Sistema Experto (SE) Es una aplicacin informtica capaz de solucionar un conjunto de problemas que exigen un gran conocimiento sobre

un determinado tema. Un sistema experto es un conjunto de programas que, sobre una base de conocimientos, posee informacin de uno o ms expertos en un rea especfica. Se puede entender como una rama de la inteligencia artificial, donde el poder de resolucin de un problema en un programa de computadora viene del conocimiento de un dominio especfico. Estos sistemas imitan las actividades de un humano para resolver problemas de distinta ndole (no necesariamente tiene que ser de inteligencia artificial). Tambin se dice que un SE se basa en el conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (informacin sobre el seguimiento de una accin). Para que un sistema experto sea herramienta efectiva, los usuarios deben interactuar de una forma fcil, reuniendo dos capacidades para poder cumplirlo:

1. Explicar sus razonamientos o base del conocimiento: los sistemas expertos se

deben realizar siguiendo ciertas reglas o pasos comprensibles de manera que se pueda generar la explicacin para cada una de estas reglas, que a la vez se basan en hechos. 2. Adquisicin de nuevos conocimientos o integrador del sistema: son mecanismos de razonamiento que sirven para modificar los conocimientos anteriores. Sobre la base de lo anterior se puede decir que los sistemas expertos son el producto de investigaciones en el campo de la inteligencia artificial ya que sta no intenta sustituir a los expertos humanos, sino que se desea ayudarlos a realizar con ms rapidez y eficacia todas las tareas que realiza. Debido a esto en la actualidad se estn mezclando diferentes tcnicas o aplicaciones aprovechando las ventajas que cada una de estas ofrece para poder tener empresas ms seguras. Un ejemplo de estas tcnicas sera los agentes que tienen la capacidad de negociar y navegar a travs de recursos en lnea; y es por eso que en la actualidad juega un papel preponderante en los sistemas expertos. ISSN: Depsito Legal: Copyright: Chantal Prez 1139-8736 B-39120-2002

5.2.2 Bases de datos y bases de conocimiento Los investigadores y estudiosos de este campo han fijado diferencias concretas en cuanto a metodologas, tcnicas de implementacin, usos, contenidos y objetivos entre ambos sistemas. De hecho, la distincin entre base de datos y base de conocimiento, as como la distincin paralela entre modelo de datos y esquema de representacin ha sido objeto de debate durante mucho tiempo entre estas comunidades de cientficos. Un modelo de datos se asocia con una base de datos, mientras que su correspondiente en una base de conocimiento es el denominado esquema de representacin. Existen otras distinciones importantes que mencionamos a continuacin.82 Las bases de datos son anteriores en el tiempo a las bases de conocimiento. Nacieron a mediados de la dcada de los 50 y desde entonces han sido una de las principales herramientas que los ordenadores ofrecen. A principios de los 60 se desarrollaron las primeras bases de datos estructuradas jerrquicamente y poco tiempo despus, las bases de datos de red. A finales de los 60, Ted Codd, investigador de IBM, desarroll un

lenguaje de programacin de propsito general que denomin programacin relacional, basado en la teora de conjuntos y la lgica, y que contena el germen de lo que haba de ser el ms extendido de los sistemas de bases de datos hasta la fecha, las bases de datos relacionales. El objetivo primero de una base de datos es, como su nombre indica, almacenar grandes cantidades de datos organizados siguiendo un determinado esquema o modelo de datos que facilite su almacenamiento, recuperacin y modificacin. Por su parte, las bases de conocimiento (KB: Knowledge Base) pertenecen a una etapa muy posterior. Surgieron a partir de la investigacin en IA como respuesta a las necesidades que las aplicaciones de esta disciplina planteaban. Las bases de conocimiento son la evolucin lgica de los sistemas de bases de datos tradicionales, en un intento de plasmar no ya cantidades ingentes de datos, sino elementos de conocimiento (normalmente en forma de hechos y reglas) as como la manera en que estos elementos han de ser utilizados. Tambin se les trata de dotar de conocimiento sobre s mismas, es decir, una KB ha de "saber lo que sabe". Por ejemplo, ante una consulta determinada, una base de datos acceder a los datos almacenados en ella y dar una respuesta afirmativa o negativa, independientemente de que tenga o no la informacin relevante; en cambio, una KB respondera "s", "no" o "no lo s", en el caso de carecer de todos los datos pertinentes a la consulta. Se dice que una base de datos almacena nicamente hechos, que son un reflejo de universo, llamado Universo de Discurso (UoD) determinado. Las funciones que el gestor de base de datos se limita a facilitar son, fundamentalmente, las de edicin y consulta de los datos. Una base de conocimiento, por otra parte, puede almacenar, adems de hechos, un conjunto de reglas que se sirven de esos hechos para obtener informacin que no se encuentra almacenada de forma explcita. El tipo de base de conocimiento al que se dota de una considerable capacidad de deduccin a partir de la informacin que contiene se denomina sistema experto. Ambos sistemas de informacin cuentan con sus correspondientes gestores para simplificar al administrador las tareas comunes de mantenimiento: el sistema gestor de bases de datos (DBMS: Database Management System) y el sistema gestor de bases de conocimiento (KBMS: Knowledge Base Management System). Tambin encontramos diferencias sustanciales en este aspecto. Bsicamente los DBMSs actuales se encuentran perfectamente estandarizados, ofreciendo un nmero de caractersticas y metodologas comunes que posibilitan la comunicacin entre diversos tipos y productos comerciales. La comercializacin de los KBMSs es prcticamente anecdtica, y los esfuerzos en cuanto a su estandarizacin se estn produciendo en estos momentos, en lo que se ha dado en denominar KIF (Knowledge Interchange Format) (Genesereth & Fikes 1992). La diferencia ms importante entre ambos tipos de sistemas de informacin es sin duda el modelo de datos en el que se basan (Brodie & Mylopoulos 1986). Los modelos de datos aportan la base conceptual para disear aplicaciones que hacen un uso intensivo de datos, as como la base formal para las herramientas y tcnicas empleadas en el desarrollo y uso de sistemas de informacin. Con respecto al diseo de bases de datos, el modelado de datos puede ser descrito as (Brodie 1984:20): dados los requerimientos de informacin y proceso de una aplicacin de uso intensivo de datos (por ejemplo, un sistema de informacin), construir una representacin de la aplicacin que capture las propiedades estticas y dinmicas requeridas para dar soporte a los procesos deseados (por ejemplo, transacciones y consultas). Adems de capturar las necesidades dadas en el momento de la etapa de

diseo, la representacin debe ser capaz de dar cabida a eventuales futuros requerimientos. Un modelo de datos 83 es por tanto una coleccin de conceptos bien definidos matemticamente que ayudan a expresar las propiedades estticas (entidades, propiedades y relaciones) y dinmicas (operaciones con las entidades, propiedades o relaciones) de una aplicacin con un uso de datos intensivo. En lo que respecta a las bases de conocimiento, la necesidad de una notacin precisa para representar el conocimiento se hizo evidente en el mbito de la IA casi desde el principio, sin duda debido a la experiencia acumulada en el terreno de las bases de datos. Esta notacin recibe el nombre de esquema de representacin en el entorno de las bases de conocimiento. Ahora entran en juego los trminos que incluamos en nuestra definicin de concepto, que trataremos de explicar y clarificar, porque son cruciales para entender el enfoque que proponemos a la gestin terminolgica. En este sentido, resulta prctico considerar una base de conocimiento como un modelo de un mundo/empresa/seccin de la realidad (Mylopoulos & Levesque 1984). Hemos de considerar el mundo/universo como una coleccin de individuos o entidades y una coleccin de relaciones que existen entre esos individuos. La coleccin de individuos que conforman el universo a representar y las relaciones que stos mantienen constituye un estado, y puede haber transformaciones de estado que causan la creacin o modificacin de individuos o de las relaciones entre ellos. Podemos clasificar los esquemas de representacin dependiendo de cul sea el punto de partida: Asignacin de valores veritativos sobre estados: esquemas de representacin lgicos. Individuos/relaciones: esquema de representacin de redes semnticas; Transformaciones de estados: esquemas de representacin procedimentales (sistemas productivos).

La utilidad de un determinado esquema de representacin se centra en dos aspectos (Obermeier 1989:23): Su capacidad o adecuacin expresiva, es decir, lo que el sistema puede "entender" o "decir"; Su eficacia notacional.

Los esquemas de representacin procedimentales apenas han tenido repercusin en lo que respecta a la representacin de informacin lxica, por lo que no sern tratados en este trabajo. Los esquemas de representacin lgicos durante mucho tiempo fueron considerados como la respuesta a todas las necesidades de los sistemas artificiales de comprensin del lenguaje natural, debido principalmente a la enorme repercusin del trabajo del gran lgico y matemtico Richard Montague. En la actualidad, sin embargo, son pocos los enfoques que pretenden utilizar la lgica como nico recurso, aunque sta se encuentra embebida en la mayora de los sistemas de representacin y proceso de NLP. El tipo de esquema de representacin del conocimiento que ha disfrutado de mayor aceptacin, tanto a nivel terico como de implementacin, son sin duda las redes semnticas, sobre todo porque tienen una adecuacin psicolgica importante. De este modo, investigadores de muy diversos mbitos han hecho uso de las mismas, ya sea con implementaciones reales o slo a nivel terico para explotar y exponer hiptesis filosficas, psicolgicas, lingsticas, etc.

La idea que defendemos es que deberamos aprovechar esta experiencia acumulada para emplearla en la creacin de representaciones conceptuales que, adems de servir de base a la gestin terminolgica, a la que tienen mucho que aportar, garanticen la integracin de las bases terminolgicas con sistemas ms amplios de gestin del conocimiento, de modo que los recursos (terminolgicos) creados para una empresa concreta puedan ser reutilizados en empresas de mayor envergadura que requieran de conocimiento especializado sobre un campo de especialidad concreto. Para que esto pueda hacerse realidad, sin embargo, debemos comprender mnimamente lo que es un sistema basado en el conocimiento y las opciones que se plantean a la hora de elegir uno. Los sistemas de conocimiento modernos se basan en su mayora en los sistemas de redes semnticas tradicionales de la IA. A continuacin hacemos una breve exposicin de las caractersticas fundamentales de stos, con el objeto de comprender las premisas y conceptos con los que habremos de trabajar, as como lo que supone adoptar un enfoque terminolgico basado en el conocimiento real.

Notas
82

Moreno Ortiz (1997) ofrece una explicacin muy detallada de las caractersticas que diferencian las bases de datos y las bases de conocimiento.
83

Los modelos de datos clsicos son tres: el jerrquico, el de red y el relacional. De ellos, es sin duda el modelo relacional de datos el que ha demostrado mayor flexibilidad, eficacia y fiabilidad. En l se basan aproximadamente el 95% de las bases de datos y sistemas de informacin en funcionamiento hoy en da. El resto se reparte entre sistemas heredados (jerrquicos), las novedosas bases de datos orientadas al objeto y los modelos de datos de propsito especfico. Estos ltimos, tambin llamados "propietarios", son los empleados por la mayora de los gestores de bases de datos terminolgicas comerciales actuales. Concepto de Ingeniera del Conocimiento Para que la teora actor-red nos brinde sus frutos es necesario llegar a una cuantificacin del conocimiento que circula a travs de las redes. Las bases de datos son simplemente una relacin de documentos, un sistema de almacenamiento de informacin. Las tcnicas de recuperacin, a travs de un medio de interrogacin adecuado, delimitan una parte del total de la base de datos, para entregarla al usuario que la consulta. El resultado es una sub-base, normalmente muy pertinente, fcilmente manejable por un ser humano y que debe ser estudiada y analizada por l para transformar la informacin contenida en ella en conocimiento. Este estudio consiste normalmente en la lectura detenida de los documentos, con el objeto de captar e interiorizar mentalmente las relaciones existentes entre todos los elementos y conceptos y hacerlos comprensibles al entendimiento. Cuando se consigue esto se dice que la informacin se ha transformado en conocimiento. Se entiende que el conocimiento implica generar una red sociocognitiva a partir de la informacin inconexa contenida en estos documentos. Cuando se cruza la informacin contenida en dos o ms documentos, el conocimiento conseguido es siempre mayor que la suma del conocimiento obtenible de los documentos por separado. Supongamos dos artculos cientficos, abreviadamente denominados doc1 y doc2. La lectura detenida de cada uno de ellos por separado genera, respectivamente,

las siguientes cantidades de conocimiento: conoc(doc1) y conoc(doc2) Si una misma persona lee ambos documentos y cruza los contenidos de ambos (comparndolos, diferencindolos, reestructurndolos, etctera) se obtiene un conocimiento extra que no exista anteriormente en ellos y que aparece por primera vez en el cruce de ambos. El conocimiento total resultante es: Conocimiento total (doc1, doc2)=conoc (doc1)+conoc (doc2)+conoc (doc1xdoc2) Donde conoc(doc1 x doc2) es el conocimiento que se genera por primera vez al cruzar, enlazar o asociar los documentos doc1 y doc2.

Figura 1. - Ingeniera del Conocimiento y sus aplicaciones La Ingeniera del Conocimiento consiste pues, en generar nuevo conocimiento, que antes no exista, a partir de la informacin contenida en las bases de datos documentales y mediante el cruce del contenido de los documentos. La ingeniera del conocimiento parte lgicamente de la Teora actor-red, ya que pone de manifiesto redes y genera otras nuevas. Adems hace uso de la Teora de la Traduccin-Traslacin, ya que mediante el acercamiento y puesta en relacin de actores, se produce un moldeo o traduccin para llevar los enunciados o modalidades a nuevos estadios de evolucin. La Ingeniera del Conocimiento, por ser una ingeniera, debe usar tcnicas y metodologas de carcter cuantitativo e instrumental. As, las redes las describe matemticamente mediante la teora de los grafos. Para determinar la intensidad de los enlaces emplea ndices de similitud o cercana y como algoritmo fundamental el Anlisis de Palabras Asociadas. Alternativamente tambin se puede emplear anlisis mediante redes neuronales. El Anlisis de Palabras Asociadas se basa en leer los documentos y

generar redes sociocognitivas a partir de la asociacin de las palabras que hay en los documentos. Necesariamente este procedimiento debe llevarse a cabo mediante sistemas informticos con softwares especficos. El resultado es lo que se denominan Bases de Conocimiento, en oposicin a Bases de Datos, que tan solo contienen datos (POLANCO, X.; FRANOIS, C. y KEIM, J. P., 1998), (POLANCO, X., 1997), (CALLON, M.; COURTIAL, J. P. y LAVILLE, F., 1991), (COURTIAL, J. P., 1997), (COURTIAL, J. P., 1995). En la Figura 1 se representa el paso de la informacin contenida en las bases de datos a las bases de conocimiento gracias al Anlisis de Palabras Asociadas. Se especifican adems las aplicaciones ms representativas que hasta la actualidad se han realizado. Referencias: Callon, M., Courtial, J. P., & Laville, F. (1991). Co-word analysis as a tool for describing the network of interactions between basic and technological research: the case of polymer chemistry. Scientometrics, 22(1), 155-205. Courtial, J. P. (1995). Construction des connaissances scientifiques, construction de soi et communication sociale. Information Solaris Communication, 2. Courtial, J. P. (1997). Le rle des mots d'indexation dans la mise en vidence de la dynamique d'un domaine scientifique. Exemples de l'ethnopsychiatrie et de l'autisme. Documentaliste - Sciences De L'Information, 34(3), 135-141. Polanco, X. (1997). Infometra e ingeniera del conocimiento: Exploracin de datos y anlisis de la informacin en vista del descubrimiento de conocimientos. El universo de la medicin: La perspectiva de la Ciencia y la Tecnologa. COLCIENCIAS, CYTED, RICYT: Segundo Taller Iberoamericano sobre Indicadores en Ciencia y Tecnologa (pp. 335-350). Bogot: Tercer Mundo Editores. Polanco, X., Franois, C., & Keim, J. P. (1998). Artificial neural network technology for the classification and cartography of scientific and technical information. Scientometrics, 41( 1-2), 69-82. Parte lxica: Determina qu smbolos estn permitidos en el vocabulario de la representacin. Una parte estructural que describe las restricciones sobre la forma en que los smbolos pueden ordenarse. Una parte operativa que especifica los procedimientos de acceso que permiten crear descripciones, modificarlas y responder a preguntas utilizndolas. Una parte semntica que establece una forma de asociar el significado con las descripciones.