Universidad del Sol

Curso: Sistemas Expertos

M.en IA. Alberto Reyes Ballesteros
Universidad del Sol
areyes@iie.org.mx
http://www.geocities.com/areyes_66
Tel. 318-38-11 ext. 7626
 Introducción
• Un sistema experto es un programa que representa y razona
con el conocimiento de algún especialista con la idea de
resolver problemas, tomar decisiones o recomendar algo.

• La tecnología de los sistemas expertos deriva de la

Inteligencia Artificial.

• Esta tecnología se ha aplicado con éxito en dominios tales

como: la química orgánica, la exploración mineral y la
medicina interna.
 Introducción

Entre las tareas típicas de los sistemas expertos están:

– La interpretación de datos,
– El diagnóstico de fallas o enfermedades
– El análisis estructural de objetos complejos
– La configuración de objetos complejos
– La planificación de secuencias de acciones
 Introducción

Un sistema experto se puede distinguir de un

programa con aplicaciones convencionales por lo
siguiente:

– Simula el razonamiento humano.

– Realiza razonamiento sobre representaciones del

conocimiento humano, además de realizar cálculos
numéricos y acceso a datos.

– Resuelven problemas mediante métodos heurísticos o

aproximados.
 Introducción

Un sistema experto difiere de otros programas de IA

por lo siguiente:

– Trata con asuntos de complejidad real que normalmente

requieren una cantidad considerable de experticia humana.

– Para ser herramientas útiles deben exhibir alto

rendimiento en términos de velocidad y disponibilidad.

– Deben explicar y justificar soluciones o recomendaciones

para convencer al usuario de que su razonamiento es
correcto.
 Introducción

• El término Sistemas Basados en el Conocimiento a veces

se usa como sinónimo de Sistemas Expertos.

• Un sistema basado en el conocimiento es cualquier sistema

que realiza una tarea mediante la aplicación de reglas sobre
la representación simbólica de conocimiento. Ejemplo: un
programa que hace pronóstico del tiempo.
 Introducción

• Un sistema experto codifica el conocimiento dependiente

del dominio de los especialistas en algún área para
resolver problemas.

• La ingeniería del conocimiento es el proceso para

construir un sistema experto y se le refiere como IA
aplicada.
 Beneficios de los SE
• Mayor productividad y características de salida
• Mayor calidad.
• Capacidad para capturar experticia y su diseminación
• Operación en ambientes inciertos
• Accesibilidad a conocimiento
• Disponibilidad
• Mejores capacidades que otros sistemas computacionales.
• Habilidad para manipular información incompleta e incierta.
• Ofrece entrenamiento.
• Destaca las capacidades de resolución de problemas.
• Menor tiempo de toma de decisiones.
 Etapas para la construcción y uso de SEs

• Adquisición de Conocimiento
• Representación de Conocimiento
• Aplicación de Conocimiento
• Explicación de las Soluciones
 Adquisición de Conocimiento
• Transferencia y transformación de la experticia potencial para la resolución
de problemas desde una fuente de conocimiento hasta un programa.

• Esta tarea requiere de largas entrevistas entre un ingeniero de conocimiento y

un experto del dominio (velocidad = 2 a 5 unidades de conocimiento o bits
por día).

¿Porque es tan pobre la producción?

• Cada dominio tiene su propio lenguaje y por tanto es difícil que un experto
comunique su conocimiento en un lenguaje coloquial.

• Los hechos y principios de ciertos dominios no siempre se pueden

caracterizar matemáticamente o en términos de un modelo determinista.
Ejemplo: Las finanzas.
 Adquisición de Conocimiento
¿Porque es tan pobre la producción?

• Los expertos necesitan saber más que solo hechos y principios de un

dominio para poder resolver un problema.

• La experticia humana se establece normalmente en un contexto muy

amplio que involucra conocimiento con sentido común del mundo
real. Ejemplo: un experto legal.

Alternativas al método de la entrevista.

• Deducción Automática de Conocimiento (mediante programas).

• Aprendizaje Automático (como en realidad lo hacen los humanos).

 Representación del Conocimiento

• Frontera entre la IA y las ciencias cognitivas.

• Se refiere a la supuesta forma en que el cerebro humano

almacena información, y las formas en que pueden
describirse formalmente grandes cantidades de
conocimiento con fines de computación simbólica
(Sintaxis y Semántica).

• Los investigadores en esta área se han esforzado por

construir lenguajes de representación para describir objetos
organizados e ideas en vez de secuencias de instrucciones
y elementos de datos simples.
 Criterios para evaluar la calidad de
representación
• Congruencia lógica. Debe ser capaz de hacer las
distinciones deseadas. Ejemplo: drogas y efectos
colaterales. Se necesita cuantificar.

• Poder heurístico. Así como contar con un lenguaje de

representación expresivo debe haber alguna forma de usar
las representaciones así construidas e interpretadas para
resolver problemas.

• Conveniencia Notacional. Es una virtud ya que la mayoría

de los sistemas expertos requieren la codificación de
cantidades substanciales de conocimiento.
 Aplicación del Conocimiento

• Este módulo tiene la tarea de acceder y aplicar el

conocimiento durante la búsqueda de una solución.

• Meta-Conocimiento. Saber que es lo que uno sabe, y saber

cuando usar lo que se sabe. (conocimiento sobre el
conocimiento).

• Las diversas estrategias para aplicar el conocimiento

repercuten en la eficiencia de un programa, y determinan la
manera en que un programa busca la solución en un espacio
de alternativas.
 Aplicación del Conocimiento

 No basta con introducir datos al SE para deducir exactamente

en que parte del espacio buscar. Ejemplo: Diagnóstico de fallas
en un auto.

 Aún en la ausencia de heurísticas específicas, entre más

metódicamente se proceda mayor será la posibilidad de
descubrir la falla.

 Estrategia de control para aplicar el conocimiento en forma

sistemática: “Pruebe todos los módulos antes de probar sus
componentes”.
 Explicación de las Soluciones
• La forma de entender la estructura y función de un sistema de software
complejo es comparable a la interacción humano – computadora.

• Los investigadores de esta área han dado énfasis a los programas de consulta y
a la forma de relacionar la conducta de un sistema con las cadenas de
razonamiento empleadas por tales sistemas.

Las explicaciones de la conducta de un SE son importantes por lo

siguiente:

– Los usuarios de un SE deben quedar satisfechos que las conclusiones son

correctas.

– Los ingenieros de conocimiento deben quedar convencidos que la

aplicación del conocimiento es apropiada aun cuando no este completo el
prototipo.
 Explicación de las Soluciones

– Los expertos del dominio necesitan rastrear la forma en que se aplica

el conocimiento para juzgar si la extracción de conocimiento
procede satisfactoriamente.

– Los programadores que mantienen, depuran y extienden los

programas basados en el conocimiento deben contar con una ventana
a su obra.

– Los administradores de la tecnología de SE deben quedar

convencidos que el modo de razonamiento es aplicable a su dominio.

– Al tópico de explicaciones alguna veces se le denomina

transparencia.
Etapas para la construcción y uso de SEs
 Referencias

• Peter Jackson, Introduction to Expert Systems, 2nd Edition,

Addison Wesley, 1990.

• Dennis Merritt, Expert Systems in Prolog, Springer Verlag,

1989.