Sie sind auf Seite 1von 74

INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________

INDICE
1. INTELIGENCIA ARTIFICIAL
l.l. lNTELlGENClA
1.2. lNTELlGENClA ARTlFlClAL
1.3. HlSTORlA DE LA lNTELlGENClA ARTlFlClAL
1.4. CAMPOS DE LA lNTELlGENClA ARTlFlClAL
1.5. AREAS DE APLlCAClON
2. SISTEMAS EXPERTOS, SISTEMAS BASADOS EN CONOCIMIENTO, SISTEMAS
CON BASE DE CONOCIMIENTO O SISTEMAS INTELIGENTES
2.1. DATO, lNFORMAClON Y CONOClMlENTO
2.2. DEFlNlClONES
2.3. HlSTORlA DE LOS SlSTEMAS EXPERTOS
2.4. SlSTEMAS EXPERTOS ACTUALES
2.5. PORQUE CONSTRUlR UN SlSTEMA EXPERTO?
2.6. ESTRUCTURA DE UN SlSTEMA EXPERTO
2.7. CARACTERlSTlCAS DE LOS SlSTEMAS EXPERTOS
2.8. PARTlClPANTES EN EL DESARROLLO DE UN SlSTEMA EXPERTO
2.9. CLASlFlCAClON DE SlSTEMAS EXPERTOS
2.10. METODOLOGlAS DE DESARROLLO
2.ll. HERRAMlENTAS DE DESARROLLO
2.ll.l. LENGUAJES DE lNTELlGENClA ARTlFlClAL
2.ll.2. SHELLS: EXSYS, WEBLS, JESS....ETC
3. DESARROLLO DE SISTEMAS EXPERTOS BASADOS EN REGLAS DE
PRODUCCION
3.l. SlSTEMAS DE PRODUCClON
3.2. SlSTEMAS EXPERTOS BASADOS EN REGLAS DE PRODUCClON
3.3. VENTAJAS Y DESVENTAJAS DE LOS SlSTEMAS EXPERTOS BASADOS EN
REGLAS DE PRODUCClON
4. INGENIERIA DEL CONOCIMIENTO DE JHON DURKIN
5. HERRAMIENTA DE DESARROLLO: EXSYS PROFESSIONAL
6. PROYECTO DE DESARROLLO
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 2
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
CAPITULO I: CAPITULO I:
INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL
1.- INTELIGENCIA ARTIFICIAL
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 3
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
1.1 INTELIGENCIA
Sabemos que una de las caractersticas de los seres vivos es la inteligencia, y sabemos
que todos tienen una capacidad o grado distinto de inteligencia, que depende de factores
biolgicos, psicolgicos y de desarrollo mental....Todos sabemos esto, pero; que
entendemos realmente por INTELIGENCIA!:
A continuacin revisemos algunos conceptos generales sobre inteligencia:
I"#$%&'$"(&) $* %) )+#&#,- -$ (.$). .$%)(&/"$*. Esta creacin puede darse de
manera puramente sensorial, como en la inteligencia animal; tambin puede darse
de manera intelectual, como en el ser humano, que pone en juego el lenguaje y los
conceptos.
I"#$%&'$"(&), tambin se la puede conceptuar como la habilidad para adquirir,
comprender y aplicar conocimiento; o como la aptitud para recordar, pensar y
razonar.
I"#$%&'$"(&), podemos tambin decir que es la capacidad para solucionar problemas
lo cual requiere de conocimiento y relaciones.
Como podemos observar, los conceptos de inteligencia son relativos y variables pero en
general estn relacionados a %) ()+)(&-)- -$ (.$). .$%)(&/"$* 0 '$"$.). (/"/(&1&$"#/
+).) )+%&().%/* $" %) */%,(&2" -$ +./3%$1)*; est tcitamente demostrado que
inteligencia y conocimiento son conceptos ntimamente ligados.
Finalmente podemos decir que el concepto de inteligencia es variable dependiendo del tipo
de investigador; es decir los conceptos de inteligencia de un psiclogo, un antroplogo, un
abogado u otro profesional pueden ser distintos y vlidos para sus respectivas reas.
1.2 INTELIGENCIA ARTIFICIAL4IA5
Como revisamos previamente, tenemos varios conceptos de inteligencia; a partir de eso
que entendemos por inteligencia artificial o inteligencia creada:
Una buena definicin de lA es algo elusiva y controversial, fundamentalmente porque la
inteligencia humana no est completamente entendida. Cada libro de texto en lA propone
una definicin que enfatiza las diferentes perspectivas que, cada autor cree, encierra el
campo. A continuacin se transcriben algunas de ellas:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 4
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Segn Jhon Durkin:"Es un campo de estudio en la ciencia computacional que busca
el propsito de hacer que una computadora razone de una manera similar a los humanos"
67189
Para Daniel Cohen la lnteligencia Artificial se define como:"Ciencia que estudia de
manera sistemtica el comportamiento inteligente, con el fin de imitar o simular las
actividades humanas mediante la creacin y utilizacin de mquinas y computadoras. Estas
actividades humanas podrn incluir: razonamiento, aprendizaje, capacidades mecnicas,
capacidades sensoriales, etc." 6728
Segn el autor Juan Pablo Snchez la lnteligencia Artificial es la "Ciencia que trata de la
comprensin de la inteligencia y diseo de mquinas inteligentes; es decir el estudio y
simulacin de las actividades intelectuales del hombre." 67:8
Para el Dr. Peruano Nicols Kemper Valverde del Laboratorio de Sistemas lnteligentes de la
UNAM(Universidad Autnoma de Mxico) la lA: " Es una Rama de las Ciencias
Computacionales que estudia la conducta o tambin llamado Comportamiento lnteligente,
con el fin de emularlo o simularlo a travs de una computadora"
Otras definiciones variadas se describen a continuacin:
La lA es una rama de la ciencia de computacin que comprende el estudio y
creacin de sistemas computarizados que manifiestan cierta forma de inteligencia:
sistemas que aprenden nuevos conceptos y tareas, sistemas que pueden razonar y
derivar conclusiones tiles acerca del mundo que nos rodea, sistemas que pueden
comprender un lenguaje natural o percibir y comprender una escena visual, y sistemas
que realizan otro tipo de actividades que requieren de inteligencia humana.
La lA es una ciencia que trata de la comprensin de la inteligencia y del
diseo de mquinas inteligentes, es decir, el estudio y la simulacin de las actividades
intelectuales del hombre (manipulacin, razonamiento, percepcin, aprendizaje,
creacin).
La lA es el estudio de las computaciones que permiten percibir, razonar y
actuar.
La lA es un campo de estudio que busca explicar y emular el
comportamiento inteligente en trminos de procesos computacionales.
La lA estudia las representaciones y procedimientos que automticamente
resuelven problemas usualmente resueltos por humanos
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 5
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Disciplina dedicada a desarrollar y aplicar enfoques computacionales al
comportamiento inteligente.
A pesar de la diversidad de conceptos propuestos para la lA, en general todos coinciden en
que la lA trata de alcanzar inteligencia a travs de la computacin. Nosotros podemos
resumir que:
;I"#$%&'$"(&) A.#&<&(&)% $* $% $*#,-&/ -$ %) &"#$%&'$"(&) =,1)") +).) (/1+.$"-$.%) 0
(.$). 1)>,&")* >,$ +,$-)" *&1,%).? &1&#). -$ 1)"$.) .$)% %)* =)3&%&-)-$* 0
()+)(&-)-$* -$% *$. =,1)"/@
Es importante culminar esta parte mencionando los dos propsitos que tiene la lA y
que resume claramente Jhon Durkin: "El propsito de la lA es hacer a las computadoras
mas tiles para los humanos. Esto puede lograrse produciendo programas de
computadora que asistan a los humanos en sus decisiones, bsqueda inteligente de
informacin o simplemente interfaces de comunicacin el lenguaje natural. Un segundo
propsito de la lA, pero de igual importancia que el anterior, es mejorar el entendimiento
de la inteligencia humana. Construir una computadora inteligente requiere que
entendamos como los humanos capturan, organizan y usan el conocimiento durante la
solucin de sus problemas". 67189
Analizando el prrafo tambin podemos nosotros afirmar que la lA cumple:
-C/1/ &"'$"&$.A), el objetivo de la lA es resolver problemas reales, actuando como un
conjunto de ideas acerca de cmo representar y utilizar el conocimiento, y de cmo
desarrollar sistemas informticos.
-C/1/ (&$"(&), el objetivo de la lA es buscar la explicacin de diversas clases de
inteligencia, a travs de la representacin del conocimiento y de la aplicacin que se da a
ste en los sistemas informticos desarrollados.
Para usar la lA se requiere una comprensin bsica de la forma en que se puede
representar el conocimiento y de los mtodos que pueden utilizar o manipular ese
conocimiento.
1.3 HISTORIA DE LA INTELIGENCIA ARTIFICIAL
La inteligencia artificial no tiene un inicio claro pero el ms aceptado es que comenz en el
ao l956 luego de la conferencia ;S,11$. R$*$).(= P./B$(#@ efectuada en el Darmouth
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 6
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Collage en U.S y auspiciado por lBM en la cual el cientfico John Mccarty estableci el
trmino INTELIGENCIA ARTIFICIAL.
De acuerdo a los investigadores se considera que la lA ha atravesado por 5 etapas desde
su aparicin hasta la actualidad:
l. ETAPA DE lNlClO(l956-l965)
Juegos de ajedrez y programas que ayudaron a entendimiento de cmo
introducir dentro de una computadora la capacidad de razonamiento.
Newell y Simmon desarrollaron la "Logic Theorist": sistema capaz de probar
teoremas de lgica matemtica.
General Problem Solver(GPS); desarrollado para solucionar una variedad
de problemas desde juegos hasta integracin de smbolos.
2. ETAPA OSCURA(l965-l970)
3. ETAPA DE RENAClMlENTO(l970-l975)
4. ETAPA DE LAS SOClEDADES(l975-l980)
5. ETAPA DE LA COMERClALlZAClON DE LA lA
1.C CAMPOS DE LA IA
La lnteligencia Artificial se divide en campos de estudio los cuales Cohen resume en el
siguiente esquema:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 7
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 8
Figura 2. reas de estudio e
investigacin de la Inteligencia Artificial
I!"#A$I%&
'&%(IA#
%)do* vista*
tacto* gusto*
olfato* etc
#'&+"A,'
&A-"(A#'
$o.unicacin con
co./utador
I&-'#I+'&$IA
A(-I0I$IA#
(%12-I$A
A/o3o a tra4a5os
.ec6nicos 3
re/etitivos
I-'!A
'78'(-%
A/o3o a decisiones
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
SIMULACION SENSORIAL
Area de la lA que a travs de las computadoras persigue la imitacin de las capacidades o
habilidades sensoriales humanas tales como vista, odo, habla y tacto. Lo anterior incluye
visin computacional, procesamiento de imgenes y reconocimiento de escenas.
ROBOTICA
Estudia la imitacin del movimiento humano a travs de robots, los cuales son creados con
el fin de apoyar procesos mecnicos repetitivos que requieren gran precisin. Algunos
procesos pueden ser: pintura y acabados, movimiento de materiales, reconocimiento de
defectos, etc.
LENGUAJES NATURALES
Se enfoca en el diseo y desarrollo de software capaz de aceptar, interpretar y ejecutar
instrucciones dadas por los usuarios en su lenguaje nativo.
SISTEMAS EXPERTOS, SISTEMAS BASADOS EN CONOCIMIENTO O SISTEMAS CON
BASE DE CONOCIMIENTOS.
Permiten cargar bases de conocimientos integradas por una serie de reglas de sentido
comn o conocimiento heurstico; es decir conocimiento basados u obtenidos a travs de la
experiencia de un especialista o experto dentro de un dominio especfico del saber. Una vez
cargada esta base de conocimientos mltiples usuarios la pueden usar para consulta, apoyo
a la toma de decisiones, capacitacin, etc.
REDES NEURONALES
Area de la lnteligencia Artificial que trata de simular el comportamiento biloggico de las
neuronas del cerebro humano en la resolucin de problemas. Principalmente, se usa en el
campo de los pronsticos.
ALGORITMOS GENETICOS
Algoritmos basados en principios de GENETlCA como herencia, mejoramiento de especies
los cuales tratan de encontrar soluciones mejores a los problemas.
Con todo lo anterior, los campos diversos de la lA pueden comprender:
A+.$"-&D)B$:
Captacin automtica de conocimientos.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 9
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
R)D/")1&$"#/:
Sistemas basados en conocimientos o sistemas expertos.
Bases de datos inteligentes.
Prueba de teoremas y juegos.
Redes Neuronales.
Algoritmos Genticos.
P$.($+(&2":
Comprensin de lenguaje natural.
lnterpretacin de escenas visuales (Visin por computadora).
L/(/1/(&2" 0 M)"&+,%)(&2":
Realizar procesos mecnicos y tareas manuales (Robtica).
Algunas de las #).$)* que estos sistemas realizan en el campo de la lA son:
T).$)* '$"$.)%$*
Percepcin: Visin, Fonemas.
Lenguaje Natural: Comprensin, generacin y traduccin.
Razonamiento de sentido comn.
Control de robots.
T).$)* </.1)%$*
Juegos: Ajedrez, Damas.
Matemticas: Geometra, Lgica, Clculo lntegral.
T).$)* $E+$.#)*
lngeniera: Diseo, Localizacin de fallas, Planeamiento.
Anlisis Cientfico.
Diagnstico Mdico.
Anlisis Financiero.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 10
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
1.5 AREAS DE APLICACIFN
En general se puede considerar que las reas de aplicacin son mltiples y en casi
cualquier rea del saber humano se puede utilizar la lA. Adems las ramas de la lA se
pueden utilizar simultneamente para resolver problemas especficos. P/. $B1 a un robot se
le puede insertar un sistema experto para exploracin de pozos petrolferos y reducir el
riesgo de prdidas humanas
En la agricultura, controlar plagas y manejar cultivos en forma ms eficiente.
En las fbricas, realizar montajes peligrosos y actividades tediosas (labores de
inspeccin y mantenimiento).
En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar la condicin
de los pacientes, administrar tratamientos y preparar estudios estadsticos.
En el trabajo domstico, brindar asesora acerca de dietas, compras, supervisin y
gestin de consumo energtico y seguridad del hogar.
En las escuelas, apoyar la formacin de los estudiantes, especialmente en aquellas
materias consideradas complejas.
Ayudar a los expertos a resolver difciles problemas de anlisis o a disear nuevos
dispositivos.
Aprender de los ejemplos para explorar bases de datos en busca de regularidades
explotables.
Proporcionar respuestas a preguntas en lenguaje natural usando datos estructurados
y texto libre
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 11
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
CAPITULO II: CAPITULO II:
SISTEMAS EXPERTOS, SISTEMAS BASADOS SISTEMAS EXPERTOS, SISTEMAS BASADOS
EN CONOCIMIENTO, SISTEMAS CON BASE DE EN CONOCIMIENTO, SISTEMAS CON BASE DE
CONOCIMIENTOS O SISTEMAS INTELIGENTES CONOCIMIENTOS O SISTEMAS INTELIGENTES
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 12
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
2.- SISTEMAS EXPERTOS 4SE5
2.1 DATO, INFORMACION, CONOCIMIENTO
Antes de definir el trmino SlSTEMA EXPERTO es necesario recordar que en captulo
anterior identificamos que la inteligencia artificial ligaba ntimamente los trminos
&"#$%&'$"(&) y (/"/(&1&$"#/; tambin mencionamos que la cantidad de conocimientos es lo
que otorgaba, en gran parte, el nivel de inteligencia de los seres vivos. Entonces es
necesario e indispensable reconocer...GUE ES EL CONOCIMIENTO!
Existen corrientes filosficas, ciencias como la gnoseologa y muchos cientficos que se
encarga de estudiar las fuentes, tipos y formas de adquirir conocimiento. Nosotros no
entraremos a descubrir ni tratar estos temas a fondo, nos concentraremos en aspectos
prcticos que nos ayuden a comprender trminos muy relacionados como: DATO,
lNFORMAClON, CONOClMlENTO para ver su aplicacin en la vida diaria. DATO
2.l.l DATO
Piense en una fecha, un nmero, un nombre cualquiera...Ud. cree que es un
dato?..Efectivamente, de la forma ms simple podemos decir que un -)#/ $* ," =$(=/, que
individualmente carece de valor para una persona. Por ejemplo el nmero 7 carece de valor
individualmente, la fecha de cumpleaos del Presidente de la Repblica del Per; carecen
de valor porque individualmente no significa nada para un tomador de decisiones frente a un
problema, pues no generan acciones concretas.
2.1.2 lNFORMAClN
El concepto de informacin nace cuando u dato o conjunto de datos es de utilidad para un
tomador de decisiones, es decir (,)"-/ %/* -)#/* */" &"#$.+.$#)-/* 0 H#&%$* +).) ,")
+$.*/"). Por ejemplo, el color rojo en un semforo constituye una informacin ya que tiene
una interpretacin objetiva y universal para un grupo de personas-los automovilistas- y les
sirve como apoyo para tomar una decisin: en este caso detener el automvil. Otro ejemplo
sera la fecha de cumpleaos de un familiar ya que llevara a una persona a tomar una
accin como comprarle un regalo, darle una serenata, etc., es claro que un dato se convierte
en informacin cuando le es til a una persona o tomador de decisiones. En el caso de una
empresa, las utilidades, ganancias o prdidas de una empresa seran informacin para los
ejecutivos o la alta direccin para tomar decisiones y generar cursos de accin.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 13
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
2.l.3 CONOClMlENTO
El conocimiento, en contraste con los conceptos de datos e informacin, sugiere alternativas
de accin o guas de actuacin especficas asociadas a la informacin. Aqu podemos definir
al conocimiento como el (/"B,"#/ -$ .$'%)*, =$(=/*, I$.-)-$*, .)D/"$* 0 %/* -)#/*
=$,.A*#&(/* .$(/+&%)-/* +/. $E+$.#/*, >,$ =)" .$*,%#)-/ 0 .$*,%#)" H#&%$* $" %)
.$*/%,(&2" -$ +./3%$1)* Por ejemplo, el sueldo mensual de un cliente del Banco de
Crdito le permitir al analista de crditos de dicho banco determinar el monto hasta el cual
se le puede dar un prstamo al cliente y un curso de accin correspondiente como el
siguiente:
Si el sueldo mensual de un cliente es menor o igual a s/. 1000.00 entonces el monto del
prstamo puede ser hasta s/. !00.00 a una tasa de inters del " efectiva mensual.
Como se puede apreciar en el ejemplo anterior la informacin sirve para el tomador de
decisiones, en este caso el analista de crditos, el curso o accin a seguir de acuerdo al
conocimiento del experto, polticas y reglas de la empresa. Cabe sealar que las acciones
dependen exclusivamente del conocimiento de los expertos que se adquieren por la
experiencia y por reglas de "sentido comn".
Para finalizar esta parte vamos a representar todo lo aqu mencionado para que se vea las
relaciones existentes en la llamada PIRAMIDE DEL CONOCIMIENO!
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 14
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
2.2 DEFINICIONES
Sabemos que el campo de Sistemas Expertos es un rea de la lnteligencia Artificial y a
menudo tambin se le llaman Sistemas Basados en Conocimiento, Sistemas con Base de
Conocimientos o Sistemas lnteligentes. Existen varias definiciones sobre Sistemas Expertos
los cuales se mencionan a continuacin:
La primera definicin fue la de Edward Feingenbaum, considerado como el padre de los
Sistemas Expertos y mencionaba que eran: "Un programa de computador inteligente que
usa el conocimiento y procedimientos de inferencia para resolver problemas que son lo
suficientemente difciles como para requerir la intervencin de un experto humano para su
resolucin." 6INTER 7:8
Para Jhon Durkin un Sistema Experto es "un programa de computadora diseado para
modelar la habilidad de resolver problemas de un humano experto". 6718
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 15
SlSTEMAS SlSTEMAS
TRANSACClONALES TRANSACClONALES

DATOS
INFORMACION
CONOCIMIENTO
SABIDURIA
DSS DSS
&I9'# :'
A1-(A$$I%&
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Daniel Cohen afirma que "es un sistema computacional interactivo que permite la
creacin de bases de conocimiento, las cuales una vez cargadas responden a preguntas,
despejan dudas y sugieren cursos de accin emulando/simulando el proceso de
razonamiento de un experto para resolver problemas en un rea especfica del conocimiento
humano". 6728
Segn Juan Pablo Snchez un sistema experto "es un conjunto de programas de
ordenador que son capaces, mediante la aplicacin de conocimientos, de resolver
problemas en un rea determinada del conocimiento o saber y que ordinariamente requeran
de la inteligencia humana, lo que reemplaza a un experto humano". 67:8
Para el Dr. Nicols Kemper Valverde un Sistema lnteligente (como el llama a un sistema
experto): "Es una herramienta informtica con pericia y habilidad en la solucin de
problemas. Esto es un sistema que posee 415 conocimientos y experticia humana suficientes
acerca de un dominio particular que le permite comprender los problemas que ocurran
dentro de dicho dominio y 425 estrategias de anlisis: mtodos de razonamiento y/o
aprendizaje para manipular este conocimiento y resolver tales problemas en la misma forma
en que lo hara el experto humano (gerente, ingeniero, operador, etc)"
Otra concepcin los define como ;un sistema computarizado capaz de resolver
problemas en el dominio en el cual posee conocimiento especfico" 6INTER 718
Una fuente especialista en Sistemas Expertos es la British Computer Society que los
conceptualiza como "la incorporacin en un ordenador de un componente basado en el
conocimiento que se obtiene a partir de la habilidad de un experto, de forma tal que el
sistema pueda dar consejos inteligentes o tomar decisiones inteligentes. Una caracterstica
adicional, es que el sistema sea capaz, bajo demanda, de justificar su propia lnea de
razonamiento de una forma inmediatamente inteligible para el que los usa" 6INTER 728
Como se puede notar las principales fuentes coinciden en las definiciones lo que se
puede resumir en que ;U" *&*#$1) $E+$.#/ $* ," +./'.)1) -$ (/1+,#)-/.) >,$ #&$"$
%) ()+)(&-)- -$ .$*/%I$. +./3%$1)*, simulando el ra"onamiento # el conocimiento de
un e$perto humano, dentro del dominio de un %rea espec&'ica del conocimiento
humano 0 >,$ +,$-$ proporcionar respuestas justi'icadas so(re el curso de sus
acciones@
2.3 HISTORIA DE LOS SISTEMAS EXPERTOS
No vamos a describir toda su historia ni todos los sistemas expertos existentes porque no
terminaramos de nombrarlos, solo vamos a describir los principales que dieron inicio a esta
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 16
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
tecnologa que apareci en el siglo XX y que en este siglo se ha convertido en una de las
tendencias con mayor futuro:
DENDRAL
Muchos lo consideran el primer Sistema Experto.
Desarrollado en la Universidad de Stanford a mediados de los aos setenta.
Su propsito consiste en ayudar a los profesionales en qumica a identificar la
estructura molecular de las sustancias desconocidas.
Empleando los datos que se obtiene con un espectrmetro de masas, las
mediciones de resonancia magntica nuclear y los datos de laboratorio DENDRAL
puede identificar con rapidez y seguridad la estructura de un compuesto6189
MYCIN
Desarrollado en la Universidad de Stanford en l972, inicialmente por Edward
Feingembaum y posteriormente culminado por sus colaboradores.
Su objetivo consiste en el diagnstico y tratamiento de enfermedades infecciosas de
la sangre.
Emplea reglas de produccin y mtodos de inferencia con encadenamiento
regresivo.
lntroduce el concepto de factor de certeza, permitiendo el razonamiento con
incertidumbre.
Este sistema introdujo nuevas caractersticas: utilizacin de conocimiento impreciso
para razonar y posibilidad de explicar el proceso de razonamiento. Lo ms
importante es que funcionaba de manera correcta, dando conclusiones anlogas a
las que un ser humano dara tras largos aos de experiencia. En MYClN aparecen
claramente diferenciados motor de inferencia y #ase de conocimientos. Al separar
esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da
como resultado un sistema vaco o shell (caparazn). As surgi EMYClN (MYClN
Esencial) con el que se construy SACON, utilizado para estructuras de ingeniera,
PUFF para estudiar la funcin pulmonar y GUlDON para elegir tratamientos
teraputicos 6INTER 7:8
El sistema MYClN, al ser consultado por el mdico, solicita primero datos generales
sobre el paciente: nombre, edad, sntomas, etc. Una vez conocida esta informacin
por parte del sistema, el Sistema Experto plantea unas hiptesis. Para poder
verificarlas comprueba primero la exactitud de las premisas de la regla. Esto se
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 17
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
realiza mediante una bsqueda de enunciados correspondientes en la base de
conocimientos. Estos enunciados pueden a su vez estar de nuevo en la parte de
consulta de otra regla. Tambin lo realiza mediante determinadas preguntas al
usuario. Aqu se hacen preguntas del tipo: Se ha practicado en el paciente algn
tipo de intervencin quirrgica? Con las respuestas que recibe, el MYClN verifica o
rechaza las hiptesis planteadas. Una serie de tests han demostrado que MYClN
trabaja igual de bien que un mdico 6INTER 728
PROSPECTOR
Construido sobre la tecnologa de MYClN.
Es uno de los sistemas expertos ms estudiados debido a su gran xito.
Especialmente conocido desde que con su ayuda se descubri un importante
depsito de molibdeno, valorado en ms de l00 millones de dlares, en el estado
de Washington.
Es un sistema experto diseado para ayudar a los gelogos a encontrar yacimientos
importantes. lngresando datos acerca de un rea en particular, PROSPECTOR
puede estimar las probabilidades de encontrar distintos tipos de depsitos de
minerales.De este sistema experto deriv el shell KAS (Knowledge Adquisition
System).6INTER 7:8
XCON
Desarrollado en la Universidad de Carnegie-Mellon a finales de los aos setenta y
revisado en DEC a principios de los ochenta.
Es un sistema experto diseado para ayudar a los tcnicos de Digital Equipment
Corporation (DEC) a configurar sistemas de miniordenadores. XCON genera
automticamente la configuracin deseada a partir de los requisitos del cliente
seleccionando entre la amplia gama de la popular serie de los VAX de DEC.6189
2.4 SISTEMAS EXPERTOS ACTUALES
SEGE4SISTEMA EXPERTO EN GESTION DE EXPORTACIONES5
SEGE es bsicamente un prototipo de Sistema Experto cuyo propsito es
brindar asistencia experta a las autoridades de las empresas en la gestin de
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 18
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
exportacin de un producto, dadas las caractersticas de la legislacin, y normativa
vigente.
El SE deber analizar la situacin en que debera encontrarse el producto para
estar en condiciones de ser exportado. Este anlisis abarca: la situacin de la
empresa, los regmenes vigentes de exportacin de los pases involucrados en el
proceso de exportacin, la documentacin necesaria y los organismos oficiales de
gestin.
Este prototipo ha sido desarrollado por investigadores del Programa de
lnvestigacin y Desarrollo en lnteligencia Artificial de la Universidad Nacional de
Lujan y doctorandos de la carrera de doctorado en Derecho de la Facultad de
Derecho de la Universidad Nacional de La Plata.
GIDEON
Es un programa de computadora para el diagnstico y que establezca
referencias en el campo enfermedades tropicales y contagiosas,
epidemiologa, microbiologa y quimioterapia antimicrobiana.
Fue diseado para diagnosticar las enfermedades contagiosas de todo el
mundo, basado en los sntomas, seales, pruebas de laboratorio y perfil
dermatolgico. La red de enfermedades contagiosas de Gideon presta atencin
especial para el pas de origen del usuario. La base de datos incorpora 327
enfermedades, 205 pases y l85 agentes antibacteriales.
Ha sido desarrollado hace l0 aos por especialistas en enfermedades
contagiosas y ciencias de la computacin en Escuelas Mdicas de
universidades de Estados Unidos e lsrael. ;tt/<==>>>.c3info.co.=inde?
DELTA?CATS
Ayuda a los mecnicos en el diagnstico y reparacin de locomotoras diesel-
elctricas.
Desarrollado por General Electric a principios de los 80s
DELTA: Diesel Electric Locomotive Troubleshooting
CATS: Computer Aided Troubleshooting System
Consiste de una base de conocimientos por medio deentrevistas con David
Smith (que trabaj 40 aos en GE y es un experto reconocido en
mantenimiento de estas mquinas)
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 19
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
De l98l a l983 se incrementaron las reglas de 45 a l200.
DELTA no solo da consejos expertos, sino que tambin presenta informaciones
por medio de un reproductor de vdeo. De hecho se podra encasillar a DELTA
ms en el rea de la instruccin que en reparacin, dado que adems
proporciona ayudas al trabajo que permiten al estudiante determinar si existe o
no un determinado problema, proporcionando tambin formacin especfica
sobre el modo de realizar ciertas reparaciones.
PROYECTO EOLO CN-2:5
En este caso, el problema est en el hecho de que pilotar un avin que cuesta
cientos de millones de dlares es un asunto muy serio a la vez que peligroso, lo
que exige mucho tiempo de entrenamiento, tanto para pilotos como mecnicos,
suponiendo para las compaas areas un gran problema, dado el elevado
coste de los cursos y la escasez de instructores. El proyecto surgi de la
voluntad de Construcciones Aeronuticas S. A. de ofrecer un curso especfico
para pilotos y tcnicos de mantenimiento, a todos los compradores del avin
CN- 235. Eolo CN-235 es un sistema de enseanza interactivo que integra
grficos, texto y vdeo.
CITEX
Sistema experto que se compone de cuatro subsistemas: Valoracin de un
terreno, Esquema de lrrigacin, Esquema de Fertilizacin, Diagnstico de
enfermedades y Tratamiento de enfermedades en el cultivo de ctricos
(especialmente de naranjas). http://www.claes.sci.eg/home/welcome.html
Fue desarrollado por investigadores egipcios y existen varias versiones de
este sistema experto. En la web mencionada se puede encontrar mas
informacin sobre este sistema experto y varios ms desarrollados por la
organizacin CLAES(The Central Laboratory for Agricultural Expert Systems)
Estos son solo algunos de los muchos sistemas expertos en diferentes reas que se utilizan
actualmente, existen muchos mas en otras reas del conocimiento humano, las cuales
ayudan actualmente en produccin, supervisin, instruccin, diagnstico, planificacin, etc.
2.5 PORGUE CONSTRUIR UN SISTEMA EXPERTO!
Todos sabemos que mientras mas conocimiento tenemos de un rea especfica, en mas
indispensables y expertos nos convertimos, para solucionar los problemas diarios que se
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 20
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
nos presenten. Sabemos que eso significa que los profesionales cada vez eleven ms sus
honorarios por la experiencia y conocimiento que tienen y demuestran.
Pero tambin sabemos que hay pocas personas que se les puede considerar e$pertos y
sera necesario que $% (/"/(&1&$"#/ >,$ +/*$$" *$ -&*#.&3,0) 0 '$"$.)%&($ =)(&) /#.)*
*/(&$-)-$* / %/()%&-)-$* '$/'.J<&()* -$ %)* /.')"&D)(&/"$* +).) >,$ *&.I)" -$ )+/0/
) %/* -$1J* persiguiendo un fin solidario o mejorar la productividad de una organizacin en
donde el experto no pueda actuar, cuando envejezca o cuando muera.
Por otro lado, sabemos que todas las personas sufrimos de cansancio, stress,
enfermedades, desconcentracin, etc.; que merman considerablemente nuestro rendimiento
laboral cuando nos afectan los problemas mencionados; lo cual no sucede con los
computadores.
Entonces para nosotros existe dos razones principales de porque construir un sistema
experto:
1K P).) ()+#,.). $% (/"/(&1&$"#/ -$ ," $E+$.#/ 0 $E#$"-$.%/ ) %)* -$1J* +$.*/")* -$
,") /.')"&D)(&2" / */(&$-)- 0 +/-$. ,#&%&D).%/ (,)"-/ $% $E+$.#/ 0) "/ $*#L, -$B$ -$
#.)3)B)., / %)* (/"-&(&/"$* "/ %/ +$.1&#)" 4.&$*'/*5.
2K E% +/-$. -$ +./($*)1&$"#/, <)%#) -$ *$"#&1&$"#/*, $1/(&/"$* 0 <)(#/.$*
+*&(/%2'&(/* 0 <A*&(/* -$ %/* (/1+,#)-/.$* "/* )0,-)" ) )+./I$(=). $% (/"/(&1&$"#/
-$ ," $E+$.#/ -$ %) 1)"$.) 1J* 2+#&1).
Finalicemos este apartado comparando algunos factores entre un experto humano y un
sistema experto para poder definir nuestra opcin de crear sistemas expertos:
FACTOR A EMALUAR EXPERTO HUMANO SISTEMA EXPERTO
Disponibilidad de tiempo Da laborable Siempre
Disponibilidad geogrfica Local En cualquier lugar
Perecible Si No
Rendimiento Variable Consistente
Velocidad Variable Consistente(usualmente
rpido)
Costo Alto Econmico
2.6 ESTRUCTURA DE UN SISTEMA EXPERTO
Para conocer la estructura de un sistema experto primero vamos a entender como una
persona e$perta soluciona un problema especfico. Antes de continuar es necesario aclarar
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 21
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
a que persona se define como experto. Podemos decir que $E+$.#/ $* )>,$%%) +$.*/")
>,$ +/*$$ =)3&%&-)-$* 0 ()+)(&-)-$* +).) .$*/%I$. ," +./3%$1) 1$B/. >,$ /#./*
-$"#./ -$ ," J.$) -$% (/"/(&1&$"#/ $*+$(A<&(). Y como dijimos anteriormente los
sistemas expertos se dedican a un rea del conocimiento especfica que nosotros
llamaremos -/1&"&/ -$% +./3%$1). Podemos definir entonces que -/1&"&/ -$% +./3%$1)
$* )>,$%%) +).#$ -$% (/"/(&1&$"#/ $" $% (,)% *$ =) &-$"#&<&()-/ ," +./3%$1) 0?/
+./3%$1)* 0 >,$ $% $E+$.#/ #&$"$ %) ()+)(&-)- -$ .$*/%I$..
Partiremos de un ejemplo simple para ver la actuacin de un experto humano en la
solucin de un problema. Suponga que Ud., tiene un auto ltimo modelo y tiene alguna falla
que ud. no conoce. Ud., sabe poco de mecnica por lo cual tiene que llevarlo a un $E+$.#/,
que para este caso sera un mecnico para que le resuelva el +./3%$1). A travs de aos
de experiencia el mecnico ha adquirido gran cantidad de conocimientos en la solucin de
problemas con automviles. Llamaremos M$1/.&) -$ L).'/ P%)D/ 4MLP5 al espacio en el
cerebro del mecnico en el cual se encuentran almacenados esa gran cantidad de
conocimientos adquiridos a travs de la experiencia. Luego de llevarlo al mecnico asuma
que Ud., le dice que el problema de su carro es que "no enciende". El mecnico almacena
este =$(=/ en una parte de su cerebro que llamaremos M$1/.&) -$ C/.#/ P%)D/ 4MCP5.
Usando la informacin proporcionada por Ud., el mecnico podra deducir que el
problema puede estar en el sistema elctrico por conocimientos que tiene almacenados en
la MLP y que estn relacionada con la informacin que le brindo Ud. Entonces esta creencia
la agrega el mecnico a su MCP y contina razonando acerca del problema con otros
hechos que pueda ir deduciendo o informacin proporcionada por Ud..
De acuerdo a su conocimiento y la relacin entre datos de su MCP Y MLP el
mecnico podra hacer las pruebas respectivas a las bateras lo que lo llevara a concluir
que la falla es una batera mala. Luego de esto el mecnico no solo resuelve el problema
sino tambin puede explicar el razonamiento que utiliz para solucionar el problema de
acuerdo a los datos proporcionados....Esta sera la forma en que un experto humano
soluciona un problema que podramos esquematizar en la siguiente figura:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 22
Memoria de Largo
Plazo (MLP)
$o%inio &e'
(ono(i%iento
RAZONAMIENTO
Memoria de Corto
Plazo (MCP)
He()o &e' !ro*'e%a+
Con('uione
ACONSEJA
Con('uione+
A((ione
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Del ejemplo anterior y la figura mostrada podemos rescatar lo siguiente:
l Un experto almacena el dominio del conocimiento en su M$1/.&) -$ L).'/ P%)D/ 4MLP5.
2 Cuando el experto soluciona un problema, obtiene hechos sobre el problema (hechos del
caso) y los almacena en su M$1/.&) -$ C/.#/ P%)D/ 4MCP5.
3 El experto luego razona sobre el problema combinando los hechos de su MCP con el
conocimiento de su MLP. Usando este proceso, el experto infiere nueva informacin sobre
el problema y llega a conclusiones.
Regresando a nuestro tema decimos que los sistemas expertos resuelven problemas
que usan un proceso que es muy similar al de los humanos. Usando la figura anterior
podemos esquematizar lo siguiente:
A continuacin describamos brevemente los componentes de los sistemas expertos,
segn la arquitectura bsica mostrada anteriormente:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 23
Base de
Coo!imietos
$o%inio &e'
(ono(i%iento
Motor de
I"ere!ia
Memoria de
Tra#a$o
He()o &e' !ro*'e%a+
Con('uione
%S%ARIO
He()o+
Con('uione
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
BASE DE CONOCIMIENTOS
Contiene el conocimiento del dominio en el cual el programa es competente. Durkin lo
define como: "Parte de un sistema experto que contiene el dominio del conocimiento". 6189.
El tema primordial para este componente es obtener el conocimiento del experto y
codificarlo en la base de conocimientos usando diferentes tcnicas de representacin del
conocimiento que posteriormente discutiremos. Una de las mas usadas es representar el
conocimiento en forma de reglas de. Una regla es una estructura de tipo IF?THEN
4SI?ENTONCES5 en donde existe una premisa o antecedente y una conclusin o accin. Por
ejemplo:
REGLA 1: IF el automvil no enciende THEN el problema puede estar en el sistema
elctrico.
REGLA 2: IF el sueldo mensual de un cliente es menor o igual que s/. l000.00 THEN el
tope de crdito es de s/. 3500.00
REGLA :: SI su temperatura corporal es de 39 C ENTONCES tiene fiebre.
De las reglas mostradas podemos identificar que la base de conocimientos esta
integrada por conceptos, hechos o variables que varan de estados (valores) y que
relacionadas conforman las reglas. Por ejemplo:
En la .$'%) 1 tenemos dos hechos y dos valores:
automvil =enciende; automvil = no enciende y
problema es = el sistema elctrico o pueden existir otros valores.
El conocimiento tiene que estar representado en la forma que resulte ms adecuada
para el dominio de su competencia. Adicionalmente hay que tratar que esa representacin
sea:
Sencilla.
lndependiente.
Fcil de modificar.
Transparente: justificacin de soluciones y explicacin de los procesos.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 24
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Relacional.
Potente: poder expresivo y eficiencia de clculo.
La parte fundamental de todo Sistema Experto es la Base de Conocimientos y como
vimos su funcin consiste en almacenar los conocimientos expresados en conceptos,
hechos, relaciones, etc. relativos al rea del sistema experto y por lo tanto, depende del
modelo de representacin del conocimiento que se utilice. Entre los modelos mas conocidos
de representacin del conocimiento tenemos:
Representacin basada en Reglas de Produccin.
Representacin basada en Lgica de Predicados
Representacin basada en Redes Semnticas
Representacin basada en Frames o Marcos
Representacin basada en Restricciones
De acuerdo al tipo de representacin de conocimiento se genera una clasificacin
tpica de sistemas expertos. As tenemos los ms comunes:
Sistemas Expertos Basados en Reglas
Sistemas Expertos basados en Frames , etc.
"El diseo de este esquema de representacin del conocimiento afecta al diseo del motor
de inferencia, al proceso de actualizacin del conocimiento, al proceso de explicacin y a la
eficacia global del sistema." 6INTER 728
MEMORIA DE TRABAJO O BASE DE HECHOS
Llamada tambin %or&space. Contiene los hechos que se descubren acerca de un
problema durante una consulta. "Parte de un sistema experto que contiene los hechos del
problema que se descubren durante la sesin". [189
Los hechos que el sistema experto reciba del usuario y los que vaya infiriendo se
almacenan en la memoria de trabajo y pueden ser hechos, hiptesis, conclusiones parciales,
etc; es decir lo que infiera "empare'ando( los datos proporcionados con la base de
conocimiento. Tambin es necesario mencionar que los hechos de la memoria de trabajo
tambin los puede obtener de fuentes externas como base de datos, hojas de clculo, etc.;
que los puede cargar al inicio de la sesin u obtenerlos de acuerdo a su necesidad.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 25
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Algunos autores tambin la llaman T)3%$./, P&D)..) / P&D)..2" 4B%)(N3/).-5, pero este
trmino ms se usa cuando el sistema experto se compone de varios mdulos siendo cada
uno un sistema experto especialista en determinada parte de un problema. En estos casos
se habla de Ar)uitecturas con a(lero y cada sistema experto se denomina *uente de
Conocimiento +,no-ledge Source./
MOTOR O MECANISMO DE INFERENCIA
Tambin conocido como estructura de control o interpretador de reglas. Durkin lo define
como: "Es el procesador en un sistema experto que empareja los hechos contenidos en la
1$1/.&) -$ #.)3)B/ con el -/1&"&/ -$% (/"/(&1&$"#/ contenido en la base de
conocimiento, para deducir o llegar a la conclusin sobre el problema". 6189
Selecciona, decide, interpreta y aplica el conocimiento de la #ase de conocimientos sobre la
#ase de hechos con el fin de obtener la solucin buscada. El motor de inferencia busca un
emparejamiento entre los hechos contenidos en la memoria de trabajo y las premisas de las
reglas contenidas en la base de conocimiento (cuando se utiliza las reglas como forma para
la representacin del conocimiento). Cuando encuentra el emparejamiento, agrega la(s)
conclusin de las reglas a la memoria de trabajo y contina examinando las reglas buscando
nuevos emparejamientos. El mecanismo de inferencia debe ser independiente del
conocimiento y de los hechos (caracterstica esencial de los sistemas expertos que separan
el conocimiento del mecanismo de control que posteriormente analizaremos. Est
caracterizado por:
El lenguaje en que ha sido escrito.
La velocidad de trabajo: lnferencias/segundo.
Las estrategias de bsqueda de soluciones:
No Ordenada! aleatoria, heurstica.
Ordenada! Encadenamiento hacia adelante (guiado por los datos, deductivo),
encadenamiento hacia atrs (guiado por los objetivos, inductivo).
La forma en que elige el conocimiento.
La posibilidad de incorporar metaconocimiento.
El mtodo que utiliza para la evaluacin del conocimiento incompleto o incierto.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 26
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Existen muchos esquemas de razonamiento al buscar la solucin a un problema; sin
embargo los ms utilizados son:
ENCADENAMIENTO HACIA ADELANTE 4FOROARD CHAINING5
A este esquema tambin se le llama guiado por los datos o ra"onamiento ascendente.
Este mtodo de inferencia realiza comparaciones entre las reglas y los hechos disponibles
de manera que se establezcan nuevos hechos hasta llegar al o#'etivo deseado. Un sistema
experto tpico que aplic este tipo de inferencia fue el Rl/XCON.
Ejm:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 27
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
ENCADENAMIENTO HACIA ATRPS 4BACKOARD CHAINING5
A este esquema se le llama tambin guiado por los o(jeti0os o ra"onamiento
descendente. Mtodo de inferencia que inicia con la conclusin u o#'etivo que se desea
demostrar y procura establecer la certeza de los hechos que conducen a ella.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 28
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 29
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Algunos autores consideran un tercer esquema de razonamiento 1oportun&stico23
en la cual se aplican los dos esquemas de razonamiento antes descritos en el momento ms
oportuno; pero este se utiliza generalmente en los sistemas con ta#lero o en arquitecturas
con ta#lero.
Estos son los componentes principales y que todo sistema experto debe poseer, sin
embargo existen componentes adicionales que le brindan potencialidad y facilidad de uso
tanto al experto, ingeniero del conocimiento, como al usuario para su desarrollo, como se
muestran en el esquema extendido siguiente:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 30
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
2.Q CARACTERISTICAS PRINCIPALES DE LOS SISTEMAS EXPERTOS
SEPARA EL CONOCIMIENTO DEL CONTROL
lmagine un sistema experto que se construya como un programa convencional como
podra ser as:
Begin
Nombre:= preguntar (Nombre?)
Edad:= preguntar (Edad?)
.......
Sntomal:= preguntar (Sntomal?)
Sntoma2:= preguntar (Sntoma 2?)
...........
Si Sntomal:= "xxxx" entonces
HACER WWWW
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 31
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Si Sntomal:="yyyyy" entonces
HACER ZZZZZ
........
End....
As sera la forma de un sistema experto como un programa convencional. Sin
embargo, a pesar que se puede programar, tendra las siguientes desventajas:
o Es demasiado rgido y complicado realizar cambios en el sistema por la
cantidad de cdigo escrito.
o Es difcil saber el conocimiento que tiene el sistema porque estn mezclados
en conocimiento con la estructura de control.
o En los problemas que abarcan los sistemas expertos un factor importante es
la incertidumbre e informacin imprecisa con la que se maneja y en la
programacin convencional es difcil manejar este aspecto.
Frente a estos inconvenientes de mostrar el conocimiento y el control en un
programa convencional, la idea es que se separen el conocimiento (en la #ase de
conocimientos) y el mecanismo de control (en el motor de inferencia) para tener un
mejor funcionamiento de un sistema experto. De tal manera que por ejm el
conocimiento se exprese en reglas de produccin y el motor de inferencia tendr una
forma de controlar la ejecucin de reglas (Backward Chaining o Forward Chaining) lo
cual eliminara los problemas de la programacin convencional.
Separando el conocimiento de la estructura de control la tarea de modificar y
mantener el sistema es ms fcil. Se puede localizar y agregar nuevo conocimiento
en alguna parte en particular del sistema experto. Si se necesitan hacer cambios en
el motor de inferencia igual se puede cambiar de estrategia o los ajustes necesarios
al algoritmo de inferencia.
POSEE CONOCIMIENTO EXPERTO Y BASADO EN LA EXPERIENCIA
Desde la definicin de los sistemas expertos sabemos que el conocimiento que se
captura de una persona deber ser de un e$perto que incluye el basto conocimiento
que posea as como las habilidades adquiridas a travs de la experiencia y que lo
distinguen de las dems personas en la solucin de problemas dentro de un rea de
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 32
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
conocimiento. Mas adelante nos detendremos en profundidad en como considerar a
una persona como experto.
RARONA CON SIMBOLOS
Ya explicamos anteriormente que el conocimiento es expresado en forma simblica
ya sea en forma de reglas, frames, lgica de predicados, etc. Podemos decir que los
programas convencionales procesan datos y los sistemas expertos procesan
conocimiento. Podemos expresar a travs de smbolos hechos, conceptos, reglas,
etc., de tal manera que se manipulen ms fcilmente. La forma de cmo representar
el conocimiento se conoce formalmente como )epresentacin de *onocimiento (de
la cual hablamos anteriormente) y abarca otros conceptos que no tocaremos por
ahora.
RARONA HEURISTICAMENTE
El trmino heurstica o reglas a dedo son estrategias adquiridas a travs de la
experiencia y que son aplicadas por los expertos para solucionar o acortar "caminos"
en la solucin de los problemas. Como dijimos anteriormente en los sistemas
expertos esa forma de conocimiento tambin es capturado. Por ejm un mdico
experimentado puede escoger, obviar o concluir pasos que un mdico principiante no
lo hara lo cual reduce el tiempo en la solucin de problemas. Los sistemas expertos
se diferencian claramente de la programacin convencional porque no son rgidos en
sus algoritmos de razonamiento. En los programas convencionales se siguen
algoritmos rgidos y que siempre deben hacerse; en cambio en los sistemas expertos
los pasos innecesarios se pueden obviar y concluir llegando a resultados mas
rpidamente.
PERMITE RARONAMIENTO INEXACTO
Los sistemas expertos son capaces de trabajar incluso con informacin incierta o
imprecisa y proveer una solucin razonable. Todos sabemos que cuando nos
enfrentamos a un problema muchas veces no tenemos toda la informacin disponible
por diversos factores. En estos casos, nos guiamos por las posibilidades o en las
creencias y experiencias que nosotros tenemos para tratar de resolver un problema
en particular; eso es justamente tambin lo que hace un sistema experto. Los
sistemas expertos trabajan con diversas teoras y corrientes del conocimiento
humano para manejar la incertidumbre. Se puede utilizar factores de certeza, teora
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 33
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
de la probabilidad, lgica difusa y otras reas para manejar los problemas con
incertidumbre para encontrar la solucin mas aceptable.
EB$1+%/* -$ &"</.1)(&2" &1+.$(&*)
l.- +ro#a#lemente si los resultados del paciente son XX entonces tendr la
enfermedad YY.
2.- Si Pedro apuesta s/. l000.00 al jinete ZZ pro#a#lemente podra ganar la
carrera.
3.- Voy al cine, siempre y cuando vaya la chica de la esquina.
ESTA LIMITADO A PROBLEMAS SOLUCIONABLES
Es claro que para que un problema se adapte a una solucin de sistemas expertos
deba existir el conocimiento y el razonamiento para la solucin de dicho problema. El
sistema experto tendr xito mientras exista la solucin y el e$perto.
Por ejemplo: No podemos tratar de solucionar con un sistema experto la cura del
SlDA porque an ni siquiera existe la forma de realizarlo. Esto demuestra claramente
>,L problema es posible para adecuarlo a un sistema experto.
No vaya a creer Ud., que un sistema experto puede solucionar todos los problemas-
a,n los desconocidos y sin solucin- porque como podemos modelar el
razonamiento y capturar el conocimiento de un problema que no es solucionable.?.
En conclusi4n! los sistemas e$pertos solo se pueden aplicar a pro(lemas
soluciona(les por humanos/
SE ENFOCA A COMPLEJIDADES RARONABLES
Los problemas para solucionarlos con un sistema experto no deben ser muy
complejos porque a mayor cantidad de conocimiento el sistema utilizar ms tiempo;
y podra demorar o tener ms errores al razonar. Si el tiempo que demora a un
experto solucionar un problema es varias horas, probablemente no sea un problema
para un sistema experto. Jhon Durkin recomienda-(.n pro#lema que requiere
resolver por un e$perto en alrededor de 1! minutos es un pro#lema razona#le para
un sistema e$perto. /i el pro#lema es m0s comple'o, intente dividirlo en su#1temas
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 34
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
cada uno de los cuales los podra resolver con un simple sistema e$perto distinto
para cada su#1tema(.
COMETE ERRORES
Si los expertos humanos tienen errores, es lgico pensar que los sistemas expertos
no son perfectos y cometen errores..Pero Ud., podra pensar pero los programas
de computador bien realizados no se equivocan?...Es correcto, pero acurdese Ud.,
que los sistemas expertos no trabajan con datos sino con CONOCIMIENTOS
entonces si el conocimiento del experto es errneo lgicamente que tambin el
sistema experto cometer errores. Cuando Ud., va a un experto de cualquier rea
para que le solucione su problema sabe que puede cometer errores, sin embargo
confa en el por la experiencia y conocimiento que posee; lo mismo sucede con los
sistemas expertos.
Estas son algunas caractersticas de los sistemas expertos. Para finalizar esta parte
comparemos un sistema experto con un programa convencional para ver sus
diferencias y resumir lo mencionado hasta ahora:
PROGRAMA CONMENCIONAL SISTEMA EXPERTO
Numrico Simblico
Algoritmo Heurstico
lnformacin y control integrados Conocimiento separado de control
Difcil de modificar Fcil de modificar
lnformacin precisa lnformacin incierta
lnterfaz de rdenes Dilogo natural con explicaciones
Resultado final dado Recomendaciones con explicaciones
Solucin ptima Solucin aceptable
2.T PARTICIPANTES EN EL DESARROLLO DE UN SISTEMA EXPERTO
En un proyecto de sistemas expertos los acorres principales son:
EXPERTO DEL DOMINIO
Aquella persona primordial en el proyecto de la cual obtenemos su conocimiento para
solucionar un problema planteado y codificarlo en un programa de computador. Como
definimos con anterioridad 2$perto del 3ominio es una persona que posee ha#ilidades y
conocimiento para resolver un pro#lema especfico de una manera superior a otros.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 35
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
La diferencia principal entre un $E+$.#/ y un "/ $E+$.#/ es el CONOCIMIENTO.
Es necesario aclarar que errneamente pensamos que un experto es aquella persona que
tiene un rango de PhD, MsSC..Esto no siempre es cierto, por ejemplo un asistente de
contabilidad puede ser un experto dentro de la solucin de un problema determinado y no
ser experto por el rango profesional que tenga. E" (/"(%,*&2" ,") +$.*/") >,$ */%,(&/"$
," +./3%$1) 1$B/. >,$ /#.)* *$ %$ +,-$ (/"*&-$.). (/1/ $E+$.#/ -$% -/1&"&/ +).) ,"
+./3%$1) -$ *&*#$1)* $E+$.#/*.
El experto del dominio debe tener ciertas cualidades para que el proyecto tenga xito las
que se resumen al final de esta parte, no basta con tener almacenado el conocimiento.
INGENIERO DEL CONOCIMIENTO
Aquella persona capaz de capturar el conocimiento, representarlo de manera adecuada,
escoger las herramientas de desarrollo y finalmente programarlo en una computadora.
El trabajo del lngeniero del Conocimiento comienza desde evaluar la factibilidad del
problema para crear un sistema experto, hasta la documentacin y retroalimentacin del
producto; esto significa todo un proceso en el cual tambin al igual que el experto debe tener
ciertas cualidades.
USUARIO FINAL
Aquel o aquellos que van a ser beneficiados con el producto final. Es necesario siempre
estar comunicado durante el desarrollo de un proyecto de sistemas expertos con el usuario
final. La razn es que se puede desarrollar un sistema experto fantstico pero si al usuario
no le gustan las interfaces seguro no lo usar; es como construir un edificio y que el dueo
no la quiere habitar porque no le gustan el color, forma o modelo de las habitaciones.
El usuario final es el (%&$"#$, el nos va a brindar la forma de las interfaces, botones,
esquema de preguntas, explicaciones y todo los detalles de cmo le gustara el producto
final.
Resumimos las cualidades de los participantes en un proyecto de sistemas expertos en el
siguiente cuadro:
EXPERTO DEL DOMINIO
Posee conocimiento experto
Tiene habilidades eficaces para resolver el
problema
Puede comunicar el conocimiento
Puede dedicar tiempo
Es amigable y no hostil
Tiene habilidades de lngeniera de
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 36
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
INGENIERO DEL
CONOCIMIENTO
Conocimiento
Tiene habilidades de buena comunicacin
Conoce de las herramientas de desarrollo
Tiene habilidades para programar sistemas
de informacin
USUARIO FINAL
Ayuda a definir las especificaciones de las
interfaces
Puede ayudar en la adquisicin del
conocimiento
Puede apoyar en el desarrollo del sistema
2.U CLASIFICACION DE SISTEMAS EXPERTOS
Los sistemas expertos se pueden clasificar de varias maneras. Nosotros mencionaremos
algunas de ellas:
)5 P/. $% +./+2*&#/ >,$ *$ +$.*&') +).) %) (.$)(&2" -$ ," SE:
REEMPLAZAR A UN EXPERTO HUMANO.
APOYAR LA TOMA DE DEClSlONES.
35 P/. $% #&+/ -$ #.)3)B/ >,$ .$)%&D)":
DlAGNOSTlCO
PLANlFlCAClON
lNSTRUCClN
PREDlCClON
TRATAMlENTO
CONTROL..etc.
Es necesario mencionar que en este tipo de clasificacin un sistema experto puede
abarcar uno o ms tipos. Por ejm un sistema experto puede diagnosticar y tratamiento
de una enfermedad especfica.
c@ P/. $% J.$) $" >,$ *$ -$*)../%%)":
MEDlClNA
AGRlCULTURA
QUlMlCA
ELECTRONlCA
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 37
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
GEOLOGlA
METEREOLOGlA
COMUNlCAClONES
EDUCAClON
ECONOMlA Y FlNANZAS
COMPUTAClON E lNFORMATlCA.etc.
2.17 METODOLOGIAS DE DESARROLLO
Al igual que para desarrollar un sistema de informacin convencional existen
varias metodologas de desarrollo como la lngeniera de la lnformacin, RUP,
tendencias estructuradas y orientadas a objetos, as existen varias metodologas
para desarrollar un sistema experto. Desde mi punto de vista es posible, tambin,
basarse en una metodologa de desarrollo de sistemas de informacin clsico para
construir un sistema experto; sin embargo es prioritario darle pequeos ajustes o
cambios de procesos y agregarle otros pasos para construir uno; recordando siempre
que trabajamos con conocimiento y no con datos. Como ya sabemos el rea de
sistemas expertos es relativamente joven por lo cual no se dispone de una nica
metodologa sino que cada autor propone una de acuerdo a su forma de desarrollo.
Sin embargo existen algunas que han tenido xito mas que otras lo cual ha llevado a
su mayor difusin.
Aqu solo mencionaremos algunas y mostraremos un esquema general de la
metodologa con la cual trabajaremos nosotros.
Metodologa de Buchanan
Metodologa de Grover
Metodologa de Brule
Metodologa de Blanque y Garca Martnez
Metodologa KADS
lngeniera del Software,... etc.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 38
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Estas son solo algunas encontradas en la bibliografa revisada. Para nuestro caso
nosotros trabajaremos con la Metodologa de lngeniera del Conocimiento de Jhon
Durkin, de la cual se muestra una breve descripcin a continuacin:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 39
(eAueri.ientos
$onoci.iento
'structura
'valuacin
8roducto
0ase 1
'valuacin
0ase 2
AdAuisicin del conoci.iento
0ase 3
:iseBo
0ase 4
8rue4a
0ase 5
:ocu.entacin
0ase 6
!anteni.iento
(efor.ulacin
'?/loraciones
(eAueri.ientos
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
FASE 1: EMALUACIFN
l.l Motivacin para el Esfuerzo.
l.2 ldentificar problemas candidatos.
l.3 Estudio de viabilidad.
l.4 Anlisis de Costo/Beneficio.
l.5 Seleccionar el mejor proyecto.
l.6 Escribir el proyecto propuesto.
FASE 2: ADGUISICIFN DEL CONOCIMIENTO
2.1 Recoleccin del conocimiento.
2.2 lnterpretacin.
2.3 Anlisis.
2.4 Diseo de mtodos para recolectar conocimiento adicional.
FASE :: DISEVO
3.l Seleccionar Tcnica de Representacin del Conocimiento.
3.2 Seleccionar Tcnica de Control.
3.3 Seleccionar Software de Desarrollo de Sistema Experto.
3.4 Desarrollo de Prototipo.
3.5 Desarrollo de lnterfase.
3.6 Desarrollo del Producto.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 40
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
FASE C: PRUEBAS
4.l Validacin del Sistema.
4.2 Evaluacin de la Prueba/Evaluacin.
FASE 5: DOCUMENTACIFN
5.l Relacin de temas que deben ser documentados.
5.2 Organizacin de la documentacin.
5.3 Documentacin lmpresa.
5.4 :ocu.entacin en ;i/erte?to.
5.5 Reporte Final
FASE 6: MANTENIMIENTO
6.lModificaciones probables del sistema.
6.2Responsables de mantenimiento.
6.3lnterfaces de documentacin del mantenimiento
2.11 HERRAMIENTAS DE DESARROLLO
Para pasar desde el diseo abstracto hasta un sistema implementado y listo para ser
ejecutado en una computadora, se debe expresar en una forma que el sistema
computacional entienda. Para ello se puede utilizar un lenguaje programacin o un
sistema especialmente diseado para desarrollar sistemas expertos. La pregunta
inmediata es 4*u0l de ellos utilizar5 Para el desarrollo de sistemas expertos existen
dos categoras definidas de herramientas de desarrollo:
). LENGUAJES DE PROGRAMACIFN
En principio, cualquier lenguaje de programacin puede ser utilizado. Siendo
as de amplio el espectro del cual se puede escoger un lenguaje para programar un
sistema experto, se debe considerar como factor importante de decisin, la extensin
en la cual el lenguaje cubre o se adecua a los requerimientos de diseo. Atendiendo
a la forma de estructurar sus instrucciones, se los puede dividir en:
lMPERATlVOS: +6/*67, */*88.
FUNClONALES: 79/+.
DECLARATlVOS: +):7:;, *<9+, :+/!.
ORlENTADOS A OBJETOS: /mall=al&, <ypercard, *7:/.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 41
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Tradicionalmente LlSP y PROLOG han sido los lenguajes que se han
utilizado para la programacin de sistemas expertos. Estos lenguajes ofrecen
caractersticas especialmente diseadas para manejar problemas generalmente
encontrados en inteligencia artificial. Por este motivo se los conoce como lengua'es
de 9nteligencia 6rtificial.
Una de las principales caractersticas que comparten los lenguajes LlSP y
PROLOG, como consecuencia de su respectiva estructura, es que pueden ser
utilizados para escribir programas capaces de examinar a otros programas,
incluyendo a ellos mismos. Esta capacidad se requiere, por ejemplo, para hacer que
el programa explique sus conclusiones. Esto slo puede hacerse si el programa tiene
la capacidad de examinar su propio modo de operacin.
LISP
Su nombre se deriva de LlSt Processor. LlSP fue el primer lenguaje para
procesamiento simblico. John McCarthy lo desarroll en l958, en el lnstituto de
Tecnologa de Massachusetts (MlT), inicialmente como un lenguaje de programacin
con el cual los investigadores pudieran implementar eficientemente programas de
computadora capaces de razonar. Rpidamente LlSP se hizo popular por su
capacidad de manipular smbolos y fue escogido para el desarrollo de muchos
sistemas de lA.
PROLOG
PROgramming in LOGic (PROLOG), es otro de los lenguajes de
programacin ampliamente utilizados en lnteligencia Artificial. PROLOG fue
desarrollado en Francia, en l973 por Alain Colmenauer y su equipo de investigacin
en la Universidad de Marseilles. lnicialmente fue utilizado para el procesamiento de
lenguaje natural, pero posteriormente se populariz entre los desarrolladores de
aplicaciones de lnteligencia Artificial por su capacidad de manipulacin simblica. A
partir de l98l tuvo una importante difusin en todo el mundo, especialmente porque
los japoneses decidieron utilizar PROLOG para el desarrollo de sus sistemas de
computacin de quinta generacin. Actualmente existen varios dialectos del
PROLOG para diferentes plataformas.
OPS5
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 42
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Official Production System 5 (OPS5), es un lenguaje para ingeniera
cognoscitiva que soporta el mtodo de representacin del conocimiento en forma de
reglas. lncorpora un mdulo unificador, un intrprete que incluye un .mecanismo de
encadenamiento progresivo, y herramientas para edicin y depuracin de los
programas. OPS5 es un miembro de la familia de lenguajes de programacin
desarrollados en la Universidad Carnegie - Mellon. Varias compaas han
desarrollado implementaciones comerciales de OPS5, para diferentes plataformas.
3. SISTEMAS DE DESARROLLO
Histricamente, los primeros sistemas expertos fueron desarrollados
utilizando lenguajes de programacin como el LlSP y el PROLOG. A medida que el
desarrollo de sistemas expertos iba aumentado en cantidad y complejidad, la
comunidad cientfica comenz a buscar formas de desarrollar los sistemas en menor
tiempo y con menor esfuerzo.
Esto dio lugar al aparecimiento, en primer lugar a sistemas vacos como el
EMYClN, a los que se denomin shells, ya que ofrecen toda la arquitectura de un
sistema experto a la que hay que incorporar la base de conocimientos.
Los SHELL se pueden definir como "sistemas que incorporan las
caractersticas bsicas de los SE: base de conocimiento, motor de inferencia y
mdulo de explicacin, pero que se proporciona sin ningn tipo de conocimiento".
[lNTER 02]
Posteriormente ingresaron al mercado otras herramientas que incorporaron,
adems de opciones de representacin del conocimiento, esquemas de inferencia y
control. Estas herramientas tomaron el nombre de 2ntornos de 3esarrollo de
Sistemas Expertos
A continuacin se dan algunos ejemplos de sistemas comerciales:
Sistemas Vacos (shells): EMYClN, Crystal, Leonardo, XiPlus, EXSYS
Professional, VP-Expert, lntelligence Compiler.,Expert, Exsys Corvid,
Jess, Expertise2go, WebLS.
Entornos hbridos de desarrollo: CLlPS, KEE, ART, EGERlA, Kappa,
Nexpert Object, Goldworks, LOOPS, Flavors.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 43
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
PLATAFORMAS DE COMPUTACIFN
lntimamente asociado a los sistemas expertos, estn los sistemas computacionales
(Hardware). Actualmente el software disponible para el desarrollo de Sistemas
Expertos, cubre todo el rango de computadoras y sistemas operativos, desde PC's
hasta mquinas especialmente dedicadas para procesamiento simblico:
Computadoras Personales (DOS, OS, Mac, WlNDOWS, UNlX, LlNUX).
Estaciones de trabajo (VMS, UNlX).
Mquinas simblicas (LlSP, PROLOG).
Mquinas de arquitectura paralelo.
CAPITULO IM: CAPITULO IM:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 44
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
INGENIERIA DEL CONOCIMIENTO SEGWN INGENIERIA DEL CONOCIMIENTO SEGWN
JHON DURKIN JHON DURKIN
FASE 1: DETERMINACIFN DEL PROBLEMA
El esquema general de esta primera etapa grficamente es como sigue:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 45
D$#$.1&"). M/#&I)(&2"
M/#&I)(&2"
E*#,-&/ -$ M&)3&%&-)-
A"J%&*&* C/*#/?B$"$<&(&/
S$%$((&2" -$% P./0$(#/
P./+/*&(&2" -$ P./0$(#/
I-$"#&<&().
+/*&3%$*
+./3%$1)* 4PRE-
-$#$.1&")(&2"5
L) */%,(&2"
C/"-,(&-) )
P./3%$1) C/"-,(&-/ )
P./0$(#/* I&)3%$*
P./0$(#/ (/*#/*/
M$B/. P./0$(#/
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
TAREA 1: D$#$.1&"). M/#&I)(&2" +).) $% E*<,$.D/
Consiste en determinar Por qu est la organizacin motivada para seguir Sistemas
Expertos?. Algunas organizaciones estn mirando resolver un problema particular
mientras que otras estn interesadas en encontrar que puede hacer la tecnologa por
ellos.
De acuerdo a lo antes mencionado existen dos posiciones que puede asumir una
organizacin al incursionar en la tecnologa de Sistemas Expertos
C/"-,(&-) +/. $% P./3%$1)
Ocurre cuando la organizacin trata de resolver un problema que ya se ha
identificado.
C/"-,(&-) +/. %) S/%,(&2"
En algunos casos una organizacin es motivada para explorar una tecnologa nueva
por un inters general o curiosidad.
TAREA 2: I-$"#&<&(). +./3%$1)* ()"-&-)#/*
Esta tarea solo ocurre cuando la organizacin es conducida por la solucin. Este
paso es hecho antes que la viabilidad formal y estudios costo/beneficio y es llamado
PRE-DETERMlNAClON.
F/.1)"-/ %) L&*#)
Cuando se forma la lista de problemas candidatos se debera buscar la ayuda de
individuos dentro de la organizacin. Un buen lugar para observar dentro de la
organizacin es el nivel medio. Estos individuos tienen una visin global de
operaciones y conocimiento acerca de problemas de cada da. Su visin es valiosa
porque se descubre reas donde la aplicacin de un sistema experto tiene el
potencial para proporcionar valor real a la organizacin.
D$1/*#.)(&2" -$ %) T$("/%/'A)
Si la organizacin est explorando la aplicacin de Sistemas Expertos, entonces se
debera ver al proyecto como una demostracin de la tecnologa. Por lo tanto, un
problema pequeo y relativamente simple es ms preferible que un complejo. Por
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 46
Figura 6: Figura 6: 8rocedi.iento de :eter.inacin del 8ro4le.a 8rocedi.iento de :eter.inacin del 8ro4le.a
Fuente: C01DE
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
pequeo, quiere decir que el alcance del problema no cubre un gran nmero de
problemas complejos. Por simple, quiere decir que el problema parece a primera
vista de ser solucionable. Como gua para solucionar el problema considerar lo que
otros han hecho en el pasado.
S,'$.$"(&)* +).) $*(/'$. ," 3,$" +./3%$1)
Para las organizaciones buscando explorar la tecnologa considere los siguientes
puntos:
Toma de decisin humana.
Conocimiento heurstico.
Pequeo.
Simple.
xito probable.
Algn valor.
TAREA :: E*#,-&/ -$ M&)3&%&-)-
Grficamente el esquema de viabilidad se representa as:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 47
M&)3&%&-)- -$%
P./0$(#/
R$(,.*/*
O.&'$" -$% C/"/(&1&$"#/
G$"#$
D/1&"&/
C/"/(&1&$"#/
R$*/%,(&2" -$%
+./3%$1)
P./3%$1)
M/#&I)(&2"
C)+)(&-)-
G$"#$
M)"#$"&1&$"#/
D$*+%&$',$
D&*$X/
R&$*'/
R$>,$.&1&$"#/*
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________

En esta tarea lo primordial es tratar de determinar si el proyecto tendr xito. Se
consideran dos puntos a evaluar
P.&1$./: Una lista de tems que debera reunir el proyecto es verificado. Estos tems
incluyen los recursos propios, un recurso de conocimiento y personal del proyecto.
La siguiente lista de requerimientos debera ser verificada primero cuando se considera
un problema para una aplicacin de Sistema Experto:
Disponibilidad de conocimiento para la solucin del problema(experto)
Disponibilidad de un lngeniero del Conocimiento.
La solucin del problema puede ser validada.
Disponibilidad de fondos.
Disponibilidad de software de desarrollo de sistema.
Disponibilidad de facilidades de computador.
S$',"-/: Considerar asuntos que son importantes para el xito del proyecto, pero los
cuales son subjetivos de naturaleza y requieren algn juicio para determinar. Ellos
incluyen caractersticas del problema, caractersticas de la gente involucrada del
proyecto y asuntos de despliegue. An cuando un proyecto rene los requerimientos
verificados hay otros asuntos que pueden prevenir el completo xito del proyecto. Un
proyecto de sistema experto puede fallar por razones que caen dentro de las tres
categoras: pro#lema, gente y despliegue.
M&)3&%&-)- -$% P./3%$1)
Los asuntos de viabilidad incluyen caractersticas de dominio, conocimiento y tareas de
solucin del problema.
Comprende:
Conocimiento experto necesitado.
Los pasos de solucin son definibles.
Conocimiento simblico usado.
Heursticas usadas.
El problema es solucionable.
Existen problemas exitosos.
El problema es bien enfocado.
El problema es estable
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 48
Figura 7: Figura 7: 'studio de 9ia4ilidad del iste.a '?/erto 'studio de 9ia4ilidad del iste.a '?/erto
Fuente: Fuente: C1DE C1DE
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Conocimiento incompleto o incierto utilizado.
Solucin mas una recomendacin.
A*,"#/* -$ I&)3&%&-)- -$ %) '$"#$
La capacidad y la motivacin de la gente involucrada en el proyecto son asuntos
importantes para considerar cuando se juzga la viabilidad del proyecto .Los principales
actores de un proyecto de sistema experto son: experto de dominio, ingeniero de
conocimiento, usuario final, y administracin .Determinar su impacto en la viabilidad del
proyecto es un desafi debido a las complejidades de naturaleza humana. Se necesita
considerar sus deseos, miedos, y emociones para juzgar si ellos efectivamente
contribuirn el proyecto. Las caractersticas principales que deben tener cada persona
involucrada en un proyecto de sistema experto son:
E$perto
Puede comunicar el conocimiento.
El experto puede dedicar tiempo.
El experto es cooperativo, no hostil o escptico del proyecto.
Ingeniero de conocimiento
El ingeniero de conocimiento tiene buenas habilidades de comunicacin.
El ingeniero del conocimiento puede relacionar el problema al software.
El ingeniero de conocimiento tiene destrezas de programacin de sistema
experto.
El ingeniero del conocimiento puede dedicar el tiempo.
5suario 'inal
El usuario final puede dedicar tiempo.
El usuario final es receptivo al cambio.
El usuario final es cooperativo.
6erencia
La gerencia apoya al proyecto.
La gerencia es receptiva al cambio.
La gerencia no es escptica.
La gerencia tiene expectativas razonables.
La gerencia entiende objetivos.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 49
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Asuntos de viabilidad de Despliegue
Se debe considerar:
El sistema puede ser introducido fcilmente.
El sistema puede ser mantenido.
El sistema puede ser integrado con recursos existentes.
Entrenamiento disponible.
El sistema no tiene una ruta crtica.
D$#$.1&")(&2" -$ I&)3&%&-)-
Un esfuerzo por determinar la viabilidad de un sistema experto fue proporcionado por
Beckman (l99l) el cual formo una lista de temas para considerar, luego asign a cada
uno un nmero que reflejaba su importancia relativa. Esta lista de verificacin de peso
es luego comparada a algn problema candidato, y si el problema encuentra un tema,
recibe los puntos predescritos del tema. La suma de todos los puntos es luego usada
para atribuir un porcentaje de la viabilidad del proyecto. Un ejemplo de esta forma de
determinar la viabilidad de muestra a continuacin:
A*,"#/* -$ I&)3&%&-)- -$% +./3%$1)
Peso Asunto Puntaje
l
2
l
l
2
2
2
l
l
l
l
Conocimiento experto necesitado
Los pasos de solucin de problema son definibles
Conocimiento simblico usado
Heursticas usadas
El problema es solucionable
Existen sistemas exitosos
El problema es bien enfocado
El problema es razonablemente complejo
El problema es estable
Conocimiento incompleto o incierto utilizado
No determinstico
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 50
Tabla N 5: Tabla N 5: Asuntos de via4ilidad del /ro4le.a
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
l Solucin mas una recomendacin
l6 Puntos Totales Puntaje Total
Viabilidad = Puntaje total/Puntos totales
Una deficiencia con este mtodo es que muchos temas son subjetivos y son difciles
para responder de un modo si o no. Considere por ejemplo el tema del mbito del
problema. Para un problema dado nosotros podramos ser capaces de comentar sobre
este tema, pero puede ser demasiado limitante para ser restringido a una respuesta de si
o no. Esta limitacin puede tambin guiar a responder errores que produce una falsa
figura de determinacin de viabilidad.
Un diferente tipo de estrategia fue desarrollado que corrige este problema. Como la
tcnica anterior, empieza por formar una lista de temas importantes para considerar.
Cada tema es luego asignado un peso (entre 0 y l0) que refleja la importancia de cada
tema durante la evaluacin de un proyecto dado, los nmeros (entre 0 y l0) son
atribuidos a cada tema que refleja el grado de creencia en el tema. Este valor es luego
multiplicado por el valor del tema para establecer un puntaje por el tema. Todos los
puntajes son luego aadidos y divididos por la suma de los pesos del tema. Este nmero
es limitados entre 0 y l0, y proporciona una estimacin de determinacin de viabilidad
del proyecto.
Los valores de "peso" son resultados de la experiencia de consulta de Durkin sobre
los esfuerzos de determinacin de proyectos anteriores.
Un ejemplo de lo anterior mencionado se muestra a continuacin:
ASUNTOS DE MIABILIDAD DEL PROBLEMA
PUNTAJE = PESO VALOR ASUNTO
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 51
Fuente: Fuente: C1DE C1DE
Tabla N 6 : Tabla N 6 : 0 0or.ulario de deter.inacin de via4ilidad del /ro4le.a
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
7
9
7
8
l0
8
9
6
7
9
5
6
Conocimiento experto necesitado
Los pasos de solucin de problema son definibles
Conocimiento simblico usado
Heursticas usadas
El problema es solucionable
Existen sistemas exitosos
El problema es bien enfocado
El problema es razonablemente complejo
El problema es estable
Conocimiento incompleto o incierto utilizado
No determinstico
Solucin mas de una recomendacin
9l
PUNTAJE PESO VlABlLlDAD DEL PROBLEMA = PUNTAJE TOTAL
TOTAL TOTAL PESO TOTAL
.
ASUNTOS DE MIABILIDAD DE PERSONAL
PUNTAJE = PESO VALOR ASUNTO
7
9
7
EXPERTO DE DOMlNlO
El experto puede comunicar el conocimiento
El experto puede dedicar tiempo
El experto es cooperativo
23
PUNTAJE PESO VlABlLlDAD DEL EXPERTO = PUNTAJE TOTAL
TOTAL TOTAL PESO TOTAL
8
8
9
9
lNGENlERO DEL CONOClMlENTO
Buenas habilidades de comunicacin
Puede relacionar el problema al software
Tiene destrezas de programacin de sistema
experto
Puede dedicar tiempo
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 52
Fuente: Fuente: C1DE C1DE
Tabla N 7: Tabla N 7: 0 0or.ulario de deter.inacin de via4ilidad de /ersonal.
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
34
PUNTAJE PESO VlABlLlDAD DEL lNGENlERO
DEL CONOClMlENTO = PUNTAJE TOTAL
TOTAL TOTAL PESO TOTAL
6
7
7
USUARlO FlNAL
El usuario final puede dedicar tiempo
El usuario final es receptivo al cambio
El usuario final es cooperativo
20
PUNTAJE PESO VlABlLlDAD DEL
USUARlO FlNAL = PUNTAJE TOTAL
TOTAL TOTAL PESO TOTAL
9
7
7
6
8
GERENClA
La gerencia apoya al proyecto
La gerencia es receptiva al cambio
La gerencia no es escptica
La gerencia tiene expectativas razonables
La gerencia entiende objetivos
37
PUNTAJE PESO VlABlLlDAD LA GERENClA = PUNTAJE TOTAL
TOTAL TOTAL PESO TOTAL
ASUNTOS DE VlABlLlDAD DEL DESPLlEGUE
PUNTAJE = PESO VALOR ASUNTO
7 El sistema puede ser introducido fcilmente
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 53
Fuente: Fuente: C1DE C1DE
Tabla N 8: Tabla N 8: 0 0or.ulario de deter.inacin de via4ilidad de des/liegue
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
9
7
9
7
El sistema puede ser mantenido
El sistema no tiene una ruta critica
El sistema puede ser integrado con recursos
existentes
Entrenamiento disponible
39
PUNTAJE PESO VlABlLlDAD DEL DESPLlEGUE = PUNTAJE TOTAL
TOTAL TOTAL PESO TOTAL
Para ilustrar, asumir que se evalu un proyecto candidato que resulto en los siguientes
puntajes para cada categora
CATEGORIA PUNTAJE TOTAL PESO TOTAL
Problema 800 9l
Gente 900 ll4
Despliegue 300 39
2000 244
MIABILIDAD DEL PROYECTO = 2000/244 = 8.l9
Se puede usar estas formas para establecer los valores de viabilidad para los
proyectos candidatos, y escoger esos con valores ms altos para considerarlos despus.
Para los proyectos con bajos valores globales, este mtodo tambin proporciona una
visin dentro de que rea es deficiente, como asuntos de problema, asuntos de gente,
etc.
TAREA C: A"J%&*&* C/*#/? B$"$<&(&/
El prximo paso es determinar el esperado pago-justificacin para el proyecto.
Para la mayora de los proyectos este es usualmente es medido en un anlisis costo
beneficio. La organizacin desea evidencia tangible que muestre que la inversin de
tiempo y dinero es justificado. Bajo las mejores condiciones este puede ser una tarea
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 54
Fuente: Fuente: C1DE C1DE
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
difcil. Cuando el proyecto involucra una tecnologa nueva como sistemas expertos, la
tarea encuentra incertidumbre adicional.
C/*#/ -$% P./0$(#/
Los costos principales del proyecto son establecidos por los gastos de trabajo y
software. La cuenta de gastos de trabajo para el tiempo gastado en el proyecto son por
el ingeniero del conocimiento, el experto de dominio y el usuario final.
La opcin del software de desarrollo del sistema experto est basada en la naturaleza
del problema y las facilidades del computador de la organizacin.
L/* )*,"#/* -$ 3$"$<&(&/
El beneficio de desarrollar un sistema experto puede ser medido en una de las cuatro
maneras: productividad me'orada, costos #a'os, calidad me'orada o un asunto muy
tangi#le pero importante>imagen me'orada.
l. Productividad mejorada
Mejores Decisiones
Decisiones ms rpidas
Propaga especializacin
2. Costos mas bajos
Reduce costos de trabajo
Mejora uso de material
3. Calidad mejorada
Producto Superior
Servicios superiores
Proporciona entrenamiento
4. lmagen mejorada
lnnovador
La encuesta conducida por Pepper (l99l) sobre las aplicaciones del sistema experto en
la industria de servicio mostr que la mayora de las organizaciones justific el esfuerzo
sobre beneficios intangibles de estrategias, como ganar un margen competitivo (50%) o
capturar y preservar especializacin escasa (44%). Pocas organizaciones buscaron
beneficiarse de ahorros de costo. Esta encuesta indica que la mayora de las
organizaciones estn buscando explorar la tecnologa, esto es, ellas estn conducidas
por la solucin.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 55
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
TAREA 5: S$%$((&/"). $% 1$B/. +./0$(#/
Para cada problema inicialmente seleccionado para el esfuerzo de determinacin,
ahora se tiene la informacin sobre su viabilidad y su conveniencia. La prxima tarea es
seleccionar uno para seguir un proyecto de sistema experto.
El cuadro que usted ahora tiene de cada posible proyecto es ambos cualitativo y
cuantitativo. El estudio de viabilidad proporcion un nmero que refleja la estimacin del
proyecto de viabilidad global. Este nmero es principalmente el valor de comparar varios
proyectos. El estudio de costo/beneficio tambin proporcion nmeros. El costo del
proyecto es usualmente fcil de estimar, y en algunos casos, usted puede aproximar los
ahorros esperados o ganancias de la organizacin. Usted debera tambin tener un
sentido del impacto que el proyecto puede tener en establecer sistemas expertos dentro
de la organizacin.
Conociendo la motivacin de la organizacin es de ayuda sobre esta tarea. Si ellos
son conducidos por el problema, usted debera mostrar que el proyecto es viable y que
los beneficios esperados excedieron al costo del proyecto. Aun cuando la organizacin
est explorando la tecnologa (conducida por la solucin) aparentemente una situacin
cmoda. usted debera an proporcionar alguna justificacin para el esfuerzo. Estas
organizaciones son usualmente ms tolerantes de los beneficios de corto plazo, pero
ellos esperan que el proyecto engendre beneficios a largo plazo.
TAREA 6: E*(.&3&. $% +./0$(#/ +./+,$*#/
Siguiendo la seleccin de un buen problema, se puede necesitar escribir un proyecto
propuesto que documente los esfuerzos esperados. Esta propuesta debera documentar
que es para ser hecho, porque el proyecto es importante, y como se ejecutar el
esfuerzo. En la discusin de cada uno de esto puntos, el propuesto debera ser breve y
al punto.
A continuacin se describen las partes que debera contener la propuesta del proyecto:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 56
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
PROYECTO PERSONAL
OBJETIMO
l. Declaracin de que ser logrado.
2. Una oracin por problema
MISTA GLOBAL
l. Vista de alto nivel del proyecto
2. Discusin general del problema y su solucin
3. Referencias de trabajos pasados.
4. Explicar en general que se lograr.
5. Discutir por que el proyecto tiene valor.
PROBLEMA
l. Descripcin detallada del problema.
2. Discutir los problemas y operaciones comunes.
3. Describir los esfuerzos de evaluacin.
SOLUCION
l. Discutir que realizar el sistema experto.
2. Describir como el sistema experto conseguir los objetivos.
3. Listar los recursos necesarios del proyecto.
PLAN
l. Listar y discutir las principales fases del proyecto.
TIEMPOS ESTABLECIDOS
l. Calcular los periodos de tiempo para las principales fases del proyecto.
RESULTADOS 4ENTREGABLES5
l. Lista los resultados del proyecto.(entregables)
PERSONAL
l. Lista el personal del proyecto.
COSTOS
l. Lista los costos del proyecto de diverso tipo.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 57
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
FASE 2: ADGUISICION DEL CONOCIMIENTO
Siguiendo las fases, la siguiente tarea es la adquisicin del conocimiento. Esta tarea es
el desafo ms difcil en el desarrollo de un sistema experto.
P./($*/* -$ A->,&*&(&2" -$ C/"/(&1&$"#/
La adquisicin del conocimiento es inherentemente un proceso cclico. Sigue las tareas
de recoleccin del conocimiento, su interpretacin y an0lisis, y el dise?o de mtodos
para recolectar conocimiento adicional.
La recolecci4n es la tarea de adquirir conocimiento del experto. Este esfuerzo
requiere entrenamiento en tcnicas de entrevistas. Adems requiere buenas
habilidades de comunicacin interpersonal y la habilidad para obtener la
cooperacin del experto.
La interpretaci4n de la informacin recolectada envuelve la identificacin de piezas
clave de conocimiento, como conceptos, reglas, estrategias, etc.
El an%lisis envuelve el estudio de las piezas clave del conocimiento destapado
durante la tarea de interpretacin. Este esfuerzo proporciona la visin de formar las
teoras en la organizacin del conocimiento y estrategias de solucin de problemas.
El dise7o es la tarea de preparacin para el siguiente encuentro con el experto.
Siguiendo la realizacin de las tareas anteriores, se forma una nueva comprensin
del problema. Este esfuerzo puede haber expuesto nuevos conceptos que
necesitan exploracin extensa. Las tcnicas de extraccin del conocimiento son
entonces escogidas para obtener esta informacin durante la prxima reunin.
P./3%$1)* (/" )->,&*&(&2" -$ C/"/(&1&$"#/
Existen muchos problemas con la adquisicin del conocimiento que hacen de esta una
tarea difcil. Muchos de estos problemas puede remontarse a la dificultad en extraer
conocimiento del experto.
Sin premeditaci4n de conocimiento/8 A travs de la experiencia resolviendo un
problema, un experto a menudo compila el conocimiento de la solucin del
problema en una forma compacta, la cual permite una solucin eficiente del
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 58
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
problema. Si el experto es preguntado para describir su mtodo de solucin de
problemas, l a menudo har saltos mentales sobre problemas importantes.
Incapacidad para 0er(ali"ar el conocimiento/8 Muchas tareas son difciles de
verbalizar debido a que ellas fueron aprendidas mirando a otros individuos
ejecutando estas tareas. Los esfuerzos de la labor manual representan este tipo de
tareas.
Pro0eer conocimiento irrele0ante /8 Muchas sesiones de extraccin pueden ser
sostenidas con el experto durante el proyecto. Despus de un tiempo, la cantidad
de informacin recolectada puede estar agobiando. Para hacer la materia mucho
peor, mucha de esta informacin puede ser irrelevante para el proyecto. La tarea es
filtrar a travs de toda esta informacin y escoger slo los problemas importantes.
Pro0eer conocimiento incompleto/8 Un experto a menudo puede proporcionar
una descripcin incompleta de sus procesos mentales. Si el problema es una simple
omisin, la situacin puede ser fcilmente corregida. Sin embargo, si ocurre porque
el experto es inconsciente del conocimiento usado, (problema de compilacin) el
desafo puede ser mayor.
Pro0eer conocimiento incorrecto/8 Un experto puede proporcionar conocimiento
incorrecto porque l no est informado o debido a un simple error durante la
introspeccin. En cualquier caso, esto lleva a un cuerpo incompleto del
conocimiento en sistemas expertos.
Pro0eer conocimiento inconsistente/8 El conocimiento proporcionado por el
experto puede ser inconsistente con cualquier declaracin. Este problema ocurre
frecuentemente cuando el experto proporciona una explicacin de sus estrategias
de resolucin de problemas.
E*<,$.D/ -$% $>,&+/ (//+$.)#&I/
El xito del proceso de extraccin del conocimiento depender grandemente de formar
un equipo de individuos que son hbiles y cooperativos. Cada miembro del equipo es
responsable de tareas que solapan tareas de otros. Una interaccin considerable puede
esperarse y esto es importante para nutrir el a veces frgil espritu de cooperacin.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 59
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
TL("&() -$ $"#.$I&*#)
La tcnica de obtencin del conocimiento ms comn utilizada hoy en da en el diseo
de sistemas expertos es el mtodo de la entrevista. Esta tcnica envuelve una
interaccin directa entre el experto y el ingeniero del conocimiento, donde las preguntas
son dadas para destapar el conocimiento. Para hacer este productivo esfuerzo, la
entrevista debe ser efectivamente manejada.
El manejo de la entrevista propiamente requiere que varios puntos sean dirigidos.
Algunos de los bsicos relacionan a los artculos como preparar la agenda, horario de la
sesin, y preparar una lista de materiales. Otros problemas son ms intangibles, pero
importantes para el esfuerzo. Saber cmo empezar, conducir y terminar efectivamente la
entrevista son consideraciones importantes para adquirir la informacin deseada y para
mantener la cooperacin de los miembros del equipo. Tambin es importante saber
cmo hacer las preguntas de una manera que proporcionar la informacin deseada.
Existen diferentes tcnicas de entrevistas para ganar tipos ciertos de conocimiento y
para evitar algunos problemas tpicos asociados con la extraccin del conocimiento.
A"J%&*&* -$ C/"/(&1&$"#/
Siguiendo la entrevista, la informacin recolectada necesita ser analizada. Los objetivos
de este esfuerzo son determinar qu fue aprendido y que problemas adicionales debe
seguirse.
Normalmente una trascripcin es primero hecha de una grabacin de la sesin. Esta
trascripcin es luego revisada para identificar las piezas clave del conocimiento,
conceptos, reglas, etc. Estas piezas de conocimiento son luego analizadas para formar
teoras en su organizacin y cmo ellas relacionan a lo que ya es conocido sobre el
problema. Tambin se agregan estas piezas de conocimiento a la documentacin del
proyecto de una manera discutida despus en este captulo.
Un alcance que puede ayudar a analizar el conocimiento recolectado es grabar la
informacin recolectada grficamente. Las representaciones grficas en la forma de
mapas de concepto, redes de inferencia, diagramas de flujo y rboles de decisin
pueden ser de valor particular.
FASE :: DISEVO
Esta tarea comienza con la seleccin de la tcnica de representacin del conocimiento y
la estrategia de control. Es seguida con la seleccin de una herramienta de software que
rene mejor las necesidades del problema. Un sistema prototipo pequeo es luego
construido para validar el proyecto y para proporcionar una gua para el trabajo futuro. El
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 60
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
sistema es entonces extensamente desarrollado y refinado para encontrar los objetivos
del proyecto. Este proceso es estructurado de acuerdo a las siguientes tareas:
Tarea l: Seleccionar Tcnica de Representacin del Conocimiento
Tarea 2: Seleccionar Tcnica de Control
Tarea 3: Seleccionar Software de Desarrollo de Sistema Experto
Tarea 4: Desarrollo de Prototipo
Tarea 5: Desarrollo de lnterfase
Tarea 6: Desarrollo del Producto
TAREA 1: S$%$((&/"). TL("&() -$ R$+.$*$"#)(&2" -$% C/"/(&1&$"#/
Se debe escoger una tcnica de representacin del conocimiento que mejor muestre la
manera en que el experto modela el conocimiento del problema mentalmente. Sin
embargo, para razones prcticas, se debe adems considerar los recursos y
capacidades de la organizacin.
Un mtodo basado en frames es apropiado si el experto describe el problema
referenciando los objetos importantes y sus relaciones, particularmente si el estado de
un objeto afecta a otro objeto. Esta situacin es encontrada en problemas tipo simulacin
o algunas donde las relaciones causales son importantes.
Otra seal que un mtodo basado en frame puede ser bien escogido es que el experto
considere varios objetos similares cuando resuelve el problema. Un sistema basado en
frame puede razonar sobre objetos similares usando solo unas pocas reglas del modelo
de emparejamiento que trabajan a travs una clase de objetos. Esto proporciona un
mtodo eficaz al codificar los objetos y las reglas.
Un mtodo basado en reglas es conveniente si el experto discute el problema
principalmente usando declaraciones tipo lF/THEN.
El mtodo de la induccin es de valor si existen ejemplos pasados del problema. La
induccin tambin es apropiada si no existe ningn experto real en el problema, pero
una historia de informacin del problema esta disponible que puede usarse para derivar
los procedimientos de toma de decisin automticamente.
TAREA 2: S$%$((&/"). TL("&()* -$ C/"#./%
El encadenamiento hacia adelante es apropiado si el experto primero recolecta
informacin sobre el problema y luego ve qu puede ser concluido.
El encadenamiento hacia atrs es una buena opcin si el experto primero considera
alguna conclusin o meta, luego intenta demostrarlo buscando la informacin de apoyo.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 61
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
En este caso, el experto est principalmente interesado en demostrar alguna hiptesis o
recomendacin. Tambin, si el nmero de metas es mucho menor que la cantidad de
posible data, entonces considera un alcance de encadenamiento hacia atrs.
P).)-&'1)* -$ R$*/%,(&2" -$ P./3%$1)*
Otra manera para que usted pueda ganar la visin en escoger ambos, la tcnica de
representacin de conocimiento y la estrategia de inferencia es revisar lo que otras han
hecho en el pasado en esfuerzos similares.
Siguiendo estas mismas ideas, los diseadores del sistema experto escogen a menudo
representacin del conocimiento y tcnicas de control sobre la base del problema que
resuelve el paradigma. Estas opciones confan en los xitos del pasado.
Se han hecho los esfuerzos pasados para relacionar cada paradigma a varios
caracteristicas que pueden ser deseables en el diseo del sistema experto (Gevarter
l987, Martin y Ley l988.Lo siguiente muestra una aproximacin del anlisis hecho de
los proyectos de sistemas expertos anteriormente listados en el Apndice C en un
esfuerzo al elaborar cada proyecto que resuelve el problema, inspeccin a la
representacin de conocimiento y las tcnicas de control que se emplearon. El resultado
de este esfuerzo se muestra en el siguiente esquema:
TlPO DE PROBLEMA VERSUS lNFERENClA Y REPRESENTAClN
DE CONOClMlENTO
TlPO DE
PROBLEMA
lNFERENClA
REPRESENTAClN DEL
CONOClMlENTO
HAClA HAClA
ATRAS
ADELANTE
REGLAS FRAMES
lNDUCClN
CONT
ROL

BAJO ALTO ALTO AVG. BAJO
DlSEO

BAJO

ALTO

ALTO

BAJO BAJO
DlAGNSTlCO

ALTO

BAJO

ALTO

MEDlO

MEDlO
TlPO DE
lNFERENClA REPRESENTAClN DEL
CONOClMlENTO
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 62
Tabla N 9: Tabla N 9: . -i/o de /ro4le.a versus inferencia 3 (e/resentacin de $onoci.iento
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
PROBLEMA HAClA HAClA
ATRAS ADELANTE
REGLAS FRAMES
lNDUCClN

lNSTRUCClN

ALTO
MEDl
O ALTO

MEDlO

BAJO

lNTERPRETAClN MEDlO ALTO ALTO BAJO ALTO
SEGUlMlENTO

BAJO

ALTO

ALTO MEDlO

BAJO
PLANlFlCAClN

BAJO

ALTO

ALTO MEDlO

BAJO
PREDlCClON

MEDlO

ALTO

ALTO

BAJO

ALTO
PRESCRlPClN

MEDlO
MEDlO

ALTO

BAJO

BAJO
SELECClN

ALTO

BAJO

ALTO BAJO

MEDlO.
TAREA :: S$%$((&/"). S/<#Y).$ +).) $% -$*)../%%/ -$% *&*#$1) $E+$.#/
Hay una gran variedad de herramientas de software disponibles para el desarrollo de
un sistema experto. Ellos van desde los lenguajes de programacin bsicos hasta los de
desarrollo de alto nivel (SHELLS).
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 63
Fuente: Fuente: C1DE C1DE
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
C)#$'/.A)* -$ */<#Y).$

I1+/.#)"(&) -$ ().)(#$.A*#&()* -$ */<#Y).$
Las caractersticas a considerar en la eleccin de una herramienta de desarrollo son:
6eneral
Costo
El Hardware de la computadora
Licencia
Apoyo en la capacitacin
Desarrollador de Inter'a"
Codificando el conocimiento.
Razonamiento inexacto.
Establecer reglas
Acceso externo al programa:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 64
%0-FA(' 8A(A
I-'!A '78'(-%
#'&+"A,'
G'##
1AA:%
'& ('+#A
1AA:%
'& %1,'-%
1AA:%
'&
('+#A
1AA:%
'&
0(A!'
I&:"$$I%&
GH1(I:%
Figura N 8: Figura N 8: $ategor)as de oft>are $ategor)as de oft>are
Fuente: Fuente: C1DE C1DE
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Utilidades de depuracin.
Inter'a" de usuario
Preguntas
Explicaciones
Grficos
Hipertexto
TAREA C: D$*)../%%/ -$% P./#/#&+/
Seleccionado el software de acuerdo a los requerimientos del proyecto, el desarrollo
del sistema se empieza. La mayora de proyectos de sistemas expertos empiezan el
desarrollo construyendo un prototipo de sistema pequeo. Un prototipo es un modelo
del sistema final. Su estructura bsica, que representa y procesa el conocimiento del
problema, es igual al esperado en el sistema final. Aunque el prototipo es slo una
pequea versin del sistema final limita la habilidad propiamente si el dise enva
los propsitos siguientes al servidor.

Validacin de aproximacin del sistema experto.
Confirma opcin de tcnica de representacin de conocimiento y estrategias
de control.
Proporciona una va de adquisicin de conocimiento.

D$<&"&. ,") $*#.)#$'&) '%/3)%
Para iniciar el diseo del prototipo es necesario definir una estrategia global. Esta
bsqueda es una serie de tareas de nivel alto que el sistema necesitar realizar.
D$<&"&. E*#.,(#,.) -$ C/"/(&1&$"#/
Durante el desarrollo del prototipo usted debe crear un esquema de trabajo que se
acomode los cambios futuros.

D). I)%&-$D )% P./0$(#/
En la primera fase, se hacen los esfuerzos para probar la base de conocimiento
completa para la lgica y consistencia. La naturaleza exhaustiva de esta prueba slo es
posible al inicio del proyecto cuando la base de conocimiento es pequea. Esta
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 65
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
comprobacin destapa las deficiencias en el conocimiento y bsqueda de razonamiento,
y valida la opcin de la tcnica de representacin de conocimiento y de desarrollo de
software.
La segunda fase es probar es ms de una demostracin el sistema. Su propsito es
quitar algn posible escepticismo por el proyecto que podra sostenerse por los
individuos dentro de la organizacin. Aunque el sistema habr limitado la capacidad en
su formulario del prototipo, una demostracin exitosa en algn problema pequeo nutrir
el apoyo por el proyecto.
En el futuro el prototipo madurar al punto dnde puede atacar los problemas reales que
formen el dominio. En esta fase de probar, se compara los resultados del sistema con
aquellos del experto.

L)"D). $% P./#/#&+/!
Una dificultad tpica que puede descubrirse al seguir la comprobacin del prototipo es
que la opcin original de la herramienta de desarrollo de software era pobre. Por
ejemplo, puede encontrarse que la tcnica de representacin de conocimiento o el
mtodo de la inferencia es impropia.

MA) +).) %) A->,&*&(&2" -$ C/"/(&1&$"#/
Es tambin fructfero usar el sistema del prototipo como una va para adquirir el
conocimiento.
Por su naturaleza, un prototipo del sistema es slo una rendicin pequea del sistema
final. Los lmites de su conocimiento en el problema son rpidamente puestos en claro
durante la prueba, dnde los fracasos son las reglas. Con la cooperacin del experto,
un estudio despus de este fracaso abre la puerta al conocimiento adicional. El experto
puede determinar por qu el resultado dado por el sistema est equivocado, y puede
proporcionar la visin en qu conocimiento est extraando en el sistema que le impidi
alcanzar el resultado correcto. De esta forma, el prototipo acta como otra herramienta
que el ingeniero de conocimiento puede usar para sondear el conocimiento adicional.

TAREA 5: D$*)../%%/ -$ %) I"#$.<)D
Deben definirse las caractersticas tcnicas de la interfaz al principio del proyecto con
la cooperacin del usuario. El desarrollo de la interfaz debe empezar con el desarrollo
del prototipo del sistema experto.
Las claves para un diseo eficaz de la interfaz son:
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 66
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
Consistencia
Claridad
Control
Colores de la pantalla
TAREA 6: D$*)../%%/ -$% P./-,(#/
Durante el desarrollo del prototipo, se sostienen las sesiones de extraccin de
conocimiento y se corren las pruebas. Con cada refinamiento, la capacidad del sistema
se mejora. En un modo evolutivo, el prototipo del sistema empieza a asumir la forma
del sistema final. No hay un punto fijo dnde esta transicin ocurre; el prototipo
evoluciona gradualmente hasta que el sistema sea completado.
R$<&")1&$"#/ -$% (/"/(&1&$"#/
Una caracterstica bsica de un sistema experto es que gana su forma de poder de
conocimiento. Esta tarea implica ensanchar y profundizar el conocimiento.
El conocimiento es hecho ms ancho agregando nuevos conceptos. En los sistemas
basados en reglas cuando se agregan las reglas se agrega a este nuevo conocimiento.
En los sistemas basados en frames, el nuevo concepto se agrega generando un nuevo
frame de la clase.
Ahondando el conocimiento involucra informacin adicional que apoya el conocimiento
existente. En los sistemas basados en reglas, este tipo de desarrollo se ha realizado
agregando reglas que apoyan las reglas existentes. En los sistemas basados en frames,
se agregan los nuevos rasgos al marco existente.

R$<&")1&$"#/ -$% C/"#./%
Una versin temprana de un sistema experto normalmente incluye las estrategias de
control simples. Una opcin de encadenamiento dirigido hacia atrs o adelante podra
hacerse, junto con un juego pequeo de metas. sta es una manera buena de empezar
el diseo, desde que al principio usted quiere determinar si usted est entrando la
direccin correcta. Con los beneficios del proyecto, se ver maneras buenas de
introducir las estrategias de control ms complejas.
Una rea dnde pueden esperarse refinamientos en el control del sistema est en la
agenda de la meta. La agenda de la meta proporciona una lista de metas que el sistema
sigue en alguna sucesin del juego. Durante el proyecto, usted puede encontrar una
necesidad para agregar las metas a la agenda o refinar existentes en tareas ms finas.
Usted tambin puede descubrir que la sucesin estricta de una agenda de la meta
tambin est reprimiendo la aplicacin. En este evento, se puede querer hacer las
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 67
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
metas sensibles al contexto de la sesin. Esto puede lograrse a travs del uso de meta-
regla. Una meta-regla puede escribirse y establecer las nuevas metas o cargar otras
bases de conocimiento sobre la base de la informacin descubierta.
Aunque usted puede empezar con una sola opcin de encadenamiento dirigido hacia
atrs o adelante, usted puede encontrar una necesidad de cambiar entre ellos. Esta
situacin normalmente ocurre si el problema involucra varias tareas algunos de los
cuales pueden manejarse bien por una de las tcnicas de la inferencia. Cuando esto
ocurre, usted debe estructurar varias bases de conocimiento, cada uno con su propia
tcnica de inferencia.

E% R$<&")1&$"#/ -$ %) &"#$.<)D
Algunos de los puntos tpicos que el usuario final puede proporcionar como gua son:

La facilidad de uso.
Las direcciones de la pantalla.
Las preguntas.
Las clarificaciones.
Los resultados.
Las tcnicas interactivas (el ratn, el lightpen, etc.)

E% R)D/")1&$"#/ &"$E)(#/.
Algunos sistemas expertos necesitan usar una tcnica de razonamiento inexacta. Sin
embargo, en las fases tempranas del proyecto, se verifica el conocimiento obtenido del
experto en un sentido exacto. Es decir, deben codificarse hechos, reglas, o frames en el
sistema de una manera exacta. El resultado del razonamiento del sistema puede
verificarse ms fcilmente si un acercamiento lgico se toma en la codificacin del
conocimiento. Siguiendo este paso de la comprobacin, pueden usarse los mtodos del
razonamiento inexacto para refinar la performance del sistema.

FASE C: PRUEBA
Conforme prosigue el proyecto el sistema experto necesitar ser probado y evaluado
peridicamente para asegurar que su performance est convergiendo hacia las metas
establecidas. Deben tomarse las decisiones en que se probar, cmo y cu0ndo las
pruebas se dirigirn, y quin ser involucrado en las pruebas. Es importante que estas
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 68
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
decisiones se tomen temprano, en un momento cuando las metas del proyecto originales
se establecen.
El proceso de la evaluacin se preocupa ms por la aprobacin del sistema y aceptacin
del usuario.
M)%&-)(&2" -$% *&*#$1)
Un sistema experto modela la decisin de un experto humano. Si se dise
correctamente, el sistema deriva los mismos resultados que el experto y razona de una
manera similar al experto. Por consiguiente, el esfuerzo de aprobacin debe dirigirse a
lo siguiente:
Valide los resultados del sistema.
Valide que proceso razona el sistema.

M)%&-). %/* R$*,%#)-/*
Durante la prueba, la informacin del problema se da al sistema experto y la
recomendacin del sistema se compara con resultados cedidos por un individuo llamado
el "evaluador."
Hay tres consideraciones mayores al disear una prueba para validar los resultados de
un sistema experto:

La seleccin del criterio de la prueba.
La seleccin de los casos de la prueba.
La seleccin del evaluador.

S$%$((&/"). $% C.&#$.&/ -$ P.,$3)
Cada proyecto tiene alguna meta para lograr. Para juzgar si el proyecto ha encontrado
su meta con xito, el criterio normalmente se establece cuando el proyecto se evala.
Si la organizacin est usando la tecnologa para dirigirse a un problema especfico
(conducida por el problema), establecer un criterio de prueba entonces es normalmente
directo. Es decir, el sistema debe demostrar que logra algn valor medible en tales
factores como: economas del costo, mejora de productividad, la mejora de calidad del
producto etc. Son problemas muy tangibles, pero ellos son a menudo difciles de medir
hasta que el sistema se haya especializado en el campo.
Un acercamiento diferente confa en comparar la relativa performance del sistema con
aquella del experto en el campo.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 69
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
*omparacin relativa
2sta#lezca @etas )azona#les
7a evaluacin )equiere Auicio
S$%$((&/")"-/ %/* C)*/* -$ %) P.,$3)
Al trabajar en una aplicacin con demandas, es importante que usted pruebe el sistema
primero para los problemas tpicos antes de probar los ms difciles.

S$%$((&2" -$ EI)%,)-/.$*
Si el sistema experto ser usado por otros expertos se recomienda que estos sean parte
del equipo de "evaluadores"y que no estn asociados al proyecto.
Si el sistema ser usado por los no expertos, entonces ellos deben ser parte del equipo
de la evaluacin. Ellos pueden proporcionar comentarios adelante si el sistema
proporciona resultados buenos, los resultados ms rpidos, etc.
Adems debe considerar los siguientes puntos:
Evite el Prejuicio Potencial
Valide el Razonamiento
Aprendiendo de los Errores
La Aceptacin del usuario: Dado por:
- Facilidad de uso.
- Claridad de las preguntas.
- Claridad de las explicaciones.
- Presentacin de resultados.
- Utilidades del sistema.
- Encuesta al usuario.
Evolucin de la Prueba / Evaluacin
Paso l: La Comprobacin preliminar
Paso 2: Examinando la demostracin
Paso 3: Probando Validacin lnformal
Paso 4: Prueba de refinamiento
Paso 5: Prueba Formal
Paso 6: Comprobacin del campo
FASE 5: DOCUMENTACIFN
Como un proyecto de sistema experto maduro, la cantidad de conocimiento recolectado
del experto crece. Despus de un tiempo, debe encontrar la cantidad de informacin
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 70
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
abrumadora. Para manejar esta situacin, tendr que decidir temprano sobre algn
mtodo para documentar efectivamente esta informacin.
Si est propiamente diseado, esto tambin servir para las siguientes tareas de
mantener el sistema y escribir el reporte final del proyecto.
G,L "$($*&#) *$. -/(,1$"#)-/!
Durante un proyecto de sistema experto, la informacin que usted necesita para retener
y grabar en la documentacin sirve para tres propsitos primarios:
Referencias para desarrollar el sistema experto.
Referencias para redactar el informe final.
Referencias para mantener el sistema experto.
Durante el esfuerzo de desarrollo, se necesitar volver a menudo a esta
documentacin para grabar la nueva informacin o estudiar previamente la informacin
descubierta. Desde que muchos proyectos requieren un reporte final de proyecto, la
informacin grabada en la documentacin sirve como una fuente valiosa para este
esfuerzo. Siguiendo el despliegue del sistema experto, el sistema necesitar ser
mantenido. Para acomodar cada uno de estos esfuerzos, debe documentar lo siguiente:
Conocimiento
Grficos de conocimiento
Cdigo fuente
Pruebas
Transcripciones
Glosario de trminos especficos del dominio
Reportes.
C21/ /.')"&D). %) D/(,1$"#)(&2"!
Adems de contener la informacin listada en la seccin anterior, la documentacin debe
ser organizada para facilitar el desarrollo del sistema, la escritura de los reportes y el
mantenimiento del sistema. Para lograr esto, la documentacin debe reunir las
siguientes especificaciones:
Fcil entrada de nuevo conocimiento
Fcil acceso y modificacin del antiguo conocimiento.
Fcil acceso para la informacin relacionada.
Fcil repeticin del material para redactar el reporte.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 71
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
H&+$.#$E#/
Para facilitar la hojeada de la informacin relacionada en un documento que ha sido
puesto en la forma electrnica, algunos diseadores de hoy adoptan la tcnica de
hipertexto.
Se puede usar una estructura de hipertexto para leer informacin sobre algn asunto,
luego navegar a travs de otros nodos para aprender sobre la informacin relacionada.
Para ilustrar, considerar el siguiente ejemplo.
R$+/.#$ F&")%
Para muchos proyectos de sistema expertos necesita escribir un reporte final. Hay
variaciones de que ser presentado en este reporte que depende de la organizacin
para quien el trabajo fue hecho. El contenido del reporte final del proyecto debe incluir lo
siguiente:
Pgina del ttulo
Tabla de contenidos.
Resumen ejecutivo
Visin global del proyecto
Descripcin del programa
Resultados de las pruebas
Resumen
Referencias
Bibliografas
Apndices.
FASE 6: MANTENIMIENTO
Muchos sistemas expertos contienen conocimiento que est evolucionando con el
tiempo. La organizacin que usa el sistema puede adquirir nuevos productos y equipos,
o cambiar procedimientos para trabajar con los recursos existentes. Este cambio declara
modificaciones apropiadas requeridas al sistema.
Conforme es usado el sistema experto, las deficiencias pueden tambin ser
descubiertas. Los usuarios pueden encontrar dificultad para usar el sistema, o pueden
descubrir omisiones. Mantener cualquier tipo de software puede ser costoso.
Dada la probabilidad de que necesita cambios el sistema y sus costos asociados,
necesita ser establecido un programa de mantenimiento efectivo para cada proyecto de
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 72
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
sistema experto. Los usuarios necesitan un camino para reportar problemas que ellos
encuentran, y los individuos con habilidades de ingeniero de conocimiento deben estar
disponibles para hacer los cambios. Debe adems haber una manera para manejar el
esfuerzo del mantenimiento para asegurar que la tarea se logre efectivamente.
Los mayores temas a considerar al reunir un programa de mantenimiento de sistema
experto son:
Documentacin
Pensar en el mantenimiento durante el diseo
Estructura Modular
Separar el conocimiento de la informacin
Meta Reglas
Problemas del Software
Habilidades de programacin
Portabilidad del sistema
Utilidades de modificacin
Acuerdo de mantenimiento
Quin mantiene el sistema?
Cambios del documento.
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 73
INTELIGENCIA ARTIFICIAL & SISTEMAS EXPERTOS __________________
BIBLIOGRAFA
LIBRO
C01DE :urIin* ,. J'78'(- H-'!< :'I+& A&: :'9'#%8!'&-K. &e>
HorI. !a?>ell !ac.ilan. 1994
C02D $o;en* :. JI-'!A :' I&0%(!A$I2& 8A(A #A -%!A :'
:'$II%&'K. !c+ra>Gill.
C03D 6nc;eL* ,. JI-'!A '78'(-%< "&A !'-%#%+IA :'
8(%+(A!A$I%&K.8rentice Gall. !M?ico. 1991
E -raducido del original /or el autor.
INT!RN!T
CI&-'( 01D >>>.uc3..es
CI&-'( 02D >>>..onografias.co.
CI&-'( 03D >>>.uaIron.edu
CI&-'( 04D >>>./uc/.edu./e
CI&-'( 05D >>>.inei.go4./e
CI&-'( 06D >>>.itnuevolaredo.edu..?=taIe3as
_______________________________________________________
Autor: Heyner H. Ninaqui!e Catro P"#. 74