Ingeniería en sistemas.

Trabajo de investigación.

Cuestionario de introducción
Universidad O&M – Recinto Santiago

Alumno:
Osvaldo Martinez Aybar

Matricula:
21-SIST-7-006

Sección:
IS-712

Materia:
Inteligencia Artificial

Tema:
ingeniería del conocimiento

Docente:
Lucas Caonabo Reyes Salas

pág.- 1
Tema 6: ingeniería del conocimiento
Tópicos:
El conocimiento y la experiencia ..................................................................................... 3
La ingeniería del conocimiento ....................................................................................... 3
Sistemas basados en conocimiento ................................................................................. 4
Conocimiento en los sistemas basados en conocimientos ................................................ 5
Niveles de razonamiento en los sistemas basados en conocimientos .................. 6
Arquitectura en los sistemas basados en conocimientos ....................................... 7
Metodologías de desarrollo para Sistemas basados en conocimiento .................. 8
CommonKADS ........................................................................................................... 8
Protégé ...................................................................................................................... 8
Knowledge Structure Manager (KSM). ....................................................................... 9
Model-based and incremental Knowledge Engineering (MIKE) ................................ 10

pág.- 2
El conocimiento y la experiencia
El conocimiento es la información almacenada en la mente de una persona, que incluye hechos,
conceptos, habilidades y experiencias. Se puede pensar en el conocimiento como la comprensión y
la interpretación que una persona tiene sobre el mundo que la rodea.
La experiencia, por otro lado, es el resultado de interactuar con el entorno y adquirir conocimiento a
través de esa interacción. Es el proceso de enfrentar situaciones, resolver problemas y aprender de
ellos.
En relación con la Ingeniería del Conocimiento, se trata de capturar, organizar y utilizar el conoci-
miento de expertos humanos para construir sistemas inteligentes. En este contexto, la experiencia y
el conocimiento de expertos se modelan y se incorporan a los sistemas para que puedan realizar
tareas específicas de manera inteligente, similar a cómo lo haría un experto humano.

La ingeniería del conocimiento

La Ingeniería del Conocimiento es una disciplina que se enfoca en el desarrollo y aplicación de mé-
todos y técnicas para capturar, representar, organizar y utilizar el conocimiento de expertos humanos
en sistemas computacionales. Su objetivo es crear sistemas inteligentes que puedan tomar decisio-
nes informadas y resolver problemas de manera similar a como lo haría un experto humano en un
campo específico.
Es decir, que esta disciplina implica el diseño de modelos que representen el conocimiento de mane-
ra estructurada, a menudo utilizando ontologías u otras formas de representación semántica. Estos
modelos permiten que las máquinas comprendan el contexto y la relación entre los conceptos, facili-
tando la toma de decisiones.
La ingeniería del conocimiento está ampliamente instaurada en diversos campos como son la medi-
cina como los distintos asistentes virtuales. En definitiva, esta ingeniería busca traducir la experiencia
humana en algo que las maquinas puedan utilizar para resolver tareas que se le planteen.

pág.- 3
Sistemas basados en conocimiento
Los sistemas basados en conocimiento son una aplicación directa de la Ingeniería del Conocimiento.
Estos sistemas utilizan el conocimiento capturado de expertos humanos para realizar tareas especí-
ficas de manera inteligente. En lugar de depender únicamente de algoritmos o reglas de programa-
ción convencionales, estos sistemas incorporan la experiencia y el juicio humano en su funciona-
miento.

Entre las cualidades claves que caracterizan dicho sistema están las siguientes:

1. Captura de Conocimiento: Se recopila y organiza el conocimiento de expertos en un dominio

particular. Esto puede incluir reglas, hechos, casos de estudio, experiencias y cualquier infor-
mación relevante para la toma de decisiones en ese campo.
2. Representación del Conocimiento: El conocimiento capturado se modela de manera estruc-
turada utilizando técnicas como ontologías o redes semánticas. Esto facilita que la máquina
comprenda las relaciones y la semántica del conocimiento.
3. Inferencia y Razonamiento: Los sistemas basados en conocimiento son capaces de razonar
sobre la información que poseen. Pueden hacer inferencias lógicas, responder preguntas y
resolver problemas utilizando el conocimiento almacenado.
4. Adaptabilidad: Estos sistemas pueden aprender y adaptarse con el tiempo a medida que se
enfrentan a nuevas situaciones y reciben retroalimentación. Esto les permite mejorar su ren-
dimiento con la experiencia.
5. Dominio Específico: Suelen estar diseñados para trabajar en dominios específicos, donde la
experiencia humana es crucial. Por ejemplo, la medicina, la ingeniería, la asesoría legal o
cualquier área donde el conocimiento experto sea valioso.

pág.- 4
Conocimiento en los sistemas basados en conocimientos

Cuando hablamos de sistemas basados en conocimiento (SS.BC.), nos referimos a sistemas infor-
máticos que utilizan el conocimiento capturado de expertos humanos para realizar tareas específicas
de manera inteligente. Estos sistemas son aplicaciones prácticas de la Ingeniería del Conocimiento y
se utilizan en diversos campos.
En el contexto de los sistemas basados en conocimiento, el conocimiento puede ser de dos
tipos principales: explícito e implícito.
1. Conocimiento Explícito: Es la información que puede ser claramente articulada y expresada
de manera formal. Puede incluir reglas, hechos, procedimientos y cualquier otro tipo de infor-
mación que pueda ser codificada y almacenada de manera estructurada.
2. Conocimiento Implícito: Es el conocimiento tácito que los expertos poseen pero que puede
ser difícil de expresar de manera clara y formal. Este tipo de conocimiento a menudo se obtie-
ne a través de la experiencia y la intuición.
En el caso de los sistemas basados en conocimiento, la tarea clave es capturar tanto el conocimiento
explícito como el implícito de los expertos en un campo específico. Esto se logra a través de entre-
vistas, análisis de casos, revisión de literatura y otras técnicas para extraer la experiencia valiosa de
los humanos y convertirla en un formato que una máquina pueda entender y utilizar.
Los sistemas basados en conocimiento se utilizan en una variedad de aplicaciones, desde diagnósti-
co médico hasta soporte técnico, planificación logística y toma de decisiones en entornos empresa-
riales. Su capacidad para trabajar con conocimiento experto hace que sean herramientas valiosas en
situaciones donde la experiencia humana es crucial.

pág.- 5
Niveles de razonamiento en los sistemas basados en conocimientos

En los sistemas basados en conocimiento (SS.BC.), el razonamiento es un componente esencial

para tomar decisiones informadas y resolver problemas. Los niveles de razonamiento en estos sis-
temas pueden variar, y aquí hay algunos de los niveles comunes:
1. Razonamiento Deductivo: En este nivel, el sistema sigue reglas lógicas para hacer inferen-
cias y llegar a conclusiones específicas. Si se le proporcionan hechos y reglas, puede derivar
nuevas afirmaciones de manera lógica.
2. Razonamiento Inductivo: Aquí, el sistema generaliza a partir de ejemplos específicos para
llegar a conclusiones más amplias. A partir de casos específicos, puede inferir patrones y re-
glas más generales.
3. Razonamiento Abductivo: Este tipo de razonamiento se centra en encontrar la mejor expli-
cación para una observación o un conjunto de hechos dados. A menudo se utiliza en situacio-
nes donde no hay una única respuesta clara.
4. Razonamiento Analógico: Los sistemas pueden usar analogías para encontrar similitudes
entre situaciones y aplicar el conocimiento de una situación a otra similar. Este enfoque es útil
cuando se enfrentan a problemas nuevos que comparten similitudes con problemas conoci-
dos.
5. Razonamiento Basado en Casos: Aquí, el sistema utiliza casos previos y sus soluciones pa-
ra abordar nuevos problemas. Aprende de la experiencia pasada y adapta soluciones anterio-
res a situaciones similares.
6. Razonamiento Probabilístico: En situaciones donde la incertidumbre es un factor, los siste-
mas pueden utilizar el razonamiento probabilístico. Calculan la probabilidad de que ciertos
eventos ocurran y toman decisiones basadas en estas probabilidades.

pág.- 6
Arquitectura en los sistemas basados en conocimientos
La arquitectura de los sistemas basados en conocimiento (SS.BC.) es la estructura subyacente que
organiza y gestiona el conocimiento capturado, así como las reglas y procesos para el razonamiento
y la toma de decisiones.
Elementos presentes en su arquitectura:

1. Base de Conocimiento: Este componente almacena el conocimiento capturado de expertos

humanos. Puede contener reglas, hechos, casos de estudio y cualquier otro tipo de informa-
ción relevante para la tarea que el sistema está diseñado para realizar.

2. Motor de Inferencia: Es el núcleo del sistema. Este motor aplica las reglas y procesos de ra-
zonamiento sobre la base de conocimiento para hacer inferencias y tomar decisiones. Puede
utilizar diferentes estrategias de inferencia según el tipo de problema que esté abordando.

3. Interfaz de Usuario: Proporciona la interfaz a través de la cual los usuarios interactúan con el
sistema. Puede ser una interfaz gráfica, una interfaz de línea de comandos u otro medio de
comunicación que permita a los usuarios ingresar información y recibir resultados.

4. Módulo de Adquisición de Conocimiento: Facilita la captura de nuevo conocimiento. Puede

incluir herramientas para entrevistar a expertos, analizar documentos relevantes y convertir el
conocimiento humano en un formato comprensible para el sistema.

5. Módulo de Explicación: Proporciona una explicación de cómo se llegó a una determinada

conclusión o decisión. Esto es esencial para que los usuarios comprendan el razonamiento
detrás de las recomendaciones o acciones del sistema.

6. Módulo de Aprendizaje: En algunos casos, se incluye un módulo que permite al sistema

aprender y adaptarse con el tiempo. Esto puede implicar la actualización automática de la ba-
se de conocimientos a medida que se enfrenta a nuevas situaciones.

7. Base de Casos: Si el sistema utiliza razonamiento basado en casos, puede haber una base
de casos que almacene situaciones anteriores y sus soluciones asociadas.

pág.- 7
Metodologías de desarrollo para Sistemas basados en conocimiento
Las metodologías de desarrollo para sistemas basados en conocimiento son enfoques sistemáticos
para diseñar, construir e implementar estos sistemas. Estas metodologías proporcionan pasos y di-
rectrices específicas para la captura de conocimiento, el modelado de reglas, el desarrollo del siste-
ma y su puesta en marcha. En esencia, buscan organizar el proceso de construcción de sistemas
basados en conocimiento de manera efectiva y eficiente.

CommonKADS
La metodología CommonKADS (Knowledge Acquisition and Documentation Structuring) es una metodología
específica para el desarrollo de sistemas basados en conocimiento. CommonKADS proporciona un enfoque
estructurado para la adquisición, modelado y aplicación del conocimiento experto en sistemas informáticos. Se
centra en la captura de conocimiento de manera clara y sistemática, utilizando diferentes perspectivas y re-
presentaciones.

La metodología CommonKADS consta de varias etapas, que incluyen la identificación de objetivos,

la especificación del conocimiento, el diseño de modelos, la implementación del sistema y la evalua-
ción. Cada etapa está diseñada para abordar aspectos específicos del desarrollo de sistemas basa-
dos en conocimiento, desde la conceptualización hasta la implementación práctica.
Etapas de manera detallada:
1. Análisis de requisitos: En esta fase se recopilan y analizan los requisitos del sistema.
2. Modelado conceptual: En esta fase se crea un modelo conceptual del dominio del problema.
3. Asignación de tareas: En esta fase se asignan las tareas del sistema a los agentes del sis-
tema.
4. Diseño del sistema: En esta fase se diseña la arquitectura del sistema y se implementan los
modelos de conocimiento.
5. Pruebas del sistema: En esta fase se prueba el sistema para verificar que cumple con los re-
quisitos.
6. Despliegue del sistema: En esta fase se despliega el sistema en su entorno de producción.

Protégé
Protégé es una herramienta de código abierto y una plataforma para el desarrollo de ontologías. Se utiliza
principalmente en el campo de la ingeniería del conocimiento y la inteligencia artificial para la construcción y
gestión de ontologías, que son estructuras que representan el conocimiento y las relaciones entre conceptos
en un dominio específico.

pág.- 8
Knowledge Structure Manager (KSM).
La Metodología Knowledge Structure Manager (KSM) es una metodología de gestión del conocimiento que se
basa en la idea de que el conocimiento es un activo estratégico de una organización y que debe ser gestiona-
do de manera efectiva para que la organización pueda lograr sus objetivos.
La Metodología KSM se basa en los siguientes principios:
• El conocimiento es un activo estratégico de una organización.
• El conocimiento debe ser gestionado de manera efectiva para que la organización pueda lograr sus
objetivos.
• El conocimiento debe ser accesible a todos los miembros de la organización que lo necesiten.
• El conocimiento debe ser compartido y utilizado de manera efectiva.
• El conocimiento debe ser creado y actualizado de manera continua.

La Metodología KSM consta de los siguientes pasos:

1. Definición de los objetivos de la gestión del conocimiento: En este paso se definen los objetivos
de la gestión del conocimiento para la organización.
2. Inventario de los activos de conocimiento: En este paso se identifica y se inventa el conocimiento
que tiene la organización.
3. Valoración de los activos de conocimiento: En este paso se evalúa el valor de los activos de cono-
cimiento para la organización.
4. Priorización de los activos de conocimiento: En este paso se priorizan los activos de conocimiento
que deben ser gestionados de manera más efectiva.
5. Desarrollo de estrategias de gestión del conocimiento: En este paso se desarrollan estrategias pa-
ra la gestión de los activos de conocimiento priorizados.
6. Implementación de las estrategias de gestión del conocimiento: En este paso se implementan las
estrategias de gestión del conocimiento desarrolladas.
7. Medición del desempeño de la gestión del conocimiento: En este paso se mide el desempeño de
la gestión del conocimiento y se realizan los ajustes necesarios.

pág.- 9
Model-based and incremental Knowledge Engineering (MIKE)
Proporciona una metodología para el desarrollo de SBC que cubre todos los aspectos del proceso, desde la
adquisición de conocimiento hasta su diseño e implementación. Al igual que CommonKADS, MIKE se desa-
rrolla por medio de un ciclo de vida en espiral, al que se le han añadido determinados elementos que permiten
unir el prototipado con un proceso de desarrollo incremental y sostenible dentro del paradigma del modelado.
El proceso de desarrollo se puede resumir en cuatro fases aplicadas de forma cíclica: adquisición de conoci-
miento, diseño, implementación y evaluación. Una de las aportaciones principales de esta metodología es la
de detallar el proceso a realizar en cada una de las fases (figura 5), poniendo especial hincapié en la fase de
adquisición.

MIKE se basa en los siguientes principios:

• El conocimiento se puede representar de manera formal e informal.
• El conocimiento se puede adquirir de manera incremental.
• El conocimiento se puede refinar de manera continua.
• Los modelos de conocimiento deben ser validados y verificados.

MIKE consta de las siguientes fases:

• Adquisición de conocimiento: En esta fase, los ingenieros del conocimiento recopilan cono-
cimiento de los expertos en el dominio.
• Representación del conocimiento: En esta fase, los ingenieros del conocimiento represen-
tan el conocimiento adquirido en modelos formales e informales.
• Refinamiento del conocimiento: En esta fase, los ingenieros del conocimiento refinan los
modelos de conocimiento a medida que recopilan nueva información y retroalimentación de
los expertos.
• Validación y verificación del conocimiento: En esta fase, los ingenieros del conocimiento
validan y verifican los modelos de conocimiento para garantizar su exactitud y completitud.

pág.- 10