Sistemas expertos

Sistemas expertos
Sistemas expertos(ES, siglas del término Expert System) es un
sistema de información basado en el conocimiento que usa su
conocimiento de un área de aplicación compleja y específica a
fin de actuar como un consultor experto para los usuarios
finales. Los sistemas expertos proporcionan respuestas sobre un Nombr
área problemática muy específica al hacer inferencias Sistemas expertos
e:
semejantes a las humanas sobre los conocimientos obtenidos en
una base de conocimientos especializados. Los sistemas
expertos forman
¿Qué es un sistema experto? parte de la ciencia
Descrip de la computación

Es una rama de la Inteligencia artificial; son sistemas ción: y dentro de ésta se

informáticos que simulan el proceso de ubican en la rama
aprendizaje, de memorización, de razonamiento, de de la inteligencia
comunicación y de acción en consecuencia de un experto
artificial.
humano en cualquier rama de la ciencia.

Características

Para que un sistema actúe como un verdadero experto, es deseable que reúna, en lo posible,
lo más importante de las características de un experto humano, esto es:

 Habilidad para adquirir conocimiento.

 Fiabilidad, para poder confiar en sus resultados o apreciaciones.
 Solidez en el dominio de su conocimiento.
 Capacidad para resolver problemas.

Dada la complejidad de los problemas que usualmente tiene que resolver un sistema
experto, puede existir cierta duda en el usuario sobre la validez de respuesta obtenida. Por
este motivo, es una condición indispensable que un sistema experto sea capaz de explicar
su proceso de razonamiento o dar razón del por qué solicita tal o cual información o dato.

Estas características le permiten almacenar datos y conocimiento, sacar conclusiones

lógicas, tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse
con expertos humanos, explicar el por qué de las decisiones tomadas y realizar acciones
como consecuencia de todo lo anterior. Técnicamente un sistema experto, contiene una
base de conocimientos que incluye la experiencia acumulada de expertos humanos y un
conjunto de reglas para aplicar ésta base de conocimientos en una situación particular que
se le indica al programa. Cada vez el sistema se mejora con adiciones a la base de
conocimientos o al conjunto de reglas.

1
Componentes de un sistema experto

 Separan conocimientos (reglas y hechos) y el procesamiento; se le añade un

interfase de usuario y un componente explicativo; los siguiente componentes
pueden estar estructurados de formas muy variadas.
 Base de conocimientos: Contiene el conocimiento de los hechos y las experiencias
de los expertos en un dominio determinado
 Mecanismo de inferencia: Puede simular la estrategia de solución de un experto
 Componente explicativo: Explica al usuario la estrategia de solucion encontrada y el
por qué de las desiciones tomadas
 Interfase de usuario: Sirve para que este pueda realizar una consulta en un lenguaje
lo más natural posible
 Componente de adquisición: Ofrece ayuda a la estructuración e implementación del
conocimiento en la base de comocimientos

Tipos de sistemas expertos

Existen tres tipos de sistemas expertos:

 Basados en reglas: Aplicando reglas heurísticas apoyadas generalmente en lógica

difusa para su evaluación y aplicación.
 Basados en casos CBR (Case Based Reasoning): Aplicando el razonamiento basado
en casos, donde la solución a un problema similar planteado con anterioridad se
adapta al nuevo problema.
 Basados en redes: Aplicando redes bayesianas, basadas en estadística y el teorema
de Bayes.

¿Por qué utilizar un sistema experto?

Con su ayuda, personas con poca experiencia pueden resolver problemas que requieren un
"conocimiento formal especializado". Se pueden obtener conclusiones y resolver problemas

2
de forma más rápida que los expertos humanos. Estos sistemas razonan pero en base a un
conocimiento adquirido y no tienen sitio para la subjetividad. Se ha comprobado que tienen
al menos, la misma competencia que un especialista humano.

Su uso es especialmente recomendado en las siguientes situaciones:

 Cuando los expertos humanos en una determinada materia son escasos.

 En situaciones complejas, donde la subjetividad humana puede llevar a
conclusiones erróneas.
 Cuando es muy elevado el volumen de datos que ha de considerarse para obtener
una conclusión.

Diferencias entre sistemas expertos y los tradicionales

Sistemas expertos:

 Toman Decisiones
 Calculan Resultados
 Basados en Heurísticas
 Dan Explicaciones de los Resultados
 Usan Reglas de Inferencia
 Accedan Bases de Conocimientos (Deductivas)
 Centrados en el Experto y el Usuario
 Manejan Conocimiento Impreciso, Contradictorio o Incompleto
 Usan Datos y Lenguajes Simbólicos

Sistemas tradicionales:

 Calculan resultados
 Basados en Algoritmos
 Dan Resultados sin Explicaciones
 Usan Secuenciación, Ciclos y Condicionales
 Acceden a Bases de Datos
 Centrados en el Analista y el Programador
 Conocimientos Precisos, Completos y Exactos
 Usan Datos Numéricos y Lenguajes Procedurales.

Ventajas

 Producción y productividad mayores. Pueden trabajar más rápido que lo humanos.

Están disponibles ininterrumpidamente de día y noche, ofreciendo siempre su
máximo desempeño. Pueden duplicarse ilimitadamente, Mayor calidad: Dan la
probabilidad de aumentar la calidad proporcionando asesoría consistente y
reduciendo las tasas de error.

3
  Operación en entornos peligrosos. Muchas tareas requieren que los seres humanos
operen en entornos hostiles y peligrosos.
 Captación de experiencia escasa y su dimensión. Uno de los principales beneficios
de los sistemas expertos es su facilidad de trasmitir experiencia a través de fronteras
internacionales.
 Siempre se ajustan a las normas establecidas y son consistentes en su desempeño,
i.e. no desarrollan apreciaciones subjetivas, tendenciosas, irracionales o
emocionales.
 Confiabilidad.Los sistemas expertos son confiables.No padece de olvido, fatiga,
dolor o comete errores de cálculo.
 No requiere un sueldo, promociones, seguros médicos, incapacidades.
 Accesibilidad al conocimiento y escritorios de vida. Hacen accesible el
conocimiento (y la información) a mucha gente en diversos lugares. Siempre están
dispuestos a dar explicaciones, asistir o enseñar a la gente, así como a aprender.
 Pueden tener una vida de servicio ilimitada.Funciones incrementadas de otros
sistemas expertos. La integración de un sistema experto con otros sistemas expertos
hacen que estos últimos se vuelvan más eficientes, los sistemas integrados abarcan
más aplicaciones, trabajan más rápido y producen resultados de mayor calidad.
 Capacidad para trabajar con información incompleta o inconcreta. En contraste con
los sistemas de cómputo convencionales, un sistema experto puede trabajar con
información incompleta al igual que los expertos humanos.
 Impartición de capacitación. Es factible que un sistema experto facilite la
capacitación. El personal nuevo que trabaja con un sistema experto se vuelve más
experimentado. La fusión de explicación puede servir como un dispositivo de de
enseñanza y de ese modo puede efectuar apuntes que tal vez se inserten en la base
de conocimiento.
 Mejoramiento de las funciones para resolver problemas. Un sistema experto mejora
la solución de problemas permitiendo la integración de juicios de expertos de
primera línea en el análisis. De este modo, un sistema experto tiene la posibilidades
resolver problemas cuyo enlace y conocimiento supera a los de cualquier individuo.
 Reducción del tiempo para la toma de decisiones. Con el empleo de la
recomendación del sistema, un ser humano puede tomar decisiones mucho más
rápido.
 Reducción del tiempo fuera de servicio. Muchos sistemas expertos operacionales se
emplean para diagnosticar malos funcionamientos y prescribir reparaciones.

Desventajas

 Tienen una noción muy limitada acerca del contexto de problema, no pueden
percibir todas las cosas que un experto humano puede apreciar de un situación.
 Pueden existir decisiones que sólo son de competencia para un ser humano y no una
máquina.
 No saben como subsanar sus limitaciones, no son capaces de trabajar en equipo o
investigar algo nuevo.
 Son muy costosos de desarrollar y mantener.
 Tareas que realiza un Sistema Experto Monitorización.

4
  La monitorización es un caso particular de la interpretación, y consiste en la
comparación continua de los valores de las señales o datos de entrada y unos valores
que actúan como criterios de normalidad o estándares. Se trata de que el programa
pueda determinar en cada momento el estado de funcionamiento de sistemas
complejos, anticipándose a los posibles incidentes que pudieran acontecer.

Integración y migración de los sistemas expertos.

Los sistemas expertos, salvo excepciones, no están aislados sino que forman parte de otros
sistemas, expertos o convencionales. Existen dos tipos básicos de arquitectura de
integración. En la primera, el sistema basado en el conocimiento forma parte de otro
sistema principal. Así, si el sistema necesita comunicarse con el sistema basado en el
conocimiento, entablará una comunicación directamente o a través de una red.

En la segunda el sistema basado en el conocimiento es el sistema principal y está conectado

a otros sistemas basados en el conocimiento o convencionales, que le ayudan en su
operación. Como ejemplo están los subsistemas que realizan complejos cálculos
matemáticos necesarios durante el proceso de razonamiento.

En ambos casos debe garantizarse una comunicación fluida de todos los sistemas, aunque
estén funcionando en plataformas diferentes, ya sea directamente o a través de una red
local. Este aspecto es crítico en sistemas basados en el conocimiento en tiempo real, los
cuales requieren un rápido acceso a la información relevante y a las bases de datos para
poder ofrecer una solución inmediata y satisfactoria.

Por tanto, habrá que fijarse en las posibilidades de conexión a las bases de datos más
conocidas y, en especial, a aquélla que se esté utilizando como estándar en la organización
así como la posibilidad de llamar a rutinas externas en diferentes lenguajes y viceversa, o la
invocación del sistema basado en el conocimiento desde otros sistemas.

Un aspecto fundamental a tener en cuenta es la portabilidad de la herramienta (herramientas

multiplataforma). En este aspecto hay que valorar no sólo si la herramienta es susceptible
de funcionar en diferentes plataformas sino también el coste del cambio de plataforma.
Existen herramientas que permiten pasar de una plataforma a otra sin apenas esfuerzo, lo
que facilitará la comercialización y el uso de los sistemas que se desarrollen.

Tendencias futuras

 El mercado de herramientas para el desarrollo de sistema experto está sufriendo una

profunda transformación debido a una reorganización en el mercado informático y
al cambio de estrategia de las compañías dedicadas al desarrollo de estas
herramientas. Son cada vez más las compañías que antaño se dedicaban
exclusivamente a la Inteligencia artificial y que han decidido introducirse en otros
mercados más amplios. Esto ha provocado una confusión que irá en aumento a
medida que las empresas que integraban el grupo del mercado de la inteligencia
artificial pasen a comercializar otro tipo de productos.

5
  El mercado se ha ido reconfigurando aprovechando las experiencias del pasado y el
avance tecnológico. Así se ha pasado de utilizar máquinas específicas (por ejemplo
máquinas LISP) a usar ordenadores comunes (estaciones de trabajo, ordenadores
personales, etc.). Las aplicaciones eran muy específicas y ahora el ámbito es mucho
más amplio. Los sistemas basados en el conocimiento estaban pensados para
trabajar de forma aislada y ahora se conciben integrados con otros sistemas. Y,
finalmente, el número de personas formadas en estas técnicas es mucho mayor que
las existentes hace unos años.Un análisis del mercado actual lleva a distinguir seis
categorías de herramientas en función de la plataforma de desarrollo y de operación
que lo estructuran:

Se clasifican en:

 Según plataformas
 Según herramientas de desarrollo:
 Lenguajes (LISP, PROLOG, C++,...)
 "Shell" (utilizando esos entornos)
 CBR

Otra clasificación:

 Herramientas de propósito general

 Herramientas de dominio.

Las herramientas de desarrollo de sistemas basados en el conocimiento se pueden clasificar

de varias formas.

Según la plataforma de desarrollo y de operación que lo estructuran podemos distinguir

cuatro tipos:

 Herramientas para PCs y Macintosh: Hasta hace poco, las herramientas que existían
para estos entornos estaban orientadas al desarrollo de sistemas pequeños y
prototipos. Actualmente, y dado el aumento de la potencia de los PCs, hay
herramientas que antes sólo funcionaban en estaciones de trabajo y ahora tienen
versiones para PC.
 Herramientas para estaciones de trabajo: Aunque el número de herramientas en este
sector no ha sufrido grandes variaciones, la aparición de nuevas herramientas
catalogadas como herramientas orientadas a dominios específicos podrían incluirse
en esta categoría. Este mercado presenta el mayor volumen de ventas, y puede ser
considerado sin duda, junto con el de los PCs, el que tiene más proyección de
futuro. De hecho, aquellas compañías que no ofrecen una buena herramienta para
estaciones de trabajo están realizando esfuerzos para colocar en el mercado un
producto capaz de competir en este entorno.
 Herramientas para mainframes: El número de herramientas en este mercado es
pequeño y se prevé que en los próximos años descienda lenta pero continuamente
hasta desaparecer, ya que las compañías que los comercializan se están desplazando
hacia las herramientas para estaciones de trabajo y PCs.
6
  Herramientas Lisp: Son ordenadores con arquitecturas especiales para ejecutar
programas Lisp. El interés por herramientas Lisp continúa descendiendo así como el
número de productos en el mercado. Se prevé un descenso continuo en los próximos
años.

Según el alcance de la herramienta podemos dividirlas en:

 Herramientas de Propósito General. No están especialmente concebidas para tratar

problemas específicos. Tienen como ventaja su capacidad para ser empleadas en
gran variedad de problemas.
 Orientadas a dominios y problemas específicos. Esta última categoría representa el
mayor grupo de herramientas en el mercado. Se trata de herramientas que abordan
problemas o áreas específicos. Ahorran mucho tiempo de desarrollo en el caso de
ser aplicadas en los dominios para los que se diseñaron. El número permanece
estable aunque con perspectivas de crecimiento en los años venideros debido al gran
interés existente en este tipo de herramientas.

Por último podemos realizar una última división atendiendo al lenguaje o técnica para el
que sirve la herramienta y así podemos distinguir entre:

 Herramientas CBR (Case-Based Reasoning): La demanda de herramientas de este

tipo se está consolidando mediante la mejora de la calidad de sus productos con más
utilidades y nuevos componentes. Son herramientas de razonamiento basadas en
casos, para a partir de ellos inducir las reglas y criterios por similitud.
 Herramientas para lenguajes Lisp, Prolog, C++. Son entornos de desarrollo;
proporcionan las utilidades necesarias ( editores, compiladores, depuradores ) para
poder programar de forma cómoda en estos lenguajes. ( Se incluye el C++ porque
cada vez hay más programas basados en el conocimiento que se desarrollan en él).
 Shells. Son entornos de desarrollo completos y particulares. Contienen un motor de
inferencia y utilizan métodos propios de representación del conocimiento que
pueden ser más o menos parecidos al Lisp o al Prolog. Sirven principalmente para el
desarrollo de prototipos aunque también pueden utilizarse como herramientas
finales. Algunos ejemplos son CLIPS, ART, G2.

Áreas de aplicación

Se aplican a una gran diversidad de campos y/o áreas. A continuación se listan algunas de
las principales:

 Militar
 Informática
 Telecomunicaciones
 Química
 Derecho
 Aeronáutica

7
  Geología
 Arqueología
 Agricultura
 Electrónica
 Transporte
 Educación
 Medicina
 Industria
 Finanzas y Gestión
 Turismo; prácticamente todas las ramas del conocimiento.

Algunos de los campos actuales de investigación y de aplicación son:

 Aprendizaje: Se pretende que sea el propio ordenador el que adquiera el

conocimiento. Existen muchas técnicas aplicables o no dependiendo del problema:
aprendizaje inductivo, deductivo, redes neuronales, algoritmos genéticos.
 Redes Neuronales: Consisten en nodos conectados con otros mediante enlaces,
simulando las

Redes neuronales.

conexiones que forman las neuronas en el cerebro. Se investiga su utilización en

muchas áreas; Visión Artificial, Razonamiento, Aprendizaje, Comprensión
Lenguaje Natural.

 Redes Bayesianas: Técnica para tratar el razonamiento con incertidumbre. Su base

es el teorema de Bayes que es el método matemático exacto para tratar las
probabilidades. Consiste en una red donde los nodos son hechos ciertos o no y los
enlaces entre los nodos son las probabilidades condicionadas de unos hechos con
respecto a otros. Propagando las probabilidades a través de la red, se pueden obtener
los resultados más probables a partir de los hechos que se conocen (razonamiento).
El ejemplo típico son los sistemas de diagnóstico médico.
 Algoritmos genéticos: Son métodos de aprendizaje inspirados en la evolución
natural, y que utilizan las nociones de individuos, apareamiento, recombinación de

8
 cromosomas, mutación genética, adaptación y selección natural. Son la base de las
investigaciones en Vida Artificial.
 Otras técnicas que se pueden mencionar son la utilización de Ontologías para
representar el conocimiento, Data Mining para obtención de conocimiento en bases
de datos y los Agentes Inteligentes para la recuperación de información en Internet.

Actualmente el duro, difícil y cambiante mercado competitivo se vuelve más complejo por
la gran diversidad de información que se ven obligados a almacenar y analizar, razón por la
cual las empresas se ven en la necesidad de recurrir a poderosas y/o robustas herramientas o
sistemas que les sirvan de soporte a la hora de tomar decisiones. De esta forma estos
inteligentes, precisos y eficientes sistemas son adoptados por más organizaciones, en las
cuales se convierten y/o transforman en una importante estrategia de negocio.
Por otra parte es importante mencionar que estos seguirán siendo usados en los todos y
cada una de las áreas y/o campos donde los expertos humanos sean escasos.

Bibliografía
 Cuena, J. Notas sobre modelos de razonamiento. Dpto. de I.A., Facultad de
Informática, UPM, 1995.
 Jackson, P. Introduction to Expert Systems Addison-Wesley, 1990.
 Sterling, L. y Shapiro, E. The Art of Prolog (Segunda edicion) MIT Press, 1993.
 Bratko, I. Prolog Programming for Artificial Intelligence, Addison-Wesley Ltd.
1986.
 Clocksin y Mellish. Programming in Prolog, Springer-Verlag, 1981
 Shoham, Yoav Artificial Intelligence Techniques in Prolog, Morgan Kaufmann,
1993.
 Bowen, Kenneth A. Prolog and Expert Systems, McGraw-Hill, 1991.
 Castillo, E., Gutiérrez, J.M. and Hadi, A.S. (1997) Expert Systems and probabilistic
Network Models. Springer Verlag, New York. Versión castellana publicada por la
Academia de Ingeniería (1998)

Fuentes
 Selección de Lecturas: Tecnologías de Información I. Información y Tecnologías
para su tratamiento
 http://personales.unican.es/gutierjm/papers/BookCGH.pdf
 http://catarina.udlap.mx/u_dl_a/tales/documentos/lis/moreno_a_jl/capitulo3.pdf
 Informática
 Sistemas Expertos
 S.I.A.I