UNIVERSIDAD DE ORIENTE

NÚCLEO ANZOÁTEGUI
COORDINACIÓN DE POSTGRADO
MAESTRÍA EN CIENCIAS ADMINISTRATIVAS
MENCIÓN GERENCIA GENERAL

SISTEMA DE INFORMACION EXPERTO

Msm: Ramon López

Integrantes:
Barreto Yusneisy C.I 19298196
Frederic Arnim C.I 16498000
Orta Johana C.I 18112067

El Tigre, Octubre de 2023

1
 Índice.

1.Introducción 4

2.Objetivo General 5

2.1 Objetivos Específicos 5

3. Metodología 6

4. Marco Referencial
6

5. Conceptos clave
6

6. Metodología
6

7. Desarrollo 7-
8

8. Historia del sistema de Información Experto

8

9. Tipo de Sistemas de información experto 10-

11

10. Tipos de sistema Experto 11-

12

11. Diferencia entre un sistema experto y un sistema de información experto 12-13

12. Desarrollo histórico de los Sistemas Expertos 13

14. Herramientas para desarrollo de Sistemas Expertos 14

15. Herramientas utilizadas para el desarrollo de sistemas de información experto 14

16. Ventajas de los Sistemas Expertos 15-

16

2
17. Ventajas Sistemas de información Expertos 16

18. Estructura del Sistema de Información Experto 17-

18

18.1. Figura
18

19. Sistema de Información Experto y sus aplicaciones más relevantes

19

20. Metodologías para la construcción de Sistemas Expertos 20-

21

21. Metodología Orientada a Objetos 21

22. Lenguajes utilizados para la construcción de Sistemas Expertos 21-

22

23. Introducción de los sistemas Expertos en la empresa 22-

26

24. Los programas en esta área se pueden clasificar 26-

28

25. Los SE enfocados a la planificación financiera tienen sus principales

aplicaciones en 28-
31

26. Ejemplos de sistemas expertos en las empresas 31-

39

27. Conclusiones 40-

41

28. Bibliografía
42

3
29. Anexos 43-
45

Introducción.

En la era de la información y la tecnología, el campo de la inteligencia artificial ha

experimentado un crecimiento significativo, brindando nuevas oportunidades para el
desarrollo de sistemas avanzados capaces de emular el conocimiento y la experiencia
de expertos humanos. Uno de esos sistemas es el Sistema de Información Experto
(SIE), una aplicación especializada que utiliza reglas y heurísticas para simular el
razonamiento y la toma de decisiones de un experto en un dominio específico. Un
Sistema de Información Experto combina el conocimiento experto con la capacidad de
procesamiento de una computadora, permitiendo que organizaciones y profesionales

4
mejoren la toma de decisiones, realicen diagnósticos precisos, resuelvan problemas
complejos y brinden asesoramiento experto en diversas áreas. Estos sistemas han
demostrado ser especialmente útiles en campos como la medicina, la ingeniería, el
derecho y la gestión empresarial, donde la experiencia y el juicio experto juegan un
papel crucial.

El funcionamiento de un Sistema de Información Experto se basa en la construcción de

una base de conocimientos, que almacena información relevante y reglas de inferencia
para guiar el razonamiento del sistema. Utilizando técnicas de representación del
conocimiento, como redes semánticas o lógica difusa, el SIE es capaz de analizar
datos, evaluar situaciones complejas y proporcionar recomendaciones o soluciones
basadas en el conocimiento adquirido. En esta monografía, exploraremos en detalle los
diferentes aspectos de los Sistemas de Información Experto. Investigaremos su
definición amplia, identificaremos y analizaremos la estructura de un sistema de
información experto, estudiaremos la terminología clave asociada y examinaremos las
aplicaciones más frecuentes en diversos campos. Además, presentaremos casos de
aplicación y ejemplos concretos para ilustrar la utilidad y el potencial de estos sistemas
en la práctica.

Al comprender y apreciar la naturaleza y el funcionamiento de los Sistemas de

Información Experto, podremos reconocer su importancia en la toma de decisiones
informada y eficiente, y explorar las posibilidades futuras que esta tecnología promete.
Estos sistemas han demostrado su valía como herramientas de apoyo en la resolución
de problemas complejos y como asistentes inteligentes capaces de mejorar la
productividad y la precisión en diversos campos de aplicación.

A medida que nos adentramos en el mundo de los Sistemas de Información Experto,

descubriremos cómo su integración con la inteligencia artificial y otras disciplinas
relacionadas ha transformado la forma en que los expertos trabajan y cómo se
aprovecha el conocimiento acumulado. Esperamos que esta monografía sea una guía
informativa y enriquecedora en el fascinante mundo de los Sistemas de Información
Experto y sus aplicaciones prácticas.

2. Objetivo General.

5
Analizar y comprender los Sistemas de Información Experto, investigando su
estructura, funcionamiento y aplicaciones en diversos campos.

2. Objetivos Específicos.

Investigar y describir las características clave de los Sistemas de Información Experto,

incluyendo su definición, propósito y beneficios.

Analizar en profundidad la estructura de un sistema de información experto,

identificando y explicando los componentes esenciales, como la base de
conocimientos, el motor de inferencia y la interfaz de usuario.

Explorar las técnicas de representación del conocimiento utilizadas en los Sistemas de

Información Experto, como redes semánticas, reglas y lógica difusa.

Investigar casos de aplicación exitosos de los Sistemas de Información Experto en

diferentes campos, como medicina, ingeniería, finanzas, entre otros, destacando los
beneficios y resultados obtenidos.

Analizar el proceso de desarrollo e implementación de un sistema de información

experto, examinando las etapas involucradas y los desafíos comunes que pueden
surgir.

Evaluar las limitaciones y desafíos actuales de los Sistemas de Información Experto,

como la gestión y actualización de la base de conocimientos, la captura y
representación del conocimiento experto, y la interpretación de la incertidumbre.

Proporcionar recomendaciones para futuras investigaciones y mejoras en el campo de

los Sistemas de Información Experto, considerando posibles aplicaciones en nuevos
dominios y el desarrollo de enfoques más eficientes y avanzados.

3. Marco Referencial.

Según Jackson, P. (1998): "Introduction to Expert Systems" (Addison-Wesley), un

Sistema de Información Experto es un sistema informático que combina conocimiento
experto y capacidad de procesamiento para proporcionar asesoramiento y soluciones
en un área particular. Estos sistemas simulan el razonamiento humano y la toma de

6
decisiones de expertos en un dominio específico, utilizando reglas y heurísticas para
resolver problemas complejos.

Russell, S. J., & Norvig, P. (2016): "Artificial Intelligence: A Modern Approac definen un
Sistema de Información Experto como un programa de software que utiliza
conocimiento especializado para realizar tareas que normalmente requerirían la
intervención de un experto humano. Estos sistemas utilizan técnicas de inteligencia
artificial, como la representación del conocimiento y el razonamiento automatizado,
para resolver problemas en un dominio específico.

- Ronald Brachman y Hector Levesque: "Los sistemas de información experto son

programas de computadora que contienen conocimiento especializado y representan el
conocimiento y la capacidad de razonamiento de un experto humano en un dominio
específico" (Brachman y Levesque, 2004).

- Edward Feigenbaum: "Un sistema de información experto es un programa de

computadora que contiene conocimiento y técnicas para simular el razonamiento y el
juicio humano en un dominio específico" (Feigenbaum, 1982).

4. Metodología.

En este estudio, se llevó a cabo una investigación bibliográfica exhaustiva sobre el

sistema de informacion expertos con el objetivo de obtener información y
conocimientos relevantes sobre su funcionamiento y aplicaciones. La metodología
utilizada se basó en una revisión sistemática de fuentes bibliográficas, como libros y
revistas científicas.

En primer lugar, se estableció una estrategia de búsqueda que incluyó el uso de bases
de datos y motores de búsqueda especializados. Se seleccionaron criterios de inclusión
y exclusión para identificar las fuentes más relevantes y actualizadas sobre sistemas
expertos.

Se identificaron los conceptos clave relacionados con los sistemas expertos a partir de
la revisión bibliográfica. Estos conceptos se obtuvieron mediante el análisis y la síntesis
de la información extraída de las fuentes seleccionadas. Se utilizó un enfoque temático

7
para identificar los temas principales y las relaciones entre ellos. Los hallazgos de la
revisión bibliográfica fueron discutidos y utilizados para responder a la pregunta de
investigación planteada. Se destacaron los avances, las aplicaciones y los desafíos
identificados en la literatura revisada sobre sistemas expertos.

5. Conceptos claves

Representación del conocimiento se refiere a cómo se estructura y organiza el

conocimiento en un Sistema de Información Experto. Puede involucrar técnicas como
redes semánticas, reglas de producción, lógica difusa, ontologías, entre otras (Hayes-
Roth y Waterman, 1990).

Razonamiento basado en reglas El razonamiento basado en reglas es un enfoque

común utilizado en los Sistemas de Información Experto, donde se definen reglas
específicas que relacionan condiciones (antecedentes) con acciones o conclusiones
(consecuentes). Estas reglas son utilizadas por el sistema para inferir conclusiones a
partir de los hechos o datos presentes (Giarratano y Riley, 2005).

Teorías Relevantes.

Teoría de la toma de decisiones proporciona un marco para comprender cómo los

Sistemas de Información Experto pueden ayudar a los usuarios a tomar decisiones
efectivas. Se exploran conceptos como la incertidumbre, el riesgo, los criterios de
decisión y la utilidad para desarrollar modelos de toma de decisiones (Russell y Norvig,
2016).

Lógica difusa: La lógica difusa es una teoría que permite manejar la incertidumbre y la
imprecisión en los Sistemas de Información Experto. Permite la representación y el
razonamiento con grados de verdad difusos, en contraste con la lógica clásica binaria
(Zadeh, 1965).

5.1 Sistema

Es un conjunto de elementos interrelacionados que trabajan juntos para lograr un

objetivo común. En el contexto de la tecnología, un sistema se refiere a un conjunto de

8
componentes, tanto hardware como software, que interactúan entre sí para realizar una
función específica o proporcionar un servicio determinado.

Un sistema puede estar compuesto por diferentes partes, como dispositivos físicos,
software, redes de comunicación y protocolos, bases de datos y componentes
electrónicos. Estos elementos se conectan y colaboran entre sí para realizar tareas o
procesos que satisfacen las necesidades de los usuarios o cumplen con los objetivos
establecidos.

5.2 Un sistema de información es un conjunto organizado de componentes

interrelacionados que recopilan, procesan, almacenan y distribuyen información para
respaldar la toma de decisiones, el control y la operación de una organización

Un sistema de información experto (SIE) es una forma especializada de sistema de

información que utiliza conocimientos y reglas específicas para simular la capacidad de
toma de decisiones y solución de problemas de un experto humano en un dominio
particular. Estos sistemas están diseñados para imitar el razonamiento y el
conocimiento de un experto en un campo específico y proporcionar recomendaciones o
soluciones basadas en ese conocimiento.

5.3 Inteligencia es la aptitud de crear relaciones. Esta creación puede darse de

manera puramente sensorial, como en la inteligencia animal; también puede darse de
manera intelectual, como en el ser humano, que pone en juego el lenguaje y los
conceptos. Inteligencia, también se la puede conceptuar como la habilidad para
adquirir, comprender y aplicar conocimiento; o como la aptitud para recordar, pensar y
razonar.

Finalmente se puede decir que el concepto de inteligencia es variable dependiendo del

tipo de investigador; es decir los conceptos de inteligencia de un psicólogo, un
antropólogo, un abogado u otro profesional pueden ser distintos y válidos para sus
respectivas áreas.

5.4 Inteligencia Artificial.

9
No existe una definición concreta de Inteligencia Artificial, pero la mayoría de los
autores coinciden en que es, en esencia, lograr que una máquina tenga inteligencia
propia, es decir: “La inteligencia artificial es una de las áreas más fascinantes y con
más retos de las ciencias de la Computación ya que ha tomado a la inteligencia como
la característica universalmente aceptada para diferenciar a los humanos de otras
criaturas ya sean vivas o inanimadas, para construir programas o computadoras
inteligentes.

5. Un Sistema Experto (SE), es básicamente un programa de computadora

basado en conocimientos y raciocinio que lleva a cabo tareas que generalmente sólo
realiza un experto humano; es decir, es un programa que imita el comportamiento
humano en el sentido de que utiliza la información que le es proporcionada para poder
dar una opinión sobre un tema en especial. Otros autores lo definen como sigue: un
Sistema Experto es un programa de computadora interactivo que contiene la
experiencia, conocimiento y habilidad propios de una persona o grupos de personas
especialistas en un área particular del conocimiento humano, de manera que permitan
resolver problemas específicos de ése área de manera inteligente y satisfactoria. La
tarea principal de un SE es tratar de aconsejar al usuario, Los usuarios que introducen
la información al SE son en realidad los expertos humanos, y tratan a su vez de
estructurar los conocimientos que poseen para ponerlos entonces a disposición del
sistema12. Los SE son útiles para resolver problemas que se basan en conocimiento.

Esta es una definición es muy completa e interesante, pero no es la única, para

algunos otros autores, la Inteligencia Artificial es el estudio de cómo hacer que las
computadoras hagan cosas que, en estos momentos, hace mejor el hombre2 Para
otros, la Inteligencia Artificial (IA) es una ciencia que intenta la creación de programas
para máquinas que imiten el comportamiento y la compresión humana, que sea capaz
de aprender, reconocer y pensar, Pero sea cual sea el concepto, la inteligencia artificial
está orientada a conseguir que las máquinas realicen trabajos donde se aplique la
inteligencia, el razonamiento y el conocimiento de un ser humano.

Desarrollo

6.1 Historia del sistema de Informacion Experto

10
Los sistemas de información experto (SIE) tienen sus raíces en la inteligencia artificial y
se desarrollaron a partir de la década de 1960.

1960-1970: Durante esta época, investigadores como Allen Newell y Herbert A. Simon
exploraron la idea de crear programas de computadora capaces de simular el
razonamiento humano. Sus trabajos sentaron las bases de la inteligencia artificial y
sentaron las bases para el desarrollo de los SIE.

1970-1980: En esta década, se produjeron avances significativos en la creación de

sistemas de información experto. En 1972, Edward Feigenbaum y Joshua Lederberg
crearon Dendral, uno de los primeros SIE que se utilizó para identificar compuestos
químicos a partir de datos espectroscópicos. Este fue un hito importante en la
aplicación de la inteligencia artificial en dominios específicos.

En 1974, se desarrolló el sistema MYCIN, diseñado para diagnosticar enfermedades

infecciosas y recomendar tratamientos. MYCIN fue creado por Edward Shortliffe y se
considera uno de los primeros SIE de éxito en el campo de la medicina.

1980-1990: Durante esta década, el interés en los SIE aumentó significativamente. Se

realizaron avances técnicos en áreas como el razonamiento basado en casos, la lógica
difusa y el aprendizaje automático para mejorar la capacidad de los SIE.

En 1986, el sistema experto R1/XCON fue desarrollado por Digital Equipment

Corporation para configurar sistemas informáticos complejos. Este sistema fue
ampliamente utilizado en la industria y destacó la utilidad práctica de los SIE en la
optimización de procesos y la toma de decisiones técnicas.

1990 en adelante: A medida que avanzaba la tecnología informática, los SIE se

volvieron más sofisticados y accesibles. Se desarrollaron herramientas de desarrollo y
lenguajes de programación específicos para la creación de SIE, lo que facilitó su
implementación en diversos dominios.

Con el tiempo, los SIE se han aplicado en áreas como la medicina, la ingeniería, las
finanzas, el derecho y la gestión empresarial. A medida que la inteligencia artificial y el
aprendizaje automático han evolucionado, los SIE han incorporado técnicas más

11
avanzadas, como el procesamiento del lenguaje natural y el aprendizaje profundo, para
mejorar su capacidad de toma de decisiones y adaptarse a situaciones más complejas.

Década de 2000: Grandes volúmenes de datos y aprendizaje profundo: La

disponibilidad de grandes volúmenes de datos y el aumento de la capacidad
computacional permitieron el desarrollo del aprendizaje profundo. Esta técnica utiliza
redes neuronales profundas para realizar tareas complejas, como el reconocimiento de
imágenes y la traducción automática, logrando resultados sobresalientes.

Actualidad: Avances en IA y aplicaciones generalizadas: La IA ha experimentado un

rápido crecimiento en los últimos años. Se han logrado avances significativos en áreas
como el procesamiento del lenguaje natural, la robótica, los vehículos autónomos y el
diagnóstico médico asistido por computadora. La IA se ha convertido en una parte
integral de nuestras vidas, impulsando la innovación en diversos sectores.

Hay constante evolución y los avances continúan a un ritmo acelerado. A medida que la
tecnología y la investigación avanzan, la IA sigue desafiando los límites de lo que es
posible y promete un futuro emocionante en el que las máquinas sean capaces de
realizar tareas cada vez más complejas e inteligentes.

El programa DENDRAL de Buchann constituye uno de los primeros ejemplos de este

enfoque. Fue diseñado en Stanford, donde Ed Feigenbaum, Bruce Buchanan y Joshua
Lederberg colaboraron en la solución del problema de inferir una estructura molecular a
partir de la información proporcionada por un espectrómetro de masas.

El programa se alimentaba con la fórmula elemental de la molécula (C6H13NO2). La

primera versión del programa generaba todas las posibles estructuras que
correspondieran a la formula, luego predecía el espectro de masa que se observaría en
cada caso, y comparaba estos con el espectro real. Así fue como comenzaron los
primeros desarrollos e investigaciones sobre la Inteligencia Artificial.

6.2 Tipo de Sistemas de información experto

Sistemas de diagnóstico: Estos sistemas se utilizan para identificar y diagnosticar

problemas o errores en un dominio específico. Recopilan información sobre los

12
síntomas o características del problema y aplican reglas o algoritmos de razonamiento
para determinar la causa raíz y ofrecer recomendaciones de solución.

Sistemas de recomendación: Estos sistemas se centran en proporcionar

recomendaciones personalizadas o sugerencias basadas en las preferencias y
necesidades del usuario. Utilizan técnicas de filtrado colaborativo, análisis de contenido
o aprendizaje automático para analizar patrones y comportamientos y ofrecer
recomendaciones relevantes.

Sistemas de planificación y programación: Estos sistemas ayudan a generar planes

o programas eficientes para llevar a cabo una serie de tareas o actividades. Utilizan
reglas de planificación, algoritmos de optimización y consideraciones de recursos para
generar planes óptimos o cercanos a la óptima en función de los objetivos y
restricciones establecidos.

Sistemas de control de procesos: Se utilizan para supervisar y controlar procesos

complejos en tiempo real. Recopilan datos de sensores y dispositivos de monitoreo,
aplican reglas o modelos de control y toman decisiones para mantener el proceso en
un estado óptimo o seguro.

Sistemas de diseño y configuración: Ayudan en la creación y configuración de

productos o soluciones personalizadas. Utilizan reglas de diseño, modelos
paramétricos y conocimientos expertos para guiar el proceso de diseño y generar
configuraciones óptimas o adaptadas a las necesidades del cliente.

Sistemas de soporte a la toma de decisiones: Estos sistemas brindan apoyo en la

toma de decisiones complejas al combinar datos, modelos y conocimientos expertos.
Ayudan a analizar diferentes escenarios, evaluar opciones y proporcionar información
relevante para tomar decisiones informadas.

6.3 Tipos de sistema Experto

Hay muchos puntos de vista desde los cuales se pueden clasificar los Sistemas
Expertos. Algunos de ellos son:

13
Sistemas expertos basados en reglas: Estos sistemas son los más comunes y
utilizan una base de conocimientos compuesta por reglas if-then. Cada regla establece
una condición (if) y una acción (then) que se ejecuta si se cumple la condición. Estos
sistemas son efectivos para problemas con soluciones bien definidas y reglas claras.

Sistemas expertos basados en casos: Estos sistemas utilizan una base de

conocimientos compuesta por casos o ejemplos previos. Cada caso contiene
información sobre un problema específico y su solución. El sistema busca casos
similares al problema actual y utiliza la solución correspondiente como guía. Son útiles
cuando no hay reglas claras o cuando el conocimiento se basa en la experiencia.

Sistemas expertos basados en modelos: Estos sistemas utilizan modelos o

representaciones de un fenómeno o proceso para realizar razonamientos y tomar
decisiones. El sistema utiliza el modelo para simular situaciones y evaluar diferentes
acciones. Son útiles en dominios donde se dispone de modelos matemáticos o teorías
bien desarrolladas.

Sistemas expertos basados en redes neuronales: Estos sistemas utilizan redes

neuronales artificiales para imitar el funcionamiento del cerebro humano. La red
neuronal aprende a partir de datos de entrenamiento y puede realizar tareas como
reconocimiento de patrones, clasificación y predicción. Son efectivos en dominios
donde el aprendizaje a partir de datos es crucial.

Sistemas expertos basados en lógica difusa: Estos sistemas utilizan la lógica difusa
para manejar la incertidumbre y la imprecisión en el conocimiento. La lógica difusa
permite representar y razonar con grados de verdad y falsedad parciales, en lugar de
solo verdadero o falso. Son útiles en dominios donde la información es vaga o incierta.

Sistemas expertos basados en ontologías: Estos sistemas utilizan ontologías, que

son representaciones formales del conocimiento en un dominio específico. Las
ontologías describen las entidades, conceptos y relaciones en el dominio, lo que
permite un razonamiento más sofisticado y una mayor capacidad de inferencia.

6.4 Diferencia entre un sistema experto y un sistema de información experto

14
Un sistema experto es un tipo de sistema de inteligencia artificial diseñado para emular
el razonamiento y la toma de decisiones de un experto humano en un dominio
específico. Está basado en un conjunto de reglas, heurísticas o modelos de
conocimiento experto que se utilizan para resolver problemas o brindar
recomendaciones en ese dominio. Los sistemas expertos se centran en el
procesamiento del conocimiento y el razonamiento lógico para llegar a conclusiones o
soluciones.

Por otro lado, un sistema de información experto es un sistema que combina la

tecnología de la información con el conocimiento experto en un dominio específico.
Estos sistemas se utilizan para recopilar, almacenar, organizar y distribuir información
relevante y conocimiento experto dentro de una organización o contexto específico. Los
sistemas de información experto se centran en la gestión y el acceso eficiente a la
información, así como en la utilización de ese conocimiento para apoyar la toma de
decisiones y las operaciones de la organización.

6.5 Desarrollo histórico de los Sistemas Expertos.

Los Sistemas Expertos como tales, surgen a mediados de los años sesenta; en esos
tiempos, se creía que bastaban unas pocas leyes de razonamiento junto con potentes
computadoras para producir resultados brillantes15. Los primeros investigadores que
desarrollaron programas basados en leyes de razonamiento fueron Alan Newell y
Herbert Simon, quienes desarrollaron el GPS (General Problem Solver).

Este sistema era capaz de resolver problemas como el de las torres de Hanoi y otros
similares, a través de la criptoaritmética. Sin embargo, este programa no podía resolver
problemas más “cotidianos” y reales, como, por ejemplo, dar un diagnóstico médico.

Entonces algunos investigadores cambiaron el enfoque del problema: ahora se

dedicaban a resolver problemas sobre un área específica intentando simular el
razonamiento humano. En vez de dedicarse a computarizar la inteligencia general, se
centraron en dominios de conocimiento muy concretos De esta manera nacieron los
Sistemas Expertos.

15
El primer SE que se aplicó a problemas más reales fue desarrollado en 1965 con el fin
de identificar estructuras químicas: el programa se llamó DENDRAL. Lo que este
istema Experto hacía, al igual que lo hacían los expertos de entonces, era tomar unas
hipótesis relevantes como soluciones posibles, y someterlas a prueba comparándolas
con los datos. El nombre DENDRAL significa árbol en griego. Debido a esto, el
programa fue bautizado así porque su principal tarea era buscar en un árbol de
posibilidades la estructura del compuesto.

Para los años comprendidos entre 1980 y 1985 se crearon diversos sistemas expertos,
tales como el DELTA de la General Electric Company, el cual se encargaba de reparar
locomotoras diesel y eléctricas, o como “Aldo en Disco”, que reparaba calderas
hidrostáticas giratorias usadas para la eliminación de bacterias.

En esa misma época surgen empresas dedicadas a desarrollar Sistemas Expertos, las
cuales que supusieron en conjunto una inversión total de más de 300 millones de
dólares. Los productos más importantes que creaban estas nuevas compañías eran las
"máquinas LISP", las cuales consistían en unas computadoras que ejecutaban
programas LISP con la misma rapidez que en una computadora central.

6.6 Herramientas para desarrollo de Sistemas Expertos

Los expertos humanos.

Un experto humano es una persona que es competente en un área determinada del

conocimiento o del saber. Un experto humano es alguien que sabe mucho sobre un
tema determinado y que puede dar un consejo adecuado. Esta experiencia sólo se
adquiere tras un largo aprendizaje y a base de mucha experiencia. Los expertos
humanos tienen las siguientes características generales:

• Son personas raras, tanto por su escaso número como su comportamiento poco
“ortodoxo” y e “incomprensible” frente a los problemas con los que se enfrentan.

• Son caros por dos motivos: por su escaso número y por necesitar un largo periodo de
aprendizaje

16
• No están siempre disponibles, pues son humanos y cuando se jubilan o mueren se
llevan con ellos todos sus conocimientos. Es por eso que tradicionalmente están
acompañados de un “aprendiz”.

• Hay expertos que tienen mal carácter, son informales o poco comunicativos, lo que a
veces les hace antipáticos.

La forma más rápida de formar a un experto es mediante el aprendizaje formal o

académico (“conocimiento profundo”) en un principio, y posteriormente un aprendizaje
informal o práctico (“conocimiento informal”

6.7 Herramientas utilizadas para el desarrollo de sistemas de información

experto (SIE):

Drools: Drools, mencionado anteriormente como una herramienta para sistemas

expertos basados en reglas, también se puede utilizar para desarrollar SIE.
Proporciona características de reglas de negocio y capacidades de razonamiento para
gestionar y utilizar el conocimiento experto en un contexto de sistemas de información.

IBM Watson: IBM Watson es una plataforma de inteligencia artificial y computación

cognitiva que ofrece servicios y herramientas para desarrollar sistemas de información
experto. Proporciona capacidades de procesamiento del lenguaje natural,
reconocimiento de voz, análisis de texto y aprendizaje automático, que se pueden
utilizar para construir SIE con funcionalidades avanzadas.

Microsoft Azure Cognitive Services: Microsoft Azure Cognitive Services es un conjunto

de servicios en la nube que incluye herramientas y API para el desarrollo de sistemas
de información experto. Proporciona funcionalidades como el procesamiento del
lenguaje natural, el reconocimiento de imágenes, la traducción automática y el análisis
de sentimientos, que se pueden utilizar para construir SIE con capacidades de
inteligencia artificial.

Protégé: mencionado anteriormente como una herramienta de desarrollo de ontologías,

también se puede utilizar para construir SIE basados en ontologías. Proporciona una

17
interfaz gráfica para crear y editar ontologías, y también se puede utilizar para
representar y gestionar el conocimiento experto en sistemas de información.

Java Expert System Shell (JESS): JESS, mencionado anteriormente como una
herramienta para sistemas expertos basados en reglas, también se puede utilizar para
desarrollar SIE. Proporciona funcionalidades de inferencia basadas en reglas y se
puede integrar con aplicaciones Java para utilizar el conocimiento experto en sistemas
de información

6.7 Ventajas de los Sistemas Expertos.

Las ventajas que se presentan a continuación son en comparación con los expertos
humanos:

• Están siempre disponibles a cualquier hora del día y de la noche, y de forma

interrumpida.

• Mantiene el humor.

• Pueden duplicarse (lo que permite tener tantos SE como se necesiten).

• Pueden situarse en el mismo lugar donde sean necesarios.

• Permiten tener decisiones homogéneas efectuadas según las directrices que se les
fijen.

• Son fáciles de reprogramar.

• Pueden perdurar y crecer en el tiempo de forma indefinida.

• Pueden ser consultados por personas u otros sistemas informáticos.

6.8 Ventajas Sistemas de informacion Expertos

1) Captura y preservación del conocimiento:

Los sistemas expertos permiten capturar y almacenar el conocimiento de expertos

humanos en una base de conocimientos estructurada. Esto asegura que el
conocimiento valioso y especializado esté disponible incluso cuando los expertos no

18
estén presentes, lo que ayuda a preservar y compartir el conocimiento a lo largo del
tiempo. Además, el conocimiento puede ser documentado y organizado de manera más
sistemática, lo que facilita su acceso y comprensión por parte de otros usuarios.

2) Toma de decisiones consistentes:

Realiza realizar razonamientos y tomar decisiones coherentes y consistentes basadas

en reglas y heurísticas establecidas. Dado que siguen las mismas reglas y criterios en
todas las situaciones, evitan la variabilidad y los sesgos inherentes a la toma de
decisiones humanas. Esto es especialmente valioso en áreas donde la consistencia y
la objetividad son fundamentales, como la aplicación de leyes, la evaluación de riesgos
o la gestión de calidad.

3) Acceso rápido a información y conocimiento:

Permiten un acceso rápido y eficiente a información y conocimientos relevantes. Al

tener una base de conocimientos estructurada y organizada, los usuarios pueden
realizar consultas y recibir respuestas precisas de manera rápida. Esto mejora la
productividad y la eficiencia al evitar la necesidad de buscar información en numerosas
fuentes o consultar a expertos humanos, lo que ahorra tiempo y recursos.

4) Diagnóstico y resolución de problemas

Los sistemas expertos son especialmente útiles en el diagnóstico y resolución de

problemas complejos. Al contar con una base de conocimientos que contiene reglas,
heurísticas y patrones de resolución de problemas, los sistemas expertos pueden
analizar datos, identificar patrones y llevar a cabo un razonamiento sofisticado para
llegar a conclusiones precisas. Esto acelera el proceso de solución de problemas y
permite tomar medidas correctivas de manera oportuna.

5) Reducción de costos

Reduce los costos asociados con la contratación de expertos humanos o la realización

de consultas externas. Una vez desarrollados e implementados, los sistemas expertos
pueden brindar asistencia continua sin incurrir en costos adicionales. Esto es
especialmente beneficioso en áreas donde la disponibilidad de expertos es limitada o

19
costosa. Además, los sistemas expertos pueden ayudar a optimizar el uso de recursos
al ofrecer recomendaciones para maximizar la eficiencia y minimizar los costos.

6) Aprendizaje continuo

Algunos sistemas expertos están diseñados para aprender y mejorar con el tiempo.
Pueden actualizar su base de conocimientos en función de nuevos datos y
experiencias, lo que les permite adaptarse a situaciones cambiantes y mejorar su
rendimiento con el tiempo. Esto es especialmente importante en campos donde el
conocimiento evoluciona rápidamente, como la medicina o la tecnología. El aprendizaje
continuo permite que los sistemas expertos se mantengan actualizados y brinden
recomendaciones basadas en las últimas investigaciones y mejores prácticas.

7) Aplicaciones en tiempo real

Los sistemas expertos pueden proporcionar respuestas y recomendaciones en

tiempo real, lo que los hace valiosos en situaciones que requieren decisiones rápidas y
precisas. Por ejemplo, en el ámbito médico, un sistema experto puede ayudar a los
médicos a realizar diagnósticos rápidos y precisos en situaciones de emergencia.
Además, en áreas como la gestión de la cadena de suministro o la planificación de la
producción, los sistemas expertos pueden optimizar las operaciones en tiempo real,
teniendo en cuenta factores variables como la demanda del mercado o los recursos
disponibles.

8) Base de conocimiento.

La base de conocimientos del Sistema Experto con respecto a un tema específico para
el que se diseña el sistema. Este conocimiento se codifica según una notación
específica que incluye reglas, predicados, redes semánticas y objetos. Las bases de
conocimiento (KB: Knowledge Base) pertenecen a una etapa muy posterior. Surgieron
a partir de la investigación en IA como respuesta a las necesidades que las
aplicaciones de esta disciplina planteaban.

6.9 Estructura del Sistema de Informacion Experto

20
Claro, aquí tienes más detalle sobre la estructura de un sistema de información experto
(SIE):

Base de conocimientos

- Reglas: Las reglas representan el conocimiento experto en forma de declaraciones

condicionales (si-entonces). Estas reglas establecen relaciones entre condiciones y
acciones, donde si se cumplen las condiciones, se realiza la acción correspondiente.

- Hechos: Los hechos son declaraciones de información específica sobre el dominio

en el que opera el SIE. Los hechos se utilizan como datos de entrada para el motor de
inferencia y pueden ser actualizados o modificados durante el proceso de
razonamiento.

- Casos: Los casos son instancias de situaciones o problemas previamente resueltos.

Se utilizan para proporcionar ejemplos relacionados con el dominio y pueden servir
como base para tomar decisiones o proporcionar recomendaciones.

Motor de inferencia

- Motor de reglas: El motor de reglas es el núcleo del SIE y se encarga de aplicar las
reglas de conocimiento experto a los hechos de entrada. Utiliza diferentes algoritmos
de inferencia, como la cadena hacia adelante (forward chaining) o la cadena hacia
atrás (backward chaining), para derivar nuevas conclusiones o tomar decisiones
basadas en el conocimiento.

Interfaz de usuario

- Interfaz gráfica de usuario (GUI): Permite la interacción visual con el SIE mediante
ventanas, botones, formularios y otros elementos gráficos. Los usuarios pueden
ingresar datos, ver resultados, realizar consultas y recibir recomendaciones a través de
la interfaz gráfica.

- Interfaz de línea de comandos (CLI): Proporciona una interfaz basada en texto

donde los usuarios pueden ingresar comandos y recibir respuestas del SIE. Es útil para
interacciones más directas y rápidas, sin la necesidad de una interfaz gráfica completa.

21
Mecanismos de adquisición de conocimiento

- Entrevistas con expertos: Implica interactuar con expertos en el dominio para

extraer su conocimiento y transformarlo en reglas o hechos utilizables por el SIE.

- Análisis de documentos: Consiste en revisar documentos relevantes, como

manuales, informes técnicos o artículos científicos, para identificar y extraer
información y conocimiento útil.

Extracción de datos Involucra la extracción automática de datos de fuentes

estructuradas o no estructuradas, como bases de datos, archivos de texto o páginas
web, para utilizarlos como hechos en el SIE.

Módulos de explicación

- Explicación de reglas: Permite mostrar al usuario las reglas específicas que se

aplicaron para llegar a una conclusión o recomendación, lo que ayuda a comprender el
razonamiento del SIE.

- Justificación de decisiones: Proporciona información adicional sobre los factores

que influyeron en una decisión específica, incluyendo el peso de las reglas utilizadas o
la evidencia considerada.

Mecanismos de mantenimiento y actualización

Herramientas de edición y validación: Permiten a los expertos en el dominio modificar,

agregar o eliminar reglas o hechos en la base de conocimientos, así como validar su
coherencia y corrección.

Gestión de versiones: Permite mantener un historial de versiones del SIE y su base de

conocimientos, facilitando la reversión a estados anteriores o la comparación de
cambios realizados.

Procesos de revisión y validación: Involucra realizar revisiones periódicas del SIE y su

base de conocimientos por parte de expertos o comités, para garantizar la calidad y
precisión del conocimiento representado.

22
Cabe destacar que la implementación específica puede variar según las necesidades y
requisitos del sistema en particular.

Figura 1 Estructura de un Sistema Experto.

6. Sistema de Información Experto y sus aplicaciones más relevantes

- Militar: Análisis de inteligencia, planificación de operaciones tácticas, evaluación de

riesgos en tiempo real, detección de amenazas y toma de decisiones estratégicas.

- Informática: Soporte técnico, resolución de problemas de hardware y software,

detección de vulnerabilidades de seguridad, configuración de sistemas y optimización
de redes.

- Telecomunicaciones: Gestión de redes de telecomunicaciones, diagnóstico y

resolución de problemas de conectividad, asignación de recursos, planificación de
capacidades y optimización de la calidad de servicio.

- Química: Diseño de experimentos químicos, identificación de compuestos y

sustancias, predicción de propiedades químicas, análisis de datos de laboratorio y
optimización de procesos químicos.

- Derecho: Asesoría jurídica, investigación de precedentes legales, elaboración de

contratos, gestión de casos, evaluación de riesgos legales y toma de decisiones en el
ámbito legal.

23
- Aeronáutica: Planificación de rutas de vuelo, control del tráfico aéreo, mantenimiento
de aeronaves, gestión de sistemas de navegación y simulación de operaciones aéreas.

- Geología: Exploración y análisis de datos geológicos, identificación de yacimientos

minerales, evaluación de riesgos sísmicos, planificación de proyectos de construcción y
gestión de recursos naturales.

- Arqueología: Interpretación de datos arqueológicos, identificación de patrones y

contextos históricos, conservación de sitios arqueológicos, clasificación de artefactos y
toma de decisiones en excavaciones.

- Agricultura: Gestión de cultivos, control y optimización de riego, detección de

enfermedades y plagas, recomendación de fertilizantes, planificación de cosechas y
gestión de recursos agrícolas.

- Electrónica: Diseño y prueba de circuitos electrónicos, diagnóstico y reparación de

equipos electrónicos, selección de componentes, optimización de sistemas de
comunicación y simulación de sistemas electrónicos.

- Transporte: Planificación de rutas de transporte, gestión del tráfico, programación de

horarios, optimización de flotas de vehículos, logística de distribución y gestión de
sistemas de transporte público.

- Educación: Personalización del aprendizaje, evaluación automatizada, diseño de

planes de estudio, recomendación de recursos educativos, tutoría virtual y gestión de
sistemas de gestión del aprendizaje.

- Medicina: Diagnóstico médico, planificación de tratamientos, interpretación de

imágenes médicas, monitorización de pacientes, recomendación de medicamentos y
gestión de historias clínicas electrónicas.

- Finanzas y Gestión: Gestión de carteras de inversión, análisis de riesgos financieros,

detección de fraudes, planificación financiera, evaluación crediticia y toma de
decisiones en el ámbito financiero.

24
7. Metodologías para la Construcción de Sistemas Expertos.

Metodología de Prototipos.

En el desarrollo de Sistemas Expertos se nos plantean dos importantes riesgos:

• No existen implementaciones similares que puedan servir de orientación al encargado

del desarrollo en casi la totalidad de los casos.

• En muchos puntos, los requisitos necesarios están esbozados con muy poca
precisión. El diseño y la especificación requieren una temprana determinación de la
interfaz del software y de la funcionalidad de los componentes. Durante el desarrollo,
resulta apropiado empezar con implementaciones tipo test para encontrar el camino
hacia una solución definitiva y para hacerlas coincidir con las necesidades del usuario.

Un método efectivo es la implementación de un prototipo de Sistema Experto que

permita llevar a cabo las funciones más importantes de éste, aunque con un esfuerzo
de desarrollo considerablemente inferior al de una implementación convencional. Este
proceder se define bajo el nombre de `Rapid Prototyping'. Para Sistemas Expertos, el
`Rapid Prototyping' es el procedimiento más adecuado, pues posibilita una rápida
reacción a los deseos en constante cambio tanto por parte de los expertos como parte
del usuario.

Metodología Orientada a Objetos.

La programación orientada a objetos (OOP en adelante) es un tipo de programación

que provee una manera de modularizar programas estableciendo áreas de memoria
particionadas para datos y procedimientos, que pueden ser usadas como plantillas para
crear copias de tales módulos conforme se requieran.Cada área de memoria a la que
se refiere en el párrafo anterior es conocida como clase, mientras que las copias
creadas a partir de la clase son llamadas objetos. La OOP tiene varias propiedades,
entre los cuales destacan:

• Abstracción. Permite enfocarse en la solución general del problema, sin preocuparse

de los detalles.

25
• Encapsulación. Es el concepto de que un objeto debería tener separada su interfaz de
su implementación. Es decir, un objeto es visto como una “caja negra”.

• Polimorfismo. Significa que un objeto se puede comportar de diversas maneras,

dependiendo del contexto en el que se encuentre.

• Herencia. Significa que se pueden crear clases que “hereden” el comportamiento de

una o más clases padre; y que además añadan su propio comportamiento.

El concepto de encapsulación evita que se pueda modificar el estado interno de un

objeto por el código cliente que lo utiliza, es decir solamente el código mismo del objeto
puede modificar el estado interno del mismo. Esto se puede aprovechar en la
construcción de SE creando clases que correspondan a los componentes de un SE.

Por lo tanto si se utiliza la metodología orientada a objetos a la construcción de SE, se

debe crear una clase que contenga el código referente a la base de conocimiento Si
dicha base de conocimiento es un conjunto de objetos con sus propiedades, entonces
dicha clase será una clase contenedor de objetos de otra clase, los cuales contendrán
el nombre del objeto y una lista de atributos. De manera similar, el motor de inferencia
se implementa como una clase, la cual contiene encapsulada toda la lógica que hace
que funcione el SE, es decir si se implementa usando encadenamiento hacia adelante,
encadenamiento hacia atrás o reglas de producción, dicha implementación estará
contenida dentro de la clase.

Esta metodología tiene diversas ventajas, entre las cuales destaca el hecho que
cualquier modificación o mantenimiento que se le quiera realizar a un determinado
componente no afectará al otro y viceversa. Tello propone crear especializaciones o
jerarquías de clases (usando herencia) que incluyan métodos que permitan a los
objetos modificarse a sí mismos, logrando con esto que un SE aprenda por sí mismo,
modificando su base de conocimiento sin modificar los demás componentes. Otra
ventaja de la OOP es que mediante la herencia, las clases hijas heredarán el
comportamiento de las clases padres, evitando con esto, tener que incluir código
redundante en las especializaciones.

26
8. Lenguajes utilizados para la construcción de Sistemas Expertos.

LISP, acrónimo de lenguaje de Procesamiento de Listas, fue inventado por John

McCarthy y su equipo en la Universidad de Stanford a finales de 1950. Originalmente
fue creado como un modelo computacional de procesos matemáticos, reflejando el
rigor de las propias matemáticas. LISP actualmente está diseñado para manejar
símbolos

matemáticos (variables), por lo que es utilizado perfectamente para la investigación en

IA, donde un símbolo puede representar cualquier cosa. LISP tiene dos características
principales que lo hacen sobresalir de entre los demás lenguajes para IA; primero, es
altamente flexible, es decir, es posible escribir un programa LISP para producir
cualquier comportamiento deseable de la computadora; segundo, es indefinidamente
extensible, lo que significa que si como programador siente que a LISP le falta alguna
característica, puede escribir un programa LISP que provea dicha característica y hacer
que ese programa forme parte de su LISP personal.

LISP utiliza un ciclo llamado leer - evaluar - imprimir. Cuando el programador teclea
algo en LISP, el lenguaje toma lo que se ha tecleado, intenta responder de cualquier
forma y después despliega dicha respuesta en la pantalla. El término en LISP usado
para “ver lo que se ha tecleado” es leer; el término usado para “tratar de responder de
cualquier forma” es evaluar; y el término usado para “desplegar la respuesta en la
pantalla” es imprimir. Si hubiera una persona en vez de una máquina en frente del
programador, diríamos que dicha persona estaría escuchando, comprendiendo y
respondiendo al programador.

9. Introducción de los sistemas Expertos en la empresa

Los Sistemas Expertos en la empresa abarcan distintos campos de actuación. Uno de

estos campos, sin duda, es el de apoyo a la toma de decisiones, en el sentido de
estrategia empresarial, el cuál ha suscitado la aparición de numerosos textos en la
literatura. Sin embargo, la utilización de Sistemas Expertos no sólo abarca este campo,
sino otros más técnicos como puede ser aquel que dictamina la avería-tipo más
probable en un vehículo para un taller, o un detector de averías en un circuito

27
integrado, o un sistema que dictamine cuál es la cantidad que una compañía
aseguradora debe abonar a un asegurado por un determinado suceso. Como se puede
deducir, un Sistema Experto siempre es un sistema de apoyo a la toma de decisiones,
por ello para diferenciar aquellos de apoyo a la dirección empresarial se les denomina
estratégicos, como veremos.

Otro tema de interés es el futuro, o incluso el presente de los Sistemas Expertos en la

empresa. En este sentido, los sistemas constituidos por múltiples partes colaboradoras
e inteligentes parecen ser la solución. Intentaremos abordar este tema desde una
perspectiva teórica acerca de la investigación que se está llevando a cabo en este
momento. Con las técnicas de soporte a la toma de decisiones, se trata de apoyar al
directivo a la hora de tomar decisiones estratégicas en cuanto a la marcha de una
empresa o negocio.

Obsérvese que este tipo de sistema, en principio, se corresponde muy bien con el de
un Sistema Experto, puesto que se tratará sin duda de representar conocimiento
derivado de la experiencia, y del conocimiento de la propia empresa, en un método
dinámico y eficaz, que bien podría ser un Sistema Experto.

Las técnicas de ayuda a la decisión comienzan a desarrollarse a partir de la II Guerra

Mundial hasta los años 60-70. Diversas técnicas son desarrolladas en estos años, las
primeras son métodos matemáticos entre los que podemos incluir:

• Decisión Estadística.

• Teorías de Utilidad.

• Teoría de Elección Colectiva.

• IO (Investigación Operativa).

• Programación lineal.

• Grafos.

• Algoritmos de Gradiente. SE y sus aplicaciones

10. EJEMPLOS DE SISTEMAS EXPERTOS EN LAS EMPRESAS

28
Particularizando las aplicaciones en ramas específicas del conocimiento, se han
desarrollado un gran número de Sistemas Expertos que actúan en empresas, algunos
simplemente en diseño teórico; otros, con aplicación real en el campo productivo de la
organización.

DENDRAL

Dendral es el nombre de un sistema experto desarrollado por Edward Feigenbaum y

otros programadores en la Universidad de Stanford, a mediados de los años 60. Fue el
primer sistema experto en ser utilizado para propósitos reales, al margen de la
investigación computacional, y durante aproximadamente 10 años, el sistema tuvo
cierto éxito entre Químicos y Biólogos, ya que facilitaba enormemente la inferencia de
estructuras moleculares, dominio en el que Dendral estaba especializado. Inicialmente
escrito en Lisp, su filosofía de trabajo se aleja de las estructuras clásicas de los
sistemas expertos más típicos (como Mycin o XCon), ya que su implementación no
separaba de forma explícita el conocimiento del motor de inferencia. Sin embargo,
pronto se convirtió en uno de los modelos a seguir por muchos de los programadores
de sistemas expertos de la época.

MYCIN

Mycin es un sistema experto desarrollado a principios de los años 70 por Edgar

ShortLiffe, en la Universidad de Stanford. Fue escrito en Lisp, e inicialmente estaba
inspirado en Dendral, otro sistema experto que tuvo cierto éxito a finales de los años
60. Su principal función consistía en el diagnóstico de enfermedades infecciosas de la
sangre; además, Mycin 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.).

El funcionamiento de Mycin se basaba principalmente en un sencillo motor de

inferencia, que manejaba una base de conocimiento de aproximadamente unas 500
reglas.

29
El programa capturaba las entradas a partir de una serie de preguntas (como por
ejemplo, ¿Tiene el paciente molestias en el pecho?, o ¿Ha sido operado el paciente
anteriormente?), que usualmente respondía el médico del paciente.

Tras este proceso, Mycin mostraba la salida por pantalla, que consistía en una serie de
posibles enfermedades (ordenadas por su probabilidad asociada), la explicación del por
qué de cada uno de estos diagnósticos, y una serie de recomendaciones sobre el
tratamiento a seguir por el paciente. Para calcular la probabilidad de cada uno de los
resultados, los autores desarrollaron una técnica empírica basada en factores de
certeza. Resultados.

Las investigaciones realizadas por la Stanford Medical School, desvelaron que Mycin
tuvo una tasa de aciertos de aproximadamente el 65%, lo cual mejoraba las
estadísticas de la mayoría de los médicos no especializados en el diagnóstico de
infecciones SE y sus aplicaciones bacterianas (dominio en el que Mycin estaba
especializado), que ejercían la profesión en aquellos años. Los médicos que trabajaban
exclusivamente en este campo conseguían una tasa del 80%. Actualidad.

Poco a poco Mycin fue cayendo en desuso, debido principalmente a alguna de las
debilidades que el programa presentaba, y también, por cuestiones éticas y legales que
surgían al volcar la responsabilidad de la salud de una persona a una máquina (por
ejemplo, si Mycin se equivocaba en algún diagnóstico, ¿quién asumía la culpa, el
programador o el médico?).

Otro de los motivos se achaca a la excesiva dificultad que suponía el mantenimiento

del programa. Era este uno de los principales problemas de Mycin, y en general, de los
sistemas expertos de la época, en los cuales se dedicaban muchos esfuerzos y
recursos a extraer el conocimiento necesario de los expertos en dominio para construir
el motor de inferencia.

XCON

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

30
muy amplio, la configuración completa y correcta de un sistema de estas características
es un problema de gran complejidad.

DIAVAL

Es un Sistema Experto para diagnóstico mediante ecocardiografía, el cual se basa en

redes bayesianas, en vez de utilizar reglas; la decisión de utilizar las redes bayesianas
fue tomada basándose en la capacidad por parte de dichas redes para manejar
conocimientos imprecisos de una mejor manera en comparación con las reglas.

Un conocimiento es impreciso cuando cuenta solamente con predicados vagos, o sea

que las variables no reciben un valor preciso. El uso de este tipo de conocimiento nos
SE y sus aplicaciones adentra en la lógica difusa, dado que se recurre a la utilización
de coeficientes. El coeficiente es un factor que se agrega para representar la
incertidumbre o la imprecisión que el experto asigna a este conocimiento. DIAVAL fue
construido en la Universidad Nacional de Educación a Distancia (UNED) en España,
como proyecto para una tesis doctoral, siguiendo cinco etapas clásicas: identificación,
conceptualización, formalización, implementación y evaluación. Este Sistema Experto
provee una interfaz flexible y fácil de manejar, conociendo la importancia de este factor
en su aceptación por parte de los médicos.

ACE (Automated Cable Expertise)

Sistema Experto, basado en reglas de razonamiento hacia delante, concebido para

asistir a los técnicos de las compañías telefónicas americanas en el mantenimiento de
la planta exterior y bucles de abonos.

Se trata de un sistema automático de análisis, que interacciona con una base de datos
convencional denominada CRAS (Cable Repair Administrative System), en la que se
recogen registros de las actividades de mantenimiento de la planta exterior. Su uso
permite tanto localizar averías como planificar los trabajos de mantenimiento, así como
también ayuda a adoptar decisiones sobre la modernización y ampliación de la red.

Desarrollado en 1985 en los laboratorios Bell de AT&T hoy está disponible como
producto comercial aplicable a más de cuarenta sistemas distintos en entornos UNIX.

31
ALFEX

Proyecto referente a la creación de SE capaces de asesorar sobre la salud financiera

de una empresa, así como desarrollar bases de conocimiento y herramientas
adecuadas para manejarlas. SE y sus aplicaciones

ANALYSIS

Clasifica funcionalmente el balance y la cuenta de pérdidas y ganancias.

ANIBAL

Evalúa la gestión comercial y financiera de la empresa. Se pueden mencionar también

ANSWERS, CHARIS, FINEX, FINEXPERT/FINEPRO, FSA, entre otros FUTURO Y
TENDENCIAS DE LOS SISTEMAS EXPERTOS

La tecnología de desarrollo de SE adoptan nuevos paradigmas, así como nuevas

formas de desarrollo e implementación de SE para apoyar las actividades específicas.
Las tendencias de los SE proyectan a implementaciones de tecnologías como Redes
Neuronales, reconocimiento y procesamiento del lenguaje natural, reconocimiento de
patrones, estas implementaciones prometen un futuro exitoso para lo SE y los
fortalecerán aun más, haciéndolos más eficientes y más precisos.

Sistemas Expertos Evolutivos.

La teoría de los Sistemas Evolutivos parte del constante cambio en los sistemas tanto
de la información que manejan como de su estructura y desde hace mas de veinte
años se han aplicado a la solución de problemas en áreas como el reconocimiento de
patrones y lenguaje natural, la generación de música por computadora y la vida artificial
entre otros,Ndando muy buenos resultados

Visión critica.

32
Como en cualquier campo de la tecnología, no todas las visiones referentes al futuro de
la Inteligencia Artificial son optimistas, como podría hacer suponer lo anteriormente
narrado en este epígrafe. Entre algunas de las cuestiones que podrían inducir a
adoptar una visión más pesimista están: el hecho de que las mayores inversiones en
este campo provienen de las agencias militares, que son bastantes remisas a dar
publicidad a los resultados de sus investigaciones, así como también los altos costes
asociados a este tipo de tecnología, cuya amortización es incierta. Tampoco están
claras ni la fiabilidad (lo que limita la aplicación de esta tecnología, sobre todo en los
casos donde ésta es crítica, como en centrales nucleares), ni en las áreas de aplicación
(no quedando nítidamente determinado cuando es preferible una aplicación de
inteligencia Artificial frente a una programación clásica).

Concretamente, en el campo de los Sistemas Expertos, se cuestionan los escasos

resultados después de duros años de trabajo, hasta el punto de que son abundantes
los prototipos, pero muy escasos los sistemas comerciales.

Se podrían esquematizar algunos de los retos a los que se enfrentan la Inteligencia

Artificial y los Sistemas Expertos:

• La tecnología no está totalmente madura.

• La tecnología de la inteligencia Artificial es completamente diferente de los métodos

tradicionales de desarrollo de software y hardware, de hecho, los programadores deben
aclimatarse a los lenguajes procedurales, que en algún caso como el LISP, no son
fáciles.

• Se debe buscar compatibilizar los productos de esta nueva tecnología con la gran
cantidad de equipos actualmente existentes.

• La tecnología de los Sistemas Expertos es hoy en día cara, su desarrollo es una tarea
para la que hay que contar con herramientas adecuadas y en las que es necesario
invertir una gran cantidad de tiempo. Sería deseable por tanto desarrollar herramientas
de alto nivel, que faciliten la tarea y reduzcan el costo de desarrollo.

33
• Extraer el conocimiento de los expertos humanos es una tarea lenta y complicada,
que se suma al tiempo y esfuerzo necesario para su codificación en la Base de
Conocimiento. Usualmente, se hace necesario el rediseño de un sistema debido a
varias causas, entre las cuales las más usuales son: SE y sus aplicaciones

Las presentaciones del sistema son insatisfactorias desde el punto de vista del usuario
o del proyecto.

Las metas del sistema podrían cambiar a lo largo del tiempo de desarrollo, siendo
necesario replantear el diseño.

• Algunas de las metas de los Sistemas Expertos, como ser integrables con sistemas
ya existentes u operar en un gran número de ordenadores distintos, no son siempre
alcanzadas.

• No se han alcanzado Sistemas Expertos verdaderamente efectivos en el caso de

aplicaciones de diagnosis. Los modelos empleados en este campo son demasiado
sencillo y por lo general no contemplan la estructura del sistema ni las entidades
individuales de que está compuesto.

• La vida media del conocimiento es corta, y podría ocurrir que cuando el proceso de
desarrollo del Sistema Experto concluyese, el conocimiento fuese obsoleto.

• Los shells (conchas) disponibles para el desarrollo de Sistemas Expertos no están

todavía maduros, exhibiendo bastantes fallos de diseño. En algunos casos también se
aprecia bastante dificultad pare el aprendizaje de estas herramientas.

• Durante las últimas décadas se ha puesto mucho énfasis en Sistemas Expertos

basados en reglas, estos sistemas han tenido bastante éxito en áreas donde el
conocimiento está muy bien estructurado, pero presentan serias deficiencias en áreas
menos estructuradas. Una alternativa son los sistemas basados en probabilidad, para
cuya implementación parecen muy adecuadas las denominadas Redes Neuronales.

34
 Conclusión

La composición de un Sistema Experto, sus aplicaciones, ventajas y desventajas, y

algunos ejemplos sobre estos; han sido los puntos generales que se han tratado a lo
largo de esta monografía con el fin de crear una mayor conciencia del uso real de este
tipo de sistemas.

Los sistemas de información experto (SIE) y la inteligencia artificial (IA) representan

dos campos interrelacionados y poderosos en el ámbito de la tecnología y la
informática. Ambos tienen como objetivo principal mejorar la eficiencia, la precisión y la
toma de decisiones en diversas áreas de aplicación.

Los sistemas de información experto aprovechan el conocimiento experto en un

dominio específico para resolver problemas complejos y brindar recomendaciones o
soluciones. Estos sistemas son capaces de capturar y representar el conocimiento de
expertos humanos en forma de reglas, heurísticas o modelos, y utilizarlo para realizar
tareas específicas. Los SIE han demostrado ser especialmente útiles en áreas donde
se requiere un alto nivel de experiencia y conocimiento especializado, como la
medicina, el derecho y la ingeniería.

Por otro lado, la inteligencia artificial se refiere a la capacidad de las máquinas para
simular ciertas características de la inteligencia humana, como el aprendizaje, la
adaptación, el razonamiento y la toma de decisiones. La IA se basa en algoritmos y
modelos matemáticos que permiten a las máquinas procesar grandes volúmenes de
datos, identificar patrones, realizar inferencias y aprender de la experiencia. La IA se ha
convertido en un campo de rápido crecimiento y ha demostrado su utilidad en una

35
amplia gama de aplicaciones, desde la asistencia virtual y los chatbots hasta los
vehículos autónomos y el análisis de datos.

La combinación de los SIE y la IA ha llevado a importantes avances en diversas áreas

de la sociedad. La capacidad de los SIE para aprovechar el conocimiento experto y la
capacidad de aprendizaje de la IA ha permitido la creación de sistemas más
inteligentes y eficientes. Estos sistemas pueden analizar grandes cantidades de datos,
identificar patrones complejos, adaptarse a nuevas situaciones y tomar decisiones
automatizadas basadas en el conocimiento disponible. Esto ha llevado a mejoras
significativas en la precisión, la velocidad y la calidad de las tareas realizadas por los
sistemas informáticos.

En el ámbito de la medicina, por ejemplo, los SIE y la IA se han utilizado para el

diagnóstico médico, el descubrimiento de medicamentos, la gestión de registros
médicos y la monitorización de pacientes. Estos sistemas pueden analizar datos de
pacientes, identificar síntomas y patrones de enfermedades, y proporcionar
recomendaciones precisas para el tratamiento. Esto ha llevado a un mejor diagnóstico
y atención médica, así como a la identificación de nuevas terapias y medicamentos.

En el campo de los negocios, los SIE y la IA se utilizan para el análisis de datos, la

toma de decisiones estratégicas, la personalización del marketing y la gestión de la
cadena de suministro, entre otros. Estos sistemas pueden analizar grandes conjuntos
de datos empresariales, identificar tendencias y patrones, predecir el comportamiento
del mercado y proporcionar recomendaciones para optimizar las operaciones
comerciales. Esto ha llevado a una mayor eficiencia, una mejor planificación y una
ventaja competitiva para las organizaciones.

Sin embargo, también es importante tener en cuenta los desafíos y consideraciones

éticas asociados con los SIE y la IA. La confiabilidad de los sistemas es crucial, ya que
las decisiones automatizadas pueden tener un impacto significativo en la vida de las
personas. Además, la transparencia y la explicabilidad de los sistemas son importantes
para comprender cómo se toman las decisiones y evitar sesgos o discriminación. La
privacidad y la seguridad de los datos también deben ser protegidas para garantizar la
confianza y la integridad de los sistemas.

36
 Bibliografía.

Sebastián Badaró1 , Leonardo Javier Ibañez y Martín Jorge Agüero Fundamentos,

Metodologías y Aplicaciones Fecha de recepción: julio 2013 | Fecha de aceptación:
octubre 2013 1 Universidad de Palermo, Facultad de Ingeniería

Laudon K. Laudon, J.; Sistema de Información Gerencial. Administración de la

Empresa Digital. 10ª Edición; Ed. Pearson Prentice Hall. 2008.
Cohen y Asin.; Sistemas de Información un enfoque de toma de decisiones. 3ª Edición.
Mc Graw Hill.2000.
EDWARDS, CHRIS; JOHN WARD y ANDY BYTHEWAY. Fundamentos de Sistemas
de Información. 2da. Edición. Ed. Prentice Hall. 1998.
PRESSMAN, ROGER S.; Ingeniería de software un Enfoque practico; Ed. Mc. Graw
Hill. 2007. 5. SOMMERVILLE
Generalidades de Los Sistemas Expertos Publicado por johangel en 8:00
http://generalidadesdelosse.blogspot.com/

37
 Anexos.

Figura 1 Sistema de Informacion Experto tradicionales y su ciclo de vida

38
Figura 2. Sistema de informacion Experto MYCIN

Figura 3 Creacion del Sistema Experto Dendral

39
Figura 4 Sistema experto PSYCIN

Figura 5 Sistema experto XCON

40
Figura 6 Arquitectura de Los Sistemas Expertos

41