Sistemas expertos

SISTEMAS EXPERTOS DEFINICION. – «Es un programa que soluciona problemas y da consejos en un area especializada de conocimiento. » OBJETIVO. – Pueden resolver problemas muy dificiles como los expertos humanos, razonan pero en base a un conocimiento adquirido, funcionan con datos que contienen errores, contemplan multiples hipotesis en competicion simultaneamente, y pueden justificar sus conclusiones. CONCEPTOS. – Los programas convencionales utilizan datos exactos lo que es una indudable ventaja de los computadores. Esta clase de datos se denomina conocimiento factual o preciso.

Los humanos usamos una mezcla de ese conocimiento factual y de conocimiento heuristico (o sea la intuicion logica), que es una indisputable ventaja de los humanos. Los sistemas expertos tratan de emular ese conocimiento heuristico, lo que los hace superiores a los programas convencionales ya que pueden tratar con datos «inciertos», o sea, no precisos. Basicamente el Sistema Experto esta compuesto por los siguientes modulos: 1. Base de conocimientos: Consiste en las reglas, procedimientos y datos intrinsecos al area del problema.

Generalmente se construye a traves de consulta con uno o varios expertos del area, para incluir el conocimiento heuristico, manuales, base de datos, etc. 2. Motor de inferencia: Es el mecanismo usado para extraer el conocimiento de la base

Lo sentimos, pero las muestras de ensayos completos están disponibles solo para usuarios registrados

Elija un plan de membresía
de conocimientos, para alcanzar una solucion o conclusion determinada. 3. Interface con el usuario: Es el medio de comunicacion entre el sistema experto y el usuario. Permite que el usuario pueda describir el problema al sistema experto. Interpreta sus preguntas, los comandos y la informacion ofrecida.

LAS REGLAS DE INFERENCIA. – La mayoria de los sistemas expertos almacenan su conocimiento en forma de reglas de inferencia: si esto, entonces eso; si eso, entonces aquello otro. Las reglas de inferencia permiten relacionar hechos o situaciones del mundo real para deducir otros hechos que, en principio, no son evidentes sin la utilizacion de dicha reglas. MODELO (REPRESENTACION DEL CONOCIMIENTO). – Como habiamos mencionado antes existen dos clases de conocimiento a tratar: 1. Conocimiento factual, o sea, aquel que por naturaleza es preciso y libre de «ruido».

Se caracteriza tambien por ser objetivo y facil de representar. 2. Conocimiento heuristico, es el conocimiento que usamos intuitivamente pero en forma consciente. NO es preciso ya que generalmente es subjetivo y es dificil de representar. Existen varias maneras de representar el conocimiento, tales como: Redes semanticas, Marcos, Reglas de produccion, Logica de predicados, Libretos, Hibridos. En la construccion de los sistemas expertos el modelo mas usado es el de las reglas de produccion por su versatilidad.

Sin embargo recientemente los modelos hibridos, o sea, la combinacion de algunos de los modelos, han tenido mucho exito en su aplicacion, especialmente para la representacion del conocimiento heuristico. Las reglas de produccion generalmente son escritas en la forma IF-THEN, donde: IF premisa, THEN conclusion IF entrada, THEN salida IF condicion, THEN accion IF antecedente, THEN consecuente IF datos, THEN resultados IF accion, THEN meta. La parte IF generalmente contiene varias clausulas unidas por los conectivos logicos AND, OR.

La parte THEN consiste en una o mas frases que especifican la accion a tomar. LENGUAJES. – Hay lenguajes de programacion que se han desarrollado para la inteligencia artificial y por extension, para los sistemas expertos, como son LISP o PROLOG, que digamos son los dos lenguajes predominantes. HERRAMIENTAS. – Para aquellos que se inicien en este mundo, comiencen por aprender a manejar alguna de la muchas herramientas existentes en el mercado, tales como KEE, Art, Art-im, LOOP, CLisp, etc.

O bien pueden programar su propio motor de inferencia en algunos lenguajes. La red bayesiana es una red de inferencias probabilisticas para codificar el conocimiento sobre un dominio y utiliza la heuristica PRINCIPIOS. – FORWARD CHAINING. – Es una de varias estrategias deductivas del control de las aplicaciones que existen o los datos nuevamente deducidos para accionar las deducciones y las conclusiones futuras sobre los datos. Se repite el proceso hasta que el programa alcanza su meta o se ejecuta de nuevas posibilidades.

Esta tecnica se utiliza tipicamente para la busqueda del estado-espacio o el razonamiento dirigido a los datos. BACK CHAINING. – Es otra estrategia deductiva del control que trabaja de metas a que se sabe ya o que necesita saberse para satisfacer esas metas. Se emplea tipicamente en la reduccion del problema. UNIFICATION. – La unificacion es similar a corresponder con, pero ahora modelamos a otros modelos. Observe que las variables pueden ahora atar a otras variables. El codigo es muy similar corresponder con. MODUS PONENS. Es la forma de colocar las oraciones de modo que se comporten de forma canonica, es decir, que las oraciones sean atomicas (indivisibles). DOMINIOS Y APLICACIONES. – Un SE se puede aplica en la interpretacion (deducir situaciones a partir de datos), prediccion (meteorologica, trafico, bolsa), diagnostico (medico, fallos en electronica), diseno planificacion (proyectos, inversiones, militar), supervision, reparacion, instruccion (correccion de errores), depuracion, en el control (interpreta, predice y supervisa su conducta) y la ensenanza (recoger el conocimiento y mostrarlo).