Sistemas Expertos

SISTEMAS EXPERTOS
Autor: Mg. Luis Fabricio Núñez Gómez
Sistemas Inteligentes 1
Contenido
• Introducción a los Sistemas Expertos
• Historia de los Sistemas Expertos
• Definición de los Sistemas Expertos
• Características de los Sistemas Expertos
• Tipos de S.E.
• Ventajas de los Sistemas Expertos
• Arquitectura Básica de Sistemas Expertos
• Elementos de los Sistemas Expertos
INTRODUCCION A LOS S.E
• El propósito de este tema es de mostrarnos una amplia y precisa
descripción de lo que son los Sistemas Expertos (SE), los cuales
también son conocidos como Sistemas Basados en
Conocimiento.
• Así mismo mostramos brevemente los orígenes, conceptos,
aplicaciones, ventajas, limitaciones, y su arquitectura básica de
esta área y/o campo de la Inteligencia artificial.
HISTORIA DE LOS S.E (I)
• Sus inicios datan a mediados de los años sesenta. Durante esta
década los investigadores Alan Newell y Herbert Simon
desarrollaron un programa llamado GPS (General Problem
Solver:solucionador general de problemas).
• Podía trabajar con criptoaritmética, con las torres de Hanoi y con

otros problemas similares. Lo que no podía hacer el GPS era
resolver problemas del mundo real, tales como un diagnóstico
médico.
HISTORIA DE LOS S.E (II)
• Algunos investigadores decidieron entonces cambiar por
completo el enfoque del problema restringiendo su ambición a un
dominio específico e intentando simular el razonamiento de un
experto humano. En vez de dedicarse a computarizar la
inteligencia general, se centraron en dominios de conocimiento
muy concretos. De esta manera nacieron los SE.
• A partir de 1965, un equipo dirigido por Edward Feigenbaum,
comenzó a desarrollar SE utilizando bases de conocimiento
definidas minuciosamente. Dos años más tarde se construye
DENDRAL, el cual es considerado como el primer SE.
identificar estructuras químicas moleculares a partir de su
análisis espectrográfico.
HISTORIA DE LOS S.E (III)
• En la década de los setenta se desarrolló MYCIN para consulta y
diagnóstico de infecciones de la sangre.
• En esa época se desarrollaron también: HERSAY, que intentaba
identificar la palabra hablada, y PROSPECTOR, utilizado para
hallar yacimientos de minerales.
• De este último derivó el shell KAS (Knowledge Adquisition
System).
• Un ejemplo de SE moderno es CASHVALUE, que evalúa
proyectos de inversión y VATIA, que asesora acerca del impuesto
sobre el valor añadido o IVA.
DEFINICIONES DE S.E (I)
• Es un software que imita el comportamiento de un experto humano en la
solución de un problema. Pueden almacenar conocimientos de expertos
para un campo determinado y solucionar un problema mediante
deducción lógica de conclusiones.
• Son SE aquellos programas que se realizan haciendo explicito el

conocimiento en ellos, que tienen información específica de un dominio
concreto y que realizan una tarea relativa a este dominio.
• Programas que manipulan conocimiento codificado para resolver

problemas en un dominio especializado en un dominio que generalmente
requiere de experiencia humana.[Patterson 90]
DEFINICIONES DE S.E (II)
• Programas que contienen tanto conocimiento declarativo (hechos
a cerca de objetos, eventos y/o situaciones) como conocimiento
de control (información a cerca de los cursos de una acción), para
emular el proceso de razonamiento de los expertos humanos en
un dominio en particular y/o área de experiencia.
• Software que incorpora conocimiento de experto sobre un

dominio de aplicación dado, de manera que es capaz de resolver
problemas de relativa dificultad y apoyar la toma de decisiones
inteligentes en base a un proceso de razonamiento simbólico.
DEFINICIONES DE S.E (III)
• “UN SISTEMA EXPERTO, puede definirse como un sistema
informático (hardware y software) que simula a los expertos
humanos en un área de especialización dada.”
• Como tal, un sistema experto debería ser capaz de procesar y

memorizar información, aprender y razonar en situaciones
deterministas e inciertas, comunicar con los hombres y/u otros
sistemas expertos, tomar decisiones apropiadas, y explicar por
qué se han tomado tales decisiones. Se puede pensar también en
un sistema experto como un consultor que puede suministrar
ayuda a (o en algunos casos sustituir completamente) los
expertos humanos con un grado razonable de fiabilidad.
CARACTERÍSTICAS
1) Solucionan problemas aplicando su

experiencia de una forma eficaz, haciendo
deducciones a partir de datos incompletos o
inciertos.
2) Explican y justifican lo que están haciendo.
3) Se comunican con otros expertos y adquieren

SISTEMAS EXPERTOS nuevos conocimientos.
4) Reestructuran y reorganizan el conocimiento.
5) Interpretan al mismo tiempo el espíritu y la

letra de las reglas.
6) Determinan cuando un problema está en el

dominio de su experiencia.
FUNCIÓN DE UN S.E.
Aportar soluciones a problemas, como si de humanos se

tratara, es decir capaz de mostrar soluciones inteligentes.
Esto Es posible gracias a que al sistema lo crean con expertos

(humanos), que intentan estructurar
y formalizar conocimientos poniéndolos a disposición del
sistema, para que este pueda resolver una función dentro del
ámbito del problema, de igual forma que lo hubiera hecho un
experto.
Los sistemas expertos siguen una filosofía
diferente a los programas clásicos.
SISTEMA CLÁSICO SISTEMA EXPERTO

Conocimiento y procesamiento Base de conocimiento separada del
combinados en un programa mecanismo de procesamiento
No contiene errores Puede contener errores
No da explicaciones, los datos sólo Una parte del sistema experto la
se usan o escriben forma el módulo de explicación
Los cambios son tediosos Los cambios en las reglas son fáciles
El sistema sólo opera completo El sistema puede funcionar con

pocas reglas
Se ejecuta paso a paso La ejecución usa heurísticas y lógica
Necesita información completa Puede operar con información

para operar incompleta
Representa y usa datos Representa y usa conocimiento
TIPOS DE S.E
• Según la naturaleza de problemas para los que están diseñados:
• Problemas Deterministas  Sistemas Basados en Reglas ,

porque sacan sus conclusiones basándose en un conjunto de
reglas utilizando un mecanismo de razonamiento lógico.
• Problemas Estocásticos  Sistemas Expertos

Probabilísticos, utilizan la probabilidad como medida de
incertidumbre y la estrategia de razonamiento que usan se
conoce como razonamiento probabilístico, o inferencia
probabilística.
A) BASADOS EN REGLAS (I)
• Se tiene:
• La base de conocimiento, que contiene las variables y el
conjunto de reglas que definen el problema.
• El motor de inferencia, que obtiene las conclusiones
aplicando la lógica clásica a estas reglas.
• ¿Qué se entiende por regla?

• Una proposición lógica que relaciona dos o más objetos
• Incluye dos partes, la premisa y la conclusión.
• Cada una de estas partes consiste en una expresión lógica
con una o más afirmaciones objeto-valor conectadas
mediante los operadores lógicos y, o, o no.
• Una regla se escribe normalmente como \Si premisa,
entonces conclusión".
A) BASADOS EN REGLAS (II)
• Situaciones complejas gobernadas por reglas deterministas:
• Sistemas de control de tráfico
• Sistemas de seguridad
• Transacciones bancarias
B) B. EN PROBABILIDADES (I)
• Para problemas cuyas soluciones se conducen en presencia de
incertidumbre en los datos o en el conocimiento es posible utilizar
técnicas numéricas, o también, las incertidumbres pueden ser
manejadas con una aproximación de la forma de rastro.
• El razonamiento en la presencia de incertidumbre sucede en

ejemplos típicos de diagnóstico y análisis de datos.
• Emplean reglas de condición-conclusión que van acompañadas

de una estimación de certidumbre, en donde se tiene:
1.- Procedimiento numérico
2.- Revisión de la credibilidad
B) B. EN PROBABILIDADES (II)
1.- PROCEDIMIENTO NUMÉRICO
• Ideados para manejar evidencias que pueden ser combinadas.
• Los sistemas que usan esta aproximación manejan factores de

certidumbre relacionados con probabilidades para indicar la
intensidad de la evidencia.
• La teoría de conjuntos difusos ha sido otra herramienta poderosa

para esta clase de problemas.
• Ejemplo: SE de diagnóstico MYCIN.
B)B. EN PROBABILIDADES (III)
2.- REVISIÓN DE LA CREDIBILIDAD
• Cuando la información es parcial o errónea completamente el

sistema incurrirá en contradicciones. Malas líneas de
razonamiento o creencias incorrectas producen contradicciones y
como consecuencia malas conclusiones, debiendo de haber un
proceso para retractarse.
• Para facilitar esto, es necesario mantener un registro en la base
de datos de la credibilidad y su justificación. Usando esta
aproximación es posible explotar las redundancias en los datos
experimentales para mantener la verdad y así incrementar la
confiabilidad del sistema
Ventajas de los S.E.
• Mayor disponibilidad.
• Costo reducido.
• Peligro reducido Los sistemas expertos pueden
usarse en ambientes que podrían ser peligrosos
para un ser humano
• Permanencia.
• Experiencia múltiple El conocimiento de varios
especialistas puede estar disponible para trabajar
simultánea y continuamente en un problema
Ventajas de los S.E. (II)
• Mayor confiabilidad Al proporcionar una segunda
opinión
• Respuestas sólidas, completas y sin emociones, en
todo momento
• Tutoría inteligente. El sistema experto puede actuar
como un tutor inteligente
• Base de datos inteligente. Los sistemas expertos
pueden usarse para tener acceso a una base de
datos en forma inteligente (Kerschberg 86. Schur
88).
ARQUITECTURA BÁSICA
Elementos de los S.E
1. El Componente Humano
• Con los usuarios en mente y la colaboración de:
• Los expertos humanos, especialistas en el tema de estudio
suministran el conocimiento básico en el tema de interés,
• Los ingenieros del conocimiento trasladan este
conocimiento a un lenguaje, que el sistema experto pueda
entender.
• Quizás el elemento más importante en el desarrollo de un sistema

experto.
• Esta etapa requiere una enorme dedicación y un gran esfuerzo

debido a los diferentes lenguajes que hablan las distintas partes y
a las diferentes experiencias que tienen.
2. La Base de Conocimiento
• Los especialistas son responsables de suministrar a los ingenieros del
conocimiento una base de conocimiento ordenada y estructurada, y un
conjunto de relaciones bien definidas y explicadas.
• Diferenciar entre datos y conocimiento.
• El conocimiento se refiere a afirmaciones de validez general tales como
reglas, distribuciones de probabilidad, etc. Es permanente (parte de la
componente permanente de un sistema) y se almacena en la base de
conocimiento
• Los datos se refieren a la información relacionada con una aplicación
particular. son efímeros (destruidos después de usarlos) y se almacenan
en la memoria de trabajo ( así como Todos los procedimientos de los
diferentes sistemas y subsistemas que son de carácter transitorio )
3. Subsistema de Adquisición de
Conocimiento
• Controla el flujo del nuevo conocimiento que

fluye del experto humano a la base de datos.
Determina qué nuevo conocimiento se necesita, o
si el conocimiento recibido es en realidad nuevo,
es decir, si debe incluirse en la base de datos y,
en caso necesario, incorpora estos conocimientos
a la misma.
4. Control de la Coherencia
• Ayuda a los expertos humanos a dar información fiable:
• Controla la consistencia de la base de datos y evita que
unidades de conocimiento inconsistentes entren en la misma.
• Comprueba e informa a los expertos de las inconsistencias.
• Informa sobre las restricciones que la información debe cumplir
para ser coherente con la existente en la base de conocimiento
cuando se solicita información de los expertos humanos
• Si un control de la coherencia:
• Unidades de conocimiento contradictorio pueden formar parte
de la base de conocimiento, dando lugar a un comportamiento
insatisfactorio del sistema.
• En mecanismos de propagación de incertidumbre, se podría
llegar a conclusiones absurdas o en conflicto como, por
ejemplo, situaciones en las que el sistema genera
probabilidades mayores que la unidad o negativas
5. El Motor de Inferencia
• Es el corazón de todo sistema experto.
• Saca conclusiones aplicando el conocimiento a los datos. Por
ejemplo, en diagnóstico médico, los síntomas de un paciente
(datos) son analizados a la luz de los síntomas y las
enfermedades y de sus relaciones (conocimiento).
• Las conclusiones del motor de inferencia pueden estar basadas
en conocimiento determinista o conocimiento probabilístico.
• En muchos casos, algunos hechos (datos) no se conocen con
absoluta certeza. Por ejemplo, piénsese en un paciente que no
está seguro de sus síntomas.
• El motor de inferencia es también responsable de la propagación
de este conocimiento incierto. Es Probablemente el componente
más débil de casi todos los sistemas expertos existentes.
6.- El Subsistema de Adquisición
de Información
• Si el conocimiento inicial es muy limitado y no se pueden sacar
conclusiones, el motor de inferencia utiliza el subsistema de
adquisición de información para obtener el conocimiento
necesario y continuar con el proceso de inferencia hasta que se
hayan sacado conclusiones.
• En algunos casos, el usuario puede suministrar la información

requerida para este y otros objetivos. De ello resulta la necesidad
de una interface de usuario y de una comprobación de la
consistencia de la información suministrada por el usuario antes
de introducirla en la memoria de trabajo.
7.- Interfaz de Usuario
• Es el enlace entre el sistema experto y el usuario, por ello debe
incorporar mecanismos eficientes para mostrar y obtener
información de forma fácil y agradable.
• Muestra las conclusiones, las razones que expliquen tales
conclusiones y una explicación de las acciones iniciadas por el
sistema experto.
• También es un vehículo para obtener la información necesaria del
usuario.
• Consecuentemente, una implementación inadecuada de la
interface de usuario que no facilite este proceso afectaría
notablemente la calidad de un sistema experto.
8.- El Subsistema de Ejecución de
Órdenes
• Permite al sistema experto iniciar acciones basadas en las
conclusiones sacadas por el motor de inferencia.
• Como ejemplos, un sistema experto diseñado para analizar el
tráfico ferroviario puede decidir retrasar o parar ciertos trenes para
optimizar el tráfico global, o un sistema para controlar una central
nuclear puede abrir o cerrar ciertas válvulas, mover barras, etc.,
para evitar un accidente. La explicación de las razones por las
que se inician estas acciones pueden darse al usuario mediante
el subsistema de explicación.
9.- El Subsistema de Explicación
• Explica el proceso seguido por el motor de inferencia o por el subsistema de
ejecución (explicación de las conclusiones sacadas o de las acciones
iniciadas por el sistema experto).
• Por ejemplo, si un cajero automático decide rechazar la palabra clave (una
acción), la máquina puede mostrar un mensaje (una explicación) como la
siguiente :¡Lo siento!, su palabra clave es todavía incorrecta tras tres
intentos. Retenemos su tarjeta de crédito, para garantizar su seguridad. Por
favor, póngase en contacto con su banco en horas de oficina.
• En muchos dominios de aplicaciones, es necesaria la explicación de las
conclusiones debido a los riesgos asociados con las acciones a ejecutar.
• Por ejemplo, en el campo del diagnostico medico, los doctores son
responsable últimos de los diagnósticos, independientemente de las
herramientas técnicas utilizadas para sacar conclusiones. En estas
situaciones, sin un subsistema de explicación, los doctores pueden no ser
capaces de explicar a sus pacientes las razones de su diagnostico.
10. El Subsistema de Aprendizaje
• Una de las principales características de un sistema experto es su
capacidad para aprender.
• Tipos de aprendizaje:
• Aprendizaje Estructural nos referimos a algunos aspectos
relacionados con la estructura del conocimiento (reglas,
distribuciones de probabilidad, etc.). Ej. El descubrimiento de
nuevos síntomas relevantes para una enfermedad o la
inclusión de una nueva regla en la base de conocimiento.
• Aprendizaje Paramétrico nos referimos a estimar los
parámetros necesarios para construir la base de
conocimiento. Ej. la estimación de frecuencias o
probabilidades asociadas a síntomas o enfermedades.
TAREAS REALIZABLES POR
LOS S. E
• Adquisición de conocimiento y la verificación de su coherencia;
por lo que el sistema experto puede ayudar a los expertos
humanos a dar conocimiento coherente.
• Almacenar (memorizar) conocimiento.
• Preguntar cuando se requiere nuevo conocimiento.
• Aprender de la base de conocimiento y de los datos disponibles.
• Realizar inferencia y razonamiento en situaciones deterministas y
de incertidumbre.
• Explicar conclusiones o acciones tomadas.
• Comunicar con los expertos y no expertos humanos y con otros
sistemas expertos.
CAMPOS DE APLICACION (I)
• La aplicación de Sistemas Expertos será adecuada allí donde los
expertos dispongan de conocimientos complejos en un área muy
delimitada, donde no existan algoritmos ya establecidos (o donde
los existentes no puedan solucionar algunos problemas).
• Otro campo de aplicación es allí donde encontremos teorías que
resulten prácticamente imposibles de analizar todos los casos
teóricamente imaginables mediante algoritmos y en un espacio de
tiempo relativamente corto y razonable.
CAMPOS DE APLICACION (II)
Resumiendo los Sistemas Expertos ofrecen ayuda para:
• Evitar fallos en labores rutinarias complejas

• Ampliar de forma más rápida los conocimientos de los
especialistas.
• Diagnosticar los fallos con mayor rapidez y conseguir tareas de
planificación más completas y consistentes.
CAMPOS DE APLICACION (III)
LENGUAJES DE
PROGRAMACION DE S.E (I)
Para el desarrollo de los sistemas expertos se utilizan lenguajes de
ingeniería del conocimiento. Los lenguajes más difundidos para el
desarrollo de los SE son RITA, ROSIE, y ROOS.
• Comenzaremos hablando de ROSIE, un lenguaje evolucionado

de RITA. Este lenguaje permite al programador describir
relaciones complejas y manipularlas simbólica y deductivamente.
Además soporta trabajo en redes, trabaja en una forma Interactiva
compilada e interpretada y cuenta con una serie de depuradores y
herramientas de programación. Como puede ser programada en
una sintaxis parecida al Ingles esto la hace bastante leíble y
entendible para los usuarios.
LENGUAJES DE
PROGRAMACION DE S.E (II)
• El lenguaje ROSS, es un lenguaje de programación orientado
a objetos, y combina la Inteligencia Artificial y los Sistemas
Expertos principalmente en el área de simulaciones. Entre
sus ventajas se citan las facilidades para buscar entre
objetos y su comportamiento. El programa se desarrolla de
una forma que los objetos se comunican mandando
mensajes para causar que las reglas o comportamientos
apropiados sean ejecutados.
DESARROLLO DE UN SISTEMA
EXPERTO
•Weiss y Kulikowski (1984) sugieren las etapas

siguientes para el diseño e implementación de
un sistema experto:
ETAPAS PARA DISEÑO E
IMPLEMENT. DE UN S.E (I)
IMPLEMENT. DE UN S.E (II)
1.- Planteamiento del problema.
La primera etapa en cualquier proyecto es normalmente la
definición del problema a resolver. Puesto que el objetivo principal
de un sistema experto es responder a preguntas y resolver
problemas, esta etapa es quizás la más importante en el
desarrollo de un sistema experto. Si el sistema está mal definido,
se espera que el sistema suministre respuestas erróneas.
2. Encontrar expertos humanos que puedan resolver el problema.
En algunos casos, sin embargo, las bases de datos pueden jugar
el papel del experto humano.
3. Diseño de un sistema experto.
Esta etapa incluye el diseño de estructuras para almacenar el
conocimiento, el motor de inferencia, el subsistema de
explicación, la interfase de usuario, etc.
IMPLEMENT. DE UN S.E (III)
4. Elección de la herramienta de desarrollo, concha, o lenguaje
de programación.
Debe decidirse si realizar un sistema experto a medida, o utilizar
una concha, una herramienta, o un lenguaje de programación. Si
existiera una concha satisfaciendo todos los requerimientos del
diseño, esta debería ser la elección, no sólo por razones de tipo
financiero sino también por razones de fiabilidad. Las conchas y
herramientas comerciales están sujetas a controles de calidad, a
los que otros programas no lo están.
5. Desarrollo y prueba de un prototipo.

Si el prototipo no pasa las pruebas requeridas, las etapas
anteriores (con las modificaciones apropiadas) deben ser
repetidas hasta que se obtenga un prototipo satisfactorio.
IMPLEMENT. DE UN S.E (IV)
6. Refinamiento y generalización
En esta etapa se corrigen los fallos y se incluyen nuevas
posibilidades no incorporadas en el diseño inicial.
7. Mantenimiento y puesta al día.
En esta etapa el usuario plantea problemas o defectos del

prototipo, corrige errores, actualiza el producto con nuevos
avances, etc.
Todas estas etapas influyen en la calidad del sistema experto
resultante, que siempre debe ser evaluado en función de las
aportaciones de los usuarios. Para el lector interesado en estos
temas recomendamos la lectura de los trabajos de O’Keefe, Balci
y Smith (1987), Chandrasekaran (1988) y Preece 1990).
VENTAJAS DE UN S.E (I)
• El desarrollo o la adquisición de un sistema experto es
generalmente caro, pero el mantenimiento y el coste
marginal de su uso repetido es relativamente bajo. Por otra
parte, la ganancia en términos monetarios, tiempo, y
precisión resultantes del uso de los sistemas expertos son
muy altas, y la amortización es muy rápida. Sin embargo,
antes de desarrollar o adquirir un sistema experto debe
realizarse un análisis de factibilidad y de coste-beneficio.
Hay varias razones para utilizar sistemas expertos. Las más
importantes son:
VENTAJAS DE UN S.E (II)
1. Con la ayuda de un sistema experto, personal con poca
experiencia puede resolver problemas que requieren un
conocimiento de experto. Esto es también importante en casos en
los que hay pocos expertos humanos. Además, el número de
personas con acceso al conocimiento aumenta con el uso de
sistemas expertos.
2. El conocimiento de varios expertos humanos puede combinarse,
lo que da lugar a sistemas expertos más fiables, ya que se
obtiene un sistema experto que combina la sabiduría colectiva de
varios expertos humanos en lugar de la de uno solo.
3. Los sistemas expertos pueden responder a preguntas y resolver
problemas mucho más rápidamente que un experto humano. Por
ello, los sistemas son muy valiosos en casos en los que el tiempo
de respuesta es crítico.
VENTAJAS DE UN S.E (III)
4.- En algunos casos, la complejidad del problema impide al experto
humano resolverlo. En otros casos la solución de los expertos
humanos no es fiable. Debido a la capacidad de los ordenadores
de procesar un elevadísimo numero de operaciones complejas de
forma rápida y aproximada, los sistemas expertos suministran
respuestas rápidas y fiables en situaciones en las que los
expertos humanos no pueden.
5. Los sistemas expertos pueden ser utilizados para realizar
operaciones monótonas, aburridas e inconfortables para los
humanos. En verdad, los sistemas expertos pueden ser la única
solución viable en una situación en la que la tarea a realizar
desborda al ser humano (por ejemplo, un avión o una cápsula
espacial dirigida por un sistema experto).
VENTAJAS DE UN S.E (IV)
6. Se pueden obtener enormes ahorros mediante el uso de
sistemas expertos.
7. Fácil acceso y disponibilidad de conocimiento experto.
8. Permanencia del conocimiento experto.
9. Respuestas no subjetivas.
10.Resolución de problemas complejos que no tengan una solución

específica y adecuada.
LIMITACIONES
1) Para actualizar se necesita de reprogramación

de estos .
2) Elevado costo en dinero y tiempo.
3) Programas son poco flexibles a cambios y de
Tenemos difícil acceso a información no estructurada.
4) Escasez de expertos humanos en determinadas

áreas
5) No se han desarrollado sistemas que sean

capaces de resolver problemas de manera general.
EJEMPLOS DE S.E (I)
• Mycin (Sistema Experto para diagnósticos médicos)
MYCIN es un Sistema Experto para la realización de
diagnósticos, iniciado pro Ed Feigenbaum y posteriormente
desarrollados por E.Shortliffe y sus colaboradores. Su función es
la de aconsejar a los médicos en la investigación y determinación
de diagnósticos en el campo de las enfermedades infecciosas de
la sangre. El sistema MYCIN, al ser consultado por el médico,
solicita primero datos generales sobre el paciente: nombre, edad,
síntomas, etc. Una vez conocida esta información por parte del
sistema, el Sistema Experto plantea unas hipótesis. Para poder
verificarlas comprueba primero la exactitud de las premisas de la
regla.
EJEMPLOS DE S.E (II)
Esto se realiza mediante una búsqueda de enunciados
correspondientes en la base de conocimientos. Estos enunciados
pueden a su vez estar de nuevo en la parte de consulta de otra
regla. También lo realiza mediante determinadas preguntas al
usuario. Aquí se hacen preguntas del tipo: ¿Se ha practicado en
el paciente algún tipo de intervención quirúrgica?
Con las respuestas que recibe, el MYCIN verifica o rechaza las
hipótesis planteadas. Una serie de tests han demostrado que
MYCIN trabaja igual de bien que un médico.
EJEMPLOS DE S.E (III)
• Xcon (Sistema Experto para configuración de Ordenadores)
XCON es un Sistema Experto para configuraciones desarrollado
por la Digital Equipment Corporation. Según los deseos
individuales del cliente se configuran redes de ordenadores VAX.
Ya que el abanico de productos que se ofrecen en el mercado es
muy amplio, la configuración completa y correcta de un sistema
de estas características es un problema de gran complejidad.
XCON es capaz de comprobar y completar los pedidos entrantes
mucho más rápido y mejor que las personas encargadas hasta
ahora de esa labor.
EJEMPLOS DE S.E (IV)
• COACH (Cognitive Adaptive Computer Help)
Permite crear ayuda personalizada al usuario. Es un observador de las
acciones del usuario que está aprendiendo a operar un ambiente, y en base
a ellas construye un modelo adaptativo del usuario. Si bien el concepto
general es aplicable para áreas diversas tales como las Interfases
Inteligentes y el soporte técnico, en particular es de interés para este trabajo
ya que los dominios de prueba que modeló corresponden al de un lenguaje
y un entorno de programación (LISP y UNIX, respectivamente); así como
por la prueba de adaptabilidad a distintos dominios en que probó ser
efectivo. En dicha prueba, después de completar el desarrollo y pruebas del
tutor bajo el dominio de LISP, se encargó a un estudiante inexperto, su
adaptación al dominio de UNIX; dado el éxito de la adaptación, a pesar de la
inexperiencia del constructor del dominio, Selker concluye que la aplicación
de los conceptos y modelación del dominio son apropiados para diversos
dominios, y por lo tanto, fácilmente adaptables.
EJEMPLOS DE S.E (V)
Una de las contribuciones importantes de Coach consiste en la
descripción de diversos modelos de usuarios, representados por
medio de frames adaptativos; y el modelado cognitivo de
variables tales como la experiencia, la latencia del conocimiento.
Por otro lado, el análisis de resultados que hace Selker, basado
en el comportamiento registrado por los usuarios de sistemas
tradicionales y los del sistema asesor, muestra variables
cuantificables para medir el éxito de un sistema similar como el
que ocupa este trabajo.

Sistemas Expertos

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

Sistemas Expertos

Cargado por

Copyright:

Formatos disponibles

SISTEMAS EXPERTOS

Autor: Mg. Luis Fabricio Núñez Gómez

• Podía trabajar con criptoaritmética, con las torres de Hanoi y con

• Son SE aquellos programas que se realizan haciendo explicito el

• Programas que manipulan conocimiento codificado para resolver

• Software que incorpora conocimiento de experto sobre un

• Como tal, un sistema experto debería ser capaz de procesar y

1) Solucionan problemas aplicando su

3) Se comunican con otros expertos y adquieren

4) Reestructuran y reorganizan el conocimiento.

5) Interpretan al mismo tiempo el espíritu y la

6) Determinan cuando un problema está en el

Aportar soluciones a problemas, como si de humanos se

Esto Es posible gracias a que al sistema lo crean con expertos

SISTEMA CLÁSICO SISTEMA EXPERTO

El sistema sólo opera completo El sistema puede funcionar con

Necesita información completa Puede operar con información

• Problemas Deterministas  Sistemas Basados en Reglas ,

• Problemas Estocásticos  Sistemas Expertos

• ¿Qué se entiende por regla?

• Sistemas de control de tráfico

• El razonamiento en la presencia de incertidumbre sucede en

• Emplean reglas de condición-conclusión que van acompañadas

• Ideados para manejar evidencias que pueden ser combinadas.

• Los sistemas que usan esta aproximación manejan factores de

• La teoría de conjuntos difusos ha sido otra herramienta poderosa

• Ejemplo: SE de diagnóstico MYCIN.

• Cuando la información es parcial o errónea completamente el

• Quizás el elemento más importante en el desarrollo de un sistema

• Esta etapa requiere una enorme dedicación y un gran esfuerzo

• Controla el flujo del nuevo conocimiento que

• En algunos casos, el usuario puede suministrar la información

• Evitar fallos en labores rutinarias complejas

• Comenzaremos hablando de ROSIE, un lenguaje evolucionado

•Weiss y Kulikowski (1984) sugieren las etapas

5. Desarrollo y prueba de un prototipo.

7. Mantenimiento y puesta al día.

En esta etapa el usuario plantea problemas o defectos del

7. Fácil acceso y disponibilidad de conocimiento experto.

8. Permanencia del conocimiento experto.

10.Resolución de problemas complejos que no tengan una solución

1) Para actualizar se necesita de reprogramación

4) Escasez de expertos humanos en determinadas

5) No se han desarrollado sistemas que sean

También podría gustarte