparables errores.
Por
ltimo, dada la robustez
demostrada por la metodologa,
211
sta puede
usarse para construir cualquier
perto. Da igual que
tipo de Sistema Ex-
sea grande o pequeo, aplicado a un dominio
o a otro totalmente distinto, sin tener que realizar

todas las etapas de
viarse, aunque eso
la misma, puesto que
algn
s, es necesario sealar
bitcora" el motivo por el
exactamente
paso puede ob-
en el "cuaderno de
que se soslay. Todo ello en aras de
una mayor -flexibilidad y e-ficiencia.
V. 3. Futuras lneas de investigacin.
En primer lugar,
nea
y quizs la ms importante y -fructfera l-
de investigacin, sea la
automatizacin de la metodologa,
usando algoritmos en las etapas deterministas, modelos y simulacin en
las que prima la
componente
probabi 1stica y Sistemas
Expertos en las que, por sus caractersticas, tal y como muestra

la propia metodologa, lo requieran.
De hecho,
por ejemplo, en el Laboratorio de Inteligencia Ar-
tificial de la
Facultad de Informtica de
llevando a cabo
la
U.P.P1.,
una Tesis Doctoral para automatizar
se est
la parte de
seleccin de las herramientas.
Otra lnea de investigacin

res interfases
tre sistemas
interesante es el conseguir mejo-
tanto entre hombre y Sistemas Expertos, como enconvencionales, tales como base de datos, y Siste-
mas Expertos y entre los propios Sistemas Expertos entre s. Sobre todo en este ltimo caso el conseguir Sistemas Expertos coo-
212
perativos, sera de
gran utilidad para obviar el problema de la
integracin. En este
sentido, se va a
cooperacin entre el Laboratorio

J.R.C.
inscribir un convenio de
de Inteligencia Artificial del
("Joint Research Center") el ms importante centro de in-
vestigacin de las
Comunidades Europeas y el
de la Facultad de
Informtica de la U.P.M.
Para terminar,
otra linea
muy interesante
de investigacin
sera el ver la posibilidad de aplicar esta metodologa a la Ingeniera del "Software". Como es sabido la Ingeniera del "Software" usa
un procedimiento de desarrollo de sus sistemas, deno-
minado ciclo de
Anlisis de
vida que se descompone en los pasos siguientes:
requerimientos, especificaciones, diseo, implanta-
cin, verificacin
que es
y depuracin,
operacin y
completamente distinto del de
mantenimiento, y
la Ingeniera del Conoci-
miento. Sin embargo, los tres primeros pasos por su estructura y

definicin parecen ser susceptibles de ser sustituido por los de
la tecnologa de Ingeniera del Conocimiento.
Por
otra parte, ltimamente en
la Ingeniera del "Software"
se est usando e imponiendo la tcnica de construccin de prototipos parece lgico
que lo que es
del prototipo en Ingeniera
vlido
para la construccin
del Conocimiento,
pueda aplicarse,
sin excesivos cambios, en la Ingeniera del "Software". En ltima instancia,
si esto no fuese
analgicamente
los
posible,
conocimientos
si podran utilizarse
obtenidos en
aqullas
para
usarlos en sta.
Pero esto es el futuro y sealar un camino no es transitarlo.
213
As que
pongamos manos
Cualquier otra
a la obra y
hagamos
actitud sera predecir el
camino
al andar.
-futuro y, como a-firma
Friedler, "es muy difcil vaticinar, sobre todo el -futuro".
214
CAPITULO VI. REFERENCIAS BIBLIOGRFICAS
(BAH82) BAHRICK, H.P. y KARIS,D.
(1982).
"Long-Term
Ecological Memory". Handbook o-f Research Methods in Human

Memory and Cognition. Academic Press.
(BAI79) BAINBRIDGE, L.
(1979). "Verbal reports as evidence o-f
the process operator's konowledge". International Journal

o-f Man-Machine Studies, 11.
(BAR82) BARR, AVRON y FEIGENBAUM, E. "The HandbooK

Artificial
oi
Intel 1igence". VOL I, 1981, VOL II y VOL
III, 1982. Heuris Tech Press.
(BREU83) BREUKER, J.A. y WIELINGA, B.J.
(1983).
"Analysis Technique -for Knowledge Based Systems".

ESPRIT PROJECT 12,memorndum n.10 y 13. Universidad de
Amsterdam.
(CAR86) CARRILLO, J. y PAZOS, J.
(1986).
"Una Propuesta
Metodolgica para la Ingeniera del Conocimiento".

In-forme interno del laboratorio de I.A. de la Facultad
de In-formtica de la U.P.M.
(CHAPB6) CHAPUSDT,P., SILKES, H., VAN REESEMA, S.
(1986).
"Intelligence Ar ti -f ic iel le: Fiction ou Realit?. Insig

Formation
Institut de Formation Interbancaire. 15me
journe de Banques.Par is.
(CHIB1) CHI,M.T.H., FELTOVICH, P.J. y GLASSER, R.
(1981).
"Categor ization and representation o-f physics problems

by experts and novices.". Cognitive Science, 5.
(DAV82) DAVIS,R. y LENAT,
D.B.(1982)."Knowledge-Based
Sistems in Arti-ficial Intelligence". Mac Graw-Hill.
(DES77) DESCARTES, R.
(1977). "Discurso del Mtodo y otros
Escritos" Porra, S.A. Mxico.
(DUD78) DUDA, R.D., HART, P.E., BARRETT, P., BASCHNIG, J.,

LIGE, K., REBDH, R. y SLDCUM, 3.
(197B).
"Development o-f the Prospector Consultation
System
-for Mineral Exp lorat ion" . SRI International, Menlo

Park. Arti-ficial Intelligence Center.
(ERIB4) ERICSSON,K.A. y SIMN,H.A.
(1984).
"Protocol
Analysis: Verbal Report as Data". Brad-ford Books. MIT

Press.
(EISE77) EISENBEIS,R.
(1977).
"Pitfalls in the Application
Discriminant Analysis in Business,Finances and

Economics". The Journal o-F Finance.
216
(FEIB3) FEIGENBAUM, E. y rcCORDUCK, P.
(1983). "La Quinta
Generacin". Edi. Planeta. Barcelona.
(FLA55) FLANAGAN,J.C.(1955). "The Critical
Incident
Technique". Psychological Bulletin,51.
(FRAN77) FRANSELLA, F. y BANNISTER, D.
(1977). "A manual -for
repertory grid". Academic Press. Londres.
(FRYD85) FRYDMAN,H., ALTI1AN,E. y KA0.(1985).
"Introducing
Recursive Partitioning -for Financial Cl asi-f ication. The

Case o-f Financial Distress". The Journal o-f Finances.
(HAR84) HARMDN, P. y KING, D. "Expert Systems: Artificial

Intelligence in Bussines" (1985) John E4Uliley and Sons.
(HAY83) HAYES-ROTH,F., WATERMAN,D. y LENAT,D.
(1983).
"Building Expert Systems". Addison Wesley Publishing Company.
(ICA86) ICAZA, J.
(1986) "Aplicacin de Sistemas Expertos
a la Banca". Banca Espaola nrn. 19.
(KEL55) KELLY, G. A. (1955). "The Psychology of Personal

Constructs". Norton: New York.
(MCDER82) McDERMOTT, J.
(1982). "Rl: A rule-based
o-f Computer Systems", Artificial
configurer
Intelligence Magazine.19.
217
(MAT86) MATE, L., MONTES, J. y PAZOS, L. (1986). "A Nucleous

-for Desing and Construction the Financial Expert Systems"
Leesburg Va.
(MYE83) MYERS,C.D., FOX,J. PEGRAM,S.M. y GRAVES,M.F.
(19S3).
"Knowledge acquisition -for Expert Systems: Experience

using Emycin -for Leukemia Diagnosis". Proceeding o-f
the Third BCS Con-ference on Expert Systems". Cambridge.
(NEW72) NEWELL, A. y SIMN, H.A.
(1972). "Human Problem
Solving " Prentice Hall.
(ILBO) NILSSON, N. (1980) "Principies o-f Artificial

Intel 1igence". Tioga. S. Francisco.
(0SB53) OSBORN, A.F.
(1953).
"Applied
Imagination". Scribner.
New York.
(PAZ86) PAZOS SIERRA, 3.
(1986). "Inteligencia Artificial:
Programacin Heurstica". Editorial Paraninfo. Madrid.
(RAUL84) RAULEFS,P.
(1984).
"Artificial
Intel 1igence. Toward
Practical Application Knowledge Proccessing Expert

Systems". Thomas Bernold y Gunter Albers. Holanda.
(REID86) REID,Ian.
(1986). "Artificial
M a r k e f . T h e Banker. Junio.
Intel 1igence in the
(SC0W85) SCOWN, Susan.
(1985).
"The Artificial
Intelligence
Experence: An introduction." Digital Equipement

Corporation. Maynard. Massachusets.
(BHAUIB1) SHAW, M.L.G.
(1981). "Recent Advances in Personal
Construct Technology". Academic Press. New York.
(WAL75) WALTER, G.
(1975).
"El cerebro viviente". Fondo
Cultura Econmica. Mxico 1975.
(WIEL84) WIELINGA,B.J. y BREUKER, J.A.
(1984).
" Interpretation o-f verbal data -for Knowledge

Adquisicin". ECAI-84. Advances in Artificial
Intelligence. Elsevier. T. D'shea.
219
ANEXOS
I - APLICACIN DE LA METODOLOGA A UN CASD PRACTICO EN EL

SECTOR FINACIERO:
En este documento se especificarn

guirse para el
los pasos que deberan se-
desarrollo de un Sistema Experto, de acuerdo con
la Metodologa expuesta en esta tesis.
El dominio
de aplicacin ser uno del sector Financiero, se-
gn se ha indicado a lo largo del estudio, siendo el objetivo de

este trabajo, la estructuracin de las actividades a desarrollar
para conseguir
dicho Sistema Experto, no el desarrollo del Sis-
tema Experto en s.
Antecedentes:
Hay en la
nazcan,
actualidad muy pocos Sistemas Expertos, que se co-
trabajando en el sector
Financiero, estando la mayora
en -fase de experimentacin.
Los beneficios potenciales que
un Sistema Experto financiero
puede proporcionar son los siguientes:
- Cuando el
las reglas
Sistema acta sobre una base de datos existente,
pueden ser
aplicadas para
identificar
potenciales
amenazas que pueden derivarse de los clientes deudores actuales.
220
- Una combinacin de expertos humanos con un buen Sistema Experto puede conducir a un mejor proceso de toma de decisiones.
- Un
buen sistema puede ayudar a reducir procesos burocrti-
cos dentro del
banco e incrementar el
control de gestin sobre
la Organizacin.
- El uso
conjunto de heursticas y anlisis de crditos pue-
den conseguir mejores resultados que los segundos solos.
- El
tiempo gastado por los expertos en problemas terminales
puede ser reducido. Ya hemos visto que los expertos son escasos.
- El servicio a los clientes puede ser mejorado reduciendo el

ciclo de demanda/respuesta, de-finiendo
sin de prstamos de
los criterios
de conce-
acuerdo a los riesgos, no a las cantidades
solic i tadas.
An las
crticas ms severas a
la comunidad -financiera
aplicacin comercial
esta tecnologa, admiten que
es una de las
ms prometedoras para la
de los Sistemas Expertos.
causa
de la
gran cantidad de dinero manejado en este entorno y sus negocios,

una mejora,
aunque sea reducida, en
los
procesos
de decisin
puede tener un efecto muy positivo sobre estos sistemas.
Las actividades que puede desarrollar un experto generalmente

se clasifican en las siguientes clases:
221
- Interpretacin.
- Diagnstico.
- Supervisin.
- Prediccin.
- Plani ficac ion.
- Diseo.
- Procedimientos.
- Selecc i n.
- Toma de Decisiones.
Las
caractersticas deseables de los
problemas para ser re-
sueltos por Sistemas Expertos, segn se vio, son:
- reas
concretas de especi al izacin sin
que se utilice una
gran cantidad de sentido comn en ellos.
- Tareas que no sean
ni muy -fciles ni muy difciles para el
experto humano.
- Tareas que pueden ser definidas claramente.
El conocimiento bsico est
disponible en algn documento
escr i to.
Las reas de aplicacin
exigen una actualizacin continua
de las reglas lgicas.
- Los sistemas pueden ser desarrollados modulrmente.
222
- La solucin exige una bsqueda en espacios grandes y/o complejos.
- Necesidad
de conocimiento amplio y especfico sobre el do-
minio.
- Utilizacin
de la heurstica para
la bsqueda de solucio-
nes.
- El usuario
podr mantener y mejorar la base de conocimien-
to.
- Hay
una clara incentivacin para
el usuario para utilizar
el sistema.
- Es posible un compromiso con los expertos para su uso y mejora.
En cuanto a la clasificacin de los Sistemas Expertos por sus

aplicaciones en
el sector Financiero vamos
utilizar
la si-
guiente:
- Opacos o consultores.
Los primeros
correctos pero
son aquellos
Sistemas que
que no reflejan los
expertos en ese momento.
mtodos
son matemticamente
utilizados por los
223
Los
segundos representan con precisin y explican el razona-
miento de los expertos.
- Utilizacin de encadenamiento hacia adelante o hacia atrs.
Los procesos desarrollados por los expertos financieros, utilizan una combinacin de ambos.
Normalmente
el experto unicia el proceso de razonamiento ha-
cia adelante a partir
de una situacin dada,
con la cual trata
de identificarse hasta que ha determinado un conjunto de parmetros que permitan la

inicia proceso
aquellos
evaluacin del problema y
de encadenamiento hacia atrs
a partir de ah
para
ver cual de
parmetros satisfacen mejor sus criterios acsrca
de la
si tuac ion.
Un tercer tipo es aquel

rectamente a la
en el que el
Sistema se orienta di-
consecucin de un objetivo,
bien lo intenta
via una serie de subobjetivos que llevan a la solucin final.
Por
ltimo habra que considerar cuando la solucin se consi-
gue mediante un
temas
Sistema Experto pero o bien stos utilizan sis-
auxiliares tradicionales,
estando integrados
dentro
de
Sistemas ms amplios.
Todo ello nos

Expertos
lleva a un modelo de clasificacin de Sistemas
para el Sector Financiero,
criterios que es el siguiente:
basndose en los anterioes
224
MARKETING
T i p o de Si s
tema E x p e r t o
Carctersticas
de los p r o b l e m a s
Cl asi -ficacin
del S i s t e m a
Interpretacin
Plan i -f i cae i n
Selecc i n
Toma de d e c i -
Muy apropiados
para los Sistemas Expertos.
Cnsultores
Encadenamiento
hacia adelante
Via sub-objeti vos
Sistemas puros
Plan i f icac i n
Diseo
Selecc i n
Toma de decisiones
Menos apropiado
para Si stemas
Expertos
Opacos y cnsul tores

Encadenamiento
hacia atrs
Directos
Mi xtos.
Predice i n
Plan i -f icac i n
Selecc i n
Toma de decisiones
Apropiados para
Sistemas Expertos.
Cnsultores
Encadenamiento
hacia atrs.
Va sub-objetivos. Sistemas
mi xtos.
Interpretacin
Plan i iicac i n
Proced i mi entos
Selecc i n
Toma de decisiones
Muy apropiados
para Sistemas
Expertos
Cnsultores
Hacia adelante
y atrs
Via sub-objetivo5. Sistemas
puros.
Interpretacin
Proced i mi entos
Selecc i n
Toma de decisiones
Muy apropiados
para Sistemas
Expertos.
Cnsultores
Encadenamiento
hacia adelante
Directo
Sistema mixto
siones
Diseo de
Productos
Asesoramiento y
Venta de
Productos
y Servicio
Finanzas
Riesgos
Teniendo en cuenta
aplicacin de
todo lo anterior vamos
proceder
a la
la Metodologa para la construccin de un Sistema
225
Fase I! Determinacin de necesidades, valoracin del Proyecto

y capacidades a obtener:
Etapa 1.: Seleccin de la aplicacin sobre la que se va a desarrollar el Sistema Experto dentro de un dominio dado.
Ya se coment que el
dominio va a ser el Sector Financiero y
dentro de las distintas reas que se han sealado con anterioridad, se va a centrar el problema en el rea de Riesgos.
El rea de Riesgos
las Instituciones
es por su naturaleza,
Financieras. La
un rea vital para
colocacin de
los depsitos
que han recibido tanto del sector privado como del sector pblico,
requieren unos mecanismos para
su concesin, criterios que
los rigen, seguimiento de la cartera de prstamos a corto y largo plazo, as
como mejorar
los criterios
de concesin y reduc-
cin del riesgo a travs del historial de prstamos vencidos.
No todos
rsticas ni
requiere
los prstamos y crditos tienen las mismas caractevan destinados a los
mismos
consumidores, lo cual
desarrollos en los Sistemas Expertos distintos y aten-
diendo a variables y reglas muy distintas.
A grandes rasgos, podemos clasificar
los prstamos y crditos
en los siguientes grupos:
- Financiacin -familiar:
Son aquellos que
se dedican a la
-financiacin
de bienes de
226
gastos de carcter
consumo o
unos lmites y
-familiar
o profesional , dentro de
condiciones que pueden variar
en -funcin de las
condiciones del mercado.
Aqu se
pueden incluir las concesiones de tarjetas de crdi-
to, as como los prstamos al consumo en el comercio.
Se caracterizan
por lo que
su gran nmero
su concesin y seguimiento resultan costosos. El vo-
lumen total
de
por sus pequeas cuantas
sin embargo es importante en cuanta. Los criterios
concesin son dependientes de la -finalidad y caractersticas
del peticionario.
- Financiacin de vivienda:
Tienen por objetivo -facilitar la adquisicin de vivienda tanto a travs de
que
la compra directa o como financiando al promotor
las construye el cual posteriormente subroga dicho prstamo
al comprador.
Estos
prstamos se conceden bajo la garanta hipotecaria del
inmueble adquirido,
de cobro
por lo cual son
prstamos con una garanta
bastante elevada, -fijndose los criterios para la con-
cesin bsicamente atendiendo al valor de la finca, situacin de

ingresos y endeudamiento del comprador.
Aunque estos prstamos son numerosos en cuanta y volumen, su

riesgo es reducido y muy controlado, por lo que no constituye un
conjunto sobre
el cual los Sistemas
Expertos
aportan un valor
227
substancial en cuanto
a su concesin, s
en cambio podran ser
interesantes en cuanto a asesorar al cliente respecto a las concesiones y preparar planes "ad hoc" segn sus posibilidades.
~ Financiacin
Empresas;
Distinguiremos dos segmentos a los que ir destinada esta financiacin: La gran empresa y la pequea y mediana empresa.
El primero
de ellos corresponde a
prstamos
crditos en
cuanta unitaria elevada y pocos en nmero. Generalmente su control no es difcil y

seguir a travs
muy controlado
la evolucin de estas empresas es -fcil de
de gestores de esas
y aportando en este
cuentas, estando su riesgo

caso
los Sistemas Expertos
una ayuda reducida, y en todo caso su tratamiento estara englobado en
el segmento siguiente con
algunas
justificara su desarrollo exclusivamente
modificaciones y no
este grupo
de clien-
tes.
La pequea y mediana empresa en cambio presenta unas caractersticas muy distintas, haciendo que la valoracin del riesgo en
las mismas
requiera un proceso de
ms dificultoso
anlisis complejo, quizs el
de los que afronta el departamento de inversio-
nes de las instituciones financieras.
Es
ms complicado que
iguales entre
valorar
s y con pocos
personas,
conceptos
que
econmicos
resultan muy
(ingresos y
patrimonio) ralativamente fciles de establecer.
Tambin son
ms difciles de valorar
que las grandes ernpre-
228
sas, pues disponen de peores datos contables y resultan ms desconocidas para los analistas.
Este proceso de valoracin
considera como aspectos -fundamen-
tales:
- La "calidad"
de la empresa, establecida
en
-funcin de su
equipo directivo, productos, clientes, proveedores, etc.
- Los estados financieros, analizados en s mismo y en comparacin con el sector.
- Evolucin de
la vinculacin del cliente con el banco, como
indicador adicional del riesgo que representa.
pel,
Dtros factores como garanta,
patrimonio, calidad del pa-
capacidad de amortizacin, etc., habituales en las valora-
ciones bancarias del riesgo.
Todo ello resulta en un
proceso algo largo y que no es fcil
de llevar con rigor cuando el nmero de solicitudes de financiacin a tramitar es
elevado y/o se pretende que decida un nmero
grande de personas, generalmente los jefes de oficina.
Por otra
'parte, se requiere efectuar
comparaciones
numricas que alargan el
clculos
de
ratios y
proceso, son fuentes de
errores y dificultan aun ms la valoracin.
229
- Financiacin de Comercio Exterior:
Este tipo de operaciones conlleva unas caractersticas por su
naturaleza muy distintas a las analizadas, incorporndose -factores de valoracin de la situacin de los distintos pases destino
de las exportaciones, la
normas
situacin
aplicables a cada pas,
el Ministerio de
del
suministrador, las
las restricciones impuestas por
Economa y Banco de Espaa, todo ello sometido
a cambios muy -frecuentes en su normativa.
Hoy
normalmente el tratamiento de
est centralizado y
este
tipo de operaciones
encomendado a un grupo de expertos, pero es
una de las reas que mayor evolucin va a su-frir en los prximos

aos, y que se
necesaria
convertir en uno de los ms importantes, siendo
la descentralizacin de dicha
muy superior al
existente, por lo que
operativa
tambin
en un grado
se convierte en
una aplicacin importante para los Sistemas Expertos.
Todo lo anterior nos
permite identificar cuatro aplicaciones
bsicas de los Sistemas
Expertos en el rea de Control de Ries-
gos, y con caractersticas muy distintas.
- Sistema
Experto para la concesin de prstamos para -finan-
ciacin -familiar.
- Sistema Experto
para la concesin de prstamos para la -fi-
nanciacin de empresas.
- Sistema
Experto para asesoramiento a
la -financiacin de viviendas.
clientes en cuanto a
230
- Sistema
Experto para la concesin de prstamos para opera-
ciones de Comercio Exterior.
Esta primera
aproximacin se refiere a los mecanismos de va-
loracin del riesgo
para la concesin de los prstamos. Sin em-
bargo las condiciones tanto generales como particulares bajo las

que ser
concedieron los prstamos, no
son constantes, sino que
pueden estar sometidas a variaciones.
El seguimiento
tes
hoy de estas operaciones cuando son de impor-
medianos o pequeos, son prcticamente imposibles de reali-
zar, y pueden ser
especialmente importante en el caso de la Pe-
quea y Mediana Empresa.
La
evaluacin peridica de la
la valoracin de
cartera de Prstamos mediante
las variaciones que se
las condiciones iniciales
han ido produciendo en
de concesin del titular
o de la em-
presa o del sector al que sta pertenece, pueden ayudar a evitar

situaciones imprevistas.
Todo
lo anterior, con-figura un
quinto
Sistema
Experto que
permitir la evaluacin de la cartera en cuanto al riesgo, activando los indicadores

nismos
del
de alerta que pongan
comerciales y jurdicos que
en marcha los meca-
permitan reducir el impacto
posible impagado o anticiparse a esta situacin, asesorando
a la Empresa para evitar esta circunstancia.
231
Por ltimo es necesario mantener actualizada la base de conocimiento del sistema, introduciendo cambio en las reglas que rigen el
sistema en -funcin de nuevos parmetros, informaciones o
nueva reglamentacin
cual se puede
ayudase
que se
producen permanentemente,
disear un Sistema Experto
a la interpretacin de
permitiese
las
para lo
de nivel superior que
distintas
informaciones y
la actualizacin dinmica de los Sistemas Expertos o
"operativos", lo cual nos llevara a establecer un sexto Sistema

Experto para la interpretacin y evaluacin de hechos econmicos
tanto a partir
de informacin histrica de los prstamos y cr-
ditos concedidos como
a partir de la
informacin que se genera
da a da.
El problema
de seleccin del primer
rrollar se tratar
estudio, es
Sistema Experto a desa-
de acuerdo con los criterios expuestos en el
decir que sea posible, justificado y apropiado para
el problema a resolver.
Atendiendo a
problema
la existencia de expertos,
ms frecuentemente resuelto con
expuestos, es el
es
evidente que el
relacin
a los temas
de la concesin de prstamos para la financia-
cin familiar. La existencia de expertos pues, en este rea est

garantizada, siendo evidentemente decreciente
pertos disponibles en
el nmero
de ex-
una entidad financiera en cada uno de los
siguientes tipos de Sistemas Expertos esbozados.
En cuanto a las soluciones aportadas por los expertos, el volumen

las han
de operaciones tratadas, as
ido configurando con una
como la normativa existente

cierta
homogeneidad,
que va
232
disminuyendo del primer tipo de Sistema especificado al ltimo.
Los
mtodos utilizados normalmente estn basados en la valo-
racin por puntos de las distintas variables, por lo cual existe

una documentacin escrita al respecto. Estos mtodos sin embargo
simplifican enormente
posibles
la problemtica y no tienen en cuenta las
relaciones entre las variables utilizadas y no permite
seguir el razonamiento seguido en la concesin del prstamo.
Por consiguiente estaramos ante un caso en el cual el Sistema Experto -final diferir de los procedimientos actuales, ya que
stos se
habrn enriquecido con heursticas y mtodos de Inves-
tigacin Operativa que mejoraran
las decisiones que se toman.
Anlogamente los mtodos estn ms formalizados para los problemas del primer tipo, y menos para los del ltimo tipo.
Evidentemente las
siendo muy
superior
tareas
requieren
la necesaria para
habilidad cognoscitiva,
el
Sistema
Experto que
gestiona y controla el entorno, que para los restantes.
La tarea no es muy difcil para el caso de los Sistema Expertos para
la concesin de prstamos
con finalidad familiar, in-
crementndose en cambio en los otros casos.
Todas las tareas a las que se aplicara estos posibles Sistemas Expertos estn estructurados
bles en especial
y son perfectamente comprensi-
las relativas a las concesiones de prstamos.
233
En general, ninguna de ellas requiere ms "sentido comn" del

necesario para realizar tareas administrari vas.
De todo
lo anterior podemos deducir que los sistemas sugeri-
dos son posibles
de desarrollar, en especial
el
relativo a la
concesin de prstamos con -finalidad -familiar.
El desarrollo est justi-ficado en cada caso por distintas razones, as para la concesin de prstamos con -finalidad -familiar
su just i-f icac i n procede
de la
reduccin de costos en su conce-
sin en cuanto a la eliminacin de procesos administrativos, as

como por la
reduccin del riesgo contrado al poder controlar y
aplicar criterios ms uniformes en la concesin.
En los casos de
concesin de prstamos para las PYME su jus-
tificacin procede de
la escasez mayor de expertos humanos y la
necesidad de llevar la experiencia a distintos lugares. Lo mismo

puede sealarse en los otros casos, pero con distintos matices.
El desarrollo
es adecuado para resolver
los problemas que se
plantean, ya que por su naturaleza, existen unas soluciones heursticas
que no
se aplican de una
manera
uniforme,
al mismo
tiempo que los objetos que se manejan, son simblicos, refirindose
a calidades ms que
valores cuantitativamente expresa-
bles.
En cuanto a
la complejidad de las
tareas resueltas ya hemos
visto que tienen una complejidad relativa en el primer caso, in-
234
crementndose en los restantes.
Las tareas sealadas

gn
son de tamao manejable sin que en nin-
caso se presenten problemas
demasiado amplios o generales,
estando el alcance de las mismas per-f ectamente de-finido.
Todas las consideraciones anteriores

como posible,
nos llevan a considerar
justi-f icado y adecuado el
desarrollo de los dis-
tintos Sistemas esbozados, sin embargo para un primer desarrollo

sera ms
aconsejable iniciar el
prstamos
con -finalidad -familiar al estar mejor de-finido, exis-
tiendo una base

ms sencillo, al
relativo
ms amplia de experiencia
la
concesin de
ser de desarrollo
mismo tiempo que existir una base de usuarios
mplia.
A partir de ahora, la Metodologa, se aplicar a este caso en

particular.
Etapa 2: Determinacin de necesidades y plan de evolucin del

Sistema Experto:
Las actividades a desarrollar en esta etapa comprenden:
Mental izacin de los usuarios:
inicialmente a
jan los
cual podra realizarse
travs de reuniones con expertos, donde se reco-
principales problemas
actuales, y
Lo
derivados de
se les explique cmo
los procedimientos
estas nuevas tecnologas, con
su cooperacin pueden mejorar su trabajo.
235
Evidentemente ser ms -fcil la mental izacin a travs de e s ta aplicacin, donde
van a obtener una
mejora importante en la
calidad de su trabajo.
- Formacin de los Ingenieros del Conocimiento: Es uno de los

problemas importantes con
los que se va a encontrar el desarro-
llo del proyecto.
En este
nanciero,
caso particular la formacin relativa al entorno -fial ser una operativa generalmente conocida, no ofrece
grandes dificultades para que el Ingeniero del Conocimiento pueda dialogar con los expertos.
Las tcnicas psicolgicas para la extraccin del conocimiento

no plantean grandes dificultades. Una buena parte de la
informa-
cin, puede estar escrita, y a travs de tcnicas de entrevistas

convencionales, podra irse
adquiriendo el conocimiento comple-
mentario sobre el proyecto.
En cuanto a tcnicas estadsticas y de Investigacin Operativa a utilizar el Ingeniero del Conocimiento, debera estar familiarizado con tcnicas no paramtricas de las llamadas de particin recursiva
para clasificar variables as
como el manejo de
rboles de decisin.
Posiblemente la formacin en
sentacin del
las nuevas
conocimiento, utilizacin
programacin, utilizacin de "hardware"
tecnologas: Repre-
de nuevos
entornos de
especfico, etc. le po-
236
dr ocupar una
parte importante del tiempo dedicado a su -forma-
cin.
Sin embargo con-forme vaya

los problemas
a resolver se ir
-formacin, teniendo especial

cas que
incrementndose la
complejidad de
invirtiendo las necesidades de
relevancia las tcnicas psicolgi-
permitan la extraccin del conocimiento de los expertos
y su consistencia.
- Ubicacin del Sistema Experto:

En este caso el Sistema
sera de uso general,
por lo que se
encontrara ubicado en todas las o-ficinas, estando a la disposicin del personal
responsable de riesgos en
Posiblemente en etapas posteriores

de
usuario adecuada, podra ser
cada una de ellas.
y desarrollando
utilizado
la inter-faz
directamente por el
propio peticionario del prstamo.
- Determinacin de recursos humanos y plazos de

desarrollo.
Dadas
las caractersticas ya analizadas del proyecto a desa-
rrollar, el Sistema lo podemos clasificar como de di-ficultad moderada.
Por consiguiente,
el nmero de personas
ser:
1 Experto
1 Ingeniero de Conocimiento
a participar en l,
237
1 Programador o Ingeniero jnior
La duracin
para llegar a disponer
cin podr ser de 8 meses,
del prototipo de produc-
lo cual supondra en base a unas de-
d icac iones:
Experto
757. de su tiempo
6 meses
Ingeniero del Conocimiento
757. de su tiempo
6 meses
1007. de su tiempo
8 meses
Programador o Ing. jnior

En total
el desarrollo para alcanzar
requerir 20 meses/hombre, lgicamente
el
prototipo de campo
sin incluir la -formacin
del equipo.
- Plan de evaluacin:
Como ya se
coment, es uno de
los aspectos fundamentales en
la definicin de dicho plan.
Esta evaluacin
-funcin de Riesgos
debera ir dirigida a los responsables de la

de la entidad -financiera,
tendrn que decidir si
que
son
los que
el nivel de riesgo alcanzado con la uti-
lizacin del prototipo es suficiente para su uso generalizado.
Los niveles de riesgo aceptables deben ser especificados claramente y en
ningn caso sern superiores
ese momento,
debiendo quedar
los existentes en
claramente definido
el estndar,
que debe ser realista.
El Ingeniero del Conocimiento debe definir el tipo de pruebas

que
se realizarn para evaluar el sistema, siendo responsabili-
dad del experto la seleccin
de los mismos en
base a los ca
contemplados en el desarrollo del sistema.
- Balance econmico del Sistema Experto:
Distinguiremos dos aspectos del presupuesto:
a)
Desarrollo del proyecto hasta
alcanzar
el
prototipo
produce i n.
b) Integracin
del prototipo de produccin
en el entorno
produccin, necesario en cada caso.
a) 1* Fase.
Las inversiones en:
- "Hardware"
Mquina para desarrollo del
Sistema Experto
(2-3 estaciones)
5.D00.D00,- pts.
- "So-ftware"
Entorno de programacin para
desarrollo del sistema tipo
KEE, ART
Personal
Costos de las personas
involucradas
en el desarrollo, teniendo en cuenta

su per-fil, podramos establecer
7.DDO.000,- pts.
239
5.000.000 ao/hombre.
Como la duracin estimada es de
20 meses/hombre, el costo resultante
es de
8.750.000,- pts.
Si consideramos que el "hardware" y "software" adquiridos deben
utilizarse para
Expertos y que
desarrollar posteriormente
otros Sistemas
los plazos medios de amortizacin de dicho mate-
rial, se pueden establecer en 40 meses, se aplicara a este proyecto un coste de 1/5
del total en cuanto a "hardware" y "soft-
ware", lo cual sera 4.200.000,- ptas.
Es decir el costo
por este concepto ms los gastos de perso-
nal seran 15 mil Iones de pesetas.
- Costos -funcionamiento:
Comprendern
sumibles,
la parte correspondiente
usos de material
a los materiales, con-
informtico, y podemos evaluarlos en
un 157., lo cual significara unos 2 mi 1 Iones de pesetas.
El costo total estimado de esta primera fase, podra pues estimarse en unos 15 mil Iones de pesetas.
23 Fase
Los costos de la 2i
fase dependern en cada caso de la arqui-
tectura informtica de la Institucin Financiera.
240
Las partidas principales a considerar seran:

- "Software" de integracin del Sistema Experto.
- "Software" para la explotacin del Sistema Experto en
un entorno distinto del de desarrollo.
- "Hardware" para explotacin del Sistema Experto, normalmente a partir de una configuracin de un PC-XT, con
640 Kbytes y 10 megabytes en disco duro.
- Costos de lneas de comunicacin.
- Mantenimiento del "software" de aplicacin.
- Costos de funcionamiento.
Es muy
difcil evaluar estas partidas
dada la situacin ac-
tual de la explotacin en produccin de Sistemas Expertos.
Etapa 5: Aceptacin por la Direccin y usuarios del

Sistema Experto.
241
Fase 11: Diseo de la Ingeniera del Conocimiento y Construccin del Prototipo.
Etapa 1; Adquisicin del conocimiento por el Ingeniero

del Conocimiento.
En el problema que estamos considerando, gran parte del conocimiento
se encuentra escrito en
concede crditos en base
normativa
metodologa que
a la evaluacin de una serie de varia-
bles a las que se les asignan puntos.
Las variables que son consideradas en esta metodologa son:
- Nombre del cliente

- DNI del cliente
- Antigedad del cliente
- Saldo medio de sus cuentas
- Saldo actual
- Deudas con la entidad
- Pro-fesin
- Destino del prstamo
- Tipo de bienes que posee
- Edad
- Clase de cuentas que mantiene
- Antigedad como cliente
- Relacin de saldos de las distintas cuentas
- Relacin de deudas-cuanta
- Cump1imentacin del pago de otros prstamos
242
La
forma en que estas
expresa en -forma
variables
estn interrelacionadas se
de reglas, que asignan valores a la cumpl inven-
tacin de cada una de ellas.
La tcnica utilizada para extraer el conocimiento del experto

ha sido la entrevista, lo cual ha servido para detectar que esta
metodologa
es incompleta y es
necesario
determinar un modelo
estadstico que permita ajustar mejor la relacin entre las distintas variables.
Por ejemplo,
tmese una extensin del uso de Sistemas Exper-
tos en su aplicacin a prstamos personales o pequeos prstamos

como pueden ser
momento, para
los concedidos a tarjetas

evaluar
las
solicitudes se
mtodos estadsticos del tipo

mtodos
de crdito. Hasta el
utilizan normalmente
de anlisis
asignan puntos a cada
discriminante. Estos
caracterstica del solicitante o
bien evalan una -funcin lineal de estas caractersticas. Si stas tienen ms de

lineal
un determinado nmero de
sobrepasa un valor determinado,
puntos o la -funcin
entonces
el crdito es
aprobado; sino, es rechazado.
El
uso de esta metodologa,
tiene
varias desventajas: (EI-
SE77) las -funciones lineales que evalan el mrito de la solicitud
suponen que las caractersticas
de
los solicitantes, como
sueldo, antigedad en el trabajo, tipo de residencia, etc., pueden tomar cualquier

con una distribucin
valor, y que adems se comportan de acuerdo

normal, lo cual no
sucede en la realidad.
243
Adems, muchas caractersticas
si o no, como sera
supuesto, la
cin,
importantes tienen
"vive en casa propia". Al no cumplirse este
metodologa no hace uso
y las pruebas estadsticas
solicitud
slo valores
eficiente
de la informa-
que determinan porcentajes de
correctamente asignadas y el
valor
esperado
de las
prdidas por errores de clasificacin no puede evaluarse correctamente.
Ad ic ionalmente, utilizando -funciones

cisarse cuales son las
lineales, no puede pre-
razones por las que un crdito pueda ser
rechazado. Por ltimo, una vez desarrollado este tipo de modelo,

es muy
di-fcil hacer modificaciones por cambios en la poblacin
de solicitudes
sin tener que
desarrollar
el
modelo
desde el
principio.
Como respuesta a este tipo de problemas se puede tomar un enfoque distinto de solucin.
Este enfoque no
puestos de
debe ser paramtrico para no depender de su-
normalidad, debe estar formulado en trminos de mar-
cos de referencia
y reglas bien definidas y debe ser fcilmente
ap1icable.
Un camino a
seguir es utilizar una combinacin de rboles de
clasificacin para determinar
(junto con algunas consideraciones
de marketing y crditos) el conjunto de reglas para otorgar crditos y un Sistema
Experto para evaluar cada una de las solici-
tudes que se presenten.
244
Para desarrollar
solicitudes
bsica:
macin
un Sistema Experto que
de crditos, se utilizan
evalu este tipo de
dos
tipos de informacin
primero, informacin personal, que se compone de infordemogrfica
(tiempo de residencia
en un domicilio, tipo
de trabajo, antigedad, etc.) e informacin financiera, y segundo informacin sobre la historia de crditos del solicitante.
Esta informacin
se compara con la
definicin
que el Banco
tiene realizada del "buen cliente".
La
mejor forma de representar
marcos en la
base de conocimiento del Sistema Experto. Como ob-
tener informacin
costosa, dado
existe en
sobre la historia de
que se tiene que
la solicitud, ni en
cionales, el
este conocimiento es mediante
crditos del cliente es
investigar
informacin
que no
los sistemas informticos tradi-
Sistema Experto se puede
disear para resolver el
problema en dos etapas.
Primero,
encontrar aquellas
solicitudes que
muestran
alta
probabilidad de ser aprobadas utilizando informacin demogrfica

y financiera
contenida en la solicitud,
despus
evaluar la
historia de crditos solamente de estas solicitudes.
Al poner
en marcha el modelo, es importante evaluar constan-
temente que el Sistema Experto se comporte como se supuso al momento de disearlo.
Usando un rbol de decisin, es posible ob-
servar constantemente el Sistema e ir modificando algunas reglas

de
decisin conforme sea necesario.
Normalmente las reglas que
245
corresponden a las ramas terminales del rbol son -fciles de modificar sin que afecte a todo el modelo.
La tcnica estadstica que se ajusta mejor a la resolucin de

este problema es la regresin por particin recursiva que se indica a continuacin:
La regresin por particin recursiva, a veces llamada rboles

de clasificacin
ramtrica
junto de
y regresin, es una tcnica estadstica no pa-
que permite establecer reglas para clasificar un conobservaciones en una serie de categoras. El resultado
de esta tcnica es un conjunto

lor de A
de reglas de la forma: si el va-
es menor que X y el valor de
B es mayor que Y
y C es
menor que... etc.
La manera de obtener este conjunto de reglas es partiendo recursivamente el
espacio de las observaciones
vez, de forma que la
en dos parte cada
separacin coloque en cada una de las par-
tes observaciones que sean lo ms parecidas posibles entre s.
Para lograr esto se

mera variable y
ordena la muestra de acuerdo con la pri-
se coloca la primera
observacin
del lado iz-
quierdo y las n-1 restantes del lado derecho, y se evala la impureza de la
divisin con una medida
de dispersin -como puede
ser la varianza- de cada lado. Luego se colocan las primeras dos

observaciones del
lado izquierdo y las
restantes
n-2 del lado
derecho, y se evala la impureza. Se contina hasta que se coloquen n-1 observaciones

cho. La particin
del lado izquierdo y
una del lado dere-
ptima de acuerdo con la primera variable co-
246
rresponde a aquella que minimice la medida de impureza.
Una vez terminado
el proceso con la primera variable, se or-
dena la muestra de acuerdo con la segunda variable, y se obtiene

la particin ptima
de acuerdo con sta.
El
proceso se repite
hasta haber evaluado todas las variables. La particicin

ser de acuerdo la variable que tenga la
ptima
menor medida de impure-
za.
Una vez encontrada

divide la muestra
la variable y el
punto
en dos partes. Entonces
de particin, se
cada parte se evala
recursi vamente como si -fuera la muestra total.
En cada paso
se evala la "ganancia" obtenida por dividir la
muestra como la
dividir y la
di-ferencia entre la impureza
medida de impureza de
de la muestra sin
la muestra obtenida despus
de hacer la divisin.
Este proceso
observaciones
se repite recursivamente hasta que el nmero de

en las submuestras sea
que se obtiene al
muy reducido; la ganancia
dividir la muestra una
vez ms es insignifi-
cante o la medida de impureza es muy pequea.
Una vez construido el rbol, una serie de observaciones van a

"caer" en cada uno de los nodos terminales.
Para clsi-ficar estas observaciones se calculan las probabilidades (bayesianas)
de que una observacin pertenezca a cada una
247
de las categoras, dado que "cay" en el nodo terminal mencionado. El conjunto de observaciones que cay en cada nodo se clasifica en la categora que corresponde a la mxima probabilidad.
Generalmente,
el conjunto de reglas
obtienen utilizando
particin
el rbol obtenido al
son muy ineficientes. Para
vez obtenido el rbol,

dacin
de clasificacin que se
final
de
proceso de
evitar este problema, una
se utiliza una muestra de prueba o vali-
cruzada para optimizar la capacidad de clasificacin del
rbol.
Para lograr esto

(que puede ser
se mide la tasa
de clasificacin del rbol
un simple porcentaje). Luego
evitando la participacin
de la cual se
el rbol se reduce
obtuvo la menor ganan-
cia, y se evala de nuevo la tasa de clasificacin. Se repite el

proceso hasta que el
pondiente
rbol tenga slo un
al conjunto total de
nodo (el nodo corres-
observaciones). El rbol
ptimo
es aquel que tiene l nmero de nodos que clasifica correctamente el mayor nmero de observaciones de la muestra de prueba.
Utilizando este
ptesis acerca
mtodo se pueden adems hacer pruebas de hi-
de la habilidad del
rrectamente. Se pueden encontrar
sistema para clasificar co-
igualmente los costos esperados
por mala clasificacin, por ejemplo, en el contexto de solicitudes de crdito,
los costos esperados del
riesgo de aceptar una
mala solicitud o rechazar una buena.
Otra buena caracterstica de
este mtodo es el que si la po-
blacin cambia es posible modificar el Sistema Experto cambiando
248
slo algunos nodos del rbol, sin tener que evaluar el modelo de
nuevo.
Etapa 2; Representacin del Conocimiento.
En una primera aproximacin la representacin del conocimiento que mejor se ajusta a las reglas.
Los
distintos conjuntos reglas que
se
han identificado son
los siguientes:
- Concesin del crdito
(razonamiento)
- Antigedad como cliente

- Clases de cuentas
- Destino del crdito
- Edad del cliente
- Pro-fesin del cliente
- Cuanta de saldo actuales
- Relacin deudas/saldo medio
- Relacin de saldos
- Tipo de bienes
- Cumplimiento en el pago de prstamos.
Aunque
la representacin de conocimiento que se ha seleccio-
nado es la regla,
sin embargo se puede pensar que la estructura
de marcos puede ser muy apropiada para resolver este problema.
Los marcos representan
el modelo de condiciones a las que se
24?
debera ajustar el peticionario del prstamo y mediante una base
de
metarreglas, se analizarn
las
posibles desviaciones en las
distintas variables que hemos considerado.
Etapa 5: Desarrollo del prototipo.
El "so-ftware"
prototipo es el
que vamos a utilizar

LOOPS, y se construir
para la construccin del

sobre una mquina XEROX
1108.
El objetivo que se persigue con la construccin del prototipo

es la ver i-f icac i n de
resultados que
que es posible alcanzar con el mismo, los
hoy obtiene el experto
con
la
metodologa que
ap1 ica.
Esta prueba, nos permitir posteriormente pasar del prototipo

de demostracin al
prototipo de investigacin, y
de
ah al de
produce i n.
El
prototipo elaborado se especifica a continuacin, ha per-
mitido obtener
unos resultado anlogos a
los
obtenidos por el
experto actualmente en casos muy simples.
El proceso de re-fino del prototipo, incluyendo los modelos de

ajuste de variables, permitir la mejora del mismo.
DEFCLASS Persona
<InstanceVariables
(Nombre NIL)
(NI O)
(Cuanta 0)
(ClienteAntiguo NIL)
(SaldoMedio O)
(SaldoActual O)
(Debito 0)
(Pro-fesin NIL Puntos 0)
(DestinoPrestamo NIL Puntos D)
(TipoBienes NIL Puntos 0)
(Edad D Puntos D)
(ClaseCuentas NIL Puntos D)
(AntiguedadCliente 0 Puntos 0)
(RelacinSaldos 0 Puntos 0)
(RelacinCuantaSaldo 0 Puntos 0)
(RelacinDebitoCuanta 0 Puntos 0)
(Cump1imientoPrestamos NIL Puntos 0)
(PuntuacinFinal 0)
(Concesin NIL)))
RuleSet Persona.Coneesi nCrd i to
THEN .Inicio;
THEN (PRINTOUT T "Nombre y Apellidos ==>") Nombre (READ);
THEN (PRINTOUT T "DNI = =>") DNI (READ);
THEN (PRINTOUT T "Edad ==>") Edad (READ);
THEN (PRINTOUT T "Cuanta solicitada ==>") Cuanta (READ);
THEN ClienteAntiguo .Antigedad;
THEN Pro-fesin . LeePro-fesi n . PuntosPro-f esi n ;
THEN DestinoPrstamo .LeeDestino .PuntosDestino;
THEN TipoBienes .LeeTipoBienes .PuntosTipoBienes;
THEN .PuntosEdad;
THEN ClaseCuentas .LeeClaseCuentas .PuntosClaseCuentas;
IF ClienteAntoiguo THEN (PRINTOUT T "Nmero de aos como
cliente ==>") AntiguedadClientee (READ)
.PuntosAntiguedadCli ente;
IF Cl ienteAntiguo THEN Re ac i nSal dos (FOUDTIENT Saldotiedio
SaldoActual);
THEN .PuntosRelacinSaldos;
IF ClienteAntiguo THEN ReacinCuantaSaldo (FOUOTIENT
Cuanta Saldohedio);
THEN .PuntosRelacinCuantaSaldo;
IF ClienteAntiguo THEN ReacinDbitoCuanta (FOUDTIENT
Dbito Cuanta);
THEN .PuntosRelacinDbitoCuantia;
THEN .PuntosCumplimientoPrestamos;
THEN (PRINTOUT T "PUNTUACIN OBTENIDA : " PuntuacinFinal T ) ;
IF PuntuacinFinal > 30 THEN Concesin T
(PRINTOUT T "Le ha sido concedido el crdito");
IF (NOT Concesin) THEN (PRINTOUT T "No le ha sido concedido
el crdito");
THEN (during 10000 d o ) ;
THEN .Final;
RuleSet Persona.PuntosAntiguedadCli ente

IF AntiguedadCliente <= 1 THEN AntiguedadCli ente: ,Puntos
PuntuacinFinal PuntuacinFinal +
IF AntiguedadCliente <= 5 THEN AntiguedadCliente:,Puntos
IF AntiguedadCliente >= 6 Then AntiguedadCliente:,Puntos
1
1;
2
2;
3
3:
253
RulesSet
Persona.PuntosClaseCuentas
IF ClaseCuentas = "PlazoConOSinLibreta THEN ClaseCuentas:

,Puntos 4 PuntuacinFinal PuntuacinFinal + 4;
IF ClaseCuentas = "SoloLibreta THEN ClaseCuentas:,Puntos 2
PuntuacinFinal PuntuacinFinal + 2;
IF ClaseCuentas = "LibretaYCuentaCorriente THEN ClaseCuentas:
IF ClaseCuentas = "SoloCuentaCorriente THEN ClaseCuentas:
RuleSetPersona.PuntosDesti no
IF DestinoPrstamo = 'IndustriaComercio THEN DestinoPrstamo:
,Punto5 1 PuntuacinFinal PuntuacnFinal + 1;
IF DestinoP'restamo = "AdquisicinCoche THEN DestinoPrstamo:
,Puntos 2
IF DestinoPrstamo = 'AdquisicinVivienda THEN THEN Destino
Prstamo:,Puntos 3
IF DestinoPrstamo = 'ArregloVivienda THEN DestinoPrstamo:
,Puntos 4
IF DestinoPrstamo = 'AgricultorGanadera THEN Destino
Prstamo:,Puntos 5
IF DestinoPrstamo = ' Nobi 1 iarioHogar THEN DestinoPrstamo:
,Puntos 6 PuntuacinFinal + 6;
IF DestinoPrstamo = 'ConsumoVarios THEN DestinoPrstamo:
.Puntos 7 PuntuacinFinal PuntuacinFinal + 7;
RuleSerPersona.PuntosEdad
IF Edad <= 26 THEN Edad:,Puntos 1 PuntuacinFinal
PuntuacinFinal + 1;
PuntuacinFinal + 4;
PuntuacinFinal + 4;
PuntuacinFinal + 3;
IF Edad > 55 THEN Edad:,Puntos 1 PuntuacinFinal
PuntuacinFinal + 1;
RuleSetPersona. PuntosPro-fesin
IF Profesin = ' ObreroSinCualifi car Then Profesi n :, Puntos

IF Profesin = 'DbreroCualificado THEN Profesin:,Puntos 2
IF Profesin = 'ComercianteAmaDeCasa THEN Profesin:
IF Profesin = 'OficinistaFuncionarioMi1 itar THEN Profesin:
,Puntos 4 PuntuacinFinal PuntuacinFina1 + 4;
IF Profesin = ' TituladoUniversitario THEN Profesin:
.Puntos 5 PuntuacinFina 1 PuntuacinFinal + 6;
RuleSetPersona.PuntosRelaci nCuantaSaldo
IF (NOT ClienteAntiguo) THEN ReacinCuantaSaldo:,Puntos 1
PuntuacinFinal PuntuacinFinal + 1
IF RelacinCuantiaSaldo <= 4 THEN ReacinCuantaSaldo:
IF RelacinCuantiaSaldo <= 10 THEN RelacinCuantiaSaldo:
IF RelacinCuantaSaldo<= 50 THEN RelacinCuantiaSaldo:
IF RelacinCuentaSaldo > 50 THEN RelacinCuantiaSaldo:
RuleSetPersona.PuntosRelac i nDeb i toCuanta

IF RelacinDebitoCuanta = 0.0 THEIM Re ac i nDeb i toCuant a:
IF RelacinDebitoCuanta <= 0.25 THEN ReacinDebitoCuanta:
IF RelacinDebitoCuanta <= 0.5 THEN ReacinDebitoCuanta:
IF RelacinDebi toCuant a > 0.5 THEIM Re ac i nDeb i toCuant a :
,Punto5 1 PuntuacinFinal PuntuacinFinal + 1;
259
RuleSetPersona.PuntosRelacidnSaldos
IF (NOT ClienteAntiguo) THEN ReacinSaldos:,Puntos 1
IF RelacinSaldos <= 0.15 THEN ReacinSaldos:,Puntos 4
PuntuacinFinal PuntuacinFina1 +
IF RelacinSaldos <= 0.99 THEN ReacinSaIdos:,Puntos 3
IF RelacinSaldos > 1 THEN ReacinSaldos:,Puntos 2
1
4
3
2
RuleSetPersona.PuntosTipoBienes
IF TipoBienes = 'SinBienes THEN TipoBienes:,Puntos 1
IF TipoBienes = 'Inmuebles THEN TipoBienes:,Puntos 3
IF TipoBienes = 'Rsticas THEN TipoBienes:,Puntos 4
IF TipoBienes = ' IndustriaComercio THEN TipoBienes: ,Puntos
IF TipoBienes = 'ValoresConOSinOtrosBienes THEN TipoBienes:
IF TipoBienes = 'SoloVehiculosOVarios THEN TipoBienes:
.Puntos 2 PuntuacinFinal PuntuacinFinal + 2;
RuleSetPersona.PuntosCump1imientoPrstamos
IF Cump 1 imientoPr estamos = 'Per-fecto THEN
CumplimientoPrstamos:,Puntos
4
PuntuacinFinal
PuntuacinFinal + 4;
IF CumplimientoPrstamos = 'PequeosRetrasos THEN
Cump.l imientoPr estamos: , Puntos 2 Puntuac i nFinal
Puntuac i nFinal + 2;
IF CumplimientoPrestamos = 'GrandesRetrasos THEN
CumplimientoPrestamos:,Puntos 1 PuntuacinFinal
PuntuacinFinal + 1;
IF CumplimientoPrestamos = 'SinPrestamos THEN
Cump1imientoPrestamos:,Puntos 2 PuntuacinFina1
PuntuacinFinal + 2;
262
Las
-fases siguientes de elaboracin
del
Sistema Experto se
encuentran en -fase de desarrollo, a saber:
- Fase III. Construccin de la versin de produccin.
El prototipo de produccin nos permitir identificar
las fun-
ciones que debe incluir este Sistema Experto as como su alcance

definitivo.
La evaluacin de los
"cuantos" de conocimiento que
deber contener la base de conocimiento y forma definitiva, permitrn elaborar
el plan que decidir la configuracin final del
Sistema Experto.
Un aspecto importante a sealar en esta fase es el diseo ltimo de la interfase

trate el
de usuario. El disponer
de
un mdulo que
lenguaje natural, en especial, si este Sistema Experto
en el futuro va
utilizarlo tanto
prstamos a
a estar a disposicin
para hacer
de
clientes
simulaciones como
travs de un dispositivo
para
que podrn
solicitar
adecuado, se hace impres-
cindible.
Una funcin que tambin podra pensarse que estuviera incluida en el Sistema
final, sera la de
cual requerir a su
clusin
formacin
de expertos, lo
vez una interfaz diferente, as como la in-
en el Sistema Experto de funciones de retroalimentac in
de las bases de conocimiento para esta funcin.
263
- Fase IV. Comprobacin -final del sistema e integracin del

mismo en produccin.
Evidentemente, tal como se ha expuesto la definir la justificacin del sistema que nos ocupa, se plantea la difusin del conocimiento de los expertos en
toda la red de oficinas de la en-
tidad financiera. Esto requiere la integracin del sistema en el

entorno de produccin general de la misma.
El sistema que
especfico
se ha desarrollado se encuentra en un entorno
de programacin, sobre el
cual
evidentemente no se
puede explotar, con los requerimientos de un rendimiento definido. Surge
entonces el problema de la transportabi 1idad del sis-
tema construido, al
puntos que se
entorno de produccin. Este
uno de los
encuentran hoy en estudio, respecto a las facili-
dades que permitan que este

menor
es
paso sea lo ms simple, rpido y al
costo posible, y siempre
manteniendo
las facilidades de
modificacin de la base de conocimiento con nuevas normas o perfeccionamientos del conocimiento all almacenado.
En el caso que se estudia, el prototipo de demostracin desarrollado est codificado en
INTERLISP y ya se
indic que en su
desarrollo se realiz en un entorno LOOPS.
Evidentemente este entorno no

accesos
masivos y tiempos de
permitira la
respuestas
explotacin con
adecuados, ni tampoco
parece indicada una explotacin centralizada del mismo.
264
En el escenario sobre el cual se realizar su explotacin parece ms adecuado

avanzadas. En
el uso de un ordenador personal con -funciones
este entorno, el lenguaje
cuado ser la versin
de desarrollo ms ade-
de LISP, GOLDEN C0I1MDN
LISP, por lo cual
se realiz una prueba de transportabi 1idad del prototipo indicado de INTERLISP a COMMON LISP, en el laboratorio de Inteligencia
Artificial
mistas
de la U.P.Ii., siendo
respecto al futuro de
los resultado alcanzados opti-
la transportabi 1idad. Se acompaa
listado de esta prueba en este anexo.
El desarrollo de la interfase de usuario en este nuevo entorno, puede ser
evidentemente un problema, ya
programacin ofrece unas facilidades
que
el entorno de
estndar ms
difciles de
encontrar en los entornos habituales de mecanizacin de las oficinas bancarias.
El acceso
en la red
a las bases de
datos corporativas, la integracin
de comunicaciones y la
puesto son temas que
organizacin
y ergonoma del
tendrn que ser estudiados
en el futuro y
sern indispensables para el xito del sistema propuesto.
Evidentemente,
queda fuera del desarrollo
abordar estos puntos, alguno
de
de los cuales podra
esta Tesis el
a su vez ser
objeto de investigacin en futuras tesis y que podra significar

un paso importante
sector financiero.
para la asimilacin de esta tecnologa en el
CAIXA.LSP
(DEFVAR PERSONA)
(DEFVAR VENTANA (MAKE-WINDOW-STREAM))
(DEFUN INICIO
NIL
(PUTPROP 'PERSONA O 'PUNTUACIN)

(PUTPROP 'PERSONA NIL
'CONCESIN)
(PUTPROP 'PERSONA 3000

(PUTPROP 'PERSONA O
'SALDOMEDIO)
'DEBITO)
(PUTPROP 'PERSONA 'PERFECTO 'CUMPLIMIENTOPRESTAMOS)

(PUTPROP 'PERSONA 4000
'SALDOACTUAL))
266
(DEFUN CONCESIONCREDITO NIL
(INICIO)
(SEND VENTANA
:CLEAR-SCREEN)
(SEND VENTANA :WRITE-STRING
"NOMBRE ==> ")
(PUTPROP 'PERSONA (READ VENTANA) 'NOMBRE)

"PRIMER APELLIDO ==>
(PUTPROP 'PERSONA (READ VENTANA)

PRIMERAPELLIDO)
"SEGUNDO APELLIDO ==> ")

'SEGUNDOAPELLIDO)
"EDAD ==> *;

'EDAD)
"DNI ==> ")

")
'DNI)
"CUANTA SOLICITADA
==>
")
'CUANTA)
(PUTPROP 'PERSONA (ANTIGEDAD)
'CLIENTEANTIGUO)
(PUTPROP 'PERSONA (LEEPROFESION)
'PROFESIN)
(PUNTOSPROFESION)
(PUTPROP 'PERSONA (LEEDESTINO)
'DESTINOPRESTAMO)
(PUNTOSDESTINO)
(PUTPROP 'PERSONA (LEETIPOBIENES)
'TIPOBIENES)
(PUNTOSTIPOBIENES)
(PUNTOSEDAD)
(COND ((GET
'PERSONA
'CLIENTEANTIGUO)
(PUTPROP 'PERSONA (LEECLASECUENTAS)
'CLASECUENTAS)
(PUNTOSCLASECUENTAS)
(SEND VENTANA
:CLEAR-SCREEN)
"NUMERO DE ANOS COMO CLIENTE ==>
'ANTIGUEDADCLIENTE)
(PUNTOSANTIGUEDADCLIENTE)
(PUTPROP 'PERSONA (/
(GET 'PERSONA
'SALDOMEDIO)
(GET 'PERSONA
SALDOACTUAL))
'RELACIONSALDOS))
(T
NIL))
(PUNTOSRELACIONSALDOS)
(COND ((GET
'PERSONA
'CLIENTEANTIGUO)
(GET 'PERSONA
'CUANTA)
(GET 'PERSONA
'SALDOMEDIO))
'RELACIONCUANTIASALDO))
(T
NIL))
")
(PUNTOSRELACIONCUANTIASALDO)
(COND ((GET
'PERSONA
267
'CLIENTEANTIGUO)
(GET 'PERSONA
'DEBITO)
(GET 'PERSONA
'CUANTA))
'RELACIONDEBITOCUANTIA)
(PUNTOSRELACIONDEBITOCUANTIA)
(PUNTOSCUMPLIMIENTOPRESTAMOS))
(T
NIL))
(SEND VENTANA
:CLEAR-SCREEN)
(TERPRI
VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)
(TERPRI VENTANA)
(SEND VENTANA :VRITE-STRING
"
PUNTUACIN OBTENIDA :
")
(PRINC (GET 'PERSONA 'PUNTUACIN) VENTANA)

(TERPRI
VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)
(COND ((>
(GET 'PERSONA 'PUNTUACIN)
(PUTPROP 'PERSONA T
30)
'CONCESIN)

(T (SEND VENTANA .-WRITE-STRING
"LE HA SIDO CONCEDIDO EL
CRDITO"))
"NO LE HA SIDO CONCEDIDO EL
(TERPRI VENTANA)
(TERPRI
VENTANA)
NIL)
(DEFUN LEECLASECUENTAS NIL
(SEND VENTANA
:CLEAR-SCREEN)
(PRINC
"
CLASE DE CUENTAS QUE POSEE" VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)

(TERPRI
VENTANA)
(TERPRI
VENTANA)
(SEND VENTANA :ltRITE-STRING

(TERPRI
VENTANA)
(TERPRI
VENTANA)

(TERPRI
VENTANA)
(TERPRI
VENTANA)

(TERPRI
VENTANA)
"1 : A PLAZO CON O SIN
"2 : SOLO
LIBRETA")
LIBRETA")
"3 : LIBRETA
Y CUENTA CORRIENTE")
"4 : SOLO CUENTA CORRIENTE")
CRDITO")))
(TERPRI
VENTANA)
268
(TERPRI VENTANA)
(PROG {(OPCIN (READ
"OPCIN ELEGIDA:
")
VENTANA)))
(RETURN
(COND ((= OPCIN 1)
'PLAZOCONOSINLIBRETA)
((= OPCIN 2)
'SOLOLIBRETA)
((= OPCIN 3)
'LIBRETAYCUENTACORRIENTE)
((= OPCIN 4)
(T
SOLOCUENTACORRIENTE)
(LEECLASECUENTAS))))))
(DEFUN LEEDESTINO
(SEND VENTANA
NIL
:CLEAR-SCREEN)
(PRINC
"
DESTINO DEL CRDITO" VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)
"1 : INDUSTRIA
O COMERCIO")
(TERPRI VENTANA)
(TERPRI VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)

(TERPRI
VENTANA)
(TERPRI
VENTANA)

(TERPRI
VENTANA)
(TERPRI
VENTANA)
(SEND VENTANA :14RITE-STRING

(TERPRI
"2 : ADQUISICIN
DE COCHES")
"3 : ADQUISICIN
DE
"4 : ARREGLO DE
VIVIENDA")
VIVIENDA")
"5 : AGRICULTURA O GANADERA")
VENTANA)
(TERPRI VENTANA)
(TERPRI
"6 : MOBILIARIO
Y HOGAR")
VENTANA)
(TERPRI VENTANA)
(SEND VENTANA -.WRITE-STRING "7 : CONSUMO Y
(TERPRI
VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)
"OPCIN ELEGIDA:
(PROG ((OPCIN (READ VENTANA)))

(RETURN
(COND ((= OPCIN 1) 'INDUSTRIACOMERCIO)
VARIOS")
")
((- OPCIN 2)
ADQUISICIONCOCHE)
((= OPCIN 3)
'ADQUISICIONVIVIENDA)
(('- OPCIN 4)
'ARREGLOVIVIENDA)
((-
OPCIN 5)
((= OPCIN 6)
((= OPCIN 7)
(T
269
'AGRICULTURAGANADERIA)
'MOBILIARIOHOGAR)
'CONSUMOVARIOS)
(LEEDESTINO))))))
(DEFUN LEEPROFESION NIL

(SEND VENTANA
:CLEAR-SCREEN)
(PRINC
"
PROFESIN" VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)
(SEND VENTANA .-WRITE-STRING

(TERPRI
VENTANA)
(TERPRI
VENTANA)
(SEND VENTANA : WRITE-STRING

(TERPRI
VENTANA)
(TERPRI
VENTANA)

(TERPRI
VENTANA)
(TERPRI
VENTANA)
VENTANA)
(TERPRI
VENTANA)

(TERPRI
VENTANA)
(TERPRI
VENTANA)

(TERPRI
VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)

(PROG ((OPCIN
(READ
CUALIFICAR")
"2 : OBRERO CUALIFICADO")
"3 : COMERCIANTE O AMA DE CASA")

(TERPRI
"1 : OBRERO SIN
"4 :
OFICINISTA/FUNCIONARIO/MILITAR")
"5 : TITULADO
UNIVERSITARIO")
"6 : PATRONO AUTNOMO")
"OPCIN ELEGIDA:
")
VENTANA)))
(RETURN
(CGND ((= OPCIN 1)
(7= OPCIN 2)
((= OPCIN 3)
((= OPCIN 4)
7 = OPCIN 5)
'OBREROSINCUALIFICAR)
'OBREROCUALIFICADO)
'COMERCIANTEAMADECASA)
'OFICINISTAFUNCIONARIOMILITAR)
'TITULADOUNIVERSITARIO)
((= OPCIN 6) 'PATRONOAUTONOMO)

(T
(LEEPROFESION))))))
(DEFUN LEETIPOBIENES
(SEND VENTANA
(PRINC
"
NIL
:CLEAR-SCREEN)
TIPO DE BIENES QUE POSEE" VENTANA)
(TERPP.I VENTANA)
(TERPRI VENTANA)
"1 : SIN
BIENES")
(TERPRI VENTANA)
(TERPRI VENTANA)
(SEND VENTANA :?JRITE-STRING
"2 : INMUEBLES FUNDAMENTALMENTE")
(TERPRI VENTANA)
(TERPRI VENTANA)
"3 : RUSTICAS FUNDAMENTALMENTE")
(TERPRI VENTANA)
(TERPRI VENTANA)
"4 :
INDUSTRIA/COMERCIO")
(TERPRI VENTANA)
(TERPRI VENTANA)
"5 : VALORES CON O SIN OTROS
(TERPRI VENTANA)
(TERPRI VENTANA)
(SEND VENTANA :V/RITE-STRING
"6 : SOLO VEHCULOS O
VARIOS")
(TERPRI VENTANA)
(TERPRI VENTANA)
(TERPRI VENTANA)
(PROG ((OPCIN
(READ
"OPCIN ELEGIDA:
")
VENTANA)))
(RETURN
(COND ((= OPCIN 1)
'SINBIENES)
((= OPCIN 2) 'INMUEBLESFUNDAMENTALMENTE)

((= OPCIN 3)
'RUSTICASFUNDAMENTALMENTE)
((= OPCIN 4)
'INDUSTRIACOMERCIO)
((= OPCIN 5)
'VALORESCONOSINOTROSBIENES)
((= OPCIN 6)
'SOLOVEHICULOSOVARIOS)
(T
(LEETIPOBIENES))))))
(DEFUN ANTIGEDAD NIL

(SEND VENTANA
(PRINC
"
:CLEAR-SCREEN)
ES USTED ? VENTANA)
(TERPRI VENTANA)
(TERPRI l^ENTANA)
(SEND VENTANA :WRITE~STRING
(TERPRI
VENTANA)
"1 : CLIENTE NUEVO")
BIENES")
(TERPRI
(SEND
(TERPRI
(SEND
VENTANA)
VENTANA
271
:WRITE-STRING
"2
: CLIENTE
ANTIGUO")
VENTANA)
(TERPRI
VENTANA)
(TERPRI
VENTANA)
VENTANA
(PROG
:WRITE-STRING
((OPCIN
"OPCIN
(READ
ELEGIDA:
")
VENTANA)))
(RETURN
(COND ((EQ
OPCIN
1)
((EQ
OPCIN
2)
(T
T)
(ANTIGEDAD))))))
(DEFUN PUNTOSANTIGUEDADCLIENTE
(COND ((<=
NIL)
NIL
(GET
'PERSONA
'ANTIGUEDADCLIENTE)
(PUTPROP
'PERSONA
(+ 1
(GET
1)
'PERSONA
'PUNTUACIN))
PUNTUACIN))
((<=
(GET
'PERSONA
'ANTIGUEDADCLIENTE)
(PUTPROP
'PERSONA
(+2
(GET
5)
'PERSONA
'PUNTUACIN))
'PUNTUACIN))
((>=
(GET
'PERSONA
'ANTIGUEDADCLIENTE)
(PUTPROP
'PERSONA
(+ 3 (GET
6)
'PERSONA
'PUNTUACIN))
'PUNTUACIN))))
(DEFUN PUNTOSCLASECUENTAS
(COND ((EQ
NIL
(GET
'PERSONA
'CLASECUENTAS)
(PUTPROP
'PERSONA
(+ 4
(GET
'PLAZOCONOSINLIBRETA)
'PERSONA
'PUNTUACIN))
'PUNTUACIN))
((EQ
(GET
'PERSONA
'CLASECUENTAS)
(PUTPROP
'PERSONA
(+ 2 (GET
'SOLOLIBRETA)
'PERSONA
'PUNTUACIN))
'PUNTUACIN))
((EQ
(GET
'PERSONA
'CLASECUENTAS)
(PUTPROP
'PERSONA
(+ 3 (GET
'LIBRETAYCUENTACORRIENTE)
'PERSONA
'PUNTUACIN))
'PUNTUACIN))
((EQ
(GET
'PERSONA
'CLASECUENTAS)
(PUTPROP
'PERSONA
(+ 2
(GET
'SOLOCUENTACORRIENTE)
'PERSONA
'PUNTUACIN))
'PUNTUACIN))))
(DEFUN PUNTOSCUMPLIMIENTOPRESTAMOS
(COND ((EQ
NIL
(GET
'PERSONA
'CUMPLIMIENTOPRESTAMOS)
(PUTPROP
'PERSONA
(+ 4 (GET
'PERSONA
'PERFECTO)
'PUNTUACIN))
'PUNTUACIN))
((EQ
(GET
'PERSONA
'CUMPLIMIENTOPRESTAMOS)
(PUTPROP
'PERSONA
(+ 2 (GET
'PUNTUACIN))
'PERSONA
'PEQUENOSRETRASOS)
'PUNTUACIN))
((EQ (GET 'PERSONA 'CUMPLIMIENTOPRESTAMOS) GRANDESRETRASOS)272

(PUTPROP 'PERSONA (+ 1 (GET 'PERSONA 'PUNTUACIN))
'PUNTUACIN))
((EQ (GET 'PERSONA 'CUMPLIMIENTOPRESTAMOS)
'SINPRESTAMOS)

'PUNTUACIN))))
(DEFUN PUNTOSDESTINO NIL
(COND ((EQ (GET 'PERSONA 'DESTINOPRESTAMO)
'INDUSTRIACOMERCIO)

PUNTUACIN) )
((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'ADQUISICIONCOCHE)
(PUTPROP 'PERSONA (+2
(GET 'PERSONA 'PUNTUACIN))
'PUNTUACIN))
((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'ADQUISICIONVIVIENDA)
'PUNTUACIN))
((EQ (GET 'PERSONA 'DESTINOPRESTAMO)
'ARREGLOVIVIENDA)
(PUTPROP 'PERSONA (+4 (GET 'PERSONA 'PUNTUACIN))

PUNTUACIN))
((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'AGRICULTURAGANADERIA)
(GET PERSONA PUNTUACIN))
PUNTUACIN))
((EQ (GET 'PERSONA 'DESTINOPRESTAMO)
'MOBILIARIOHOGAR)

'PUNTUACIN))
((EQ (GET 'PERSONA 'DESTINOPRESTAMO) 'CONSUMOVARIOS)
PUNTUACIN))))
(DEFUN PUNTOSEDAD NIL
(COND ((<= (GET 'PERSONA 'EDAD) 26)
'PUNTUACIN))
((<= (GET 'PERSONA 'EDAD) 34)
PUNTUACIN) )
PUNTUACIN))
PUNTUACIN))
((> (GET 'PERSONA 'EDAD) 55)
273

PUNTUACIN))))
(DEFUN PUNTOSPROFESION NIL
(COND ((EQ (GET 'PERSONA 'PROFESIN)
'OBREROSINCUALIFICAR)

PUNTUACIN))
((EQ (GET 'PERSONA 'PROFESIN) 'OBREROCUALIFICADO)
'PUNTUACIN))
((EQ (GET 'PERSONA 'PROFESIN) COMERCIANTEAHADECASA)
PUNTUACIN))
((EQ (GET 'PERSONA 'PROFESIN)
'OFICINISTAFUNCIONARIOMILITAR)

PUNTUACIN))
((EQ (GET 'PERSONA 'PROFESIN) 'TITULADOUNIVERSITARIO)
PUNTUACIN))
((EQ (GET 'PERSONA 'PROFESIN)
'PATRONOAUTONOMO)

PUNTUACIN))))
(DEFUN PUNTOSRELACIONCUANTIASALDO NIL
(COND ((NOT (GET 'PERSONA 'CLIENTEANTIGUO))
PUNTUACIN) )
((<= (GET PERSONA 'RELACIONCUANTIASALDO) 4)
PUNTUACIN))
((<= (GET 'PERSONA 'RELACIONCUANTIASALDO) 10)
PUNTUACIN))
((<= (GET 'PERSONA 'RELACIONCUANTIASALDO) 50)
'PUNTUACIN))
((> (GET 'PERSONA 'RELACIONCUANTIASALDO) 50)
'PUNTUACIN))))
(DEFUN PUNTOSRELACIONDEBITOCUANTIA NIL
(COND ((= (GET 'PERSONA 'RELACIONDEBITOCUANTIA) 0.0)
'PUNTUACIN))
((<= (GET 'PERSONA 'RELACIONDEBITOCUANTIA) 0.25)

(PUTPROP 'PERSONA ( + 3 (GET 'PERSONA 'PUNTUACIN))
PUNTUACIN))
((<= (GET 'PERSONA 'RELACIONDEBITOCUANTIA) 0.5)
'PUNTUACIN))
((> (GET 'PERSONA 'RELACIONDEBITOCUANTIA) 0.5)
'PUNTUACIN))))
(DEFUN PUNTOSRELACIONSALDOS NIL
(COND ((NOT (GET 'PERSONA 'CLIENTEANTIGUO))
PUNTUACIN))
((<= (GET 'PERSONA 'RELACIONSALDOS) 0.15)
PUNTUACIN))
((<= (GET 'PERSONA 'RELACIONSALDOS) 0.99)
PUNTUACIN))
((> (GET 'PERSONA 'RELACIONSALDOS) 1)
PUNTUACIN))))
(DEFUN PUNTOSTIPOBIENES NIL
(COND ((EQ (GET 'PERSONA TIPOBIENES) 'SINBIENES)
PUNTUACIN))
((EQ (GET 'PERSONA 'TIPOBIENES)
'INMUEBLES)
(PUTPROP 'PERSONA (+ 3 (GET 'PERSONA PUNTUACIN))

PUNTUACIN))
((EQ (GET 'PERSONA 'TIPOBIENES) 'RUSTICAS)
'PUNTUACIN))
'INDUSTRIACOMERCIO)

'PUNTUACIN))
'VALORESCONOSINOTROSBIENES)

'PUNTUACIN))
((EQ (GET 'PERSONA 'TIPOBIENES) 'SOLOVEHICULOSOVARIOS)
'PUNTUACIN))))
275
276
II - BIBLIOGRAFA GENERAL.
GARNER, 3.
B. (1985).
"Convergence of technolog i es: state of
the art". Con-f erence on In-formation Computers and Communications, Melbourne, Vic., Australia.
TERANO-T.
(1985).
"Development of preventive maintenance
support system -for plant based on knowledge processing

technique".Joho-Shor i-Kenkyu
LORPIN-D.
(1985).
(Japan) .
"Expert Systems: potential applications in
industrial maintenance". Equip-Ind-Achats-Entretien.

(Franee).
SHORTER-D-N.
(1985).
"The Alvey RESCU projet-a progrese
report" IEE Colloquium on "Real-Time Expert Systems in

Process Control" (Digest No. 1 0 7 ) , Salford, England.
FEINSTEIN-J. L.
(1985) "EDAAS: an expert system -for avoiding
disclosure of conf i dent i a .1 business Information at the

US Envronmental Protection Agency". Expert Systems and
teheir Aplications. 5th. International Workshop, Avignon,
Franee.
AU ED. BY W0JC1K-A-S. "AFIPS Conference Proceding: 1985

National Computer Conference". AFIPS Conference Proceeding: 1985 National Computer Conference, Chicago, IL. USA.
277
THARA-H. (1985). "Perspecti ves o

trum-Control-Eng.
JONES-R.
(Japan).
(1986). "What are expert systems?".
ICP-Bus-So-ftware-Rev.
BOCCHICCHIO-L.
NOFEL-P-J-.
(Eur. Ed.)
(G.B.)
(1986). "t4The srnart data dictionary".
Mod-O-ff-Technol
JDNES-R.
supercomputers". J-Soc-Ins-
(USA).
(1986). "There is nothing artificial about AI.
(1986). "European expert systems projet -for systems
developers". Data-Procesing
TURBAN-E.
(G.B.)
(1985). "Expert systems-a rnanagement perspec t i ve" .
Int-J-Policy-In
(Taiwan).
RAUCH-HINDIN-W; ED. BY NEWMAN- D-T.
(1984). "Expert system to
plan PC board assembly in the factory". Computers in

llanu-f actur ing. Proceding o
the 1984 Con-ference, San Fran-
cisco, CA. USA.
BADAL-D-Z.
(1985) "New generation o-f DBNS: an architecture
proposal". International Symposium on New Directions in

Computing. Trodheim, Norway.
RAUCH-HINDIN-W: ED BY NEWrlAN~D~T. (1984). "Arti-ficial inte-
278
1 1 igence: coming o-f age". Computers in Manu-f ac tur ing .
Proceedings o-f the 1984 Con-ference, San Francisco, CA,
USA.
WHALEN-T, SCHOTT-B.
(19B5).
"Generalized network
modeling
and diagnosis using -Financial ratios". In-F-Sc i ene i es

(USA).
SAHGAL-P.
(1986).
"Expert Systems set to raise computer's
-Financial ID". Wa 1 1 -St-Comput-Rev.
BERNSTEIN-A.
(1985).
Comput-Syst
GILBERT-G-N.
"lioney experts
(USA).
(IA so-f tware) " . Bus-
(USA).
(1985). "Computer help with welfare benefits"
Comput-Bull
(GB)
KNOWLES-A, COOK-R, F0LEY-I1-J , SCHOLSKY-D-P, GRAFF-G,

BAIRSTOW-J-N, HIR9H0N-B, MAUGT-T-H-I I , FREEDrlAN-D-H-,
KKINNUCAN-P,
LAZZRO-J-J,
SMART-I ,
UIILSDN-E, GARRET-DEYDUNG-H,
BEUCKE-D, LIVINGSTON-D, IX-A, BRDDY-A.
(1985).
trades (microcumputers)". High-Technol
"Jack-of-a 11
(USA).
D-AGAPEYEFF-A-D: ED. BY BRYANT-J-R, KOSTTREWSKI-B.
(1985).
"The communication o-f knowledge". Current Perspectives

in Health Computing, Brighton, Sussex, England.
IMBERG-D.
(1985).
"Building business experts
systems)" Comput-Syst (GB).
(expert
279
FRANKOVICH-K., PEDERSEN-K., BARNEY-M., BERNSTEEN-S.
(1985).
"Expert system applications to the cockpit o-f the 1990s".

Procedings o-f the IEEE 1985 National Aerospace and
Electronics Con-ference NAECON, Dayton, OH, USA.
JURGENSEN-J-R. , FELDI1AN-R-E. (1985). "Expert System Pilot

Aid". Proceeding o-f the IEEE 1985 National Aerospace and
Electronics Con-ference NAECON, Dayton., OH, USA.
RUDALL-B-H. , (1985). "Coe ntemporary Cyberneties" . Kybernetes

(GB)
RHEIN-R-R.
CREGAR-M.
(1985). "AI -for business". Hardcopy
(USA).
(1985). "Tomorrow's technologios the best in OA
is yet to come". Impact-O-f f-Autom (USA).
RANKY-PG-.
(1985). "FMS in Clh (-flexible manufacturing
systems in computer integrated manufacturing)".

Rebotica (GB).
LIPTON-R.
(1985). "Data management
(prospeets for business
data base environments) ". Bus__comput-Syst
KITCHEN-H.
(USA).
(1985). "Keeping ahead in the management game
(software packages)". Train-Off
(GB)
280
POTTS-D. (1985). "New software shows high tech pay-offs".
Eng-Comput (GB).
0PPENHEII1-C.
(1985). "Online in-Formation services: present
plans and -future prospecte. "The Pergamon
In-foline
View"". Future o-f In-formation Resources -for Science and

Technology and the Role o-f Libraries. Ilth IATUL rleeting
Oxford, England.
MARTIN-R.
(1985). "ER: atool for modern business comunica-
tions". Official Proceding of Speech Tech'85. Voice

Input/Dutput. Applications Show and Conference, New
York, MY. USA.
TAPSCOTT-D, CHEVREAU-J; ED. BY. GOLDTHWAITE-J.
(1985).
"Unix and the office". DAC'85 Office Automation Conference

Digest, Atlanta, GA, USA.
ARNOLD-W-V-, MACILVAINE-P.J., TAYLOR-E-P.

for computer aided technical management
(1985). "A focus

(CATM) in defen-
se system acquisition". Proceding Annual Reliability and

Maintainabi1 ity Symposium. Phi1apdelphia, PA. USA.
LINNEMANN-G.
(1985). "The new type of techique and artificial
inteligence". Wiss -Z-The-Hochsch-<i 1menau
NAYLOR-C, SONI-A.
(Germany).
(1985). "Systems to give yon wisdom {PC
expert system packages) " . PC-Indep-Guide-IBII-pers-Comput

(UK ed.)
(GB)
281
LAMPERT-A.
(1985). "Expert systems get down to business".
Comput-Decis
BRADDOCK-F
(USA)
(1985). "Knowledge-based systems: a tepping-
stone to productivity". Mag-Bank-Adm
ASH-N
(USA)
(1985). "how Cash Valu appraises capital projects".
Accountant (GB).
HASUI-K, MORITA-S, FUJII-Y, ARITAKA-N.
(1985). "New develop-
ment method o-f o-f-fice automat i on-or ien ted BPX's".

IEEE-J-Sel-Areas-Conmun
(USA).
UIEBSTER-R, NAYLOR-C, SONI-A.
(1985). "Take it -From an expert
(expert system shells reviewed)". PC-Indep-Guide-IBM-PersComput (GB).
COURETAS-J.
(1985). "Marketers get smart with artificial
intel1igence". Bus-rlark
SHAPIRO-S-F
(USA).
(1985). "Factory automation o-f-fers US industry
new lase on li-Fe". Comput-Des
I10RGAN-H.
(USA)
(1985). "The microcomputer and decisin support".
ComputerworId
THOMAS-D-B.
(USA).
(1984). "The Alvey Programme-intel1igent
282
knowlwdge based systems aspects". Conference on knowledge
Engineering, Manchester. England.
D-AGAPAYEFF-A.
(1984). "A short survey of expert systems in
UK business". Con-ference on Knowledge Engineering, Manchester, England.
FERRIS-P.
(1985). "An overview o-F the impact o-f microcom-
puters in publishing". Electron-Pub1-Rev (GB).
TUTCHING-J.
(1984). "Robots and -factory automation-a review
and analysis o-f the total environment, and assessment o-f

technologica1 transition, aplications, markets, and
related -factors -from 1984 to 1992". Robots 8 con-ference
Proceedings, Detroit, III. USA.
GAMBLING-T.
(19B5). "Expert systern: stone Age rules, OK?".
Accountancy (GB).
FRIIS-M-W.
(1985). "Artificial
intelligence systems: some
banks have them, others will". ABA-Banking
COLE-B-C.
(USA).
(1985). "A crowd of hopeflus warms up for 32-bit
microprocessor race".
ASTR0I1-K-J.
Electron-Week
(USA).
(1985). "The new CACSD project at Lund
of Technology
Institute
(summary form only given as follows)".
IEE Colloquium on "new Developments and Aplications of

CAD Packages to control System Desing" London (GB).
283
GANOE-F-J.
(1984). "Knowledge-based decisin support -for
financial analysis". Proceedings of the 1984 IEEE

International Conference on Systems, lian and Cybernetics
Halifax. Canad.
SWEETSER-P-A; ED. BY CLARKE-R.
(1984).
"Introduction to
Knowledge based systems". ACC'84. Proceding o-f the

Australian Computer Con-ference, Sydney, Australia.
PALLER-A.
(1985).
Computerwold
CHAIT-L-G.
"The ten top graphics trends -for 1985".
(USA).
(1985).
"Direct marketing in the epoch artifi-
cial intel 1 igence" . Dir-llark
FEINSTEIN-J-L, SIEMS-F.
(USA).
(1985). "EDAAS: an expert system at
the US Environmental Protection Agency for avoiding disclosure o-f confidential bussiness Information". ExpertSyst (GB).
SCHLGBOHM-D.
(1985).
"Tax Advisor: a PROLOG program analy-
zing income tax issues". Dr-Dossb-s-j USA .
DONINGTON-J, ACZEL-M.
(1985). "Using PROLOG for normal
business app1ications. II". Comput-Mag (GB).
FINCH-P.(1985) "Scrambling for shares in office automation".
284
Bus-Mark
WHITE-D-G
(USA)
(1985). "Expert systems to the rescue". Best-sRev-
Prop-Casualty-Insur-Ed
SHPILBERG-D.
(USA).
(1985). "A promising new frontier
(expert
systems for the insurance industry)". Best-s-Rev-PropCasualty-Insur-Ed
BROWN-E-M.
(USA).
(1985). "Office integration: a look at how we
work". O-ffice (USA) .
BLANNING-R-W.
(1984). "Management applications of expert
systems". Inf-Manage
(Nether1ands).
HOLROYD-P, MALLORY-G, PRICE-D-H-R, SHARP-J-A.
(1985)
"Developing expert systems for management applications"

Omega (6B).
MORLEY-D
(1985). "Expert systems. Where do we stand?".
Can-Datasyst
(Canad).
BAJENSESCO--T-I . (1985) "The software "crisis" and artificial

intel1igence". Schweiz-Tech
BAGSHAW-E
(Switzer1 and) .
(1985) "The expert on your desktop". Bus-Comput-
Commun (GB).
McNITT-J
(1985). "Artificial intel1igence: creating the idiot
285
savant". Newsweek
BRIXIUS-N-L.
(Switzer1 and)..
(1984). "Arti-ficial
intelligence applications in
civil government". Proceedings IEEE EASCON'84. 17th Annual

Electronics and Aerospace Conference, Washington, DC, USA.
SCHOTT-B, WHALEN-T. (1983). "FINNDEX, an intelligent index to

businees -f orecast ing" . Proceedings o-f the International
Con-Ference on Systems, Han and Cybernetics, Bombay and
New Delhi, India.
POST-D-W.
(1985). "Computers as counselors". Bus-Comput-Syst
(USA).
HARVEY-D.
(1985) "Expertise -for all
(expert systems)". Bus-
Comput-Commun (BB).
VOYSEY-H.
(1985). "How to tackle expert systems". Manage-Rev
(GB) .
FALLON-M.
(1984). ""Puny" pcs make home ai a long term
project". Electrn-Times (GB).
JARKE-M, SHALEV-J.
(1984). "A datbase architecture -for
supporting business tr ansac t i ons" . J-Manage-ln-f-Syst

(USA).
SEANAN-J.
(1984). "AI comes o-f age". Comput-Data
(Canad).
MURRAY-T-J.
(1984). "Shakeout in software". Duri-s-Bus-Mon
(USA)
LEE-R-M.
(1984). " In-f ormat i on system semantics
based approach)". J-Manage-In-f-Syst
(a logic-
(USA).
KELLER-R, TDUIIMSEND-P. (1984) "Knowledge-based systems"

ComputerworId
JOHNSTDNE-B.
New-Sci
(USA).
(1984). "Japan unveils its fifth-generation".
(GB) .
RUSSELL-L-C.
(1984). "Electronic-based corporate services:
whew we're at and where we're headed". Bank-flark
BERGEN-M.
(1984). "Integration, end-user computing help
baks gain competitive edge". Bank-Syst-Equip
D-AMBROSIO-B.
BYTE
(USA).
(USA).
(1985). "Expert systems-myth or reality?".
(USA)
FINEGOLD-A; ED. BY WINSTON-P-H, PRENDERGAST-K-A.
(1984).
"The Engineer's Apprentice". AI business. The commercial

uses o-f artificial
intel 1 i gence. Published: HIT Press,
Cambritge, CA, USA.
BAKER-J-D; ED. BY WINSTON-P-H, PRENDERGAST-K-A.
(1984).
"DJPriETER ADVISOR: an expert log analysis system at
287
Schlumberger". AI business. The commercial uses o-f

arti-ficial intel1igence. Published: HIT Press,
Cambritge, MA, USA.
POPLE-H-E-Jr; ED. BY WINSTON-P-H, PRENDERGAST-K-A.
(1784).
"CADUCEUS: an experimental expert system -for medical

diagnosis". AI business. The commercial uses o-f arti-ficial
intel1igence. Published: MIT Press, Cambritge, MA. USA.
KRAFT-A; ED. BY WINSTON-P-H, PRENDERGAST-K-A.
(1984).
"XCON:
an expert con-f igur ati on system at Digital Equipment

Corporation". AI Business. The commercial uses o-f aritificial intel1igence. Published: MIT Press, Cambritge, MA.
USA.
MICHAELSEN-R-H.
(1984).
"An expert system -for -federal tax
planning". Expert-Syst (GB).

Metodologia SE 2 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodologia SE 2 PDF

Cargado por

Copyright:

Formatos disponibles

-I-

METODOLOGA PARA EL DESARROLLO DE SISTEMAS EXPERTOS

Jos Domingo CARRILLO VERDUN

Ingeniero de Montes por la E.T.S. de Ingenieros de

para la obtencin del

MADRID, MAYO DE 1987

METODOLOGA PARA EL DESARROLLO DE SISTEMAS EXPERTOS.

por: D. Jos Domingo CARRILLO VERDUN

Director de Tesis: D. Juan PAZOS SIERRA

Presidente: D. Antonio INSUA NEGRAO

D. Manuel DIEZ Y DIEZ DE ULZURRUN

Madrid, Mayo de 1987.

METODOLOGIA PARA EL DESARROLLO DE SISTEMAS EXPERTOS

las primeras bases de la Inteligencia Artificial -fue-

A travs de la literatura consultada sobre dichos Sistemas se

(IDEAL) desarrollada en esta tesis intenta una

primera aproximacin a la sistematizacin del desarrollo de Sistemas Expertos,

estructurndolo en una serie de fases, etapas y

que intentan facilitar

del Ingeniero del

Conocimiento en la construccin del Sistema Experto.

metodologa, se hace especial

referencia a los pro-

importantes que debe resolver el Ingeniero del Cono-

del dominio de Aplicacin

del Experto/s en ese dominio.

del Sistema Experto y

- Su relacin con el Experto/s, y extraccin del Conocimiento

importancia tcnicas psicol-

el Anlisis del protocolo o tcnicas de entre-

Adquisicin del Conocimiento por

de la tcnica de representacin adecuada.

adecuada para el desarro-

- Construccin de prototipos incremntales.

unas pautas para la posible aplicacin de esta

de aplicacin, as como la problemtica que para

este sector tienen los Sistemas Expertos.

METHODOLOGIE FOR EXPERTS SYSTEMS DEVELOPMENT

the -First basis o-f the Arti-Ficial Intelligence were

put by Alan Turing

in 1950, the -first

Systems have not

being commercially operated till 1984.

the literature we have

Systems, we have observed di-f-ferents

about o-f these

without having -followed a speci-fic method.

to the systemat i zat i on o-f

activities which intends

to make easy the work of the Knowledge

in the construction o-f the Expert System.

important problems that the Knowledge Engineer should resolve in

o-f the domain o-f

and o-f the Expert/s in that field.

Expert System Application

knowledge, where psychologica1

technics have special

as also the Anlisis of the protocol or interview technics.

adquisition by the engineer

adecate representation technique.

- Selection o-f the more appropiate tool -for it development.

- Increasing prototypes construction.

o-f this Method to