GESTIÓN DE PROYECTOS DE INVESTIGACIÓN

INVESTIGACIÓN DEL TEMA “SISTEMAS EXPERTOS”

Calderón Romero Miguel Ángel, Grupo 1

INTELIGENCIA ARTIFICIAL

DEFINICIÓN

Rouhiainen (2018) define la inteligencia artificial (IA) como “ la capacidad de las

máquinas para usar algoritmos, aprender de los datos y utilizar lo aprendido en la
toma de decisiones tal y como lo haría un ser humano. Sin embargo, a diferencia
de las personas, los dispositivos basados en IA no necesitan descansar y pueden
analizar grandes volúmenes de información a la vez. Asimismo, la proporción de
errores es significativamente menor en las máquinas que realizan las mismas
tareas que sus contrapartes humanas”.

Además, Boden (2017) afirma que “la IA tiene dos objetivos principales. Uno es
tecnológico: usar los ordenadores para hacer cosas útiles. El otro es científico:
usar conceptos y modelos de IA que ayuden a resolver cuestiones sobre los seres
humanos y demás seres vivos”.

ENFOQUES

De acuerdo con Rouhiainen (2018) , existen dos enfoques principales de la

inteligencia artificial:

 Aprendizaje automático: Se trata de un aspecto de la informática en el

que los ordenadores o las máquinas tienen la capacidad de aprender sin
estar programados para ello. Se caracteriza por usar algoritmos para
aprender de los patrones de datos. A su vez, se clasifica en tres
subconjuntos:

a) Aprendizaje supervisado: Los algoritmos usan datos que ya han sido

etiquetados u organizados previamente para indicar cómo tendría que ser

Investigación del Tema “Sistemas Expertos” | PÁGINA 1 DE 16

 categorizada la nueva información. Con este método, se requiere la
intervención humana para proporcionar retroalimentación.
b) Aprendizaje no supervisado: Los algoritmos no usan ningún dato
etiquetado u organizado previamente para indicar cómo tendría que ser
categorizada la nueva información, sino que tienen que encontrar la manera
de clasificarlas ellos mismos. Por tanto, este método no requiere la
intervención humana.
c) Aprendizaje por refuerzo: Los algoritmos aprenden de la experiencia. En
otras palabras, tenemos que darles “un refuerzo positivo” cada vez que
aciertan.

 Aprendizaje profundo: Se trata de un subcampo del aprendizaje

automático que se utiliza para resolver problemas muy complejos y que
normalmente implican grandes cantidades de datos. Se produce mediante
el uso de redes neuronales, que se organizan en capas para reconocer
relaciones y patrones complejos en los datos.

Por otra parte, Ponce Cruz (2010) menciona que se pueden encontrar tres
grandes ramas que componen la inteligencia artificial:

 Lógica difusa: Es una rama de la IA que le permite a una computadora

analizar información del mundo real en una escala entre lo falso y lo
verdadero.
 Redes neuronales artificiales: Consisten en una tecnología que trata de
reproducir el proceso de solución de problemas del cerebro. Su finalidad se
trata de construir sistemas que toman decisiones y realizan clasificaciones.
Los problemas adecuados para este enfoque son aquellos que no tienen
solución computacional precisa o que requieren algoritmos muy extensos.
 Algoritmos genéticos: Son una técnica de búsqueda iterativa inspirada en
los principios de selección natural. Su idea fundamental es optimizar una
función objetivo utilizando los principios de la selección natural sobre los
parámetros de la función.

Investigación del Tema “Sistemas Expertos” | PÁGINA 2 DE 16

ÁREAS DE ESTUDIO

El campo de la inteligencia artificial se compone de varias áreas de estudio, las

más comunes e importantes, según Ponce Cruz (2010) , son las siguientes:

 Búsqueda de soluciones.
 Sistemas expertos.
 Procesamiento del lenguaje natural.
 Reconocimiento de modelos.
 Robótica.
 Aprendizaje de las máquinas.
 Lógica.
 Incertidumbre y lógica difusa.

APLICACIONES

En la actualidad, existen diversas aplicaciones de la inteligencia artificial presentes

en el entorno cotidiano. “Se interactúa con sistemas de IA para realizar actividades
habituales como escuchar música en Spotify, ver series en Netflix, encontrar una
ruta con Google Maps o comprar en Amazon. Muchas tareas, que en el pasado
realizaban personas y en las últimas décadas se sustituyeron por algoritmos y en
la actualidad ya incorporan la IA” (Estupiñán Ricardo etal., 2021) .

De igual modo, los principales campos de aplicación de los sistemas de

inteligencia artificial, acorde a Benítez et al. (2013) , son enumerados a
continuación:

 Medicina: Ayuda al diagnóstico, análisis de imágenes biomédicas y

procesado de señales fisiológicas.
 Ingeniería: Organización de la producción, optimización de procesos,
cálculo de estructuras, planificación y logística, diagnóstico de fallos y toma
de decisiones.

Investigación del Tema “Sistemas Expertos” | PÁGINA 3 DE 16

  Economía: Análisis financiero y bursátil, análisis de riesgos, estimación de
precios en productos derivados, minería de datos y marketing y fidelización
de clientes.
 Biología: Análisis de estructuras biológicas y genética médica y molecular.
 Informática: Procesado de lenguaje natural, criptografía, teoría de juegos y
lingüística computacional.
 Robótica: Sistemas adaptativos de rehabilitación, interfaces cerebro-
computadora, sistemas de visión artificial y sistemas de navegación
automática.
 Física y matemáticas: Demostración automática de teoremas, análisis
cualitativo de sistemas no lineales y caracterización de sistemas complejos.

Así mismo, Rouhiainen (2018) señala algunas de las aplicaciones técnicas de la

inteligencia artificial que están creciendo rápidamente en la actualidad, mismas
que son enlistadas en seguida:

 Reconocimiento de imágenes estáticas, clasificación y etiquetado.

 Mejoras del desempeño de la estrategia algorítmica comercial.
 Procesamiento eficiente y escalable de datos de pacientes.
 Mantenimiento predictivo.
 Detección y clasificación de objetos.
 Distribución de contenido en las redes sociales.
 Protección contra amenazas de seguridad cibernética.

IMPACTO

Tal como ha ocurrido con otras grandes disrupciones tecnológicas, se prevé que la
IA también conlleve una revolución económica a nivel mundial. McKinsey Global
Institute estima que, en 2030, el 70% de las empresas a nivel mundial habrá
adoptado algún tipo de IA. En este contexto, la información se convierte en un
activo muy valioso, ya que constituye el elemento esencial para la creación de
algoritmos de IA de valor. Es que los datos resultan imprescindibles para que los

Investigación del Tema “Sistemas Expertos” | PÁGINA 4 DE 16

sistemas inteligentes puedan entrenarse, mejorar y corregir desviaciones, a fin de
obtener algoritmos más fiables y efectivos (Estupiñán Ricardo etal., 2021) .

Siguiendo la misma pauta, Rouhiainen (2018) asevera, con respecto a los

beneficios de la inteligencia artificial, que “también será capaz de ofrecernos
sugerencias y predicciones relacionadas con asuntos importantes de nuestra vida,
lo que tendrá su impacto en áreas como la salud, el bienestar, la educación, el
trabajo y las relaciones interpersonales. De la misma manera, cambiará la forma
de hacer negocios al proporcionar ventajas competitivas a las empresas que
busquen entender y aplicar estas herramientas de forma rápida y eficaz”.

En contraste, Estupiñán Ricardo et al. (2021) argumentan, en cuanto a las

desventajas de la inteligencia artificial, que “la gestión de los macrodatos (Big
Data) puede dar lugar a conflictos de privacidad, responsabilidad o intereses. Es
por ello que cada gobierno debe abordar el tema estableciendo los marcos legales
necesarios para favorecer su desarrollo. Resulta, pues, de vital importancia
reaccionar inmediatamente ante la irrupción de la IA, con políticas públicas
eficaces que permitan aprovechar las oportunidades que genera el crecimiento de
esta tecnología, contribuyendo a una mayor prosperidad y bienestar de las
personas, las empresas y el país o la región en todo su conjunto”.

SISTEMAS EXPERTOS

DEFINICIÓN

Badaró et al. (2013) definen un sistema experto (SE) como “un sistema que
emplea conocimiento humano capturado en una computadora para resolver
problemas que normalmente requieran de expertos humanos. Los sistemas bien
diseñados imitan el proceso de razonamiento que los expertos utilizan para
resolver problemas específicos. Dichos sistemas pueden ser utilizados por no-
expertos para mejorar sus habilidades en la resolución de problemas. Los SE
también pueden ser utilizados como asistentes por expertos. Además, estos
sistemas pueden funcionar mejor que cualquier humano experto individualmente

Investigación del Tema “Sistemas Expertos” | PÁGINA 5 DE 16

tomando decisiones en una específica y acotada área de pericia, denominado
como dominio”.

Siguiendo la misma pauta, es de esperar, que el sistema sea capaz de explicar

sus decisiones y su manera de razonar. También se espera que el programa sea
capaz de contender con la incertidumbre y falta de información inherentes a esta
tarea. Puesto que el éxito de estos sistemas depende en gran medida de su
conocimiento sobre ciertos dominios, también se les conoce como sistemas
basados en el conocimiento o KBS, por sus siglas en inglés
(Guerra Hernández, 2019)
.

CARACTERÍSTICAS

Berzal (2011) puntualiza las características de los sistemas expertos, mismas que
son enunciadas a continuación:

 Separación de los datos y el conocimiento de su manipulación, lo que

permite actualizar fácilmente la base de conocimiento o la base de datos sin
tener que modificar el motor de inferencia.
 Implementación del conocimiento explícito de un experto en un dominio
concreto.
 Su objetivo se encuentra fundamentado en ayudar en la toma de
decisiones, pero no sustituir al experto.
 Razonamiento simbólico.
 Reglas heurísticas basadas en la experiencia de los expertos, que pueden
fallar en situaciones concretas.

CLASIFICACIÓN

De acuerdo con Castillo et al. (2001) , los sistemas expertos pueden clasificarse en
dos tipos principales según la naturaleza de problemas para los que están
diseñados:

 Sistemas expertos basados en reglas: Sacan sus conclusiones

basándose en un conjunto de reglas utilizando un mecanismo de

Investigación del Tema “Sistemas Expertos” | PÁGINA 6 DE 16

 razonamiento lógico. Tratan con problemas de tipo determinista, los cuales
pueden ser formulados usando un conjunto de reglas que relacionen varios
objetos bien definidos. A su vez, puede emplear dos mecanismos de
razonamiento lógico:

a) Razonamiento hacia atrás: Parte de una hipótesis, y razona hacía las

evidencias.
b) Razonamiento hacia adelante: A partir del conocimiento previo y la
evidencia disponible, explora qué conclusiones es posible obtener
(Guerra Hernández, 2019)
.

 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. Tratan con
problemas de tipo estocástico, donde la distribución conjunta de un
conjunto de variables se usa para describir las relaciones de dependencia
entre ellas, y se sacan conclusiones usando fórmulas muy conocidas de la
teoría de la probabilidad.

ESTRUCTURA

Los componentes básicos de un sistema experto, según Badaró et al. (2013) , son:

 Subsistema de adquisición de conocimiento: Es la acumulación,

transferencia y transformación de la experiencia para resolver problemas de
una fuente de conocimiento a un programa de computadora para construir o
expandir la base de conocimiento. El estado del arte actual requiere un
ingeniero en conocimiento que interactúe con uno o más expertos humanos
para construir la base de conocimiento.
 Base de conocimiento: Contiene el conocimiento necesario para
comprender, formular y resolver problemas.

Investigación del Tema “Sistemas Expertos” | PÁGINA 7 DE 16

  Base de hechos: Es una memoria de trabajo que contiene los hechos
sobre un problema, alberga los datos propios correspondientes a los
problemas que se desean tratar.
 Motor de inferencia: Es el cerebro del SE, también conocido como
estructura de control o interpretador de reglas. Este componente es
esencialmente un programa de computadora que provee metodologías para
razonamiento de información en la base de conocimiento. Este componente
provee direcciones sobre cómo usar el conocimiento del sistema para
armar la agenda que organiza y controla los pasos para resolver el
problema cuando se realiza una consulta.
 Subsistema de justificación: Se encarga de explicar el comportamiento
del SE al encontrar una solución. Permite al usuario hacer preguntas al
sistema para poder entender las líneas de razonamiento que este siguió.
Resulta especialmente beneficioso para usuarios no expertos que buscan
aprender a realizar algún tipo de tarea.

PROCESO DE DESARROLLO

Castillo et al. (2001) proponen las siguientes etapas para el diseño e

implementación de un sistema experto:

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.

Investigación del Tema “Sistemas Expertos” | PÁGINA 8 DE 16

 4. Elección del lenguaje de programación, herramienta o entorno de
desarrollo: Debe decidirse si realizar un sistema experto a medida, o
utilizar una herramienta, o un lenguaje de programación. Si existiera una
herramienta comercial satisfaciendo todos los requerimientos del diseño,
ésta debería ser la elección, no sólo por razones de tipo financiero sino
también por razones de fiabilidad. Las 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.
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.

LENGUAJES DE PROGRAMACIÓN EMPLEADOS

Pignani (2001) menciona dos lenguajes de programación destacados en el

contexto de la implementación de sistemas expertos:

 LISP: Se trata de un lenguaje de programación especial inventado para

facilitar la manipulación del símbolo. Debido a su elegancia y simple
flexibilidad, la mayoría de los programas de investigación de IA se escriben
en este lenguaje, pero las aplicaciones comerciales se han alejado de él.
 PROLOG: A principios de los años 70 este lenguaje de programación de IA
fue inventado en Francia. Consiste en las declaraciones que son hechos
(afirmaciones), reglas (de la inferencia) y preguntas.

A su vez, Badaró etal. (2013) describen otras herramientas y frameworks

disponibles para la construcción de un sistema experto:

 CLIPS: Consiste en un prototipo de un Sistema Experto, cuya principal

característica es su capacidad para funcionar con otros sistemas existentes.

Investigación del Tema “Sistemas Expertos” | PÁGINA 9 DE 16

 Se ha convertido en un punto de referencia para el desarrollo de otros
Sistemas Expertos.
 JESS: Es un motor de reglas que tuvo su origen en CLIPS pero que fue
escrito enteramente en Java. Comparte con CLIPS varios conceptos de
diseño y similitudes con respecto a la sintaxis. Asimismo, implementa la
especificación de referencia JSR94.
 Drools: Su algoritmo consiste en una red de nodos interconectados con
diferentes características que evalúan las entradas mediante la propagación
de los resultados del siguiente nodo cuando hay coincidencias. Ofrece
herramientas de integración con Java, la capacidad de escalabilidad y una
división clara entre los datos y la lógica de dominio.
 Jena: Es un framework desarrollado en tecnología Java que incluye un
motor de inferencia basado en normas, una API ontológica y un motor de
búsqueda.
 JEOps: Añade encadenamiento hacia adelante, y las normas de
producción de primer orden con el fin de facilitar el desarrollo de Sistemas
Expertos mediante programación declarativa.
 OpenCyc: Se trata de la tecnología de código abierto más completa
referente a bases de conocimientos generales del mundo y motores de
razonamiento de sentido común.

APLICACIONES

El espectro de aplicaciones de los sistemas expertos a los problemas comerciales

e industriales es amplio. “Algunas aplicaciones basadas en sistemas expertos
incluyen tareas como el diagnóstico médico, la localización de fallas en equipos y
la interpretación de datos cuantitativos” (Guerra Hernández, 2019) . Además, en
cuanto al ámbito empresarial se refiere, “la gran mayoría de empresas disponen
infraestructura tecnológica para dar soporte a funciones básicas de tratamiento de
la información: contabilidad general, decisiones financieras, gestión de la
tesorería, planificación” (Badaró etal., 2013) .

Investigación del Tema “Sistemas Expertos” | PÁGINA 10 DE 16

Así mismo, las aplicaciones más sobresalientes de esta tecnología, acorde con
Pignani (2001) , son enlistadas en seguida:

 Diagnóstico y localización de averías de dispositivos y de sistemas de todas

las clases.
 Planeamiento y programación.
 Configuración de objetos manufacturados.
 Toma de decisión financiera.
 Publicación del conocimiento.
 Vigilancia y control del proceso.
 Diseño y fabricación.

VENTAJAS Y DESVENTAJAS

Castillo et al. (2001) señalan que existen diversos beneficios derivados de la

utilización de sistemas expertos, de entre los cuales los más relevantes son
enumerados a continuación:

 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.
 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.
 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.
 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

Investigación del Tema “Sistemas Expertos” | PÁGINA 11 DE 16

 número 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.
 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.
 Se pueden obtener enormes ahorros mediante el uso de sistemas expertos.

Sin embargo, el desarrollo y utilización de sistemas expertos ostentan ciertas

desventajas. Por un lado, es evidente que para actualizar se necesita de
reprogramación de estos (tal vez este sea una de sus limitaciones más
acentuadas), otra de sus limitaciones puede ser el elevado costo en dinero y
tiempo, además que estos programas son poco flexibles a cambios y de difícil
acceso a información no estructurada. Por otra parte, la inteligencia artificial no ha
podido desarrollar sistemas que sean capaces de resolver problemas de manera
general o de aplicar el sentido común para resolver situaciones complejas ni de
controlar situaciones ambiguas (Badaró etal., 2013) .

De igual modo, Samper Márquez (2016) asevera que “el conocimiento humano es
complejo de extraer y, a veces, es problemático representarlo. Si un problema
sobrepasa la competencia de un sistema experto, sus prestaciones se degradan
de forma notable. Además, las estrategias de razonamiento de los motores de
inferencia suelen estar programadas procedimentalmente y se adaptan mal a las
circunstancias. Están limitados para tratar problemas con información incompleta”.

IMPLEMENTACIONES EN EL ÁREA DE CIENCIAS DE LA SALUD

En el caso particular de los sistemas expertos orientados al área de ciencias de la

salud, éstos contienen información sobre las estrategias diagnósticas y
terapéuticas a aplicar en las enfermedades. y ayudan a médicos en formación con
la precisión de un especialista. Son bases de datos y de conocimientos fundadas
sobre datos de pacientes, búsqueda en la literatura y opiniones de expertos. La

Investigación del Tema “Sistemas Expertos” | PÁGINA 12 DE 16

posibilidad de su uso en la aplicación de protocolos diagnósticos y para estudiar
pacientes es particularmente atractivo (Rivas-Echeverría etal., 2006) .

Además, los sistemas en cuestión “son ideales para usarse en sistemas de

telemedicina y podrían ser de inmenso valor en la optimización de las tareas a
ejecutar en programas de salud pública. tales como: identificar factores de riesgo,
tamizar apropiadamente la población, clasificar y estudiar pacientes. estandarizar,
a la vez que individualizar las conductas, compilar información epidemiológica en
su base de datos, etc.” (Rivas-Echeverría etal., 2006) .

Así mismo, las funciones que deben desempeñar tales sistemas, de acuerdo con
Rivas-Echeverría et al. (2006) , consisten en las siguientes:

 Apoyar al diagnóstico de una o más enfermedades y sugerir la conducta

adecuada.
 Diagnosticar la ausencia absoluta de cualquiera de estas enfermedades.
 Hallar algunos síntomas o signos atribuibles a cualquier causa exógena
(diagnóstico diferencial).
 Advertir al médico que el paciente no cumple los criterios mínimos para
alguna de las enfermedades y en este caso, sugerir una reevaluación
posterior o referir al paciente a un especialista.
 Compilar información en la base de datos para ser usada con fines de
vigilancia epidemiológica.

Siguiendo la misma pauta, las ventajas derivadas de la implementación de

sistemas expertos en el área de las ciencias de la salud, radican en que “una de
las formas comunes de llegar a un diagnóstico es mediante el interrogatorio al
paciente, en este sentido, los sistemas expertos son los más aptos para esta
tarea. Cuando el interrogatorio al paciente se realiza de forma correcta se podrá
elegir el tratamiento adecuado para su problema. Otro punto a favor de los
sistemas expertos es que al tener almacenado el conocimiento en medios
electrónicos, nunca se deteriorará, por el contrario, con el módulo de aprendizaje
se logran ingresar nuevas reglas para tratar nuevas enfermedades, lo que asegura

Investigación del Tema “Sistemas Expertos” | PÁGINA 13 DE 16

también que al realizar la prueba en pacientes con los mismos síntomas se
diagnostique de la misma forma” (Chacaltana La Rosa, 2017) .

De igual modo, algunas implementaciones previas de sistemas expertos en el

campo de la medicina son descritas a continuación:

 SEPPP: Es un sistema experto basado en reglas, que apoya el diagnóstico

y la toma de decisiones terapéuticas en el campo de los desórdenes
hipertensivos del embarazo (DHE), sus factores de riesgo y sus
complicaciones. Aplica criterios pragmáticos para clasificar, diagnosticar y
sugerir el tratamiento de los DHE y sus complicaciones
(Rivas-Echeverría etal., 2006)
.
 MYCIN: Es un sistema experto desarrollado a principios de los años 70 por
Edgar ShortLiffe, en la Universidad de Stanford. Fue escrito en Lisp, y su
principal función consistía en el diagnóstico de enfermedades infecciosas
de la sangre. Además, era capaz de razonar el proceso seguido para llegar
a estos diagnósticos, y de recetar medicaciones personalizadas a cada
paciente (según su estatura, peso, etc.) (Chacaltana La Rosa, 2017) .
 CADET: Es un sistema basado en los resultados clínicos de soporte de
decisiones para la temprana detección del cáncer. Evaluación del riesgo del
cáncer y la detección precoz están sujetos a serias limitaciones
relacionadas principalmente con factores humanos y de las características
de los datos en cuestión. Para ayudar a superar tales problemas, este
sistema fue diseñado para proporcionar al médico una idea más clara de la
historia clínica y la ayuda en la dirección de los pacientes a las medidas
adecuadas (Chacaltana La Rosa, 2017) .
 DIAVAL: Es un sistema experto para diagnóstico mediante ecocardiografía,
el cual se basa en redes bayesianas. Fue construido en la Universidad
Nacional de Educación a Distancia (UNED) en España, y provee una
interfaz flexible y fácil de manejar, conociendo la importancia de este factor
en su aceptación por parte de los médicos (Chacaltana La Rosa, 2017) .

BIBLIOGRAFÍA

Investigación del Tema “Sistemas Expertos” | PÁGINA 14 DE 16

Badaró, S., Ibáñez, L. J., & Agüero, M. J. (2013). Sistemas expertos: fundamentos, metodologías y
aplicaciones. Ciencia y Tecnología, 13.

Benítez, R., Escudero, G., Kanaan, S., & Masip Rodó, D. (2013). Inteligencia artificial
avanzada. Editorial UOC.

Berzal, F. (2011). Sistemas expertos. Universidad de Granada.

https://elvex.ugr.es/decsai/computational-intelligence/slides/A2%20Expert
%20Systems.pdf

Boden, M. A. (2017). Inteligencia artificial. Turner Publicaciones.

Castillo, E., Gutiérrez, J. M., & Hadi, A. S. (2001). Sistemas expertos y modelos de
redes probabilísticas. Universidad de Cantabria.

Chacaltana La Rosa, H. A. (2017). Sistema experto para el diagnóstico de

enfermedades respiratorias en el Hospital Central de la Policía Nacional del Perú
Luis N. Sáenz. Universidad Inca Garcilaso de la Vega.

Estupiñán Ricardo, J., Leyva Vázquez, M. Y., Peñafiel Palacios, A. J., & El Assafiri
Ojeda, Y. (2021). Inteligencia artificial y propiedad intelectual. Universidad y
Sociedad, 13(3).

Guerra Hernández, A. (2019). Sistemas expertos. Universidad Veracruzana.

https://www.uv.mx/personal/aguerra/files/2019/04/rc-notas-07.pdf

Pignani, J. M. (2001). Sistemas expertos. Universidad Tecnológica Nacional.

Ponce Cruz, P. (2010). Inteligencia artificial con aplicaciones a la ingeniería.

Alfaomega.

Rivas-Echeverría, C., Sánchez, R., Molina, L., Matamoros, A., Torrealba, A., Rivas-
Echeverría, F., & González, S. (2006). Sistema experto para el diagnóstico y
tratamiento de los desórdenes hipertensivos del embarazo. Ciencia e Ingeniería,
28(1).

Rouhiainen, L. (2018). Inteligencia artificial: 101 cosas que debes saber hoy sobre
nuestro futuro. Alienta.

Investigación del Tema “Sistemas Expertos” | PÁGINA 15 DE 16

Samper Márquez, J. J. (2016). Introducción a los sistemas expertos. Scala Learning.
https://gc.scalahed.com/recursos/files/r161r/w21782w/Introduccion%20a%20los
%20Sistemas%20Expertos.pdf

Investigación del Tema “Sistemas Expertos” | PÁGINA 16 DE 16